Notas Clase Control de Calidad 20P

Control de Calidad y Confiabilidad
Clase Remota
31 de agosto de 2020
Profesor: Dr. Nicolás Domínguez Vergara
ndv@azc.uam.mx
UAM Azcapotzalco
https://www.youtube.com/watch?v=XhH0V09A_Is
https://www.youtube.com/watch?v=t5i_88e3Epk&t=98s
https://www.youtube.com/watch?v=MRlq1LAamTs&t=32s
https://www.youtube.com/watch?v=58a9jldvBpo&t=54s
https://www.youtube.com/watch?v=OR1BJv1uScY
https://www.youtube.com/watch?v=O4eVxWNECJU
El profesor dando la clase de Control de Control de Calidad y Confiabilidad
Favor de no difundir ni citar debido a que quizá no tiene todavía todas las referencias citadas apropiadamente.
Por lo anterior se modificará el texto continuamente. Por el momento el material en este texto solamente se está
usando para clases remotas y se corregirá posteriormente. También se aclara que existen algunas partes del
texto que están incompletas o que no están completamente ordenadas, pero que se estarán completando u
ordenando conforme el curso avance.
1
Índice
Control de Calidad
 Desarrollo de productos y servicios
 Concepto de Calidad
 Mediciones y curva normal
 Cálculo del promedio y desviación estándar (variabilidad)
 Pérdidas económicas por fabricar productos defectuosos
 Índices de capacidad de un proceso
 7 herramientas de control estadístico de un proceso
o Diagrama de Ishikawa
o Diagrama de Pareto
o Diagrama de Dispersión
o Estratificación
o Histograma
o Lista de verificación (Check List)
o Cartas de Control
 Poka Yoke
 Árbol de decisiones
 5 por qués
 Capacidad y estabilidad de un proceso
 Función de despliegue de la calidad (FDC)
 Calidad de mediciones (repetibilidad y reproducibilidad)
 Análisis de modo y efecto de las fallas (AMEF)
 Análisis y Diseño de Experimentos
 Estrategia Seis Sigma
 El Big Data o la Ciencia de Datos en Control de Calidad
Muestreo
 Concepto de muestreo
 Muestreo de aceptación
 Método de Cameron para diseñar un plan de muestreo
 Military Standard 105E
Confiabilidad
 Concepto de confiabilidad
 Concepto de riesgo
 Curva de bañera o de ciclo de vida
 Modelo exponencial de confiabilidad
 Modelo Weibull de confiabilidad
2
 Cálculo de la garantía que debe darse a un producto al venderse
Normas ISO9000, ISO9001
 Norma ISO9000
 Norma ISO9001
ANEXO I. Instrucciones para la realización del Proyecto Final
ANEXO II. Tareas con fecha
Bibliografía
3
Control de Calidad
4
¿Qué es Calidad? y ¿Cómo se mide la Calidad?
La discusión se puede comenzar especificando que es una definición, por ejemplo

la de amar o a de amor, y luego preguntando como se mide.
Amar es este tímido silencio cerca de ti, sin que lo sepas....

y escuchar tu voz cuando me llamas y sentir el calor de tu saludo.
Amar es aguardarte como si fueras parte del ocaso...
ni antes, ni después, para que estemos solos
entre los juegos y los cuentos sobre la tierra seca...
Salvador Novo.
Es hielo abrasador, es fuego helado, es herida que duele y no se siente, es un

soñado bien, un mal presente, es un breve descanso muy cansado.
Es un descuido que nos da cuidado, un cobarde con nombre de valiente, un andar
solitario entre la gente, un amar solamente ser amado.
Francisco de Quevedo.
Amar es empapar el pensamiento en la fragancia del edén perdido, amar... amar es

llevar herido con un dardo celeste el corazón.
Es tocar los dinteles de la gloria es ver tus ojos es escuchar tu acento es en el alma
sentir el firmamento y es morir a tus pies de adoración.
Cuco Sánchez.
Amor es comprometerse uno mismo sin garantía, darse uno completamente con la
esperanza que nuestro amor generará amor en la persona amada.
Amor es un acto de fe y una persona que es de poquita fe, también es de poquito
amor.
Erich Fromm, “El Arte de Amar”.
Preguntar ¿Cómo se mide el amor? ¿Existe un amorómetro? ¿Cómo se mide la

Calidad?
Posteriormente se pueden comparar dos celulares y preguntar cuál de los dos es

de más calidad.
¿Qué es la Calidad?
En el curso siempre que hablamos de Calidad nos referiremos a productos o

servicios para los que hay un cliente dispuesto a pagar por obtenerlos. En el caso
de un producto, por ejemplo, una regla, nos referimos a características de ella como
su longitud, ancho, color y dureza. Y queremos que esas características estén
dentro de nuestros requisitos, por ejemplo si compramos una regla de 20
centímetros, nos gustaría que la regla mida los 20 centímetros, o que mida alrededor
de 20 centímetros de tal manera que ni percibamos que tan alejada está de medir
esa longitud.
5
Si vamos a un restaurante buscamos un buen servicio, por ejemplo que la mesera
que nos atienda lo haga bien y pronto, que el lugar esté limpio. Y desde luego que
el menú esté delicioso. Si nos sirven unos tacos podemos reclamar diciendo que no
están dentro de lo que esperábamos comer ahí. Podemos decir que los tacos no
tenían Calidad. También podemos reclamar si la mesera no nos atendió bien.
Desde luego que muchas veces tenemos que conformarnos con un poco menos de
lo que nos gustaría debido al precio. Por ejemplo, nos gustaría quedarnos en un
hotel de 5 estrellas pero desgraciadamente puede ser muy caro y un hotel mucho
más barato podría satisfacer nuestras necesidades.
Preguntas para discutir en grupo. (La tarea 1 consiste en hacer un resumen de la

discusión.)
1. ¿En qué características nos fijamos para juzgar si un producto o servicio tiene
Calidad? Considere por ejemplo un par de zapatos o una televisión.
2. ¿Es posible que un producto tenga Calidad suficiente para una persona y mala
Calidad para otra?
3. ¿Es necesario tener una sola definición de Calidad?
4. ¿Para qué sirve tener un producto de Calidad?
5. ¿Cuesta dinero hacer las cosas con Calidad?
6. ¿Cuesta dinero hacer las cosas sin Calidad?
7. ¿Ha evolucionado el concepto de Calidad?
8. ¿Ha costado desarrollar un producto como una rasuradora, las pastillas
anticonceptivas, o un ipod?
9. ¿Cuál ha sido el proceso que ha llevado a la fabricación de un refrigerador, un
coche, un celular, un DVD o un bilé? (¿Usted cree que un día a una persona se le
ocurrió inventar la aspirina un día y al otro la estuvo produciendo?
10. ¿Usted hace las cosas con Calidad en su vida personal?
11. ¿Usted cree que el precio del agua y el valor de los ingredientes es el 99% del
costo de una Coca Cola?
12. ¿Es necesario medirle la Calidad a todo?
13. ¿Cómo se mide la Calidad? ¿Existe un Calidómetro?
14. ¿Qué sería una Universidad de Calidad?
15. ¿Cómo define Calidad?
Existen muchas definiciones de lo que es Calidad y conceptos relacionados a ella:
“Un grado de uniformidad que proporcione fiabilidad a bajo costo y conveniente para
el mercado”. Edgard W. Deming
“Adecuación al uso”. Joseph Juran
“Todo individuo, en cada división de la empresa, deberá estudiar, practicar y

participar en el control de calidad”. Kaoru Ishikawa
“Cumplir los requisitos”. Phillip Crosby
6
“Modo de vida corporativa, un modo de administrar una organización”. Armand V.
Feigenbaum
“Es la entrega al cliente del producto con la calidad exigida y en el momento exacto”.
Shigeo Shingo
“La no calidad es la pérdida generada a la sociedad por un producto desde su

concepción hasta su reciclado”. Genichi Taguchi
“La adopción de una cultura que empieza por la presencia y se extiende a los
equipos”. John Oakland
“Saber escuchar al cliente”. Thomas Peters
“Reducir la variación para reducir pérdidas”. Deming Awards
“La excelencia en el manejo de clientes, en su adquisición, satisfacción, preferencia,

referencia, lealtad, y expansión del negocio”. Malcom Baldrige Awards
“Es la creación de valor para los clientes y usuarios”. Premio Nacional de la Calidad
“Excelencia: prácticas sobresalientes en la gestión de la organización y logro de

resultados”. Fundación Europea para la gestión de la calidad
Existen muchas definiciones de lo que es Calidad y la evolución de su concepto

(Nava Carbellido. 2005. ¿Qué es la calidad? Ed. Limusa), sin embargo, al final todas
se refieren a lo mismo pero usando cosas diferentes, es: hacer bien las cosas, y
hacerlas bien a la primera vez. O bien que lo que compramos sirva para lo que
queremos, que nos falle.
Definición de Calidad
Definición de Calidad de acuerdo a la norma ISO 9000:2000:
3.1.1 Es el grado en el que un conjunto de características (3.5.1) inherentes
cumple con los requisitos (3.1.2).
Fuente: NMX-CC-9000-INMC-2000
3.2.10
Control de Calidad
Parte de la gestión de la calidad (3.2.8) orientada al cumplimiento de los requisitos
(3.1.2) de la calidad (3.1.1).
Fuente: NMX-CC-9000-INMC-2000
Desarrollo de productos y servicios
Cambia el clima de la tierra, el frío de la última glaciación del pleistoceno desaparece
y las mujeres y hombres de la tierra se vuelven sedentarios y entonces tienen tiempo
7
de pensar, de cultivar, de construir, de inventar y de innovar. Surge la familia, la
propiedad privada y el estado (Federico Engels).
Comienzan a inventarse muchos productos para la comodidad de la población como
ropa, utensilios para cocinar, casas, juegos de azar y también armas para las
guerras.
Todos los productos tienen su historia y muchos de ellos sufren innovaciones a lo
largo de muchos años, como son los libros, los semáforos, el papel de baño, la taza
de baño, los teléfonos fijos, los teléfonos celulares, el lápiz labial, las joyas, la ropa,
los botones, las zapatillas, las medicinas, las estufas, las tijeras, las bombas
nucleares, etc.
No todos los productos surgen de una necesidad y algunos surgen para cumplir con
un propósito pero terminan usándose para otras cosas.
El desarrollo de los productos no necesariamente comienza con la ciencia básica.
Y no todos los productos han surgido de la ciencia, como las espadas que se
inventan antes de que el hombre supiera de la existencia de las moléculas. O que
se inventan sin tener muchos conocimientos de la ciencia en la materia como han
sido los aviones, que se inventan antes de que se conozca mucho sobre la
turbulencia del aire en la atmósfera.
Algunos productos si comienzan en su desarrollo con la ciencia básica, como las
celdas solares, los antivirales, el rayo láser, etc.
Algunos productos son de alta tecnología y se caracterizan porque su desarrollo se
ha logrado integrando muchos conocimientos de física, química o matemáticas,
como son las computadoras, los teléfonos celulares, el grafeno,etc. (Pemex
Presente y Futuro, F. Colmenares, F. Barbosa, N. Domínguez)
Existen tecnologías duras que se pueden tocar, así como algunas que no se pueden
tocar. Una tecnología dura que se toca es una plancha. Una tecnología suave que
no se toca es un software. Los procedimientos en una fábrica son tecnología suave.
Estas tecnologías son productos. Las tecnologías sirven para hacer otros productos.
La tecnología es una herramienta para hacer herramientas (Fukuyama).
La tecnología no lo es todo, también cuentan las estrategias en el uso de la
tecnología como se demostró en la segunda guerra mundial, los panzers alemanes
contra los T34 rusos. O el poderoso acorazado Bismark contra las embarcaciones
inglesas más pequeñas. Hasta la higiene cuenta en una guerra, como las
costumbres de ingleses y alemanes en las batallas en el norte de África durante la
segunda guerra mundial.
Los ingenieros son aquellos que construyen puentes entre la ciencia y la tecnología.
La ciencia y la tecnología son dos pilares fuertes. Entre estos pilares surgen como
rayos entre ellos las innovaciones tecnológicas.
8
Desarrollo de productos
¿Cómo se desarrollan los productos? Se muestra el modelo lineal de innovación
tecnológica que ya es obsoleto porque muchos productos no siguen esa ruta de
desarrollo.
Así es que los productos tienen diferentes orígenes, por ejemplo debido a la
epidemia del coronavirus muchos productos y servicios nuevos surgieron y el
mundo ha cambiado apreciablemente (Nicolás Domínguez Vergara, El mundo ante
el coronavirus , https://www.cronica.com.mx/notas-el_mundo_ante_el_coronavirus-
1151188-2020?fb_comment_id=1963704510421351_1964938506964618) (D.N.
Dominguez-Perez, N. Dominguez Vergara, From the lessons of the covid-19, a
whole new world in education?).
Productos y servicios
Los productos y servicios tienen características inherentes. Las características
inherentes de una mesa son su plataforma (cuadrada, redonda, etc.), su soporte
(patas de la mesa), su material, etc. Las características inherentes de una manzana
son su sabor, color, tamaño, estado de madurez, etc. Las características inherentes
de un servicio de comida, son el trato que nos dan al pedir la comida, la manera en
que nos sirven la comida, en que nos cobran la comida, etc. Las características
inherentes de un teléfono celular son que reciben y envían llamadas, su memoria,
su cámara, etc. Las características inherentes de las personas son, que piensan,
que tienen dos extremidades superiores, dos extremidades inferiores, etc.
9
Los productos y servicios se compran y muchas veces no tenemos los recursos
económicos para fijarnos en todas las características inherentes sino solamente en
algunas, las que juzgamos más importantes.
Algunos productos pueden no tener calidad para una persona pero para otra sí. Por
ejemplo si comparamos el periódico El Financiero con El Gráfico parecieran que son
muy diferentes. Lo que hacen los productores es fijarse en quiénes son sus clientes
y asegurar sus ventas con esos clientes. No son los mismos clientes los del
Financiero que los del Gráfico.
Las compañías aseguran las ventas de sus productos. Una compañía que no vende
quiebra. La calidad no lo es todo para una compañía, también cuenta la
productividad, la competitividad, la imagen de la empresa en el público, la
competencia por productos que van surgiendo (relojes mecánicos contra los
digitales) etc. Las mejoras compañías son aquellas que subsisten. Lo vemos en
estos días en los que muchas compañías desaparecerán desafortunamente.
Queremos que los productos cumplan con especificaciones. Algunas características
tienen una especificación superior y una especificación inferior. Algunas
características inherentes solamente tienen una, ya sea inferior o superior.
Supongamos que tenemos un producto que tiene las siguientes característica
inherentes: x, y, z, u, v, w, m, ….
x (metros). Especificaciones 𝐸𝐼𝑥 y 𝐸𝑆𝑥
y (litros). Especificaciones 𝐸𝐼𝑦 y 𝐸𝑆𝑦
z (Amperes). Especificaciones 𝐸𝐼𝑧 y 𝐸𝑆𝑧

u (Ohms). Especificaciones 𝐸𝑆𝑢
v (Newton-metro). Especificaciones 𝐸𝐼𝑣
w (Armstrong). Especificaciones 𝐸𝐼𝑤 y 𝐸𝑆𝑤
m (partes por millón, ppm). Especificaciones 𝐸𝐼𝑚 y 𝐸𝑆𝑚
10
Calidad
De acuerdo a la norma ISO 9000
1) Tomamos medidas de las características inherentes.
2) Graficamos las medidas y las especificaciones.
3) ¿Qué tan adentro de las especificaciones se encuentran las medidas de las
características inherentes?
Así verificamos la calidad de un producto.
Ejemplo
Solamente tomaremos una característica inherente
Producto 1. Compañía A
Producto 2. Compañía B
11
Producto 3. Compañía C
Los productos de la compañía C tienen más calidad porque las medidas de las
características inherentes están más adentro de las especificaciones.
Representación de datos.
Puntos. Datos sueltos. Contiene toda la información, sabemos exactamente en
dónde están las medidas de la característica inherente, x.
Histograma
12
Representación continua de los datos
13
Representación de datos
Datos sueltos
Datos agrupados
14
Datos continuos
𝜇 : Donde se acumulan los datos.

