Guía de Herramientas de La Calidad - 1 Septiembre 2020

ELABORADA POR: GLORIA AMPARO MOLINA HERRERA
UNIVERSIDAD LIBRE
FACULTAD DE INGENIERÍA
CONTROL DE CALIDAD
CAPÍTULO DE HERRAMIENTAS DE CALIDAD
DOCENTE: ING. MSC. GLORIA A. MOLINA HERRERA
CONTENIDO
Pág.
3. HERRAMIENTAS DE CALIDAD
3.1. OBJETIVOS ESPECÍFICOS
3.2 HOJAS DE VERIFICACIÓN
3.3 DIAGRAMA DE CAUSA - EFECTO
3.4 DIAGRAMA DE PARETO
3.5 GRÁFICOS DE CONTROL
3.5.1. Gráficos de Control por Variables
3.5.1.1. Gráfico de Exactitud (X)
3.5.1.2. Gráfico de Precisión (R)
3.5.2. Gráficos de Control por Atributos
3.5.2.1. Gráfico P
3.5.2.2. Gráfico NP
3.5.3 Cartas de Control para No Conformidades
3.5.3.1. Gráfico C
3.5.3.2. Gráfico U
1
GUÍA DE HERRAMIENTAS DE CALIDAD
¡Apreciados Estudiantes! A continuación, aparecen los términos de referencia,

para construir el capítulo de Herramientas de Calidad. Recuerden que este capítulo
viene a continuación de los capítulos 1 y 2, por consiguiente, debe aparecer a
continuación del contenido anterior. De igual manera, la lista de cuadros, la lista de
tablas y la lista de figuras, deben tener numeración consecutiva respecto a los
capítulos anteriores.
3. HERRAMIENTAS DE CALIDAD
¡Chicos! Inicialmente, deben colocar un párrafo de presentación, explicando la

importancia de las Herramientas de Calidad, como, por ejemplo, el que aparece a
continuación.
Las Herramientas de la Calidad, son un conjunto de metodologías, que fueron

reunidas por Kaoru Ishikawa, y están ampliamente difundidas como forma de
mejorar los procesos de las organizaciones. Desde entonces, se utilizan en los
Sistemas de Gestión, para ayudar en la mejora de los procesos y los servicios.
Estas herramientas se utilizan para definir, medir, analizar y proponer soluciones a

los problemas que interfieren en el rendimiento y el resultado de las organizaciones.
Ellas ayudan a establecer métodos más elaborados de resolución, basados en
hechos y datos, lo que aumenta la tasa de éxito de los planes de acción.
3.1 OBJETIVOS ESPECÍFICOS
¡Chicos!, deben construir dos o tres objetivos del capítulo de herramientas de la

calidad.
3.2 HOJAS DE VERIFICACIÓN
En este apartado, deben construir tres hojas de verificación que apliquen a la

organización que están trabajando. Las tres hojas de verificación deben estar
diligenciadas.
3.3. DIAGRAMA CAUSA-EFECTO
Conocido como diagrama de pescado. Fue desarrollado por ISHIKAWA a principios

de los años 50, cuando trabajaba en un proyecto de Control de Calidad, para la
2
Kawasaki Steel Company. El método consiste en definir la ocurrencia de un evento

no deseable, o problema, es decir el efecto, como la “cabeza de pescado” y después
identificar los factores que contribuyen, es decir las causas, como el “esqueleto del
pescado” que sale del hueso posterior de la cabeza. Las causas principales se
dividen en seis categorías: Humanas, Máquinas, Métodos, Materiales, Entorno y
Administración, cada una dividida en sub- causas. El proceso continúa hasta
enumerar todas las causas posibles. Un buen diagrama tendrá varios niveles de
huesos y proporcionará la visión global de un problema y de los factores que
contribuyen a él.
a. CONSTRUCCIÓN DEL GRÁFICO CAUSA-EFECTO
Definir claramente el problema (efecto) por estudiar; éste debe quedar

bien comprendido por todos los participantes. A continuación, dibuje
un rectángulo del lado derecho y escriba ahí el efecto con los aspectos
más relevantes que lo definen.
Se traza una flecha de izquierda a derecha que llegue justo al centro
del rectángulo.
Determinar los factores importantes que inciden en el efecto, por
ejemplo: Métodos, Maquinaria, Personal, Entorno, Materiales y
Administración
Coloque una flecha secundaria sobre la flecha principal por cada factor
escogido en el paso anterior.
Mediante la técnica tormenta de ideas, con la participación de todos
los miembros del equipo, se debe analizar cómo afecta cada factor
sobre el efecto e ir anotando las ideas mediante una flecha sobre el
factor correspondiente.
b. BENEFICIOS DEL USO DEL DIAGRAMA CAUSA-EFECTO
Ayuda a detectar las causas reales de un efecto