𝑅𝑎𝑛𝑔𝑜
𝜎 ∶ aproximación gruesa ≈ 4
Cálculo del promedio y de la desviación estándar para las 3 representaciones

de datos
Datos sueltos
15
n = 14
14 puntos
∑𝑛
𝑖=1 𝑥𝑖 𝑥1+ 𝑥2+ 𝑥3+ 𝑥4+ 𝑥5+ 𝑥6+ 𝑥7+ 𝑥8+ 𝑥9+ 𝑥10+ 𝑥11+ 𝑥12+ 𝑥13+ 𝑥14
𝜇= = =
𝑛 14
12+13+13+14+14+14+15+15+15+15+16+16+17+18 207
= = 14.7857
14 14
∑𝑛𝑖=1(𝑥𝑖 − 𝜇)2
𝜎= √
𝑛
(12 − 𝜇)2 + (13 − 𝜇)2 + (13 − 𝜇)2 + (14 − 𝜇)2 + (14 − 𝜇)2 + (14 − 𝜇)2 + ⋯ … … + (17 − 𝜇)2 + (18 − 𝜇)2
=√
𝑛
(12 − 14.7857)2 + (13 − 14.7857) 2 + (13 − 14.7857) 2 + (14 − 14.7857) 2 + (14 − 14.7857) 2 + (14 − 14.7857) 2 + ⋯ … … + (17 − 14.7857) 2 + (18 − 14.7857) 2
=√
𝑛
Histograma
16
En este caso, 20, 22, 24, 26, 28 y 30 son las marcas de clase. Los números 5, 7,
9, 12,10 y 6 son las frecuencias de clase.
∑ 𝑥𝑖 𝑓𝑖 (20)(5) + (22) + ⋯ … . . +(23)(10) + (30)(16)
μ= =
𝑛 49
En la fórmula anterior 𝑥𝑖 son las marcas de clase y 𝑓𝑖 son las frecuencias de clase.
n=∑ 𝑓𝑖 = 5 + 7 + 9 + 12 + 10 + 6 = 49
100 + 154 + 216 + 312 + 280 + 180 1242
μ= = = 25.347
49 49
∑(𝑥𝑖 −𝜇)2 𝑓𝑖 (20−𝜇)2 (5)+(22−𝜇)2(7)+(24−𝜇)2(9)+⋯…….+(30−𝜇)2 (6)
σ=√ =√
𝑛 49
(20−25.347)2 (5)+(22−25.347) 2 (7)+(24−25.347) 2 (9)+⋯…….+(30−25.347)2 (6)

=√ 49
Paso de un histograma a una función continua
∑ 𝑥𝑖 𝑓𝑖 1 +∞
𝜇= = ∑ 𝑥𝑖 𝑓𝑖 (𝑛) Se convierte en: 𝜇 = ∫−∞ 𝑥𝑓 (𝑥)𝑑𝑥
𝑛
∑ 𝑠𝑒 𝑐𝑜𝑛𝑣𝑖𝑒𝑟𝑡𝑒 𝑒𝑛 ∫
𝑥𝑖 se convierte en 𝑥
𝑓𝑖 se convierte en 𝑓 (𝑥 )
1
se convierte en 𝑑𝑥
𝑛
De la misma manera
17
∑(𝑥𝑖 −𝜇)2 𝑓𝑖 +∞
σ=√ se convierte en: 𝜎 = √∫−∞ (𝑥 − 𝜇)2 𝑓 (𝑥 )𝑑𝑥
𝑛
Ahora bien: n=∑ 𝑓𝑖 , que podemos escribir como:

∑ 𝑓𝑖 = n
O bien,
𝑓𝑖
∑ =1
𝑛
∑ 𝑠𝑒 𝑐𝑜𝑛𝑣𝑖𝑒𝑟𝑡𝑒 𝑒𝑛 ∫
𝑓𝑖 se convierte en 𝑓 (𝑥 )
1
se convierte en 𝑑𝑥
𝑛
𝑓 1
Entonces, ∑ 𝑛𝑖 = 1, al usar que, 𝑓𝑖 se convierte en 𝑓 (𝑥) y 𝑛 se convierte en 𝑑𝑥, se
tiene que:
+∞
∫−∞ 𝑓(𝑥 )𝑑𝑥 = 1
O sea que la función de distribución estará normalizada a 1. El área bajo la curva

𝑓 (𝑥 ) es igual a 1. La integral de 𝑓(𝑥 ) de −∞ a +∞, es igual a 1.
18
Área bajo la curva entre a y b:
𝑏
Área = ∫𝑎 𝑓 (𝑥 )𝑑𝑥
Es la proporción de productos que tienen la medida de su característica inherente

entre a y b, porque 𝑓 (𝑥) está normalizada a 1.
El área entre a y b también es la probabilidad de que un producto tenga su
característica inherente, x, con un valor entre a y b.
Área ≡ Proporción ≡ Probabilidad
¿Cuántos productos existen entre a y b?:
(Área entre a y b) * n
Porque el área es la proporción de productos y n el número total de productos
fabricados.
Si consideramos toda el área bajo la curva, el área es igual a 1.
Si cada producto vale $10 pesos, ¿cuánto perdemos porque no todos los
productos cumplen con las especificaciones?
4*$10.00 pesos = $40.00 pesos
19
Si cada producto vales $5 pesos, ¿cuánto perdemos por no hacer todos nuestros
productos con calidad?
(5+10+15+17+13)x$5 pesos=60*$5 pesos=$300 pesos.
Se hicieron 1628 productos, cada uno se vende en $20, ¿cuánto le perdemos?

𝐸
𝐼 +∞
𝐴1 + 𝐴2 = ∫−∞ 𝑓 (𝑥 )𝑑𝑥 + ∫𝐸 𝑓(𝑥 )𝑑𝑥
𝑠
(𝐴1 + 𝐴2 ) es la proporción de artículos defectuosos.

1628x(𝐴1 + 𝐴2 ) es el número de artículos defectuosos.
$20x1628x(𝐴1 + 𝐴2 ) representa la pérdida.
Estandarización
Todos los datos o casi todos los datos se encuentran entre 𝜇 − 3𝜎 y 𝜇 + 3𝜎
20
Al estandarizar todos los datos o casi todos los datos se encuentran entre -3 y +3.
Se estandariza al aplicar la fórmula:
𝑥−𝜇
𝑧=
𝜎
Al estandarizar, la figura de datos se ve igual solamente alargada o reducida en
tamaño pero de la misma forma, la forma de la distribución de datos no cambia.
21
22
23
Variación real
O sea que el ancho real o la variación real es igual a: 6𝜎.

El ancho real o variación real es la distancia en la que están todos los datos o casi
todos los datos.
Si estandarizamos.
24
Al estandarizar, todos los datos o casi todos los datos se encuentran entre -3 y 3.
La variación real al estandarizar los datos se encuentran en una distancia de 6.
El eje de las abscisas, x, es la medida de la característica inherente.

Figura 10. Variación real y variación tolerada.
Variación real de los datos o ancho real de las medidas del producto: 6𝜎
Variación tolerada o ancho de las especificaciones: 𝐸𝑠 − 𝐸𝑖
𝐸𝑠 −𝐸𝑖
𝐶𝑝 , Índice de la capacidad potencial del proceso: 𝐶𝑝 = 6𝜎
25
Figura 10. Variación real y variación tolerada. 𝐶𝑝 = >1
6𝜎

Figura 11. Variación real y variación tolerada. 𝐶𝑝 = =1
6𝜎
26
Figura 12. Variación real y variación tolerada. 𝐶𝑝 = <1
6𝜎
Cálculo del número de productos defectuosos
El eje de as abscisas es x.
Figura 12. Distribución normal.
27
1 (𝑥−𝜇)2
Distribución normal: 𝑓(𝑥) = 𝑒−
√2𝜋 𝜎 2𝜎 2
𝑏 (𝑥 − 𝜇)2
1
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫ 𝑒− 𝑑𝑥
𝑎 √2𝜋 𝜎 2𝜎 2
𝑥−𝜇 𝑑𝑥
Estandarizamos: 𝑧 = ; 𝑑𝑧 = ; 𝑑𝑥 = 𝜎𝑑𝑧
𝜎 𝜎
𝑏−𝜇 𝑏−𝜇
𝑧2
𝜎 1
𝜎 1 − 𝑧2
−
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫𝑎−𝜇 𝑒 2
𝜎𝑑𝑧 = ∫𝑎−𝜇 𝑒 𝑑𝑧
√2𝜋 𝜎 2𝜎 √2𝜋 2𝜎 2
𝜎 𝜎
O sea,
𝑏−𝜇
𝑎−𝜇 𝑏−𝜇 𝜎 1 − 𝑧2
𝑃( ≤𝑧≤ ) = ∫𝑎−𝜇 𝑒 𝑑𝑧
𝜎 𝜎 √2𝜋 2𝜎 2
𝜎
𝑏−𝜇
𝑎−𝜇 𝑏−𝜇 𝜎
𝑃( ≤𝑧≤ ) = ∫𝑎−𝜇 𝑓(𝑧) 𝑑𝑧
𝜎 𝜎
𝜎
1 𝑧2
𝑓(𝑧) = 𝑒−
√2𝜋 2𝜎 2
Ejemplo.
a = 990 ml
b = 1015 ml
𝜇 = 1000 𝑚𝑙 𝜎 = 10 𝑚𝑙
28
Las siguientes 3 preguntas son equivalentes:
¿Qué fracción de productos se encuentra entre a y b?
¿Cuál es la probabilidad de encontrar un producto que tenga un valor de x entre a
y b?
¿Cuánto vale el área entre a y b?
𝑥−𝜇 1015 − 1000

𝑧= = = 1.5
𝜎 10
𝑥−𝜇 1000 − 1000
𝑧= = =0
𝜎 10
𝑥 − 𝜇 990 − 1000
𝑧= = = −1
𝜎 10
La distribución normal es simétrica por lo que el área de -1 a 0 es la misma que de

0 a +1.
De la tabla de áreas se obtiene que el área de 0 a +1 es igual a 0.3413.
De la tabla de áreas se obtiene que el área de 0 a +1.5 es igual a 0.4332.
29
Así que el área que buscamos es de 0.7745.
30
Anexo II del libro Estadística. Murray R. Spiegel y Larry J. Stephens. Schaums. Mc
Graw Hill.
31
Características inherentes de productos
Nota: Información sacada de internet.
32
Índices de capacidad del proceso
Variación real de los datos del producto: 6𝜎
Variación tolerada o ancho de las especificaciones: 𝐸𝑠 − 𝐸𝑖
Índice de la capacidad potencial del proceso: 𝐶𝑝 = 6𝜎
𝜇−𝐸𝑖
Índice de capacidad para la especificación inferior: 𝐶𝑝𝑖 = 3𝜎
𝐸𝑠 −𝜇
Índice de capacidad para la especificación superior: 𝐶𝑝𝑠 = 3𝜎
Índice de la capacidad real del proceso: 𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 }

𝜇−𝑵
Índice de centrado del proceso: 𝐾= 𝐸𝑠 −𝐸𝑖 𝑥100
( )
2
𝐸𝑠 +𝐸𝑖
N es el valor objetivo (centro de as especificaciones): 𝑁= 2
𝜏 = √𝜎 2 + (𝜇 − 𝑁)2
Índice de Taguchi: 𝐶𝑝𝑚 =
6𝜏
33
Ejemplo 1. Capacidad del proceso del yogur
Figura 18. Botella de yogur bebible que vende Chedraui. Nota: La imagen fue tomada de internet.
Chedraui colocó en sus mostradores 400 yogurs bebibles que pesan en promedio 240 gramos y que
venden a $8 pesos cada uno. De hecho, el peso de esos paquetes se puede describir con la
distribución normal:
(𝑝𝑒𝑠𝑜−240 𝑔𝑟)2
1 −
2(1.5 𝑔𝑟)2
𝑓 (𝑝𝑒𝑠𝑜) = 𝑒
√2𝜋 (1.5 𝑔𝑟)
O sea, una “campana” con media igual a 240 gramos y desviación estándar igual a 1.5 gramos. Sus
clientes solamente les compran yoghurt bebibles que pesan cuando menos 238.5 gramos y cuando
más 244.0 gramos.
El eje de las abscisas es x (la característica inherente).

Figura 19. Distribución normal del peso del yougur, 𝜇=240 gr y 𝜎=1.5 gr. EI=238.5
gr y ES=244.0 gr.
Calcule los índices de capacidad del proceso y discuta los resultados.
Chedraui no quisiera perder más de $250 pesos en ventas debido a que sus paquetes no pesen lo
que requieren sus clientes. Con los yogurs bebibles ¿logrará esa meta?
(Todos los datos del problema son inventados.)
34
Cálculo de los Índices de capacidad del proceso del yogur
6 𝜎 = 6*1.5 gr = 9 gr (Tiene unidades.)
𝐸𝑠 − 𝐸𝑖 = 244 gr – 238.5 gr = 5.5 gr (Tiene unidades.)
𝐸𝑠 −𝐸𝑖 5.5 𝑔𝑟
𝐶𝑝 = = = 0.61111 (No tiene unidades.)
6𝜎 9 𝑔𝑟
𝜇−𝐸𝑖 240 𝑔𝑟−238.5 𝑔𝑟 1.5 𝑔𝑟

𝐶𝑝𝑖 = = = = 0.333
3𝜎 4.5 𝑔𝑟 4.5 𝑔𝑟
𝐸𝑠 −𝜇 244 𝑔𝑟−240 𝑔𝑟 4 𝑔𝑟
𝐶𝑝𝑠 = = = = 0.888
3𝜎 4.5 𝑔𝑟 4.5 𝑔𝑟
𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 } = Min {0.333, 0.888} = 0.333

𝐸𝑠 +𝐸𝑖 238.5 𝑔𝑟+244 𝑔𝑟 482.5 𝑔𝑟
𝑁= = = = 241.25 𝑔𝑟 (Centro de las especificaciones)
2 2 2
𝜇−𝑵 240 𝑔𝑟−241.5 𝑔𝑟 −1.5

𝐾= 𝐸𝑠 −𝐸𝑖 𝑥100 = 244 𝑔𝑟−238.5 𝑔𝑟 𝑥 100 = 𝑥 100 = −54.54 % El centro de las
( ) ( ) 2.75
2 2
especificaciones está a la derecha del promedio de los datos. Está muy
descentrado.
𝜏 = √𝜎 2 + (𝜇 − 𝑁)2 = √(1.5 𝑔𝑟)2 + (240 𝑔𝑟 − 241.25 𝑔𝑟)2 =

√1.52 + 1.252 𝑔𝑟 = √2.25 + 1.5625 = √3.8125 = 1.95256
𝐸𝑠 −𝐸𝑖 5.5 5.5
𝐶𝑝𝑚 = = 6∗1.95256 = 11.71536 = 0.469469
6𝜏
Cálculo de la pérdida porque algunas botellas no cumplen con las

especificaciones

Figura 20. Gráfica de la distribución normal de los pesos de las botellas de yogurt
bebible.
Estandarizamos los valores de EI y de ES.
𝐸𝐼−𝜇 238.5−240 −1.5
𝑍𝐸𝐼 = = = = −1
𝜎 1.5 1.5
35
𝐸𝑆−𝜇 244−240 4
𝑍𝐸𝑆 = = = = 2.666
𝜎 1.5 1.5
De la tabla de área obtenemos, que el área entre 0 y -1 es 0.3413 y el área entre 0

y 2.666 es 0.4961.
El eje de las abscisas es z (la variable estandarizada).

Figura 21. Distribución normal estandarizada del peso de las botellas de yogur
bebible.
Por lo tanto el área entre especificaciones, o sea la proporción de productos que
cumple con las especificaciones es igual a: 0.3413+0.4961 = 0.8374
Entonces el resto del área corresponde a la fracción de productos que no cumplen
con las especificaciones. O sea, 1-0.8374 = 0.1626 es la proporción de productos
que no cumplió con las especificaciones.
Si se fabricaron 400 yogurs, entonces 0.1626*400 = 65.04 yogurs no cumplen con
las especificaciones. Por lo tanto tendremos una pérdida de:
65 * $8 pesos = $520 pesos
Por lo que la compañía no logrará la meta de perder cuando mucho $520 pesos.
36
Ejemplo 2. Capacidad del proceso de las botellas de a litro de
Bonafont
Figura 22. Botella de Bonafont de un litro.

La imagen fue tomada de
https://www.google.com/search?q=botellas+de+a+litro+de+bonafnt+picture+foto&tbm=isch&source=iu&ictx=1&fir=SDjfPpN7rPypgM%253A %252CkX5AEiuenvNlAM
%252C_&vet=1&usg=AI4_-kSrlmNbjFp6tH74IJWzCr5GVTeyeQ&sa=X&ved=2ahUKEwjX8Iac38jpAhUSTawKHf-
EBk8Q9QEwAHoECAoQBQ#imgrc=RvbB8aJvrXyJFM.
Bonafont colocó en sus mostradores 980890 botellas de a litro en el mercado que contienen en
promedio 1000 mililitros y que venden a $6 pesos cada uno. De hecho, el volumen vertido a las
botellas de los envases se puede describir con la distribución normal:
1 −
(𝑣𝑜𝑙𝑢𝑚𝑒𝑛 − 1000𝑚𝑙)2
𝑓 (𝑣𝑜𝑙𝑢𝑚𝑒𝑛) = 𝑒
√2𝜋 (5 𝑚𝑙) 2(5𝑚𝑙)2
O sea, una “campana” con media igual a 1000 ml y desviación estándar igual a 5 ml. Sus clientes
solamente le compran a Bonafont botellas que pesan cuando menos 986 ml y cuando más 1014 ml.
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
980 990 1000 1010 1020

Figura 23. Distribución normal de volumen de las botellas de agua de Bonafont,
𝜇=1000 ml y 𝜎=5 ml. EI=986 ml y ES=1014 ml.
Calcule los índices de capacidad del proceso y discuta los resultados.
37
Fonafont no quisiera perder más de $30000 pesos en ventas debido a que sus botellas no contengan
lo que requieren sus clientes. Con las botellas de a litro, ¿logrará esa meta?
(Los datos del problema son inventados.)
Cálculo de los Índices de capacidad del proceso de la botella de Bonafont

6 𝜎 = 6*5 ml = 30 ml
𝐸𝑠 − 𝐸𝑖 = 1014 ml – 986 ml = 28 ml
𝐸𝑠 −𝐸𝑖 28 𝑚𝑙
𝐶𝑝 = = 30 𝑚𝑙 = 0.933
6𝜎
𝜇−𝐸𝑖 1000 𝑚𝑙−986 𝑚𝑙 14 𝑚𝑙
𝐶𝑝𝑖 = = = = 0.933
3𝜎 15 𝑚𝑙 15 𝑚𝑙
𝐸𝑠 −𝜇 1014 𝑚𝑙−1000 𝑚𝑙 14 𝑚𝑙
𝐶𝑝𝑠 = = = = 0.933
3𝜎 15 𝑚𝑙 15 𝑚𝑙
𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 } = Min {0.933, 0.933} = 0.933

𝐸𝑠 +𝐸𝑖 1014 𝑚𝑙+986 𝑚𝑙 2000 𝑚𝑙
𝑁= = = = 1000 𝑚𝑙 (Centro de las especificaciones)
2 2 2
𝜇−𝑵 1000 𝑚𝑙−1000 𝑚𝑙 0

𝐾= 𝐸𝑠 −𝐸𝑖 𝑥100 = 1014 𝑚𝑙−986 𝑚𝑙 𝑥 100 = 𝑥 100 = 0 % El centro de las
( ) ( ) 14
2 2
especificaciones coincide con el promedio de los datos. El proceso está centrado.
𝜏 = √𝜎 2 + (𝜇 − 𝑁)2 = √(5 𝑚𝑙)2 + (1000 𝑚𝑙 − 1000 𝑚𝑙)2 = √52 + 0 𝑚𝑙 = 5 𝑚𝑙

𝐸𝑠 −𝐸𝑖 28 28
𝐶𝑝𝑚 = = 6∗5 = 30 = 0.933
6𝜏
Cálculo de la pérdida porque algunas botellas no cumplen con las

especificaciones
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
980 990 1000 1010 1020

Figura 23. Distribución normal del volumen de las botellas de a litro de Bonafont.
Estandarizamos los valores de EI y de ES.
38
𝐸𝐼−𝜇 986−1000 −14
𝑍𝐸𝐼 = = = = −2.8
𝜎 5 5
𝐸𝑆−𝜇 1014−1000 14
𝑍𝐸𝑆 = = = = 2.8
𝜎 5 5
De las tablas de áreas obtenemos, que el área entre 0 y -2.8 es 0.4974 y el área
entre 0 y 2.8 es 0.4974.
El eje de las abscisas es z (la variable estandarizada).

Figura 24. Distribución normal estandarizada del volumen de las botellas de a litro
de Bonafont.
Por lo tanto el área entre especificaciones, o sea la proporción de productos que
cumple con las especificaciones es igual a: 0.4974+0.4974 = 0.9948
Entonces el resto del área corresponde a los productos que no cumplen con las
especificaciones o sea: 1-0.9948 = 0.0052 es la proporción de productos que no
cumplió con las especificaciones.
Si se fabricaron 980890 botellas, entonces 0.0052*980890 = 5100.628 botellas no
cumplirán con las especificaciones. Por lo tanto tendremos una pérdida de:
$6 pesos* 5101 = $30606 pesos
Por lo que la compañía estaría en el límite de perder los $30000 pesos.
39
Aplicaciones del Teorema del Límite Central a las cartas de control de
Shewhart
Consideremos cualquier distribución de datos que tienen un promedio 𝜇 y una
desviación estándar 𝜎. La distribución de esta población no necesariamente tiene
que ser una distribución normal.
Ahora tomamos al azar muestras de tamaño n. Luego obtenemos los promedios de
las muestras de tamaño n. Se obtiene que los promedios de las muestras de tamaño
n, se distribuyen de acuerdo a una distribución normal (aunque la población no se
distribuya de acuerdo a una distribución normal). Si 𝜇𝑥̅ es el promedio de los
promedios de las muestras y 𝜎𝑥̅ es la desviación estándar de los promedios de las
muestras, también se obtiene que:
𝜇𝑥̅ = 𝜇 (50)
La Ecuación 50 nos dice que el promedio de los promedios de las muestras es igual
al promedio de la población.
𝜎
𝜎𝑥̅ = (51)
√𝑛
La Ecuación 51 nos dice que la desviación estándar de los promedios de las

muestras es igual a la desviación estándar de las medidas de la característica
inherente (pesos en el ejemplo de los yogurs) dividida entre la raíz cuadrada del
tamaño de la muestra, que es n.
Al pesar todas las botellas de yoghurt, una por una obtenemos que su promedio 𝜇
es 240 gr y su desviación estándar 𝜎 es 3 gr. Estas se distribuyen de acuerdo a una
distribución normal como se muestra en la Figura 25. La población de las medidas
del peso de yogur en las botellas se espera que sea normal.
El eje de las abscisas es x (la característica inherente. Peso de las botellas).

Figura 25. Distribución de los pesos de botellas de yogurt. Promedio 240 gr y
desviación estándar 3.
40
Tomamos ahora muestras de tamaño 4 al azar. Es decir, metemos todas las botellas
a una bolsa enorme y las revolvemos, después sacamos una botella al azar.
Anotamos cuánto pesa (tenemos el peso de una botella, 𝑥1 ). Devolvemos la botella.
Revolvemos la bolsa otra vez con todas las botellas. Tomamos al azar otra botella.
Anotamos el peso de la botella (tenemos el peso de la segunda botella, 𝑥2 ).
Devolvemos la botella. Revolvemos otra vez la bolsa con todas las botellas.
Tomamos al azar otra botella. Anotamos el peso de la botella (tenemos el peso de
la tercera botella, 𝑥3 ). Devolvemos la botella. Revolvemos otra vez la bolsa con
todas las botellas. Tomamos al azar otra botella. Anotamos el peso de la botella
(tenemos el peso de la cuarta botella, 𝑥4 ).
Ya tenemos una muestra de tamaño 4, ahora a esas 4 botellas les sacamos su peso
promedio, es decir sumamos los 4 pesos y al resultado lo dividimos entre 4. Éste es
el promedio de la primera muestra.
𝑥1 +𝑥2 +𝑥3 +𝑥4 𝑥1+𝑥2 +𝑥3+𝑥4
𝑥̅1 = = .
𝑛 4
Después tenemos que seguir tomando muestras de tamaño 4, muchísimas

muestras y si lo hacemos obtendremos que se distribuyen como una distribución
normal como se muestra en la Figura 26. Si sacamos el promedio de todas las
𝑥̅1+𝑥̅2 +𝑥̅3 ………….𝑥̅1 +𝑥̅𝑁−2 +𝑥̅𝑁−1 +𝑥̅𝑁
muestras obtendremos 𝜇𝑥̅ = , de hecho en este caso el
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
promedio de las muestras se obtendría con una integral como se vio anteriormente.
El resultado sería la distribución normal para los promedios de las muestras de
tamaño 4 de las botellitas que se muestra en la Figura 26.
𝜎 3 3
En este caso 𝜇𝑥̅ = 𝜇 = 240 y 𝜎𝑥̅ = = = = 1.5.
√𝑛 √4 2
La distribución del promedio de los pesos de las muestras es más angosta que la distribución de los
pesos de la población. O sea que la desviación estándar de los promedios de las muestras es más
pequeña que la desviación estándar de la distribución de la población de los pesos.
El eje de las abscisas es 𝑥̅ (los promedios de muestras de tamaño n=4). Cualquier
41
𝑥1𝑖+𝑥2𝑖 + 𝑥3𝑖 + 𝑥4𝑖
número en el eje de la 𝑥̅ , por ejemplo 𝑥̅ 𝑖 =235 resulta de 𝑥̅ 𝑖 = , donde
4
𝑥2𝑖es el valor de la característica inherente que se tomó al azar la segunda vez para
formar la muestra de cuatro medidas de la característica inherente.
Figura 26. Distribución de los valores de los promedios de las muestras cuando el
tamaño de la muestra es de 4.
Si se toman muestras de tamaño 25 y sacamos los promedios de los pesos de 25
botellas, el resultado sería la distribución normal para los promedios de las muestras
de tamaño 25 de las botellas que se muestra en la Figura 27.
𝜎 3 3
En este caso 𝜇𝑥̅ = 𝜇 = 240 y 𝜎𝑥̅ = = = = 0.6.
√𝑛 √25 5
La distribución del promedio de los pesos de las muestras es más angosta que la
distribución de los pesos de la población. O sea que la desviación estándar de los
promedios de las muestras es más pequeña que la desviación estándar de la
distribución de la población de los pesos.
El eje de las abscisas es 𝑥̅ (los promedios de muestras de tamaño n=25). Cualquier

número en el eje de la 𝑥̅ , por ejemplo 𝑥̅ 𝑖 =235 resulta de 𝑥̅ 𝑖 =
𝑥1𝑖 +𝑥2𝑖 + 𝑥3𝑖+ 𝑥4𝑖 +𝑥2𝑖 + 𝑥3𝑖+⋯……………………… 𝑥22
𝑖 +𝑥 𝑖 + 𝑥 𝑖 + 𝑥 𝑖
23 24 25
, donde 𝑥2𝑖 es el valor de la
25
característica inherente que se tomó al azar la segunda vez para formar la muestra
de veinticinco medidas de la característica inherente.
Figura 27. Distribución de los valores de los promedios de las muestras cuando el
tamaño de la muestra es de 25.
En la Figura 28 se muestran la distribución normal de la población de los pesos de
la botellas y las distribuciones de los promedios de los pesos de las muestras de
tamaños n=4 y n=25.
42
Superponemos la distribución de las medidas de la característica inherente, x, con
las de los promedios de las muestras de tamaño 4 y 25.
Figura 28. Distribución de la población de los pesos de las botellas y de los valores
de los promedios de las muestras cuando el tamaño de la muestra es de 4 y25. La
más delgada corresponde a la de la muestra de tamaño n=25. La más ancha
corresponde a la población de los pesos de las botellas. (Variables mezcladas en
el eje de las abscisas.)
Ejemplo de los resultados del teorema del límite central
Pongamos un ejemplo con todo detalle de cómo se obtienen los promedios de las
muestras y sus desviaciones estándar.
Supongamos que la población de las medidas de la característica inherente que
estamos estudiando consiste solamente de 3 números: -1, 0 y +1.
Calculamos el promedio y la desviación estándar de nuestras medidas de la
población.
𝑥1 +𝑥2 +𝑥3 −1+0+1
𝜇= = =0
𝑛 3
(𝑥1−𝜇)2 +(𝑥2 −𝜇)2+(𝑥3−𝜇)2 (−1−0)2 +(0−0) 2 +(1−0)2 2

𝜎= √ 3
=√ 3
= √3
Obtenemos ahora todas las muestras de tamaño 2 posibles.

-1 0 1
-1 (-1,-1) (-1,0) (-1,1)
0 (0,-1) (0,0) (0,1)
1 (1,-1) (1,0) (1,1)
Son 9 muestras de tamaño n=2 que se pueden obtener, ellas son (-1,-1), (-1,0), (-
1,1), (0,-1), (0,0), (0,1), (1,-1), (1,0) y (1,1). Ahora obtenemos los promedios de las
muestras.
-1 0 1
43
-1 (-1+(-1))/2= -1 (-1+0)/2= -0.5 (-1+1)/2= 0
0 (0+(-1))/2= -0.5 (0+0)/2= 0 (0+1)/2= 0.5
1 (1+(-1))/2= 0 (1+0)/2= 0.5 (1+1)/2= 1
Resumiendo:
-1 0 1
-1 -1 -0.5 0
0 -0.5 0 0.5
1 0 0.5 1
Los 9 promedios de las muestras son: 𝑥̅1 =-1, 𝑥̅ 2 =-0.5, 𝑥̅ 3 =0, 𝑥̅ 4 =-0.5, 𝑥̅ 5 =0,
𝑥̅ 6 =0.5, 𝑥̅ 7 =0, 𝑥̅ 8 =0.5 y 𝑥̅ 9 =1.
Sacamos ahora el promedio de los promedios de las muestras.
𝑥̅1 +𝑥̅2 +𝑥̅3………….𝑥̅1 +𝑥̅𝑁−2 +𝑥̅𝑁−1+𝑥̅𝑁 −1−0.5+0−0.5+0+0.5+0+0.5+1
𝜇𝑥̅ = = =0
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 9
Por lo tanto, 𝜇𝑥̅ = 0

Que es también el valor de 𝜇 por lo que verificamos que se cumple que:
𝜇𝑥̅ = 𝜇
Ahora sacamos la desviación estándar del promedio de las muestras:
(𝑥̅1−𝜇𝑥̅ )2+(𝑥̅2−𝜇𝑥̅ )2+(𝑥̅3 −𝜇𝑥̅ )2 +⋯……………+(𝑥̅9−𝜇𝑥̅ )2 (𝑥̅1)2 +(𝑥̅2)2+(𝑥̅3 )2+⋯……………+(𝑥̅9 )2

𝜎𝑥̅ = √ =√
9 9
Hemos usado que 𝜇𝑥̅ = 𝜇 = 0.
(−1)2 +(−0.5)2 +(0)2+(−0.5) 2+(0)2 +(0.5)2 +(0)2 +(0.5)2 +(1)2

𝜎𝑥̅ = √ =
9
√1+0.25+0+0.25+0+0.25+0+0.25+1 = √3 = √1
9 9 3
O sea que:
1 1 2 2 1 1 𝜎 𝜎
𝜎𝑥̅ = √3 = √3 √2 = √3 √2 = 𝜎 √2 = =
√2 √𝑛
Hemos verificado que:

𝜎
𝜎𝑥̅ = , donde n es el tamaño de la muestra, n=2.
√𝑛
44
Figura 29. Población que solamente tiene 3 valores, -1, 0 y 1. (Valores de la
característica inherente.) El promedio de los valores de la población es 𝜇 = 0, la
2
desviación estándar de la población es de 𝜎 = √3.
Figura . Valores de los promedios de las muestras de tamaño 2. Son 9 muestras.

Los promedios de las muestras son: -1, -0.5, -0.5, 0, 0, 0, 0.5, 0.5 y 1. El promedio
de los promedios de las muestras es 𝜇𝑥̅ = 𝜇 = 0. La desviación estándar de los
1 1
promedios de las muestras es 𝜎𝑥̅ = √3 = √3.
Así que los valores de los promedios de las muestras tendrán su promedio en
𝜇𝑥̅ = 𝜇
Y su desviación estándar será:
𝜎
𝜎𝑥̅ = 𝑛
√
Además no se debe olvidar que todos valores o casi todos los valores de los
promedios de las muestras se encontrarán entre:
𝜇𝑥̅ − 3𝜎𝑥̅ y 𝜇𝑥̅ + 3𝜎𝑥̅
45
O sea que todos los valores de los promedios de las muestras se encontrarán entre:
𝜎 𝜎
𝜇−3 y 𝜇+3 .
√𝑛 √𝑛
Por lo que será muy improbable encontrar un valor de un promedio de las muestras
𝜎 𝜎
fuera del rango [𝜇 − 3 𝑛 , 𝜇 − 3 𝑛], porque no habrá o casi no habrá valores fuera
√ √
de ese rango. De la misma manera que casi todos los valores de las características
inherentes se encontrarán entre 𝜇 − 3𝜎 y 𝜇 + 3𝜎.
Si nos preguntan, ¿cuál es la probabilidad de que al tomar una botella de yogur su

peso se encuentre entre 230 gr y 242 gr?, necesitamos calcular el área entre 230
gr y 242 gr usando la distribución de la población de los pesos que tiene un promedio
𝜇 = 240 y una desviación estándar 𝜎 = 3. Estamos tomamos los datos del promedio
y de la desviación estándar de un problema anterior. Para calcular el área podemos
pasar a las variables estandarizadas que serían:
230−𝜇 230−240 242−𝜇 242−240
𝑧230 = = = −3.333 y 𝑧242 = = =0.666
𝜎 3 3 3
El área de -3.333 a 0.666 se puede dividir en el área de -3.333 a 0 y el área de 0 a

0.666. El área de -3.333 a 0 es la misma que de 0 a 3.333, que es igual a 0.4996.
El área de 0 a 0.666 es igual a 0.2486. Por lo tanto el área requerida es
0.4996+0.2486=0.7482. Así que la probabilidad de que al tomar una sola botella de
yogur su peso se encuentre entre 230 y 242 gramos es de 0.7482 o de 74.82%.
Pero si nos preguntan, ¿cuál es la probabilidad de que al tomar 49 botellas de yogur
su peso promedio se encuentre entre 238 gr y 241 gr?, necesitamos calcular el área
entre 238 gr y 241 gr usando la distribución de la población de los promedios de los
𝜎
pesos que tiene un promedio 𝜇𝑥̅ = 𝜇 = 240 𝑔𝑟 y una desviación estándar 𝜎𝑥̅ = 𝑛 =
√
3 3
= 7 = 0.42857. Para calcular el área podemos pasar a las variables
√49
estandarizadas que serían:
238−240 238−240 241−240 241−240
𝑧238 = 𝜎 = = - 4.667 y 𝑧241 = 𝜎 = 0.42857 =2.333
0.42857
√𝑛 √𝑛
El área de -4.667 a 2.333 se puede dividir en el área de -4.667 a 0 y el área de 0 a

2.333. El área de -4.667 a 0 es la misma que de 0 a 4.667, que es igual a 0.5 (el
área de 0 a 4 ya es prácticamente igual a 0.5, por lo que el área de 0 a cualquier z
mayor a 4 la podemos tomar como 0.5 o sea el área de la mitad de la distribución
normal). El área de 0 a 2.333 es igual a 0.4901. Por lo tanto el área requerida es
0.5+0.4901=0.9901. Así que la probabilidad de que el promedio del volumen de 49
botellas se encuentre entre 238 y 241 gramos es de 0.9901 o de 99.01%.
En la distribución normal de las medidas de la característica inherente x, el área
entre 𝜇 − 3𝜎 y 𝜇 + 3𝜎 es el área entre z=-3 y z=3 en la distribución normal
46
estandarizada. El área entre z=-3 y z=3 es igual a 2(0.4897)=0.9974. Por lo tanto
el área fuera de intervalo [𝜇 − 3𝜎, 𝜇 + 3𝜎] es igual a 1-0.9974=0.0026. Así que la
proporción de productos fuera del intervalo es de 0.0026 o 0.26%. Es decir que casi
no hay puntos fuera del intervalo [𝜇 − 3𝜎, 𝜇 + 3𝜎 ]. Por lo que será muy improbable
encontrar un valor fuera de ese rango.
En la distribución normal de los promedios de las muestras, el área entre 𝜇 − 3𝜎𝑥̅ y