Ayuda a prevenir defectos
Desarrolla el trabajo en equipo
Se adquieren nuevos conocimientos
Es de aplicación general no sólo para problemas de calidad
EJEMPLO DE DIAGRAMA CAUSA-EFECTO EN EMPRESAS TEXTILES

A continuación, aparece un diagrama de Causa-Efecto.
3
Figura 1.
Diagrama Causa - Efecto
3.4 DIAGRAMA DE ANÁLISIS DE PARETO
Las áreas con problemas se pueden definir mediante una técnica desarrollada por
el economista francés Wilfredo PARETO, para explicar la concentración de la
riqueza. En el análisis de Pareto, los artículos de interés se identifican y miden en
una escala común y después se acomodan en un orden ascendente, creando una
distribución acumulada. Por lo común, 20% de los artículos clasificados representan
4
80% o más de la actividad total. En consecuencia, la técnica también se conoce

como regla 80 -20.
Wilfredo Pareto descubrió que, en cualquier situación social o técnica, siempre

existen muchos aspectos triviales (de poca importancia) y pocos vitales (muy
importantes). Estableció que en promedio el 80% de las cosas que ocurren son de
poca importancia y solamente un 20% muy importantes.
a. PROCEDIMIENTO PARA HACER LA GRÁFICA
Conocer bien el problema que interesa resolver, definiéndolo con todo

detalle.
Realizar una lista de las causas que lo están originando (tormenta de
ideas). Colocar en qué medida contribuye cada causa a provocar el
efecto.
Ordenar las causas de mayor a menor, según contribuyan a generar el
problema.
Dé el 100% al total del efecto, y calcule el porcentaje para cada causa
según contribuya a éste.
Anotar en el eje horizontal las causas partiendo de la mayor a la menor,
y en el eje vertical los porcentajes de contribución
Trazar la gráfica según los valores.
b. Ejemplo de Gráfico de Pareto
La empresa LA ÚNICA, se dedica a laminar acero. Tiene el problema de los tiempos

perdidos en el molino de laminación. Esta máquina trabaja normalmente tres turnos
y seis días a la semana, es decir 24 horas x 6 = 144 horas a la semana y 576 al
mes, los registros de la compañía muestran que esta máquina pierde 260 horas por
mes en promedio.
Después de inspeccionar durante tres meses los motivos por los que se producen
los paros nos hemos encontrado con los siguientes datos:
5
Cuadro 1
Tiempos Perdidos en el Molino de Laminación
CAUSAS HORAS
Por reparaciones de Movimiento 86
Por falla y Falta de Herramienta 120
Por falta de montacargas 14
Por programa extemporáneo 9
Por falta de materia prima 10
Por ausencias del operador 7
Por fallas en la lubricación 6
Por interrupciones eléctricas 2
Fallas en la calidad del producto 6
TOTAL 260
Fuente: Gloria A. Molina Herrera. 2020
Cuadro 2
Tiempos Perdidos en el Molino de Laminación en Orden de Mayor a Menor
CAUSAS HORAS
Por falla y Falta de Herramienta 120
Por reparaciones de Movimiento 86
Por falta de montacargas 14
Por falta de materia prima 10
Por programa extemporáneo 9
Por ausencias del operador 7
Por fallas en la lubricación 6
Fallas en la calidad del producto 6
Por interrupciones eléctricas 2
TOTAL 260
6
Cuadro 3
Diagrama Causa – Efecto
Horas
Causas Horas
Acumuladas % Individual % Acumulado
Por falla y Falta de
120
Herramienta 120 46,15 46,15
Por reparaciones de
86
Movimiento 206 33,08 79,23
Por falta de montacargas 14 220 5,38 84,62
Por falta de materia prima 10 230 3,85 88,46
Por programa
9
extemporáneo 239 3,46 91,92
Por ausencias del
7
operador 246 2,69 94,62
Por fallas en la
6
lubricación 252 2,31 96,92
Fallas en la calidad del
6
producto 258 2,31 99,23
Por interrupciones
2
eléctricas 260 0,77 100,00
Figura 2.
Diagrama de Pareto
7
CONCLUSIÓN: Es importante generar un plan de mejora para contrarrestar

inicialmente las dos primeras causas, que están generando el 79.23 % de las No
conformidades. Esto ocasiona pérdidas financieras a la empresa.
Estas casusas son:
Por falla y falta de Herramienta y por reparaciones de movimiento.
Una vez solucionadas estas No Conformidades, se recomienda, continuar
realizando plan de mejora a las otras causas.
3.5 CARTAS DE CONTROL
También se les denomina Gráficas de Control
Una gráfica de control indica cuando un proceso está fuera de control y ayuda a
identificar la presencia de una variación por causas especiales. Cuando está
presente la variación por causas especiales, su proceso no es estable y es
necesaria una acción correctiva.
Las gráficas de control grafican sus datos del proceso, en secuencia ordenada por
tiempo. La mayoría de las gráficas de control incluye una línea central, un límite de
control superior y un límite de control inferior. La línea central representa la media
del proceso. Los límites de control representan la variación del proceso.
8
Figura 3.
Gráficos de Control
Por opción predeterminada, los límites de control se fijan a distancias de 3σ por