𝜇 + 3𝜎𝑥̅ es el área entre z=-3 y z=3 en la distribución normal estandarizada
correspondiente. El área entre z=-3 y z=3 es igual a 2(0.4897)=0.9974. Por lo tanto
el área fuera de intervalo [𝜇 − 3𝜎𝑥̅ ,𝜇 + 3𝜎𝑥̅ ] es igual a 1-0.9974=0.0026. Así que la
proporción de productos fuera del intervalo es de 0.0026 o 0.26%. Es decir que casi
no hay puntos fuera del intervalo [𝜇 − 3𝜎𝑥̅ ,𝜇 + 3𝜎𝑥̅ ]. Por lo que será muy improbable
encontrar un valor fuera de ese rango.
La probabilidad de encontrar un producto que tenga una característica inherente

fuera del rango [𝜇 − 3𝜎, 𝜇 + 3𝜎] es de 0.0026, o sea la proporción de productos
fuera de ese rango es de 0.0026. Si multiplicamos 400*0.0026 nos da 1.04, por lo
tanto si se producen 400 artículos solamente habría un producto que se saldría de
ese rango. Si metiéramos todos los 400 productos en una caja y sacáramos uno de
esos productos al azar, la probabilidad de sacar ese producto que tiene una
característica inherente fuera del rango [𝜇 − 3𝜎, 𝜇 + 3𝜎] sería muy difícil, pues la
probabilidad de sacarlo es como de 1/400.
47
Por lo anterior si en el tiempo sacamos productos, sus características inherentes
estarán casi siempre entre [𝜇 − 3𝜎, 𝜇 + 3𝜎]. La probabilidad de sacar un producto
con una característica inherente fuera de ese rango es muy pequeña.
Al obtener los valores de la característica inherente, x, aleatoriamente en el tiempo,

no tienen regularidad. La mayor parte de ellos tienen que salir cerca de la línea
central porque ahí hay más, cerca del promedio.
La probabilidad de encontrar el promedio de una muestra de tamaño n fuera del
rango [𝜇 − 3𝜎𝑥̅ ,𝜇 + 3𝜎𝑥̅ ] es de 0.0026, o sea la proporción de promedios de muestras
fuera de ese rango es de 0.0026. Si multiplicamos 400*0.0026 nos da 1.04, por lo
tanto si tenemos 400 promedios de muestras, solamente habría un promedio de una
muestra que se saldría de ese rango. Si metiéramos todos los 400 promedios de
muestras en una caja y sacáramos un promedio de muestras al azar, la probabilidad
de sacar esa promedio de muestra que está fuera del rango [𝜇 − 3𝜎𝑥̅ ,𝜇 + 3𝜎𝑥̅ ] sería
muy difícil, pues la probabilidad de sacarlo es como de 1/400.
Por lo anterior si en el tiempo sacamos el promedio de una muestra, ese promedio
estará casi siempre entre [𝜇 − 3𝜎𝑥̅ , 𝜇 + 3𝜎𝑥̅ ]. La probabilidad de sacar un promedio
de una muestra fuera de esa rango es muy pequeña.
48
Al obtener los promedios de muestras aleatoriamente en el tiempo no tienen
regularidad. La mayor parte de ellos tienen que salir cerca de la línea central porque
ahí hay más, cerca del promedio.
Procesos inestables o fuera de control estadístico
Un proceso es inestable o fuera de control estadístico si las medidas obtenidas se
salen de los límites de control. No deberían producirse porque la probabilidad de
que salgan es muy baja. Si se obtienen medidas fuera de los límites de control es
porque algo ha cambiado en el proceso, como la materia prima, las máquinas se
están deteriorando, han cambiado los trabajadores, etc. No es normal, algo ha
cambiado, es decir el proceso es inestable.
En la gráfica siguiente se muestra un proceso inestable pues la gráfica de la
característica inherente tiene medidas que se salen de los límites de control.
La gráfica siguiente muestra un proceso inestable puesto que los promedios de las
medidas de la característica inherente se salen de los límites de control.
49
La inestabilidad también se manifiesta si existe alguna tendencia en los datos que
se obtienen.
Un proceso inestable también se manifiesta al existir regularidad en los resultados

de los datos.
50
Tampoco es posible tener resultados como los que se muestran en las figuras que
siguen, porque existe más dispersión de lo que se obtiene de los datos. En este
caso podría haber un error en el cálculo de los límites de control.
51
Cartas de control
Una carta o gráfica de control es una gráfica de la variable que estudiamos. Se
caracteriza porque tiene una línea central (LC), el límite de control superior (LCS) y
el límite de control inferior (LCI).
Carta ̅
𝒙
La carta 𝑥̅ , es entonces la gráfica de la variable que se estudia, que son los
promedios de muestras, es decir lo que se grafica son las 𝑥̅ 𝑖 , que son el resultado
de promediar muestras de tamaño n.
𝑥1𝑖 +𝑥2𝑖 + 𝑥3𝑖+𝑥4𝑖 ++++++𝑥𝑛
𝑖
𝑥̅ 𝑖 = 𝑛
El número de puntos que tendremos en la gráfica será el número de promedios de

̅ que aparece abajo
muestras, 𝑥̅ 𝑖 , que tengamos. Por ejemplo en la carta o gráfica 𝒙
tenemos 49 promedios que graficamos y cada uno esos promedios se obtuvieron
sacando los promedios de n productos.
52
En la carta ̅
𝒙 anterior, 𝝁𝒙̅ = 𝝁, es la línea central (LC) de la carta de control. El límite
de control superior (LCS) es 𝝁 + 𝟑𝝈𝒙̅ y el Límite de Control Inferior es 𝝁 − 𝟑𝝈𝒙̅ .
Sin embargo, en la práctica generalmente no son muchos los promedios, 𝑥̅ 𝑖 , que se
obtienen. A veces son solamente unos cuantos y con esos se hace la carta. Por otra
parte las muestras no son de muchos productos, es decir el tamaño de la muestra
con el que se obtiene el promedio de las muestras, 𝑥̅ 𝑖 , es muchas veces pequeño,
por ejemplo n=4, porque el tomar muestras grandes consume tiempo y dinero y en
algunos casos simplemente no podemos tomar muestras grandes porque no hay
más datos.
En la práctica, la característica inherente, x, se toma en subgrupos, como se
muestra en la figura siguiente.
Cada subgrupo se puede representar como una distribución normal que tiene su
promedio y su dispersión como se representa en la figura siguiente.
53
En la gráfica anterior cada muestra tiene n=5 medidas de la característica inherente
siendo estudiada (son los 5 puntos azules de cada una de las 5 muestras). También
muestra que se toman cinco muestras (5 “campanitas”). En este ejemplo el tamaño
de la muestra n=5 coincide con el número de muestras que se toman, pero en
general no es así.
La figura anterior describiría un proceso estable o bajo control estadístico, porque
los promedios de las muestras están alineadas al promedio de todas ellas y la
dispersión que tienen los datos de la característica inherente son casi iguales. La
dispersión la podemos caracterizar por el rango (
𝑅𝑖 ) que tienen las medidas de la característica inherente.
Muchas veces el proceso es inestable. La inestabilidad se manifiesta en que los
promedios de las muestras no se alinean con el promedio de los promedios o que
la dispersión de las medidas de la característica inherente sea diferente en los
diferentes subgrupos. Cualquiera de los dos casos revela inestabilidad en el
proceso. Las dos situaciones descritas se esquematizan en las figuras siguientes.
54
La figura anterior nos describe un proceso inestable porque aun cuando la
dispersión de los puntos es casi la misma los promedios no lo están.
La figura anterior nos describe un proceso inestable porque aun cuando los
promedios de las muestras coinciden o casi coinciden los rangos de los valores son
muy diferentes.
Para que un proceso se considere estable tanto los promedios como los rangos de
las características inherentes que se obtienen en las muestras tienen que mostrar
que el proceso es estable. O sea que tanto la carta de promedios, ̅ 𝒙, como la de
rangos, R, tienen que mostrar que el proceso es estable.
Debido a que muchas veces son pocos los datos, se tienen que hacer
aproximaciones para obtener el promedio de las muestras, 𝝁𝒙̅ = 𝝁, el límite de
55
control superior 𝝁 + 𝟑𝝈𝒙̅ y el límite de control inferior, 𝝁 − 𝟑𝝈𝒙̅ . De hecho muchas
veces ni siquiera se conocen los valores de 𝝁 ni de 𝝈, por eso se tienen que hacer
aproximaciones a esos valores. Los valores 𝝁 y 𝝈, se obtendrían si tuviéramos los
valores de las características inherentes de todos los productos fabricados con la
misma materia prima, las mismas máquinas, los mismos trabajadores, etcétera.
̅ y aproximaciones
Carta 𝒙
𝜇𝑥̅ = 𝜇 se aproxima por 𝑥̿ o sea por el promedio de los promedios de las muestras
∑𝑛ú𝑚
𝑖=𝑛
𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑥̅𝑖
𝑥̅ 𝑖 , esto es, 𝑥̿ = .
𝜇𝑥̅ = 𝜇 ≈ 𝑥̿
𝑅̅
Otra aproximación que se hace es 𝜎 ≈ 𝑑 , donde 𝑅̅ es el promedio de los rangos de
2
∑𝑁ú𝑚 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑅𝑖
las muestras que tienen tamaño n, es decir 𝑅̅ = 𝑖=1
.
El parámetro 𝑑2 se obtiene de la tabla 2 que aparece abajo y depende del tamaño

de la muestra n.
𝜎 𝑅̅ 3𝑅̅
Por lo tanto, 𝜎𝑥̅ = ≈ . Por lo que podemos escribir 3𝜎𝑥̅ ≈ = 𝐴2 𝑅̅, donde
√𝑛 𝑑2 √𝑛 𝑑2 √𝑛
3
𝐴2 = . Así que, la línea central y los límites de control inferior y superior de la
𝑑2 √𝑛
carta de control 𝑥̅ , se pueden escribir como:
𝜎
LCS = 𝜇 + 3𝜎𝑥̅ = 𝜇 + 3 ≈ 𝑥̿ + 𝐴2 𝑅̅
√𝑛
LC = 𝜇𝑥̅ = 𝜇 ≈ 𝑥̿
𝜎
LCI = 𝜇 − 3𝜎𝑥̅ = 𝜇 − 3 ≈ 𝑥̿ − 𝐴2 𝑅̅
√𝑛
Donde 𝐴2 se obtiene de la Tabla 2 que aparece abajo y que depende del tamaño
de la muestra n.
Carta R y aproximaciones
LCS = 𝜇𝑅 + 3𝜎𝑅 = 𝑅̅ + 3𝜎𝑅
LC = 𝜇𝑅 = 𝑅̅
LCI = 𝜇𝑅 − 3𝜎𝑅 = 𝑅̅ - 3𝜎𝑅
𝑅̅
Aproximación: 𝜎𝑅 ≈ 𝑑3 𝜎 = 𝑑3 𝑑
2
Por lo tanto:
𝑅̅ 𝑑
LCS = 𝑅̅ + 3𝜎𝑅 ≈ 𝑅̅ + 3𝑑3 𝑑 = (1 + 3 𝑑3 ) 𝑅̅ =𝐷4 𝑅̅
2 2
56
LC = 𝜇𝑅 = 𝑅̅
𝑅̅ 𝑑
LCI = 𝑅̅ - 3𝜎𝑅 ≈ 𝑅̅ - 3𝑑3 𝑑 = (1 − 3 𝑑3 ) 𝑅̅ = 𝐷3 𝑅̅
2 2
Donde los índices 𝑑2 , 𝑑3 , 𝐷3 , 𝐷4 se obtienen de la Tabla 2 que se muestra a

continuación, para el tamaño de la muestra (n) considerada.
https://es.slideshare.net/PabloBenavides11/control-estadisticodelacalidadyseissigmagutierrez2da
Tabla 2. Valores de los parámetros para las aproximaciones de 𝝁, 𝝈 y otras variables para la
̅ y R.
elaboración de las cartas de control 𝒙
Capacidad y Estabilidad
Un buen proceso tiene que ser capaz y estable. En la práctica se encuentran
cuatro clases de proceso, como se muestra en la siguiente figura.
57
Figura. Clases de procesos.
En la figura siguiente se muestra un proceso capaz.

Figura 10. Variación real y variación tolerada. 𝐶𝑝 = >1
6𝜎
Un proceso capaz o hábil se distingue porque las medidas de las características

inherentes se encuentran bien adentro de las especificaciones.
En la figura siguiente se muestra un proceso incapaz.
58
Figura 12. Variación real y variación tolerada. 𝐶𝑝 = <1
6𝜎
Un proceso incapaz o inhábil se distingue porque las medidas de las características

inherentes no se encuentran bien adentro de las especificaciones. Parte de los
productos se salen de las especificaciones (las zonas en rojo en la figura).
En la siguiente se muestra un proceso estable.
Un proceso estable se distingue porque la variable que se estudia que es la que se

grafica no presenta regularidad alguna, aparece como “ruido”. Los datos no
presentan tendencia ni regularidad.
En las siguientes figuras se muestran procesos inestables.
59
Un proceso inestable se distingue porque la variable que se estudia que es la que
se grafica tiene valores fuera de los límites de control, presenta tendencia o
regularidad.
60
Las gráficas siguientes describen gráficamente un proceso capaz y estable :
Un proceso capaz e inestable se vería gráficamente como:
61
Un proceso incapaz y estable se podría describir como:
62
Un proceso incapaz e inestable se podría describir como:
63
Nota sobre especificaciones en el cálculo de la capacidad o habilidad de los
procesos y los límites de control en el caso de las cartas de control
Para el cálculo de la capacidad o habilidad de un proceso es necesario conocer las
especificaciones. Las especificaciones muchas veces las proporciona el Gobierno
Federal (en el caso de productos de salud, alimentos, azufre en la gasolina,
emisiones de contaminantes en el caso de vehículos automotores, etc.); en este
caso el Gobierno las ordena a través de leyes (son las llamadas NOMs). Muchas
veces las proporciona el cliente al solicitar los productos que necesita (por ejemplo
el material de una ventana, las dimensiones, adornos y color que debe tener).
También sucede que el cliente las pone basándose en normas internacionales como
las de la ASTM (American Society for Testing and Materials) o las del API (American
Petroleum Institute). A veces el mismo productor se las impone (el tamaño de las
tortillas que hace), la salsa que le pone a los tacos, etcétera porque conoce a sus
clientes.
Para la elaboración de las cartas de control no se usan las especificaciones puesto
que para hacerlas solamente se necesitan los datos a graficar y de estos datos se
obtiene el límite de control inferior, la línea central y el límite de control superior.
Así que no es necesario conocer las especificaciones de un producto para hacer
una carta de control, así como tampoco es necesario conocer los límites de control
para calcular la capacidad o habilidad de un proceso. También debido a esto es que
un proceso que es incapaz no necesariamente es inestable. Un proceso que es
incapaz o inhábil puede ser estable, en este caso tendríamos muchos productos
defectuosos que es lo que indicaría la incapacidad, pero además siempre seríamos
consistentes y los haríamos mal (estabilidad).
64
Herramientas de Control de Calidad
7 Herramientas Básicas de Control Estadístico de Procesos
 Diagrama de Ishikawa
 Diagrama de Pareto
Diagrama de Dispersión
 Histograma
 Check List (Lista de verificación)
 Estratificación
 Cartas de Control
Además estudiaremos:
 Árbol de Decisiones
 5 Por qués
 Poka Yoke
Aparte de las herramientas anteriores para analizar y proponer soluciones a los
problemas de control de calidad, existen otras más avanzadas.
Análisis y Diseño de Experimentos. Esta es una herramienta avanzada.
Big Data o ciencia de datos. Es una herramienta muy avanzada que ya está en
uso sobre todo en manufactura, en la manufactura inteligente. En la manufactura
inteligente aparte del Big Data se usan otras herramientas como el internet de las
cosas, automatización, Impresión 3-D, etc. (A future of isolation: automation and
control in developing countries. D. N. Dominguez-Pérez, N. Dominguez y otros).
65
Diagrama de Ishikawa
Diagrama de pescado
Diagrama de espinas de pescado
Diagrama de causa-efecto
Conocemos el problema más importante a resolver o el problema que queremos
resolver
Todas las causas son igualmente importantes.
La teoría triangular del amor de Sternberg.

https://psicologiaymente.com/pareja/teoria-triangular-amor-sternberg
66
67
Siempre se debe estar atento a cambios que puedan ocurrir. En el caso anterior
debido a la pandemia del coronavirus que comienza en todo el mundo a partir de
principios del año 2020 las causas de por qué reprueban los alumnos tienen otras
causas no contempladas en el diagrama anterior, como por ejemplo que no tienen
electricidad, que el servicio de internet es pésimo por donde viven, que no tienen
espacio en casa y otras condiciones para estudiar. Es decir el diagrama de Ishikawa
anterior se podría aplicar para situaciones pre-pandemia pero no para las actuales.
El diagrama causa-efecto del estadístico japonés, Kaoru Ishikawa es una técnica

gráfica que para identificar las causas de un acontecimiento, un problema o un
resultado. Ilustra gráficamente la relación jerárquica entre las causas según su nivel
de importancia o detalle. También se conoce como Diagrama de Ishikawa.
Se recomienda su uso:
 Para concentrar el esfuerzo del equipo en la resolución de un problema

complejo
 Para identificar todas las causas y las causas raíz para cada efecto o
problema específico.
 Para analizar y relacionar algunas de las interacciones entre los factores que
están afectando un proceso particular.
 Permite la acción correctiva
Beneficios de utilizar un Diagrama de Pescado
 Ayuda a encontrar y a considerar todas las causas posibles del problema;

más allá de las que son obvias.
 Ayuda a determinar las causas raíz de un problema de una manera
estructurada
 Anima la participación grupal y utiliza el conocimiento del proceso que tiene
el grupo.
 Utiliza y ordena, en un formato fácil de leer las relaciones del diagrama
causa-efecto
 Aumenta el conocimiento sobre el proceso ayudando a todos a aprender más
sobre los factores referentes a su trabajo y cómo éstos se relacionan
Limitaciones
 No es particularmente útil para atender los problemas extremadamente

complejos, donde se correlacionan muchas causas y muchos problemas.
(¿Gutiérrez Pulido?)
68
Ejemplo Diagrama de Ishikawa
¿Por qué hay basura en las calles de la Ciudad de México?

N. Domínguez, 2008-2009.
Ejemplo: Problema con los resortes de los sofás en una fábrica

de salas
Autores, alumnos
Gracia Espinosa Leonardo
Hernández González Josefina
Dentro de la sucursal a la que acudimos se nos informó que el mayor problema que existía
era el de los resortes que sobresalían o estaban mal colocados, esto estaba basado en la
experiencia de los empleados, mayormente de lo que tienen contacto directo con los
clientes. Debido a que muchos de los empleados coincidieron con este punto decidimos
manejarlo como la principal problemática en la calidad de los sofás. Para empezar con el
estudio de la calidad se realizó un Diagrama de Ishikawa con ayuda del análisis de las 6M
para comprobar que en efecto los resortes tienen más importancia dentro de los problemas
de la empresa.
Para realizar el diagrama Ishikawa se observa todo el proceso de resortes, el desempeño de
los operadores por turno, también las condiciones del lugar de trabajo, la materia prima
que se utiliza; es decir se construyó el diagrama haciendo uso del análisis de dispersión de
69
las 6M ya que estos seis elementos definen de manera global todo el proceso y optó por
usar este diagrama ya que hace se analizan todos los factores que involucran el proceso de
la elaboración del resorte.
Grafica 1.Diagrama de Ishikawa.
Tipo de cambio peso-dólar de diciembre 2019 al 27 de mayo de 2020

A veces no es tan sencillo hacer un diagrama de Ishikawa porque no se pueden
distinguir tan fácilmente las causas que hacen que ocurra un evento, como en el
caso del tipo de cambio del peso al dólar de finales del año de 2019 al 27 de mayo
del 2020. El dólar estaba como a $18.50 pesos por dólar a finales del año de 2019,
durante la crisis del coronavirus, el 23 de marzo de 2020, el dólar estaba como a
$25.34 pesos pero el 26 de mayo de 2020 había bajado a $22.26 pesos sin
encontrarse causas muy claras de todo ese fenómeno como se destaca en el
artículo https://www.eleconomista.com.mx/opinion/No-eres-tu-soy-yo...-el-dolar-se-
debilita-o-el-peso-se-fortalece--20200527-0023.html.
En este caso lo que se tiene que hacer es un árbol de decisiones, funcionaría mejor.
Pero también se tiene que tomar en cuenta en este ejemplo que las causas más
importantes cambian con el tiempo (las exportaciones de México, las tasas de
interés, el precio del barril del petróleo, la fortaleza de otras monedas en el mundo.
Etc.)
70
Ejemplo: El quesadillón loco
Autores, alumnos
Duana Cházaro Joshua Jared
Flores Hidalgo Brenda Lorena
Diagrama de Ishikawa.
Uso de espátula
inadecuado. Combinación incorrecta
Falta de de ingredientes.
Espacio reducido
capacitación. para realizar
Cambio de operario. Proveedor. actividades.
No se sigue el
método establecido.
Ruptura de la
masa en las quesadillas.
No se coloca
La aplanadora es de suficiente masa.
No existe un control Exceso de fuerza
un tamaño inferior al necesario.
de la cantidad Falta de método en la aplanadora.
exacta de ingredientes a colocar. estandarizado.
Ausencia de programa
de capacitación.
Figura 1. Diagrama de Ishikawa.
71
Los 5 por qués
Es una técnica sistemática de preguntas utilizada durante la fase de análisis de

problemas para buscar posibles causas principales de un problema. Durante esta
fase, los miembros del equipo pueden sentir que tienen suficientes respuestas a sus
preguntas. Esto podría resultar en la falla de un equipo en identificar las causas
principales más probables del problema debido a que el equipo ha fallado en buscar
con suficiente profundidad. La técnica requiere que el equipo pregunte “Por Qué”
al menos cinco veces, o trabaje a través de cinco niveles de detalle. Una vez que
sea difícil para el equipo responder al “Por Qué”, la causa más probable habrá sido
identificada. (¿Gutiérrez Pulido?)
Ejemplo: el monumento a Lincoln se estaba deteriorando más que los demás

monumentos del Mall.
Monumento a Lincoln en Washington D.C.
https://es.wikiarquitectura.com/edificio/monumento-a-lincoln/
https://www.louisberger.com/es/our-work/project/lincoln-memorial-reflecting-pool-washington-
dc-us
72
1. Se descubrió que el monumento de Lincoln se estaba deteriorando más
rápido que cualquiera de los otros monumentos de Washington. ¿Por qué?
2. Porque se limpiaba con más frecuencia que los otros monumentos. ¿Por qué?
3. Porque había más excremento de pájaros en el monumento. ¿Por qué?
4. Porque había más pájaros alrededor del monumento. ¿Por qué?
5. Porque había más comida para pájaros. ¿Por qué?
La iluminación utilizada en el monumento a Lincoln era diferente a la de los demás

monumentos y facilitaba la reproducción de insectos y animales microscópicos.
Cambiaron la iluminación y solucionaron el problema.
73
Ejemplo: El quesadillón loco
Autores, alumnos
Duana Cházaro Joshua Jared
Flores Hidalgo Brenda Lorena
Figura 1. Quesadilla terminada.

Problemática principal
Debido al manejo descuidado de la masa para quesadilla en la plancha se originan
rupturas en la misma, esto causa la necesidad de “resanar” la masa con un “parche”
en la parte rota o en casos extremos se realiza un retrabajo de la tortilla completa,
lo cual adiciona tiempo innecesario al proceso productivo, provocando una
disminución de la eficiencia del mismo.
Es importante reafirmar que existen diversas causas del problema, entre éstas se
encuentran los errores humanos o de mano de obra, los inherentes al método o la
falta del mismo y otros más.
74
Lluvia de ideas de las posibles fallas (aplicación de los 5 “porqués”).
Problema: Ruptura de la
masa.
¿Por qué? Se utiliza una

cantidad insuficiente de masa.
¿Por qué? El operario no coloca

suficiente masa en la aplanadora.
¿Por qué? No se distingue la cantidad

correcta de masa a ocupar.
¿Por qué? Por falta de capacitación

adecuada.
¿Por qué? No existe un método

estandarizado de trabajo.
¿Por qué? Porque se continua usando el

metodo empirico de producción.
Figura 2. Aplicación de los 5 “porqués”
El problema principal que muestra el producto es la ruptura de masa, sin embargo,

al hacer la aplicación de los 5 “porqués” (ver figura 2) se demuestra que la causa
principal que origina este problema es la ausencia de un método de trabajo
estandarizado, cabe mencionar que aún se continúa utilizando un método empírico
de producción, es decir, no existe una secuencia de pasos a seguir para la
elaboración de quesadillas, además, la cantidad de ingredientes a incorporar no
está estandarizada.
75
Alumnos
Medel Beltrán Victoria
García Alpizar Uriel
Lluvia de ideas de posibles fallas
De acuerdo al análisis realizado al proceso del servicio en las taquillas del cine
pudimos observar que las posibles fallas o causas de la tardanza en la compra de
boletos son las siguientes:
1.- Los operadores no conocen el servicio

2.- El sistema se vuelve lento
3.- Las personas no tienen una planeación anticipada sobre los boletos que van a
adquirir
4.- No están abiertas todas las cajas de servicio
5.- El personal tarda mucho en resolver los problemas que se presentan y
comúnmente tiene que llamar a un superior para solucionarlo
6.- No existe una clasificación de cajas para clientes preferentes
7.- Algunos métodos de pago son más tardados que otros.
5 ¿Por qué?
Con la ayuda de la herramienta de los 5 ¿Por qué? vanos a analizar las posibles
fallas descritas en la lluvia de ideas.
1.- ¿Por qué existe tardanza en el servicio de las taquillas del cine?
Porque los operadores no conocen bien el proceso
¿Por qué los operadores no conocen bien el proceso?
Porque no tuvieron una adecuada capacitación
¿Por qué no están bien capacitados los operadores del cine?
Porque hubo un sistema de reclutamiento masivo
¿Por qué hubo un sistema de reclutamiento masivo?
Porque hay temporada alta
¿Por qué hay temporada alta?
Porque hay estrenos de películas populares en la misma semana
76
Porque el sistema se hace lento
¿Por qué el sistema de la taquilla del cine está lento?
Por la saturación del sistema
¿Por qué se satura el sistema del cine?
Porque hay mucha demanda por parte de los operadores
¿Por qué hay mucha demanda en el sistema de la taquilla del cine?
Porque hay muchos clientes en horarios específicos
¿Por qué hay muchos clientes en la taquilla del cine en horarios específicos?
Porque son horarios en los que los clientes tienen tiempo libre.
Porque las personas no tienen una planeación anticipada sobre los boletos que van
a adquirir
¿Por qué las personas no tienen una planeación anticipada?
Porque las personas son muy indecisas en la película que verán, horarios y asientos
¿Porque las personas son muy indecisas?
Porque las personas no revisan la cartelera antes de asistir al cine y tampoco optan
por una compra en línea
¿Por qué las personas no optan por una compra en línea de sus boletos?
Porque no existe una venta correcta de dicho canal de distribución
¿Por qué no existe una venta correcta de dicho canal de distribución?
Porque la empresa no le da un marketing adecuado y además una gran cantidad de
usuarios no saben utilizar la tecnología
Porque no todas las cajas están abiertas
¿Por qué no todas las cajas están abiertas?
77
Porque el cine no tiene suficiente personal para atender las cajas
¿Por qué el cine no tiene suficiente personal para atender las cajas?
Porque no tienen una planeación del personar requerido según la demanda además
de tener una alta rotación de personal
¿Por qué no tienen una planeación del personar requerido según la demanda?
Porque no cuentan con el especialista que pueda realizar la planeación
¿Por qué no cuentan con el especialista que pueda realizar la planeación?
Porque la empresa no considera que sea un gasto prioritario
Porque el personal se tarda mucho en resolver los problemas que se presentan y
comúnmente tiene que llamar a un superior para ello
¿Por qué el personal se tarda mucho en resolver los problemas que se presentan?
Porque no están bien capacitados o existe gran rotación del personal que no da
tiempo de capacitar a los nuevos ingresos
¿Por qué existe una gran rotación del mismo?
Porque se enfocan en contratar personal de medio tiempo y sin experiencia
¿Por qué se enfocan en contratar personal de medio tiempo y sin experiencia?
Porque la empresa prefiere pagar bajos sueldos a su personal y no cubrir con
buenas prestaciones
¿Por qué la empresa prefiere pagar bajos sueldos a su personal y no cubrir con
buenas prestaciones?
Para ahorrar e invertir ese dinero en otras áreas
Porque no existe una clasificación de cajas para clientes preferentes
¿Por qué no existe una clasificación de cajas para clientes preferentes?
Porque el espacio del cine es reducido
¿Por qué el espacio del cine es reducido?
Porque el cine se encuentra ubicado en una plaza comercial
78
¿Por qué el cine se encuentra ubicado en una plaza comercial?
Porque existe un gran flujo de personas dentro de la plaza
Porque depende el método de pago del cliente a veces se pueden demorar más los
cajeros
¿Por qué el método de pago influye en que los cajeros se puedan demorar más?
Porque pagar con tarjeta es más tardado y más si el cliente cuenta con una tarjeta
de puntos
¿Por qué pagar con tarjeta es más tardado?
Porque se tiene que ingresar la tarjeta, realizar la transacción y firmar el recibo de
pago, además de realizar la acumulación de puntos en la tarjeta personal.
¿Por qué hay que realizar la acumulación de puntos en la tarjeta personal?
Porque en su próxima visita puede aplicar descuentos o promociones dependiendo
del número de puntos acumulados.
¿Por qué aplican descuentos o promociones dependiendo el número de puntos
acumulados?
Porque así la empresa asegura la fidelidad de sus clientes.
79
Estratificación
(Consiste en realizar una clasificación que permita un mejor análisis del
problema)
https://es.statista.com/grafico/20867/mortalidad-del-coronavirus-por-edad/
(Histograma)
80
https://www.abc.es/sociedad/abci-mueren-mas-mayores-coronavirus-porque-siempre-mueren-
mas-ancianos-202004070156_noticia.html
(Histograma)
Coronavirus. Resumen al 16 de agosto de 2020. 2:59 pm
81
https://www.worldometers.info/coronavirus/
(Diagrama de Pareto, muertes por país, ver cuáles tienen más.)
(Diagrama de dispersión, relación población con número de infectados)
Sex ratio. COVID-19 Fatality Rate by SEX

*Death Rate = (number of deaths / number of cases) = probability of dying if
infected by the virus (%). This probability differs depending on sex. When reading
these numbers, it must be taken into account that smoking in China is much more
prevalent among males. Smoking increases the risks of respiratory complications.
SEX DEATH RATE DEATH RATE

confirmed cases all cases
Male 4.7% 2.8%
Female 2.8% 1.7%
https://www.worldometers.info/coronavirus/coronavirus-age-sex-demographics/
COVID-19 Fatality Rate by COMORBIDITY

infected by the virus (%). This probability differs depending on pre-existing
condition. The percentage shown below does NOT represent in any way the share
of deaths by pre-existing condition. Rather, it represents, for a patient with a given
pre-existing condition, the risk of dying if infected by COVID-19.
PRE-EXISTING CONDITION DEATH RATE DEATH RATE

confirmed cases all cases
Cardiovascular disease 13.2% 10.5%
Diabetes 9.2% 7.3%
82
Chronic respiratory disease 8.0% 6.3%
Hypertension 8.4% 6.0%
Cancer 7.6% 5.6%
no pre-existing conditions 0.9%

infected by the virus (%). The percentages do not have to add up to 100%, as
they do NOT represent share of deaths by condition.
https://www.worldometers.info/coronavirus/coronavirus-age-sex-demographics/
(Con los datos también se podría hacer un diagrama de Pareto)
83
Diagrama de Dispersión
Coeficiente de correlación lineal:
Sxy
r=
√Sxx Syy
donde
n
(∑ni=1 xi )(∑ni=1 yi )
Sxy = ∑ xi yi −
n
i=1
n
(∑ni=1 xi )2
Sxx = ∑ xi 2 −
n
i=1
n
(∑ni=1 yi )2
Syy = ∑ yi 2 −
n
i=1
n es el número de pares de xi y de yi .
84
85
El crecimiento económico se nota en la carretera
Con un 1% de incremento en el Producto Interno Bruto per cápita (PIB per cápita)
aumenta 1.07% las toneladas km de carga transportada. Existe una correlación
lineal entre las dos variables.
ton-km
PIB per cápita (2015 USD)

https://www.oecd.org/publications/the-future-of-trucks-9789264279452-en.htm
86
87
New York Times. June 4, 2020.
https://www.nytimes.com/interactive/2020/06/04/opinion/coronavirus-health-race-
inequality.html?action=click&module=Opinion&pgtype=Homepage
Correlación entre el precio de la gasolina magna y el precio del diésel en

México.
Lista de precios al mayoreo (al 28 de mayo de 2020). Gasolina Magna (x), Gasolina
Premium, Diésel (y). Los precios de la Gasolina Magna corresponden a la
primera columna (x) y los precios del diésel a la segunda columna (y) de la
tabla siguiente.
¿Están correlacionados linealmente el precio de la gasolina magna con el del

diésel? https://petrointelligence.com/precios-de-la-gasolina-y-diesel-hoy.php
x y xy xx yy
14.04 14.44 202.7376 197.1216 208.5136

15.03 15.89 238.8267 225.9009 252.4921
15.56 16.31 253.7836 242.1136 266.0161
15.07 16.03 241.5721 227.1049 256.9609
14.86 15.61 231.9646 220.8196 243.6721
14.59 15.19 221.6221 212.8681 230.7361
16.52 16.68 275.5536 272.9104 278.2224
14.45 15.2 219.64 208.8025 231.04
14.88 15.63 232.5744 221.4144 244.2969
14.67 15.27 224.0109 215.2089 233.1729
14.98 14.5 217.21 224.4004 210.25
14.86 15.61 231.9646 220.8196 243.6721
15.92 16.94 269.6848 253.4464 286.9636
16.36 16.02 262.0872 267.6496 256.6404
15.5 15.59 241.645 240.25 243.0481
14.86 15.61 231.9646 220.8196 243.6721
17.01 16.89 287.2989 289.3401 285.2721
14.98 15.73 235.6354 224.4004 247.4329
13.88 14.33 198.9004 192.6544 205.3489
13.7 13.6 186.32 187.69 184.96
16.3 16.94 276.122 265.69 286.9636
13.9 14.66 203.774 193.21 214.9156
13.7 14.36 196.732 187.69 206.2096
16.38 16.54 270.9252 268.3044 273.5716
13.89 14.29 198.4881 192.9321 204.2041
88
15.87 16.56 262.8072 251.8569 274.2336
14.2 14.95 212.29 201.64 223.5025
15.25 15.59 237.7475 232.5625 243.0481
14.86 14.8 219.928 220.8196 219.04
14.45 15.2 219.64 208.8025 231.04
15.9 16.9 268.71 252.81 285.61
13.97 14.42 201.4474 195.1609 207.9364
15.84 16.87 267.2208 250.9056 284.5969
14.8 14.5 214.6 219.04 210.25
15.96 16.88 269.4048 254.7216 284.9344
14.69 15.44 226.8136 215.7961 238.3936
16.39 16.31 267.3209 268.6321 266.0161
16.67 16.69 278.2223 277.8889 278.5561
16.3 16.49 268.787 265.69 271.9201
14.45 15.2 219.64 208.8025 231.04
15.65 15.75 246.4875 244.9225 248.0625
15.26 16.26 248.1276 232.8676 264.3876
16.31 16.27 265.3637 266.0161 264.7129
15.06 15.21 229.0626 226.8036 231.3441
14.8 15.46 228.808 219.04 239.0116
n n n n
(∑ yi ) ∑ xi yi ∑ xi 2 ∑ yi 2
(∑ni=1 xi ) i=1 i=1 i=1 i=1
682.57 703.61 10703.4667 10388.3409 11035.8843
(∑ni=1 xi )2 =465901.8049 (∑ni=1 yi )2 =495067.0321
n=45, que es el número de pares (x,y)
(∑n n
i=1 xi )(∑i=1 yi )
Sxy = ∑ni=1 xi yi − = 10703.4667 - 682.57∗703.61 = 10703.4667 -10672.512837777 =
n 45
30.953862223
2
(∑n
i=1 xi )
Sxx = ∑ni=1 xi 2 − = 10388.3409 - 465901.8049 = 10388.3409 – 10353.373442222 =
n 45
34.967457778
2
(∑n
i=1 yi )
Syy = ∑ni=1 yi 2 − = 11035.8843 - 495067.0321 = 11035.8843 – 11001.489602222 =
n 45
34.394697778
Sxy 30.953862223 30.953862223 30.953862223

r= = = = 34.679895362287 = 0.8925835
√Sxx Syy √34.967457778∗34.394697778 √1202.6951423392
89
precio regular (x) versus Precio diesel (y)
17.5
17
16.5
16
15.5
15
14.5
14
13.5
13
13 14 15 16 17 18
Los precios de la gasolina magna y el diésel se correlacionan casi linealmente. No

completamente porque los estímulos del IEPS a los precios cambian, a veces el
estímulo al IEPS para la magna es grande y para el diésel casi cero. El precio del
diésel no bajó mucho durante la pandemia debido a que el transporte de carga
siguió funcionando al transportar mercancías (comida, etcétera).
Al presentar los resultados a nuestros clientes debemos explicar los resultados,
hacer un intento muy grande para entenderlos, sobre todo si a veces son un poco
difíciles de entender.
90
Árbol de Decisiones
Ejemplo: ¿Qué tecnologías del petróleo se deberían desarrollar en México en
los próximos 25 años?
91
Análisis de la problemática de cada subtema
Una vez que se encontraron las tecnologías necesarias para explorar, perforar,
producir, transformar, usar, monitorear, prevenir y monitorear los efectos negativos
del uso del petróleo y el gas se realizan estudios para determinar si las tecnologías
deberían comprarse, adaptarse o desarrollarse en el país.
92
Después que se ha producido el petróleo se transforma en gas natural, butano,
propano, gasolina, diésel, turbosina, keroseno, combustóleo, etcétera. Es decir se
tienen que analizar las tecnologías de refinación. Después se analizan las de
petroquímica, después las tecnologías de uso como son las automotrices, etcétera.
93
Chek List (Lista de verificación)
Se puede poner el proceso completo y en cada paso poner el check list.
Ejemplo: Teseo y el Rey de Creta (combinado con el Poka Yoke)

Teseo se embarca a terminar al minotauro. Su padre le pide que su embarcación
lleve velas negras y si acaba con el minotauro las cambie a blancas. En Creta el
minotauro se encontraba en un laberinto del que nadie podía salir (anteriormente
Ícaro y Dédalo que construyeron el laberinto salieron volando). Una ninfa le sugiere
a Teseo un hilo al adentrarse al laberinto que recoge después de terminar con el
minotauro. El hilo es un buen poka yoke. Teseo sale de laberinto, pero al llegar a
casa su padre el Rey Egeo se ha lanzado al mar en un despeñadero porque ya no
quería vivir sin su hijo. A Teseo se le había olvidado cambiar las velas de la
embarcación a blancas. No hizo su check list.
Ejemplo: Errores médicos.