encima y por debajo de la línea central.
9
Figura 4.
Ejemplo de Gráfica de Control
Los puntos que caen aleatoriamente dentro de los límites de control indican que su
proceso está bajo control, y presenta solamente una variación de causa común. Los
puntos que caen fuera de los límites de control o muestran un patrón no aleatorio,
indican que su proceso está fuera de control y que está presente una variación por
causas especiales.
¿CUÁNDO UTILIZAR UNA GRÁFICA DE CONTROL?
Ya sea que esté monitoreando un proceso en curso o tratando de entender mejor

un nuevo proceso, las gráficas de control pueden ser herramientas útiles.
Se pueden utilizar gráficas de control para:
• Demostrar si el proceso es estable y consistente a lo largo del tiempo. Un

proceso estable es aquel que incluye solamente variación de causa común y
no tiene ningún punto fuera de control.
• Verificar que el proceso es estable antes de realizar el análisis de capacidad.
Un análisis de capacidad es válido únicamente cuando se realiza en un
proceso estable.
• Evaluar la eficacia del cambio de un proceso. Con las gráficas de control, es
fácil comparar cambios rápidos en la media del proceso y cambios en la
variación del proceso.
10
• Comunicar el desempeño de un proceso durante un período de tiempo

específico.
INTERPRETACIÓN DE LAS GRÁFICAS DE CONTROL DE CALIDAD
A continuación, se relaciona la interpretación de las gráficas de control:
1. Puntos por encima del LCS o puntos por debajo del LCI
Figura 5.
Puntos por Encima del LCS o Puntos por Debajo del LCI
LCS
LCC
LCI
11
2. Puntos Sobre el LCS o puntos sobre el LCI
Figura 6.
Puntos Sobre el LCS o puntos sobre el LCI
LC S
LCC
LCI
12
3. Puntos Cercanos al LCS o puntos cercanos al LCI
Figura 7.
Puntos Cercanos al LCS o puntos cercanos al LCI
LCS
LCC
LCI
13
4. Periodicidad: Es cuando la gráfica presenta un comportamiento repetitivo.
Figura 8.
Periodicidad
5. Racha: Cuando se presentan puntos que van de dos en dos, como formando
eslabones de una escalera. Hasta seis puntos es racha normal, cuando es
mayor a seis puntos es racha anormal.
14
Figura 9.
Racha
LCC
6. Tendencia Creciente y Tendencia Decreciente: Cuando hay tres o más

puntos que suben, o tres o más puntos que bajan.
Figura 10.
Tendencia Creciente y Tendencia Decreciente
LCS
LCC
LCI
15
Las Cartas de Control por Variables, se clasifican en dos grupos:
1. Cartas de Control por Variables

2. Cartas de Control por Atributos
3.5.1 Gráficas de Control por Variables
A una característica de la calidad que se mide en una escala numérica se le llama

variable. Como Ejemplos, se tienen dimensiones como el largo y el ancho, la
temperatura y el volumen.
Dentro de las Cartas de Control por Variables, se tienen: la X y la R, las cuales se

usan para monitorear la media y la variabilidad de las variables.
3.5.1.1 Gráfica de Exactitud (X)
Esta carta se calcula con el promedio aritmético de los valores que se desean
analizar.
X = __X1 + X2 +X3 + X4……..+ Xm______

m
Por tanto, X se usa como la línea central.

Para construir los límites de control, es necesaria una estimación de los rangos de
las muestras. Si X1, X2,……Xn, es una muestra de tamaño n, entonces el rango de
la muestra es la diferencia entre las observaciones menor y mayor; es decir:
R = X máxima – X mínima
Sean R1, R2,….Rm los rangos de las m muestras. El Rango promedio es:
R = _R1 +R2 +…….+Rm_____

m
La manera de Calcular los límites de control de la gráfica X, es a través de las

Siguientes fórmulas:
16
3.5.1.2 Gráfica de Precisión (R )

La variablidad del proceso puede monitorearse graficando los valores del rango
muestral R en una carta de control. La línea central y los límites de control de la
carta R son los siguientes:
EJEMPLO DE GRÁFICOS X Y R
En una empresa que elabora agroquímicos, una característica importante de los

costales de fertilizantes es su peso, el cual, para cierto producto, debe ser de 50 Kg.
Además, el cliente ve muy mal que los costales pesen mucho menos de 50Kg., por
lo que se establece como especificación o tolerancia inferior de 49 Kg. Y como
protección de la empresa se establece una especificación superior de 51 Kg. de
esta manera, el valor nominal del peso es de 50 Kg., y si cae entre 49 y 51 se
considera aún tolerante. A continuación, se utilizará la gráfica X y la gráfica R, para
evaluar el desempeño del proceso de llenado tanto en relación con la tendencia
central como con la variabilidad.
17
Cuadro 4
Información de la Empresa de Agroquímicos
MUESTRA O PESO DE LOS COSTALES