Prevenir que no amputen la pierna buena. Dentistas hacen endodoncias de 3 en
lugar de 2 muelas.
Ejemplo: El error más tonto de la NASA.
La "Mars Climate" se estrelló en Marte porque la NASA no tradujo kilómetros a

millas.
https://elpais.com/diario/1999/10/02/sociedad/938815207_850215.html
El error más tonto en la historia de la NASA. 9 meses de viaje 125 millones de
dólares tirados al al espacio.
https://blogs.elconfidencial.com/tecnologia/no-me-creas/2013-12-02/el-error-mas-
tonto-en-la-historia-de-la-nasa_61243/
23 de septiembre de 1999. Le echaron a culpa al contratista Lockheed Martin.
94
Ejemplo, ¿Nos lavamos las manos al regresar de compras?
Ejemplo: Chernóbil. Uso de procedimientos. Checar que son los expertos

quiénes llevan a cabo los experimentos o tareas.
https://www.youtube.com/watch?v=5YFEDSVCk2s
95
Poka Yoke
Soluciones a prueba de “tontos” que no pueden fallar.
Ejemplo: Teseo y el Minotauro (el hilo al meterse al laberinto)
Ejemplo: Lista del mandado
Ejemplo: Hansel y Gretel (Poka Yoke malo, el pan lo comen los pájaros)
Ejemplos:
Las abuelitas que no encuentran sus lentes.

Las llaves en el auto.
El horno de microondas.
El usb.
Despertadores que caminan.
Caja de herramientas.
Mingitorios que ahorran agua.
Máquinas con switch que se desconecta si trabajador no está pisando una
plataforma.
Botón de caminadoras.
Protectores en conexiones de cables.
Citas anotadas en el celular.
Frascos de medicinas que para los niños sean difíciles de abrir.
Desastre de 3 reactores nucleares en Fukushima Daiichi en marzo 11 del año

2011.
96
https://sites.suffolk.edu/jstraka/2015/10/30/fukushima-daiichi-nuclear-disaster/
El tsunami fue una ola mayor que la altura alta de la cerca que se había construido
para proteger a los rectores en caso de tsunamis. Debido a la ola se interrumpió la
energía eléctrica necesaria para enfriar el núcleo de 3 reactores nucleares. Además
también impidió el funcionamiento de los motores diésel para bombear el agua de
enfriamiento, estos motores diésel era un mecanismo de redundancia para enfriar
a los núcleos de los reactores nucleares. Poka yoke, subir los tanques de agua a
torres o construir rectores cerca de una loma para que no sea necesario bombear
el agua a los reactores sino que se mueva por gravedad.
Ejemplo: Chernobil. Poka yoke, usar doble contenedor en los reactores

nucleares para contener un núcleo fundido.
https://www.youtube.com/watch?v=5YFEDSVCk2s
Disputa de productores privados de fuentes renovables de energía

(electricidad) y el Centro Nacional de Control de Energía (y la Comisión
Nacional de Electricidad)
https://www.eleconomista.com.mx/empresas/Juez-otorga-a-13-parques-renovables-la-
suspension-definitiva-contra-acuerdo-del-Cenace-20200525-0054.html
https://www.energy.gov/science-innovation/energy-sources/renewable-energy/solar
97
https://www.energy.gov/science-innovation/energy-sources/renewable-energy/wind
https://www.energy.gov/science-innovation/clean-energy
En México existen Generadores de Electricidad por medio del viento y del sol
(usando celdas fotovoltaicas), pero estas fuentes son intermitentes y no generan
electricidad las 24 horas del día, por lo que el Centro Nacional de Control de Energía
(CENACE) y la Comisión Nacional de Electricidad (CFE) alegan que no existe
calidad ni confiabilidad en la entrega de electricidad por parte de los privados y que
la CFE tiene que generar electricidad de respaldo usando sus plantas de
combustibles fósiles (como son las de ciclo combinado que usan gas natural y las
de combustóleo). El día 26 de mayo de 2020 ya un juez había otorgado la
suspensión definitiva al decreto del CENACE por lo que las compañías privadas
seguirán obteniendo los beneficios que según el gobierno son muy grandes y que
el pueblo paga.
Como las fuentes de energía eólica y solar no funcionan todo el día se debe tener
el poka yoke que genere energía cuando aquellas no produzcan electricidad. Las
fuentes que deben usarse son las de combustibles fósiles y la nuclear (ésta también
genera electricidad continuamente).
98
Existen 3 tipos de fuentes de electricidad: fósiles (carbón, gas natural, combustóleo,
diésel, etc.) pero producen mucho CO2, renovables (viento, sol, geotérmica,
biomasa, etc.) “que no producen” CO2 y la nuclear (fisión nuclear) que no produce
CO2.
Diagrama de Pareto
Es una herramienta que se utiliza para priorizar los problemas o las causas que los
generan.
El nombre de Pareto fue dado por el Dr. Juran en honor del economista italiano
Vilfredo Pareto (1848-1923) quien realizó un estudio sobre la distribución de la
riqueza, en el cual descubrió que la minoría de la población poseía la mayor parte
de la riqueza y la mayoría de la población poseía la menor parte de la riqueza. El
Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce
como la regla 80/20. Según este concepto, si se tiene un problema con muchas
causas, podemos decir que el 20% de las causas resuelven el 80 % del problema y
el 80 % de las causas solo resuelven el 20 % del problema.
Se recomienda su uso:
 Cuando existe la necesidad de llamar la atención a los problemas o causas

de una forma sistemática
 Para analizar las diferentes agrupaciones de datos
 Al buscar las causas principales de los problemas y establecer la prioridad
de las soluciones
 Para evaluar los resultados de los cambios efectuados a un proceso
comparando sucesivos diagramas obtenidos en momentos diferentes, (antes
y después)
 Cuando los datos puedan clasificarse en categorías
 Cuando el rango de cada categoría es importante
La Gráfica de Pareto es una herramienta sencilla pero poderosa al permitir

identificar visualmente en una sola revisión las minorías de características vitales a
las que es importante prestar atención y de esta manera utilizar todos los recursos
necesarios para llevar a cabo una acción de mejora sin malgastar esfuerzos ya que
con el análisis descartamos las mayorías triviales.
(¿Gutiérrez Pulido?)
99
Alumnos
Martínez Reyes Luis Gerardo
Zúñiga Sánchez Pedro
100
101
Alumnos
Medel Beltrán Victoria
García Alpizar Uriel
De acuerdo con las causas y su frecuencia de ocurrencia detectadas en el análisis
del proceso de compra de boletos en la taquilla del cine, vamos a encontrar la
relación 80-20 con la ayuda del diagrama de Pareto, es decir, cuales causas
ocasionan el 80% de los problemas.
Tabla 3. Registro de ocurrencias
Causa, característica o Número de Porcentaje

Acumulado Porcentaje
variable ocurrencias acumulado
Selección de asientos 15 15 23.08% 23.08%
Aplicación de promociones 10 25 15.38% 38.46%
Personal en capacitación 9 34 13.85% 52.31%
Falta de experiencia del cajero 8 42 12.31% 64.62%
Saturación del sistema 8 50 12.31% 76.92%
Pago con tarjeta 6 56 9.23% 86.15%
Pocas cajas abiertas 5 61 7.69% 93.85%
Estrés del cajero 3 64 4.62% 98.46%
Falta de cambio 1 65 1.54% 100.00%
102
Diagrama de Pareto
16 120.00%
14 100.00%
12
10 80.00%
8 60.00%
6 40.00%
4
2 20.00%
0 0.00%
Series1 Series2
Gráfico 2. Esquema 80-20
De acuerdo con el análisis realizado de las nueve causas que provocan la tardanza
en el servicio de taquilla del cine, solo cinco son las que afectan más el proceso por
lo que se tienen que priorizar la solución de éstas.
103
Alumnos
Montoya Sánchez Karen Guadalupe
Peña Jardon Daniel
Problema Frecuencia Frecuencia A F.A.Px100
A: Escoger mal fase movil 23 23 31.51

B: Recoleccion de tubos 17 40 54.79
C: Empacar columna 8 48 65.75
D: Plaquear tubos 10 58 79.45
E: Dilucion excesiva 15 73 100.00
Tabla 7. Datos para diagrama de Pareto.
Imagen 2. Diagrama de Pareto.
Utilizando un diagrama de Pareto para proponer una solución al problema que

analizamos, podemos ver que se tendría que poner más atención a los problemas
de los puntos A, B, E y D, siendo A el prioritario y D el menos importante. De igual
manera, se recomendaría que quien supervise a los individuos ponga más atención
104
al momento de que los alumnos realicen estas pruebas, y en caso de que sea
necesario, se le capacite en las cuestiones que se consideren apropiadas para su
función dentro del laboratorio.
Alumnos
Alcántara Rodríguez Yoselin Guadalupe
Luis Alejandro Ordóñez Colín
 Análisis de Pareto
Se identificaron los principales defectos de los productos y se estratificaron para
hacer el análisis el Diagrama de Pareto (80-20).
Causa Frecuencia Porcentaje Frec. Acum Porc. Acum.

Defecto B 61 40.67% 61 40.67%
Defecto C 38 25.33% 99 66.00%
Defecto E 27 18.00% 126 84.00%
Defecto D 15 10.00% 141 94.00%
Defecto A 9 6.00% 150 100.00%
150 100.00%
105
Diagrama de Pareto
150 100.00%
135 90.00%
120 80.00%
105 70.00%
Porcentaje
Frecuencia
90 60.00%
75 50.00%
60 40.00%
45 30.00%
30 20.00%
15 10.00%
0 0.00%
Defecto BDefecto CDefecto EDefecto DDefecto A
Defectos
Frecuencia Porcentaje
A veces es necesario usar un Pareto de segundo y hasta de tercer nivel. A veces la

frecuencia con que se presentan los problemas no es lo importante sino esa
frecuencia multiplicada por la pérdida en pesos que ocasionan, por lo que lo que se
usa no es la frecuencia sin la frecuencia multiplicada por la pérdida.
Las herramientas se usan conjuntamente, a veces un Pareto y luego un Ishikawa.

A veces un árbol de decisiones y Paretos e Ishikawas. No hay reglas, pero es muy
importante usar el sentido común para el uso y la interpretación de los resultados.
Histograma
106
Cartas de Control
̅ y R.
Cartas 𝒙
Estas son dos cartas de variables continuas.
Ejemplo general
Tomamos 11 muestras. A las muestras también les llamamos subgrupos o lotes.
Primero se toma en el tiempo la primera muestra, después la muestra 2, etcétera
hasta analizar la muestra 11. Cada muestra es de 5 unidades, n=5.
Muestras Medidas característica inherente n=5
𝑥̅ 𝑖 𝑅𝑖
1 Muestra 𝑥11 𝑥21 𝑥31 𝑥41 𝑥51 𝑥̅1 𝑅1
1
2 Muestra 𝑥12 𝑥22 𝑥32 𝑥42 𝑥52 𝑥̅ 2 𝑅2
2
3 Muestra 𝑥13 𝑥23 𝑥33 𝑥43 𝑥53 𝑥̅ 3 𝑅3
3
4 Muestra 𝑥14 𝑥24 𝑥34 𝑥44 𝑥54 𝑥̅ 4 𝑅4
4
5 Muestra 𝑥15 𝑥25 𝑥35 𝑥45 𝑥55 𝑥̅ 5 𝑅5
5
6 Muestra 𝑥16 𝑥26 𝑥36 𝑥46 𝑥56 𝑥̅ 6 𝑅6
6
7 Muestra 𝑥17 𝑥27 𝑥37 𝑥47 𝑥57 𝑥̅ 7 𝑅7
7
8 Muestra 𝑥18 𝑥28 𝑥38 𝑥48 𝑥58 𝑥̅ 8 𝑅8
8
9 Muestra 𝑥19 𝑥29 𝑥39 𝑥49 𝑥59 𝑥̅ 9 𝑅9
9
10 Muestra 𝑥110 𝑥210 𝑥310 𝑥410 𝑥510 𝑥̅10 𝑅10
10
11 Muestra 𝑥111 𝑥211 𝑥311 𝑥411 𝑥511 𝑥̅11 𝑅11
11
̿
𝒙 ̅
𝑹
Primero se toman los 5 valores de la muestra 1 que son 𝑥11 , 𝑥21 , 𝑥31 , 𝑥41 y 𝑥51 , después
se saca su promedio que es 𝑥̅1 , también se saca el rango de los 5 valores y se
obtiene 𝑅1 . Una vez que se tienen todos los promedios de las muestras y sus
rangos, se obtiene el promedio de los promedios,
̿,
𝒙 y el promedio de los rangos,
̅.
𝑹
Las cartas 𝑥̅ y R se distinguen porque se tienen muchos datos, es decir se pueden

conseguir muchos valores de la característica inherente x para poder hacer las
cartas. La variable x es una variable continua.
Ejemplo
Ahora mostramos un ejemplo en el que tomamos 9 muestras, subgrupos o lotes y
en el que cada muestra consta de 5 medidas, o sea que n=5. Para este ejemplo
107
obtenemos los valores de 𝐴2 , 𝐷3 , y 𝐷4 , de la Tabla 2 para n=5. Debido a que
tenemos 9 muestras, en las cartas de control de 𝑥̅ y R aparecerán 9 puntos.
Las cartas de control 𝑥̅ y R siempre se hacen juntas y se calculan con los mismos
datos. En el ejemplo, supongamos que la característica inherente es el diámetro de
tortillas de una tortillería. En este ejemplo se estudia la estabilidad del proceso de
hacer tortillas estudiando los promedios de los diámetros con los que salen y los
rangos de los diámetros. Las medidas son inventadas y con el único propósito de
mostrar cómo se usan las cartas de control de promedios y de rangos.
Medidas
Lote 𝒙 𝒙 𝒙𝟑 𝒙 𝒙 ∑𝒙 𝒙̅ 𝑹
1 9.6 9.5 10.7 10.3 9.9 50 10 1.2
2 11.3 9.7 10.8 9.8 9.8 51.4 10.28 1.6
3 9.6 10.4 9.7 11.3 10.7 51.7 10.34 1.7
4 10.4 11.3 9.8 10.3 8.9 50.7 10.14 2.4
5 10.8 10.7 11.2 10.7 9.7 53.1 10.62 1.5
6 11.9 11.4 11.1 9.6 11.5 55.5 11.1 2.3
7 9.8 11 10.4 9.6 10.6 51.4 10.28 1.4
8 10.6 9.8 9.7 9.9 11.7 51.7 10.34 2
9 11.4 10.7 11.2 10.6 9.6 53.5 10.7 1.8
∑𝒙
̅ = 93.8 15.9
̿=
𝒙 10.4222222 1.76666667 ̅
𝑹
LCIx 11.4415889 LCIr 0 A2 = 0.577

LCIx 10.4222222 LCr 1.76666667 D3 = 0
LCSx 9.40285556 LCSr 3.73544 D4 = 2.1144
Carta 𝐱̅
LCS ≈ 𝑥̿ + 𝐴2 𝑅̅
LC ≈= 𝑥̿
LCI ≈ 𝑥̿ − 𝐴2 𝑅̅
Carta R
LCS ≈ 𝐷4 𝑅̅
LC ≈ 𝑅̅
LCI ≈ 𝐷3 𝑅̅
108
109
Carta de Control C o Carta de Defectos
Esta es una carta de atributos.
La carta o gráfica de control C es una gráfica de la variable que estudiamos, en este
caso la variable C, que representa el número de defectos con los que van saliendo
los productos que fabricamos.
En esta carta se analiza el número de defectos con el que salen los productos
conforme avanza el tiempo. Por ejemplo, se pueden analizar el número de defectos
que van saliendo en cada camisa que se fabrica.
Muestra Número de defectos
Subgrupo 𝑐𝑖
o Lote
1 3
2 2
3 1
4 4
5 2
6 5
7 1
8 6
9 4
10 5
11 1
12 6
13 1
14 3
En la Tabla anterior en la muestra 1, subgrupo 1 o lote 1, que representa a la camisa

1 se encuentra que ésta tiene 3 defectos. En la camisa 2, o muestra 2 se encuentra
que tiene 2 defectos. En el lote 14, o sea la camisa 14 se encuentra que tiene 3
defectos.
Los defectos que aparecen se distribuyen de acuerdo a una distribución de Poisson,
que tiene un promedio 𝑐̅ y una desviación estándar 𝜎𝑐 = √𝑐̅.
La carta de control se construye determinando la Línea Central (LC), el Límite de
Control Inferior (LCI) y el Límite de Control Superior (LCS).
LCS = 𝑐̅ + 3𝜎𝑐 = 𝑐̅ + 3√𝑐̅