SUBGRUPO
1 50.2 49.9 49.0 50.1
2 50.3 50.2 50.0 49.3
3 49.8 50.0 50.0 49.7
4 50.0 49.4 50.1 50.5
5 50.2 49.8 49.1 49.9
6 49.2 50.7 49.1 49.8
7 49.6 49.9 49.5 49.9
8 50.2 49.8 49.5 50.6
9 50.1 49.3 49.0 49.3
10 50.8 49.6 49.8 50.4
11 50.7 48.8 49.7 50.1
12 50.3 49.6 49.4 49.3
13 49.3 49.3 49.2 50.5
14 50.2 50.5 50.2 50.9
15 48.5 50.2 49.5 49.6
Con la información anterior, construir el gráfico “X” y el gráfico “R” y analizar cada
una de ellas.
Para resolver el ejercicio, inicialmente se calcula el X promedio y el R promedio.
18
Cuadro 5
X Promedio y R Promedio
Muestra o
PESO DE LOS COSTALES
Subgrupo
X Promedio R Promedio
1 50,20 49,90 49,00 50,10 49,80 1,20
2 50,30 50,20 50,00 49,30 49,95 1,00
3 49,80 50,00 50,01 49,70 49,88 0,31
4 50,00 49,40 50,10 50,50 50,00 1,10
5 50,20 49,80 49,40 49,90 49,83 0,80
6 49,20 50,70 49,10 49,80 49,70 1,60
7 49,60 49,90 49,50 49,90 49,73 0,40
8 50,20 49,80 49,50 50,60 50,03 1,10
9 50,10 49,30 49,50 49,30 49,55 0,80
10 50,80 49,60 49,80 50,40 50,15 1,20
11 50,70 48,80 49,70 50,10 49,83 1,90
12 50,30 49,60 49,40 49,30 49,65 1,00
13 49,30 49,30 49,20 50,50 49,58 1,30
14 50,20 50,50 50,20 50,90 50,45 0,70
15 48,50 50,20 49,50 49,60 49,45 1,70
A continuación, se calcula:
X Promedio de los Promedios = 49,84
R Promedio = 1,07
Se reemplazan los límites de control
Reemplazando el límite superior de control, se tiene lo siguiente:

Para obtener el valor de A2, se busca en la tabla A1. Factores la Construcción de
las Cartas, en el tamaño de muestras n = 15, el Valor de A2= 0.223
19
LCSx = 49,84 + (0,223 x 1,07)

LCSx = 50,07
LCCx = 49,84
LCIx = 49,94 – (0,223 x 1,07)
LCIx = 49,70
Se realiza la gráfica de Control X.
Cuadro 6
X Promedio
Muestras X Promedio
1 49,80
2 49,95
3 49,88
4 50,00
5 49,83
6 49,70
7 49,73
8 50,03
9 49,55
10 50,15
11 49,83
12 49,65
13 49,58
14 50,45
15 49,45
20
Figura 11
Gráfico de Exactitud (X)

50,60
50,45
50,40
50,15
50,20 LCS x 50.07
X Promedio
50,00 50,03
49,95
50,00 49,88
49,80 49,83 49,83 LCC x 49.84
49,80 49,7049,73
49,65
49,55 49,58
49,60 LIC x 49.70
49,45
49,40
0 2 4 6 8 10 12 14 16
Muestras
INTERPRETACIÓN
Las muestras 10 y 14 se encuentran por encima del LCS.
Las muestras 9, 12, 13 y 15 se encuentran por debajo del LIC.
La muestra 6 se encuentra sobre el LCI.
La muestra 8 se encuentra cerca al LCS.
La muestra 12 se encuentra cerca al LIC.
Las muestras de la 1 - 5 presentan periodicidad.
Las muestras de la 4 - 8 presentan periodicidad.
Las muestras de la 7 -11 presentan periodicidad.
Las muestras de la 9 – 15 presentan periodicidad.
Las muestras de la 1 – 5 presentan racha normal.
Las muestras de la 4-6 presentan tendencia decreciente.
Las muestras de la 10- 13 presentan tendencia decreciente
CONCLUSIÓN
Al analizar el peso de los costales de fertilizantes, se observa, que las muestras: 9,

10, 12, 13 14 y 15 presentan variaciones de causa especial, se recomienda hacer
plan de mejora para estandarizarlas. Las demás muestras presentan variaciones de
causa común, se recomienda realizar seguimiento, para evitar que se conviertan en
No conformidades.
21
Gráfico de Precisión R
Al reemplazar los límites, se tiene lo siguiente:
Se busca el valor de D3 y D4 en la tabla A1, para n = 15 muestras. Factores para la

construcción de las Cartas de Control.
LCSR = 1.6532 x 1.07

LCSR = 1.76
LCCR = 1.07
LCIR = 0.3468 x 1.07
LCIR = 0.37
Cuadro 7
R Promedio
Muestras R Promedio
1 1,20
2 1,00
3 0,31
4 1,10
5 0,80
6 1,60
7 0,40
8 1,10
9 0,80
10 1,20
11 1,90
12 1,00
13 1,30
14 0,70
15 1,70
22
Figura 12
Gráfico de Precisión R
2,00 1,90
1,80 1,70
1,60 LCS 1.76
1,60
1,40 1,30
1,20 1,20
1,10 1,10
R Promedio
1,20 1,00 1,00

1,00
LCC 1.07
0,80 0,80
0,80 0,70
0,60 0,40
0,31 LCI 0.37
0,40
0,20
0,00
0 2 4 6 8 10 12 14 16
Muestras
INTERPRETACIÓN
La muestra 11, se encuentra por encima del límite de control superior.

La muestra 3, se encuentra por debajo del límite de control inferior.
La muestra 15, se encuentra cerca al límite de control superior.
La muestra 3, se encuentra cerca al límite de control inferior.
Las muestras de la 3 -6 presentan racha normal.
Las muestras de la 1 – 3 presentan tendencia decreciente.
Las muestras de la 9 -11 presentan tendencia creciente.
CONCLUSIÓN
Al analizar el peso de los costales de fertilizantes, se observa, que las muestras: 9

3 y 11 presentan variaciones de causa especial, se recomienda hacer plan de
mejora para estandarizarlas. Las demás muestras presentan variaciones de causa
común, se recomienda realizar seguimiento, para evitar que se conviertan en No
conformidades.
23
3.5.2 Gráficas de Control por Atributos
Muchas de las características de calidad no pueden representarse

convenientemente con valores numéricos. En tales casos, cada artículo
inspeccionado por lo general se clasifica como: Conforme, o No – conforme,
respecto de las especificaciones para esas características de la calidad. Es común
usar la terminología “Defectuoso” o “no Defectuoso”, para identificar estas dos
clasificaciones del producto.
A las características de la calidad de este tipo, se les llama atributos. Algunos

ejemplos de las características de la calidad que son atributos: forma, color,
empaques defectuosos, entre otros.
Las cartas de control por Atributos se clasifican en los siguientes grupos:
3.5.2.1 Gráfica de Control P
Comúnmente conocida como gráfica P.

La operación real de esta carta consistirá en tomar muestras subsecuentes de n
unidades, calcular la fracción defectuosa P y graficar el estadístico P en la carta. En
tanto P se mantenga dentro de los límites de control y la secuencia de los puntos
graficados no muestre ningún patón sistemático o no aleatorio, puede concluirse
que el proceso está bajo control en el nivel P. Si un punto se localiza fuera de los
límites de control, o si se observa un patrón no aleatorio en los puntos graficados,
puede concluirse que muy probablemente la fracción defectuosa del proceso se ha
corrido a un nuevo nivel y el proceso está fuera de control.
Los parámetros de esta carta son los siguientes:
3.5.2.2 Gráfica de Control Np: Una carta de control también puede basarse en
el número de unidades defectuosas, en lugar de usar la fracción
defectuosa.
24
Los parámetros de esta carta son los siguientes:
EJEMPLO DE GRÁFICO P Y NP
En una fábrica de artículos de plástico inyectado se tiene el problema de la rebaba

en las piezas, que es necesario eliminarla con retrabajo. Con el propósito de evaluar
la realidad actual y detectar posibles causas especiales de variación. Se decide
implementar una carta de control para el producto que más se fabrica, los datos
obtenidos en 24 lotes de tamaño de 500, en cuanto a la cantidad de piezas con
rebaba se muestran a continuación.
86, 95, 113, 93, 88, 101, 90, 85, 111, 80, 96, 89, 98, 126, 96, 124, 129, 115, 95, 78,
97, 110, 108, 118.
Se calcula el pi = Cada defecto / tamaño de cada lote (500).
25
Cuadro 8
Muestras, Defectos y pi
Muestras Defectos pi
1 86 0.17
2 95 0.19
3 113 0.23
4 93 0.19
5 88 0.18
6 101 0.20
7 90 0.18
8 85 0.17
9 111 0.22
10 80 0.16
11 96 0.19
12 89 0.18
13 98 0.20
14 126 0.25
15 96 0.19
16 124 0.25
17 129 0.26
18 115 0.23
19 95 0.19
20 78 0.16
21 97 0,19
22 110 0,10
23 108 0,22
24 118 0,24
26
Cuadro 9
Muestras y pi
Muestras pi
1 0,17
2 0,19
3 0,23
4 0,19
5 0,18
6 0,20
7 0,18
8 0,17
9 0,22
10 0,16
11 0,19
12 0,18
13 0,20
14 0,25
15 0,19
16 0,25
17 0,26
18 0,23
19 0,19
20 0,16
21 0,19
22 0,10
23 0,22
24 0,24
P promedio = Total de artículos defectuosos / Total de artículos inspeccionados