LC = 𝑐̅
LCI =𝑐̅ - 3𝜎𝑐 = 𝑐̅ - 3√𝑐̅

En la tabla siguiente se muestran los cálculos para elaborar la carta C.
110
Muestra Núm DefectosLCI Calc LCI 0 LC LCS
1 3 -2.1755744 0 3.14285714 8.46128871
2 2 -2.1755744 0 3.14285714 8.46128871
3 1 -2.1755744 0 3.14285714 8.46128871
4 4 -2.1755744 0 3.14285714 8.46128871
5 2 -2.1755744 0 3.14285714 8.46128871
6 5 -2.1755744 0 3.14285714 8.46128871
7 1 -2.1755744 0 3.14285714 8.46128871
8 6 -2.1755744 0 3.14285714 8.46128871
9 4 -2.1755744 0 3.14285714 8.46128871 9
10 5 -2.1755744 0 3.14285714 8.46128871
8
11 1 -2.1755744 0 3.14285714 8.46128871
12 6 -2.1755744 0 3.14285714 8.46128871 7
13 1 -2.1755744 0 3.14285714 8.46128871 6
14 3 -2.1755744 0 3.14285714 8.46128871
5
c barra 3.14285714 4
Desv c 1.77281052 3
LCI -2.1755744 2
LCS 8.46128871
1
En la carta C, cuando el Límite de Control Inferior es menor que 0, este límite se
pone como 0, puesto que no existen número de defectos negativos.
La gráfica C, aunque se llama de defectos, la variable C que estudiamos puede
representar cualidades, nada más que a la carta se le llama de número de defectos.
111
Otro ejemplo que se podría hacer es el siguiente, ¿Cuántos errores se cometen en
cada pedido que usted hace por Rappi al ordenar su despensa?
La carta C se caracteriza porque los lotes son de una sola unidad. Una sola unidad
puede ser una camisa, una casa, un edificio de departamentos, una fábrica o un
país, etcétera.
Carta de Control P o Carta de proporción de artículos defectuosos
La carta o gráfica de control P es una gráfica de la variable que estudiamos, en este
caso la variable P, que representa la proporción de artículos defectuosos con los
que van saliendo los productos que fabricamos.
En esta carta se analiza la proporción de artículos defectuosos con el que salen los
productos conforme avanza el tiempo. Por ejemplo, se puede analizar la proporción
de camisas defectuosas que van saliendo de lotes de diferentes tamaños.
Muestra Tamaño del Número de Proporción de
Subgrupo Lote, artículos artículos
Lote Subgrupo o defectuosos en defectuosos en el
Muestra el lote lote
𝑛𝑖 𝑑𝑖 𝑑𝑖
𝑝𝑖 =
𝑛𝑖
1 320 20
2 340 7
3 310 10
4 318 15
5 335 7
6 310 18
7 317 2
8 318 15
9 324 11
10 314 9
11 310 13
12 329 14
En la Tabla anterior en la muestra 1, subgrupo 1 o lote 1, se tiene un lote que tiene

320 productos y de estos 20 son productos defectuosos. En el lote 2, o muestra 2
se encuentra que tiene 340 productos y de éstos 7 son productos defectuosos. El
lote 12 tiene 329 productos de los cuales 14 son productos defectuosos.
La proporción de productos defectos se distribuyen de acuerdo a una distribución
𝑝̅(1−𝑝̅ )
Binomial, que tiene un promedio 𝑝̅ y una desviación estándar 𝜎𝑝 = √ , donde
𝑛
∑ 𝑑 ∑ 𝑛
𝑝̅ = ∑𝑖 𝑛𝑖 y n=𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠 .
𝑖 𝑖
112
La carta de control P, se construye determinando la Línea Central (LC), el Límite
de Control Inferior (LCI) y el Límite de Control Superior (LCS).
𝑝̅(1−𝑝̅ )
LCI =𝑝̅ + 3𝜎𝑝 = 𝑝̅ + 3√ 𝑛
LC = 𝑝̅
𝑝̅ (1−𝑝̅)
LCS = 𝑝̅ - 3𝜎𝑝 = 𝑝̅ - 3√ 𝑛
En la tabla siguiente se muestran los cálculos para elaborar la carta P.

Carta P
Lote Tamaño Lot Defec en Lot Propor Defect LCI 0 LCI Calc LC LCS
1 320 20 0.0625 0 0.00517087 0.036671 0.06817114
2 340 7 0.02058824 0 0.00517087 0.036671 0.06817114
3 310 10 0.03225806 0 0.00517087 0.036671 0.06817114
4 318 15 0.04716981 0 0.00517087 0.036671 0.06817114
5 335 7 0.02089552 0 0.00517087 0.036671 0.06817114
6 310 18 0.05806452 0 0.00517087 0.036671 0.06817114
7 317 2 0.00630915 0 0.00517087 0.036671 0.06817114
8 318 15 0.04716981 0 0.00517087 0.036671 0.06817114
9 324 11 0.03395062 0 0.00517087 0.036671 0.06817114
10 314 9 0.02866242 0 0.00517087 0.036671 0.06817114
11 310 13 0.04193548 0 0.00517087 0.036671 0.06817114
12 329 14 0.04255319 0 0.00517087 0.036671 0.06817114
Suma ni 3845 141 Suma di
p barra 0.036671
n barra 320.416667
pbar(1-pbar) 0.03532624
Desv Est 0.01050004
LCI 0.00517087
LC 0.036671
LCS 0.06817114
En la carta P, cuando el Límite de Control Inferior es menor que 0, este límite se

pone como 0, puesto que no existen proporciones de artículos defectuosos
negativos, aunque eso no ocurre en este ejemplo en particular.
113
Otro ejemplo que se podría hacer es el siguiente, ¿Cuántos productos equivocados
le traen en sus pedidos de muchos productos que ordena usted por Rappi para
abastecer su despensa en todos estos días?
Una carta P se caracteriza porque los lotes tienen diferente tamaño y cada uno
de estos lotes tiene un diferente número de productos defectuosos. Por ejemplo,
si en el lote uno se tiene 340 manzanas se proporciona el número de manzanas
defectuosas o podridas que tiene ese lote. Se proporciona el número de productos
defectuosos y no el número de defectos que tienen las 340 manzanas.
Carta de Control u o Carta de Número de Defectos por Unidad
La carta o gráfica de control u es una gráfica de la variable que estudiamos, en este
caso la variable u, que representa los defectos por unidad con los que van saliendo
los productos que fabricamos.
En esta carta se analiza el número de defectos con el que salen los lotes de los
productos conforme avanza el tiempo. Por ejemplo, se puede analizar el número de
defectos con los que van saliendo lotes de diferentes tamaños.
Muestra Tamaño del Número de Proporción de
Subgrupo Lote, defectos en el defectos en el
Lote Subgrupo o lote lote
𝑐
Muestra 𝑐𝑖 𝑢𝑖 =𝑛𝑖
𝑖
𝑛𝑖
1 320 20
2 340 7
3 310 10
4 318 15
5 335 7
114
6 310 18
7 317 2
8 318 15
9 324 11
10 314 9
11 310 13
12 329 14

320 productos y estos tienen 20 defectos. En el lote 2, o muestra 2 se encuentra
que tiene 340 productos y éstos tienen 7 defectos. El lote 12 tiene 329 productos
que tienen 14 defectos.
𝑢
̅
de Poisson, que tiene un promedio 𝑢̅ y una desviación estándar 𝜎𝑢 = √𝑛, donde 𝑢̅ =
∑𝑖 𝑢𝑖 ∑ 𝑛
∑𝑖 𝑛𝑖
y n=𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠 .
La carta de control u, se construye determinando la Línea Central (LC), el Límite

𝑢
̅
LCI =𝑢̅ + 3𝜎𝑢 = 𝑢̅ + 3√𝑛
LC = 𝑢̅
𝑢
̅
LCS = 𝑢̅ - 3𝜎𝑢 = 𝑢̅ - 3√𝑛
En la tabla siguiente se muestran los cálculos para elaborar la carta u.
115
Carta u
Lote Tamaño Lot Defectos Lot Propor Defect LCI 0 LCI Calc LC LCS
1 320 20 0.0625 0 0.00457691 0.036671 0.06876509
2 340 7 0.02058824 0 0.00457691 0.036671 0.06876509
3 310 10 0.03225806 0 0.00457691 0.036671 0.06876509
4 318 15 0.04716981 0 0.00457691 0.036671 0.06876509
5 335 7 0.02089552 0 0.00457691 0.036671 0.06876509
6 310 18 0.05806452 0 0.00457691 0.036671 0.06876509
7 317 2 0.00630915 0 0.00457691 0.036671 0.06876509
8 318 15 0.04716981 0 0.00457691 0.036671 0.06876509
9 324 11 0.03395062 0 0.00457691 0.036671 0.06876509
10 314 9 0.02866242 0 0.00457691 0.036671 0.06876509
11 310 13 0.04193548 0 0.00457691 0.036671 0.06876509
12 329 14 0.04255319 0 0.00457691 0.036671 0.06876509
Suma ni 3845 141 Suma ci
u barra 0.036671
n barra 320.416667
u bar/n 0.00011445
Desv Est 0.01069803
LCI 0.00457691
LC 0.036671
LCS 0.06876509
En la carta u, cuando el Límite de Control Inferior es menor que 0, este límite se

pone como 0, puesto que no existen proporciones de número de defectos negativos,
que no es el caso en este ejemplo.
Otro ejemplo que se podría hacer es el siguiente, ¿Cuál fue la proporción de

defectos en cada entrega de diferentes tamaños que ordenó al ordenar su despensa
en todos estos días?
116
Una carta u se caracteriza porque los lotes tienen diferente tamaño y cada uno
de estos lotes tiene un diferente número de defectos. Por ejemplo, si el lote uno
tiene 340 manzanas se proporciona el número de defectos que tiene ese lote,
defectos como están pequeñas, no tienen sabor, están verdes, no tienen color, etc.
Se proporciona el número de defectos y no el número de manzanas defectuosos
que están en las 340 manzanas.
Carta de Control np o Carta del número de defectuosos
Esta es una carta del número de productos defectuosos.
La carta o gráfica de control np es una gráfica de la variable que estudiamos, en
𝑑
este caso la variable 𝑛𝑖 𝑝𝑖 = 𝑛 ∗ 𝑛𝑖 = 𝑑𝑖 , que representa el número de artículos
defectuosos con los que van saliendo los productos que fabricamos. En este caso
todos los lotes son del mismo tamaño, 𝑛𝑖 = 𝑛.
En esta carta se analiza el número de artículos defectuosos con el que salen los
productos conforme avanza el tiempo. Por ejemplo, se puede analizar el número de
camisas defectuosas que van saliendo de lotes del mismo tamaño.
Luego se distingue esta carta np porque todos sus lotes son del mismo tamaño y la
variable que estudiamos es el número de artículos defectuosos.
Muestra Tamaño del Número de
Subgrupo Lote, artículos
Lote Subgrupo o defectuosos en
Muestra el lote
𝑛𝑖 =n 𝑑𝑖
1 320 20
2 320 7
3 320 10
4 320 15
5 320 7
6 320 18
7 320 2
8 320 15
9 320 11
10 320 9
11 320 13
12 320 14

320 productos y de estos 20 son productos defectuosos. En el lote 2, o muestra 2
se encuentra que tiene 320 productos y de éstos 7 son productos defectuosos. El
lote 12 tiene 320 productos de los cuales 14 son productos defectuosos.
117
Binomial, que tiene un promedio 𝑝̅ y una desviación estándar 𝜎𝑛𝑝 = √𝑛𝑝
̅̅̅̅(1 − 𝑝̅ ),
∑ 𝑑 ∑ 𝑛 ∑𝑖 𝑛 𝑖 ∑𝑖 𝑑𝑖
donde 𝑝̅ = ∑𝑖 𝑛𝑖 y n=𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠 . Por lo tanto: 𝑛𝑝
̅̅̅̅ = * ∑𝑖 𝑛 𝑖
=
𝑖 𝑖 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠
∑𝑖 𝑑𝑖 ∑𝑖 𝑑𝑖
= 𝑑̅ . O sea que la línea central será igual a: 𝑑̅ = .
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠
La carta de control np, se construye determinando la Línea Central (LC), el Límite

LCI = 𝑑̅ + 3𝜎𝑛𝑝 = 𝑑̅ + 3√𝑛𝑝

̅̅̅̅(1 − 𝑝̅ ) = 𝑑̅ + 3√𝑑̅ (1 − 𝑝̅ )
LC = 𝑑̅
LCS = 𝑑̅ - 3𝜎𝑛𝑝 = 𝑑̅ - 3√𝑛𝑝

̅̅̅̅(1 − 𝑝̅ ) = 𝑑̅ - 3√𝑑̅ (1 − 𝑝̅ )
En la tabla siguiente se muestran los cálculos para elaborar la carta np.

Carta np
Defec en
Lote Tamaño Lot Lot LCI 0 LCI Calc LC LCS
1 320 20 0 1.65708208 11.75 21.842917
2 320 7 0 1.65708208 11.75 21.842917
3 320 10 0 1.65708208 11.75 21.842917
4 320 15 0 1.65708208 11.75 21.842917
5 320 7 0 1.65708208 11.75 21.842917
6 320 18 0 1.65708208 11.75 21.842917
7 320 2 0 1.65708208 11.75 21.842917
8 320 15 0 1.65708208 11.75 21.842917
9 320 11 0 1.65708208 11.75 21.842917
10 320 9 0 1.65708208 11.75 21.842917
11 320 13 0 1.65708208 11.75 21.842917
12 320 14 0 1.65708208 11.75 21.842917
Suma ni 3840 141 Suma di
p barra 0.03671875
n barra 320
pbar(1-
pbar) 0.03537048
Desv Est 3.36430597
d barra 11.75
LCI 1.65708208
LC 11.75
LCS 21.8429179
118
En la carta np, cuando el Límite de Control Inferior es menor que 0, este límite se
pone como 0, puesto que no existe un número de artículos defectuosos negativo,
aunque eso no ocurre en este ejemplo en particular.
Otro ejemplo que se podría hacer es el siguiente, si cada semana usted le pide a
Rappi el mismo número de productos del mercado, ¿en cúantos productos se
equivocan por pedido (o sea cuál es el número de productos defectuosos en los
lotes del mismo tamaño?)
Una carta np se caracteriza porque los lotes tienen el mismo tamaño y cada uno
de estos lotes tiene un diferente número de productos defectuosos. Por ejemplo,
en el lote uno se tiene 340 manzanas y se proporciona el número de manzanas
defectuosas o podridas que tiene ese lote. Se proporciona el número de productos
defectuosos y no el número de defectos que tienen las 340 manzanas.
Carta X o carta de medidas individuales
Esta es una carta de variables continuas.
Se usa cuando las medidas tardan mucho en salir, como por ejemplo el alcohol en
un vino, como los kWhora que tenemos que pagar mensualmente, o la cantidad de
agua bimestralmente que pagamos.
La x es la característica inherente. Pongamos por ejemplo el caso del grado del
alcohol en un vino.
Subgrupo 𝑥𝑖 𝑅𝑖
1 8.2
2 9.4
3 7.7
4 8.7
119
5 8.6
6 9.2
7 9.3
8 7.9
9 9.1
10 7.8
11 9.4
12 8
Para la carta de medidas individuales de la característica inherente x, el valor de la

∑𝑖 𝑥 𝑖
línea central es el promedio de las medidas, o sea 𝑥̅ = . Para obtener
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠
𝑅̅
la desviación estándar se usa que 𝜎𝑥 = 𝜎 ≈ , donde 𝑑2 se obtiene de la tabla 2
𝑑2
para n=2, porque los rangos se obtienen considerando dos números consecutivos
de las 𝑥𝑖 . Entonces la línea central, el límite de control superior y el límite de
control inferior se calculan como:
𝑅̅
LCS =𝑥̅ +3𝜎𝑥 = 𝑥̅ +3𝜎 ≈ 𝑥̅ +3𝑑
2
LC ≈ 𝑥̅
𝑅̅
LCI =𝑥̅ -3𝜎𝑥 = 𝑥̅ -3 𝜎 ≈ 𝑥̅ -3𝑑
2
En la tabla siguiente se muestra el procedimiento para los cálculos de la carta X,

con un ejemplo.
120
Carta x
Lote xi Ri LCI LC LCS
1 8.2 5.80369117 8.60833333 11.4129755
2 9.4 1.2 5.80369117 8.60833333 11.4129755
3 7.7 1.7 5.80369117 8.60833333 11.4129755
4 8.7 1 5.80369117 8.60833333 11.4129755
5 8.6 0.1 5.80369117 8.60833333 11.4129755
6 9.2 0.6 5.80369117 8.60833333 11.4129755
7 9.3 0.1 5.80369117 8.60833333 11.4129755
8 7.9 1.4 5.80369117 8.60833333 11.4129755
9 9.1 1.2 5.80369117 8.60833333 11.4129755
10 7.8 1.3 5.80369117 8.60833333 11.4129755
11 9.4 1.6 5.80369117 8.60833333 11.4129755
12 8 1.4 5.80369117 8.60833333 11.4129755
103.3 11.6
x barr 8.60833333 1.05454545 R barra
A2 1.128
Des Estand 0.93488072
LCI 5.80369117
LC 8.60833333
LCS 11.4129755
Los resultados para la carta X se grafican enseguida.
La carta x se caracteriza porque se estudia directamente a la característica