P promedio = 2.421 / 12.000
27
P promedio = 0,20
n = Tamaño de lotes (500)
LCSp = 0,25
LCCp = 0,20
LCIp = 0.15
Figura 13
Gráfico P
0,3
0,26
0,25 0,25
0,25 0,24
0,23 0,23 LCS p 0,25
0,22 0,22
0,20 0,2
0,2 0,19 0,19 0,19 0,19 0,19 0,19
pi = Fracción Defectuosa
0,18 0,18 0,18

0,17 0,17
LCC p 0,20
0,16 0,16
0,15
LCI p 0,15
0,10
0,1
0,05
0
0 5 10 15 20 25 30
Muestras
28
INTERPRETACIÓN
La muestra 17 se encuentra por encima del LCSp.

La muestra 22 se encuentra por debajo del LICp.
Las muestras 14 y 16 se encuentran sobre el LCSp.
Las muestras 3, 9 18, 23 y 24 se encuentran cerca al LCSp.
Las muestras 1, 5, 8, 10 y 20 se encuentran cerca al LICp.
Las muestras 1 – 9 presentan periodicidad.
Las muestras de la 20 -23 presentan racha normal.
Las muestras de la 3 -5 presentan tendencia decreciente.
Las muestras de la 12 – 14 presentan tendencia creciente.
Las muestras de la 22 – 24 presentan tendencia creciente.
CONCLUSIÓN
En la fábrica de artículos de plástico inyectado, el problema de la rebaba en las

piezas, es necesario eliminarla con el retrabajo. Allí se observa, que las muestras
17 y 22 presentan variaciones de causa especial, se recomienda hacer plan de
mejora para estandarizarlas. Las demás muestras presentan variaciones de causa
común, se recomienda realizar seguimiento, para evitar que se conviertan en No
conformidades.
29
Cuadro10
Muestras – Defectos
Muestras Defectos
1 86
2 95
3 113
4 93
5 88
6 101
7 90
8 85
9 111
10 80
11 96
12 89
13 98
14 126
15 96
16 124
17 129
18 115
19 95
20 78
21 97
22 110
23 108
24 118
n = 500
p promedio = 0,20
LCS np = 126,83
LCC np = 100
LCI np = 73,17
30
Figura 14
GRÁFICA Np
140
129
126 124 LCS np
118 126,83
120 113 115
111 110108
101
96 98 96 97 LCC np 100
100 95 93 95
88 90 89
86 85
80 78
80
Defectos
LCI np
73,17
60
40
20
0
0 5 10 15 20 25 30
Muestras
INTERPRETACIÓN
La muestra 17 se encuentra por encima del LCS np.

La muestra 16 se encuentra cerca al LCS np.
Las muestras de la 6 – 8 tendencia decreciente.
31
CONCLUSIÓN
En la fábrica de artículos de plástico inyectado, el problema de la rebaba en las
piezas, es necesario eliminarla con el retrabajo. Allí se observa, que la muestra 17
presenta variaciones de causa especial, se recomienda hacer plan de mejora para
estandarizarla. Las demás muestras presentan variaciones de causa común, se
recomienda realizar seguimiento, para evitar que se conviertan en No
conformidades.
3.5.3 Cartas de Control para NO- CONFORMIDADES: Un artículo No-Conforme,

es una unidad del producto que no satisface una o más de las
especificaciones, para ese producto. Cada punto específico en el que no se
satisface una especificación, resulta ser un defecto o No conformidad. Por
consiguiente, un artículo No- Conforme, contendrá al menos una
disconformidad. Sin embargo, dependiendo de su naturaleza y gravedad, es
muy posible que una unidad contenga varias No-Conformidades y no se
clasifique como disconforme. Ejemplo: Se están fabricando computadores
personales. Cada unidad tiene una o más imperfecciones muy pequeñas en
el terminado de la cubierta; puesto que estas imperfecciones no afectan
seriamente su operación funcional, se clasificaría como conforme. Sin
embargo, si estas imperfecciones son demasiadas, el computador personal
deberá clasificarse como No-Conforme, ya que las imperfecciones son muy
notorias para el cliente y podrían afectar la venta de la unidad.
Dentro de estas cartas, se encuentran dos clases: Carta C y Carta U.
3.5.3.1 Gráfica C
Los parámetros de esta carta son:
EJEMPLO DE GRÁFICO C
En una fábrica de gaseosas se requiere llevar control de calidad. Con este fin se
han tomado, con intervalos de tres horas, muestras de 20 cajas (cada caja contiene
30 gaseosas) y se han observado el número de defectuosos que presenta cada una
32
de las unidades. El registro de los datos aparece en el siguiente cuadro. Construya