inherente, pero son muy pocas las medidas que se pueden hacer de ella.
121
ANEXO I. Instrucciones para la realización del Proyecto Final
Tema: Control de Calidad en empresas de todos tamaños.
Lineamientos
1. El escrito tendrá una extensión de entre una y diez páginas.
2. Tamaño de letra en computadora es 12, Arial o Times New Roman, a un
espacio. Si se escribe a mano, en tinta azul o negro y visible.
3. El escrito debe ser original y no haber sido publicado antes en ninguna
parte. No hacer collage de Internet (copiar y pegar partes de ahí).
4. Se pueden consultar todas las fuentes pertinentes para su elaboración
(Internet, expertos, parientes, libros, revistas, gerentes, etc.). Listar al final
del trabajo las fuentes consultadas importantes.
5. El trabajo debe realizarse en equipos de dos personas.
6. Formato libre (por ejemplo, pueden ser escritos en forma de ensayo o
como un artículo técnico).
7. Colocar pies de figura y títulos de tablas así como hojas enumeradas
8. El escrito debe enviarse por correo electrónico al profesor.
9. Entregar el viernes de la semana 8.
10. El trabajo debe contener el proceso que se sigue para la realización del
producto o servicio completo o solamente una parte del proceso (de la que
trata el análisis del trabajo).
Puntos a calificar
1. ¿Se usaron las herramientas aprendidas en el curso que se podían usar
para examinar los datos?
2. ¿Las herramientas se usaron bien?
3. ¿Los resultados están mal interpretados, equivocados o no se explican?
4. ¿Se explica bien el problema en su conjunto? ¿Se entiende el reporte?
¿Están incompletos algunos textos?
5. ¿Existen aseveraciones que no están respaldadas en el reporte?
6. ¿TODAS LAS GRÁFICAS ESTÁN EXPLICADAS? (Cada gráfica que no
se explique es un punto menos).
7. ¿Contiene las conclusiones? (Si no tiene conclusiones es un punto
menos).
Recomendaciones
a) Comenzar el trabajo antes de la semana quinta del trimestre.
b) Consultar al profesor las veces que sean necesarias en caso de dudas.
c) No se podrá consultar al profesor sobre el trabajo la semana de entrega
del mismo.
122
Exposición: Si alcanza el tiempo, los alumnos expondrán sus trabajos en 10-
15 minutos. Para la presentación no es necesario elaborar material extra
aparte del escrito. La exposición no contará para la calificación.
123
ANEXO I. Tareas con fecha
Todas estas tareas se deberán entregar como límite al final de la semana 5;
aunque se pueden ir entregando en CAMVIA a partir de la segunda semana
de clase. Se recomienda que l@s alumn@s vayan elaborando las tareas
conforme se van revisando los temas en el curso.
1. Escribir el ensayo: Calidad. (Esta tarea consiste en hacer un resumen de

la discusión que se hará en clase sobre las respuestas a las preguntas sobre
Calidad.)
2. Realizar una visita (si el curso es a distancia la visita debe ser virtual) al
Departamento de Control de Calidad de una compañía productora de bienes
o servicios y hacer varias preguntas. Las que siguen son preguntas que se
sugieren, son solo sugerencias, las alumnas o alumnos puede quitar o
agregar algunas: (Esta tarea debe hacerse en equipos de dos personas)
a. ¿Qué productos o servicios realizan? b. ¿Qué proceso se sigue para

obtener su producto (o productos)? c. ¿Qué profesionales trabajan en el
Departamento de Calidad? d. ¿Qué herramientas de Control de Calidad
usan? e. ¿Qué porcentaje de productos defectuosos generan? f. ¿Cuál es la
causa de generación de productos defectuosos? 7. ¿Cuántas personas
trabajan en la compañía? g. ¿Cuántas personas trabajan en el Departamento
de calidad? h. ¿Son apreciables los costos de la no-Calidad? i. ¿Cuesta
elaborar productos de Calidad? j. ¿Cuáles son las razones principales por las
que los productos resultan defectuosos? (materia prima, mano de obra,
maquinaria, etc.) k. ¿Cuál es el organigrama de la Empresa? l. ¿Cómo está
organizado el Departamento de Control de Calidad? m. ¿Están certificados
a ISO 9000? Si la respuesta es no, ¿por qué no? n. ¿Sus clientes son locales,
nacionales o internacionales? o. ¿Su principal competidor se encuentra en
México? ¿Cómo se ven en 5 años? Con las respuestas elabore un reporte.
3. Elabore un ensayo de cómo cambiaron algunos negocios en México
debido a la pandemia covid-19 que estalló a principios del año 2020. ¿Qué
negocios prosperaron? ¿Qué negocios sufrieron más? ¿Qué nuevos
productos surgieron? ¿Qué nuevos servicios surgieron? ¿Qué negocio
nuevo se le ocurre que puede ser exitoso en éste y el siguiente año que usted
pudiera comenzar?
4. Ensayo sobre algún producto de mala Calidad que el alumno haya
124
comprado. ¿Por qué lo compró? ¿Qué defecto tenía? ¿Cómo se dio cuenta
que el producto era malo? ¿Pudo regresar el producto? ¿Volvería a comprar
un producto de esa marca? De acuerdo al alumno ¿Que se debería hacer a
fin de mejorar la Calidad de ese Producto? Ensayo de no más de una página.
5. Escribir un ensayo sobre los costos de la Calidad. ¿Cuesta hacer

productos de Calidad? ¿Cuesta hacer productos sin Calidad?
Consultar revistas, libros o sitios de Internet al respecto y citar estas
referencias en el trabajo. Ensayo de no más de una página.
6. Leer un artículo sobre Calidad o Control de Calidad en alguna revista

(Expansión, Forbes, contenido, etc.) que se pueda consultar en algún sitio de
internet, y elaborar un resumen de no más de media página.
7. Ensayo sobre las principales aportaciones de los siguientes personajes a

la calidad: Edwards W. Deming, Joseph Juran, Philip Crosby, Armand
Feigenbaum, Ishikawa, Shigeo Shingo y Robert Galvin de Motorola, a la
calidad.
8. Ensayo sobres los 14 puntos de Deming. Un resumen original de dos

páginas cuando mucho
9. Analice el siguiente problema usando un diagrama de Ishikawa.
¿Por qué las parejas (hombre-mujer, mujer-mujer, hombre-hombre, etcétera)

se “divorcian”? Divorciarse se refiere al rompimiento de las parejas porque
no necesariamente están casadas. Considere que quizá es mejor cambiar el
problema y mejor analizar el por qué las parejas se enamoran.
10. Analice el siguiente problema usando un diagrama de Ishikawa.

¿Cómo evitaría que las personas se contagien de coronavirus covid-19?
(Considere que quizá es mejor analizar primero el problema de por qué las
personas se contagian de coronavirus? Para después proponer soluciones.)
11. Elabore un check list de cualquiera de las situaciones siguientes

(solamente una) que suponga ocurren durante la pandemia del coronavirus.
a) Usted compra su despensa a través Rappi, Uber o el supermercado que
se la llevan a su casa. Desde que hace el pedido hasta que coloca las
cosas en su cocina, baño, etc.
125
b) Usted va directamente al mercado o supermercado a comprar su
despensa. Desde que se prepara para salir de casa hasta que coloca las
cosas en su cocina, baño, etc.
12. Cálculo del promedio, desviación estándar y estandarización de datos.

Suponga que las medidas de la característica inherente, x, de un producto
son:
15.18, 15.39, 16.09, 15.80, 15.39, 16.53, 15.93, 16.90, 14.98, 15.41, 16.01,
15.51, 15.39, 17.05, 17.09, 17.00, 15.39, 17.33, 15.51, 15.77, 14.87, 14.23,
17.16, 17.10, 15.46, 14.98, 14.68, 16.84, 15.03, 16.64, 14.73, 14.84, 15.39,
15.54, 16.93, 14.98, 17.20, 14.69, 17.13, 15.33, 17.20, 15.22, 16.41, 16.31,
16.55, 16.64, 14.98, 14.82, 16.43, 16.34, 15.89, 16.45, 15.33
a) Calcule el promedio (𝜇), la desviación estándar (𝜎), 𝜇 − 𝜎, 𝜇 + 𝜎, 𝜇 − 2𝜎, 𝜇 +

2𝜎, 𝜇 − 3𝜎 (𝑙í𝑚𝑖𝑡𝑒 𝑟𝑒𝑎𝑙 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟) y 𝜇 + 3𝜎 (𝑙í𝑚𝑖𝑡𝑒 𝑟𝑒𝑎𝑙 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟).
b) Haga una gráfica y marque las posiciones de todos los datos. También
marque las posiciones en el eje x de 𝜇, 𝜇 − 𝜎, 𝜇 + 𝜎, 𝜇 − 2𝜎, 𝜇 + 2𝜎, 𝜇 − 3𝜎
y 𝜇 + 3𝜎.
c) ¿Cuál es el valor de la variación real (ancho real) de los datos, 6 𝜎?
𝑥𝑖−𝜇
d) Estandarice los datos (𝑧𝑖 = ). ¿Cuánto vale el promedio de los valores
𝜎
estandarizados? ¿Cuánto vale la desviación estándar de los datos
estandarizados? Marque en el eje z (la variable estandarizada) los valores
de los datos estandarizados y de 0, -1, 1, -2, 2, 3 y -3.
13. La característica inherente de un producto se puede describir por una

distribución normal que tiene un promedio de 𝜇=2.00 metros y una desviación
estándar de 𝜎=0.05 metros. Las especificaciones son de que la característica
inherente no mida menos de 1.85 metros ni más de 2.12 metros. Se
fabricaron 8648 piezas y cada una de ellas cuesta $56.00 pesos.
a) ¿Cuál es el valor de la variación real de los datos del producto, 6 𝜎?
b) ¿Cuánto vale la variación tolerada o sea el ancho de las especificaciones,
𝐸𝑠 − 𝐸𝑖 ?
c) ¿Cuál es el valor del índice de la capacidad potencial del proceso,
𝐶𝑝 = ?
6𝜎
d) ¿Cuál es el valor del índice de capacidad para la especificación inferior,
𝜇−𝐸𝑖
𝐶𝑝𝑖 = ?
3𝜎
d) ¿Cuál es el valor del índice de capacidad para la especificación superior,
𝐸𝑠 −𝜇
𝐶𝑝𝑠 = ?
3𝜎
126
e) ¿Cuánto vale el índice de la capacidad real del proceso 𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 }?
𝜇−𝑵
f) ¿Cuánto vale el índice de centrado del proceso, 𝐾 = 𝐸𝑠 −𝐸𝑖 𝑥100?
( )
2
𝐸𝑠 +𝐸𝑖
En la fórmula anterior N es el valor objetivo, 𝑁 = 2
g) ¿Cuánto vale el índice de Taguchi, 𝐶𝑝𝑚 = ?
6𝜏
En la fórmula anterior, 𝜏 = √𝜎 2 + (𝜇 − 𝑁)2
h) ¿El proceso está centrado?
i) ¿Cuánto dinero no podrá obtener el proveedor debido a que algunos de
sus productos no cumplen con las especificaciones?
14. Ensayo: 7 herramientas del Control Estadístico de Procesos. Un resumen

de cuatro páginas cuando mucho.
15. Diez ejemplos de dispositivos Poka Yoke.

16. Hacer un ensayo sobre cartas de control. Un resumen de dos páginas
cuando mucho.
17. Ensayo de dos páginas sobre el despliegue de la función de Calidad

(DFC). Un resumen de dos páginas cuando mucho.
18. Describa: a) El proceso para hacer tortillas en una máquina de hacer

tortillas. b) Las características inherentes de las tortillas. c) De las
herramientas vistas en clase. ¿Cuáles usaría para analizar la calidad de las
tortillas? d) ¿Qué datos tomaría y como los tomaría para usar las
herramientas vistas en clase?
19. Ensayo de dos páginas. Análisis de modo y efecto de las fallas (AMEF).
Un resumen de dos páginas cuando mucho.
20. Ensayo de dos páginas sobre la norma ISO 9000. Un resumen de dos
páginas cuando mucho.
21. Hacer un ensayo de dos páginas sobre la norma ISO 9001. Un resumen
de dos páginas cuando mucho.
22. Ensayo sobre la Metodología de Seis Sigma.
127
Bibliografía
Humberto Gutiérrez Pulido y Román de la Vara Salazar. Control Estadístico

de Calidad y Seis Sigma. 3ª. Ed., McGraw Hill. Tercera Edición.
Humberto Gutiérrez Pulido. Calidad Total y Productividad, 3ª. Ed., McGraw
Hill.
Gutiérrez Pulido, H. y De la Vara Salazar, R. (2010), Diseño y Análisis de

Experimentos, 3ª. Ed., McGraw –Hill, México.
Nava Carballido. ¿Qué es la Calidad? Limusa Noriega Editores. 2005.
FMEA (2008). Potential Failure Mode and Effects Analysis (FMEA) Reference
Manual, 4a. ed. Chrysler LLC, Ford Motor Company, General Motors
Corporation.
Summers. Six Sigma. Editorial Pearson Prentice Hall.

J. M. Jurán, Frank M. Gryna. Planificación y análisis de la calidad.
Bertrand L. Hansen. Quality Control: Theory and applications.
Harvey C. Charbonneau, Gordon L. Webster. Industrial Quality Control.

Montgomery y Runger. Probabilidad y Estadística aplicadas a la ingeniería.
McGraw Hill.
Six Sigma. Geoff Tennant. Panorama

Nicolás Domínguez Vergara. La innovación tecnológica en el siglo XXI.
Adriana Domínguez Pérez, Nicolás Domínguez Vergara y S. La probabilidad

y la estadística en el análisis de problemas de todos los días. Libro de
semblanzas y reseñas 2013, Avances de las mujeres en las ciencias, las
humanidades y todas las disciplinas. Editorial UAM. 2013. ISBN:
9786072800656. Págs. 86-96.
D. N. Dominguez-Perez, N. Dominguez-Vergara, R.M. Dominguez-Perez,

J.L. Pantoja-Gallegos. A future of isolation: control and automation in the
developing countries. ICERI2017. Proceedings of the 10th International
Conference of Education, Research and Innovation. Seville, Spain. 16th, 17th
and 18th of November, 2017. Presentación virtual. pp. 7964-7973. ISBN: 978-
84-697-6957-7.
D. N. Domínguez Pérez, N. Domínguez-Vergara, From the lessons of

coronavirus, a whole new world in education?
Mintzberg. El proceso estratégico.
128

Notas Clase Control de Calidad 20P

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Notas Clase Control de Calidad 20P

Cargado por

Copyright:

Formatos disponibles

Control de Calidad y Confiabilidad

El profesor dando la clase de Control de Control de Calidad y Confiabilidad

La discusión se puede comenzar especificando que es una definición, por ejemplo

Amar es este tímido silencio cerca de ti, sin que lo sepas....

Es hielo abrasador, es fuego helado, es herida que duele y no se siente, es un

Amar es empapar el pensamiento en la fragancia del edén perdido, amar... amar es

Preguntar ¿Cómo se mide el amor? ¿Existe un amorómetro? ¿Cómo se mide la

Posteriormente se pueden comparar dos celulares y preguntar cuál de los dos es

En el curso siempre que hablamos de Calidad nos referiremos a productos o

Preguntas para discutir en grupo. (La tarea 1 consiste en hacer un resumen de la

Existen muchas definiciones de lo que es Calidad y conceptos relacionados a ella:

“Adecuación al uso”. Joseph Juran

“Todo individuo, en cada división de la empresa, deberá estudiar, practicar y

“Cumplir los requisitos”. Phillip Crosby

“La no calidad es la pérdida generada a la sociedad por un producto desde su

“Saber escuchar al cliente”. Thomas Peters

“Reducir la variación para reducir pérdidas”. Deming Awards

“La excelencia en el manejo de clientes, en su adquisición, satisfacción, preferencia,

“Excelencia: prácticas sobresalientes en la gestión de la organización y logro de

Existen muchas definiciones de lo que es Calidad y la evolución de su concepto

z (Amperes). Especificaciones 𝐸𝐼𝑧 y 𝐸𝑆𝑧

𝜇 : Donde se acumulan los datos.

Cálculo del promedio y de la desviación estándar para las 3 representaciones

(20−25.347)2 (5)+(22−25.347) 2 (7)+(24−25.347) 2 (9)+⋯…….+(30−25.347)2 (6)

Paso de un histograma a una función continua

Ahora bien: n=∑ 𝑓𝑖 , que podemos escribir como:

O sea que la función de distribución estará normalizada a 1. El área bajo la curva

Es la proporción de productos que tienen la medida de su característica inherente

Se hicieron 1628 productos, cada uno se vende en $20, ¿cuánto le perdemos?

(𝐴1 + 𝐴2 ) es la proporción de artículos defectuosos.

O sea que el ancho real o la variación real es igual a: 6𝜎.

El eje de las abscisas, x, es la medida de la característica inherente.

El eje de las abscisas, x, es la medida de la característica inherente.

Cálculo del número de productos defectuosos

𝑥−𝜇 1015 − 1000

La distribución normal es simétrica por lo que el área de -1 a 0 es la misma que de

Nota: Información sacada de internet.

Índice de la capacidad real del proceso: 𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 }

El eje de las abscisas es x (la característica inherente).

(Todos los datos del problema son inventados.)

𝜇−𝐸𝑖 240 𝑔𝑟−238.5 𝑔𝑟 1.5 𝑔𝑟

𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 } = Min {0.333, 0.888} = 0.333

𝜇−𝑵 240 𝑔𝑟−241.5 𝑔𝑟 −1.5

𝜏 = √𝜎 2 + (𝜇 − 𝑁)2 = √(1.5 𝑔𝑟)2 + (240 𝑔𝑟 − 241.25 𝑔𝑟)2 =

Cálculo de la pérdida porque algunas botellas no cumplen con las

El eje de las abscisas es x (la característica inherente).

De la tabla de área obtenemos, que el área entre 0 y -1 es 0.3413 y el área entre 0

El eje de las abscisas es z (la variable estandarizada).

Figura 22. Botella de Bonafont de un litro.

El eje de las abscisas es x (la característica inherente).

(Los datos del problema son inventados.)

Cálculo de los Índices de capacidad del proceso de la botella de Bonafont

𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 } = Min {0.933, 0.933} = 0.933

𝜇−𝑵 1000 𝑚𝑙−1000 𝑚𝑙 0

𝜏 = √𝜎 2 + (𝜇 − 𝑁)2 = √(5 𝑚𝑙)2 + (1000 𝑚𝑙 − 1000 𝑚𝑙)2 = √52 + 0 𝑚𝑙 = 5 𝑚𝑙

Cálculo de la pérdida porque algunas botellas no cumplen con las

El eje de las abscisas es x (la característica inherente).

El eje de las abscisas es z (la variable estandarizada).

La Ecuación 51 nos dice que la desviación estándar de los promedios de las

El eje de las abscisas es x (la característica inherente. Peso de las botellas).

Después tenemos que seguir tomando muestras de tamaño 4, muchísimas

El eje de las abscisas es 𝑥̅ (los promedios de muestras de tamaño n=4). Cualquier

El eje de las abscisas es 𝑥̅ (los promedios de muestras de tamaño n=25). Cualquier