el gráfico de control “C” y analícelo.
Cuadro 11
Información de Gráfico C
Muestra - 1 2 3 4 5 6 7 8 Total
Defectos
Color 10 12 3 2 10 9 6 4 56
inadecuado
Mal Tapada 11 2 4 9 10 36
Presencia de 12 20 3 5 4 7 51
soda Cáustica
Exceso de 2 2 4 16 9 12 45
grados Brix
Deficiencia de 13 2 15 2 13 2 47
grados Brix
Falta de Esencia 8 4 16 3 13 2 46
Exceso de 14 2 13 10 4 8 51
Colorante
Presencia de 3 8 4 2 10 12 39
cloro
Falta de 2 4 10 9 13 38
colorante
Exceso de 9 12 9 7 37
esencia
Falta de 4 14 13 31
preservante
Total de defectos 19 92 77 67 78 93 47 4 477
C promedio = Total de defectos / Total de muestras

C promedio = 477 / 8
C promedio = 59,62
LCS c = 82,78
LCC c = 59,62
LCI c = 36,45
33
Muestras 1 2 3 4 5 6 7 8
Defectos 19 92 77 67 78 93 47 4
Figura 15
GRÁFICO C
100 93
92
90
78
LCSc 82,78
77
80
67
70
60
LCCc 59,62
Defectos
47
50
40
LCIc 36,45
30
19
20
10 4
0
0 1 2 3 4 5 6 7 8 9
Muestras
INTERPRETACIÓN
Las muestras 2 y 6 se encuentran por encima del LCSc.
Las muestras 1 y 8 se encuentran por debajo del LCIc.
Las muestras 3 y 5 se encuentran cerca al LCSc.
Todas las muestras presentan un comportamiento periódico.
CONCLUSIÓN
Al realizar el control de calidad en la fábrica de gaseosas, se encontró, que las
muestras 1, 2, 6 y 8 presentan variaciones de causa especial, se recomienda hacer
34
plan de mejora para estandarizarla. Las demás muestras presentan variaciones de

causa común, se recomienda realizar seguimiento, para evitar que se conviertan en
No conformidades.
3.5.3.2 Gráfica U
Los parámetros de esta carta son:
EJEMPLO DE GRÁFICO U
Un empresario, desea realizar el montaje de una pasteurizadora. Desea elaborar

yogurt, para ello se está realizando una prueba piloto con una muestra de la cual se
obtendrán 14 unidades de 30 CC daca una.
A cada una de las unidades, se la ha realizado control de calidad, para determinar
si los productos se encuentran bajo el estándar establecido. A continuación,
aparecen los resultados arrojados por cada una de las unidades.
35
Cuadro 12
Información de Gráfico U
Unidades 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Color 1 1 1 1 1 1 1 1 1 1 1 1
deficiente
Contenido 1 1 1 1 1 1 1 1 1 1 1 1
neto
inexacto
Empaque 1 1 1 1 1 1 1 1 1 1 1
roto
Cantidad 1 1 1 1 1 1 1 1 1
inexacta de
preservante
Poco 1 1 1 1 1 1 1 1 1 1
viscoso
Deficiencia 1 1 1 1 1 1 1 1
de fruta
Exceso de 1 1 1 1 1 1 1
azúcar
Total de 6 7 6 4 5 2 3 4 5 6 3 7 6 5
defectos
Unidades 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Defectos 6 7 6 4 5 2 3 4 5 6 3 7 6 5
U promedio = Total de defectos / Número de Unidades

U promedio = 69 / 14
U promedio = 4,92
n = Número de Unidades
LCS u = 6,70
LCC u = 4.92
LCI u = 3,14
36
Figura 16
GRÁFICO U
8
7 7
7
LCSu 6,70
6 6 6 6
6
5 5 5
5
DEFECTOS
4 4
LCCu 4,92
4
3 3
3
LCIu 3,14
2
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
UNIDADES
INTERPRETACIÓN
Las unidades 2 y 12, se encuentran por encima del límite de control superior.
Las unidades 6 y 11 se encuentran por debajo del límite de control inferior.
Las unidades 1, 3, 10 y 13 están cerca al límite de control superior.
Las unidades de la 1 – 3 presentan racha normal.
Las unidades de la 3 -6 presentan racha normal.
Las unidades de la 4 -11 presentan periodicidad.
Las unidades de la 2 – 4 presentan tendencia decreciente.
Las unidades de la 6 -10 presentan tendencia creciente.
Las unidades de la 12 -14 presentan tendencia decreciente.
CONCLUSIÓN
Al realizar el control de calidad al yogurt, se observa que las unidades 2, 6, 11 y 12
presentan variaciones de causa especial, se recomienda hacer plan de mejora para
estandarizarla. Las demás unidades, presentan variaciones de causa común, se
recomienda realizar seguimiento, para evitar que se conviertan en No
conformidades.
37

Guía de Herramientas de La Calidad - 1 Septiembre 2020

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guía de Herramientas de La Calidad - 1 Septiembre 2020

Cargado por

Copyright:

Formatos disponibles

ELABORADA POR: GLORIA AMPARO MOLINA HERRERA

GUÍA DE HERRAMIENTAS DE CALIDAD

¡Apreciados Estudiantes! A continuación, aparecen los términos de referencia,

¡Chicos! Inicialmente, deben colocar un párrafo de presentación, explicando la

Las Herramientas de la Calidad, son un conjunto de metodologías, que fueron

Estas herramientas se utilizan para definir, medir, analizar y proponer soluciones a

3.1 OBJETIVOS ESPECÍFICOS

¡Chicos!, deben construir dos o tres objetivos del capítulo de herramientas de la

3.2 HOJAS DE VERIFICACIÓN

En este apartado, deben construir tres hojas de verificación que apliquen a la

3.3. DIAGRAMA CAUSA-EFECTO

Conocido como diagrama de pescado. Fue desarrollado por ISHIKAWA a principios

Kawasaki Steel Company. El método consiste en definir la ocurrencia de un evento

a. CONSTRUCCIÓN DEL GRÁFICO CAUSA-EFECTO

Definir claramente el problema (efecto) por estudiar; éste debe quedar

b. BENEFICIOS DEL USO DEL DIAGRAMA CAUSA-EFECTO

Ayuda a detectar las causas reales de un efecto

EJEMPLO DE DIAGRAMA CAUSA-EFECTO EN EMPRESAS TEXTILES

3.4 DIAGRAMA DE ANÁLISIS DE PARETO

80% o más de la actividad total. En consecuencia, la técnica también se conoce

Wilfredo Pareto descubrió que, en cualquier situación social o técnica, siempre

a. PROCEDIMIENTO PARA HACER LA GRÁFICA

Conocer bien el problema que interesa resolver, definiéndolo con todo

b. Ejemplo de Gráfico de Pareto

La empresa LA ÚNICA, se dedica a laminar acero. Tiene el problema de los tiempos

CONCLUSIÓN: Es importante generar un plan de mejora para contrarrestar

3.5 CARTAS DE CONTROL

También se les denomina Gráficas de Control

Por opción predeterminada, los límites de control se fijan a distancias de 3σ por

¿CUÁNDO UTILIZAR UNA GRÁFICA DE CONTROL?

Ya sea que esté monitoreando un proceso en curso o tratando de entender mejor

Se pueden utilizar gráficas de control para:

• Demostrar si el proceso es estable y consistente a lo largo del tiempo. Un

• Comunicar el desempeño de un proceso durante un período de tiempo

INTERPRETACIÓN DE LAS GRÁFICAS DE CONTROL DE CALIDAD

A continuación, se relaciona la interpretación de las gráficas de control:

2. Puntos Sobre el LCS o puntos sobre el LCI

3. Puntos Cercanos al LCS o puntos cercanos al LCI

4. Periodicidad: Es cuando la gráfica presenta un comportamiento repetitivo.

6. Tendencia Creciente y Tendencia Decreciente: Cuando hay tres o más

Las Cartas de Control por Variables, se clasifican en dos grupos:

1. Cartas de Control por Variables

3.5.1 Gráficas de Control por Variables

A una característica de la calidad que se mide en una escala numérica se le llama

Dentro de las Cartas de Control por Variables, se tienen: la X y la R, las cuales se

3.5.1.1 Gráfica de Exactitud (X)

X = __X1 + X2 +X3 + X4……..+ Xm______

Por tanto, X se usa como la línea central.

R = _R1 +R2 +…….+Rm_____

La manera de Calcular los límites de control de la gráfica X, es a través de las

3.5.1.2 Gráfica de Precisión (R )

En una empresa que elabora agroquímicos, una característica importante de los

MUESTRA O PESO DE LOS COSTALES

Para resolver el ejercicio, inicialmente se calcula el X promedio y el R promedio.

Reemplazando el límite superior de control, se tiene lo siguiente:

LCSx = 49,84 + (0,223 x 1,07)

Gráfico de Exactitud (X)

Al analizar el peso de los costales de fertilizantes, se observa, que las muestras: 9,

Al reemplazar los límites, se tiene lo siguiente:

Se busca el valor de D3 y D4 en la tabla A1, para n = 15 muestras. Factores para la

LCSR = 1.6532 x 1.07

1,20 1,00 1,00

La muestra 11, se encuentra por encima del límite de control superior.

X = X1 + X2 +X3 + X4……..+ Xm____