UNIDAD 5 INGENIERÍA DE LA CALIDAD. Eq 4

TECNOLÓGICO NACIONAL DE MÉXICO
INSTITUTO TECNOLÓGICO DE ACAPULCO

DEPARTAMENTO DE INGENIERÍA QUÍMICA Y BIOQUÍMICA
Aseguramiento de la Calidad.
Unidad 5: INGENIERÍA DE LA CALIDAD.
Profesora:
Beatriz Gabriel Salmerón.
EQUIPO 4:
Reyes Bautista Samantha Camila 18320424
Rodríguez Palma Doris Eunice 18320429
Quiroz Narváez Luis Antonio 18320416
Ramírez Lozano Filiberto 18320418
Calderón Campos Miguel Ángel 18320308
Silva Flores Fernando 18320440
GRUPO: IB2
Periodo: Enero- junio 2020
FECHA: 09/mayo/2020
1
ÍNDICE.
INTRODUCCIÓN. 3
5. INGENIERÍA DE LA CALIDAD 7
5.1 FUNCIÓN DE PÉRDIDA E INGENIERÍA DE LA CALIDAD DE
ACUERDO A TAGUCHI 11
5.2 CAPACIDAD DEL PROCESO 15
5.2.1 Cp, Cpk, Cpm, Cpkm 15
5.3 TIPOS DE MUESTREO Y DEFECTOS 20
5.4 MUESTREO DE ACEPTACIÓN POR VARIABLES, CON
DESVIACIÓN ESTÁNDAR CONOCIDA Y DESCONOCIDA 26
5.5 USO DE TABLAS DE MUESTREO MILSTD-105D., DODGE-
ROMIG Y MILSTD-414 31
5.6 GRÁFICAS DE CONTROL 40
5.6.1 GRÁFICOS POR ATRIBUTOS 42
5.6.2 GRÁFICOS POR VARIABLES 51
CÓMO HACER UN GRÁFICO DE CONTROL 53
CONCLUSIÓN 55
BIBLIOGRAFÍA Y REFERENCIAS 57
2
INTRODUCCIÓN.
Antes de entrar un producto en el mercado en el mercado, o transferir los
componentes para su montaje, los productos son inspeccionados en algunas
de sus características. Esta inspección tiene especial importancia para
asegurar que las partes van a ajustar adecuadamente durante el montaje, y
para identificar productos cuya mala calidad puede acarrear serios daños en la
seguridad del trabajador, en la economía de la empresa u otra fatalidad
cualquiera. Ejemplos típicos son la fractura de cables, de frenos, de álabes de
turbinas, etc.
CALIDAD DEL PRODUCTO.
Usamos términos como calidad pobre o alta calidad para describir in producto
particular, cierto almacén, ¿Qué es la calidad? Aunque la podemos reconocer
en algunos productos, técnicamente es muy difícil de establecer con precisión.
Calidad se puede definir por:
 La adecuación de un producto para su uso

 La totalidad de características que determinan sobre la capacidad
de un producto para satisfacer una necesidad determinada. Más
recientemente, algunas dimensiones de la calidad han sido
identificadas, incluidas las prestaciones del producto,
dimensiones, durabilidad, fiabilidad, estética, y calidad percibida.
La calidad tiene factores que se pueden definir técnicamente, pero también

depende de opiniones subjetivas. Normalmente, todas las mejoras en la
planificación de la fabricación, así como en su automatización se deben llevar a
cabo sin una pérdida de la calidad del producto. Al contrario de lo que la gente
suele creer, un aumento de calidad puede resultar actualmente en una
reducción de coste del producto considerando que la calidad pobre trae
consigo:
 Coste por insatisfacción del cliente, que puede hacer que se pierda
 Aumenta las dificultades en el montaje y en el mantenimiento de los
componentes
3
 Aumenta el número de reparaciones en campo.
 Disminuye la motivación en el trabajo y por lo tanto las ganas de hacer
las cosas bien y de dedicar mayores energías para aumentar la
productividad.
DESPLIEGUE FUNCIONAL DE LA CALIDAD.
Actualmente se considera que ha una conexión entre el cumplimiento de los
requisitos de uso, o satisfacción del cliente y los parámetros de producción, y
todo ello a través de los requisitos técnicos, las especificaciones de productos y
los elementos del proceso. Para establecer estas relaciones se puede usar el
Despliegue Funcional de la Calidad, más conocido como casa de la calidad
debido a la forma que tienen sus diagramas. En el ejemplo de las figuras 2.1 y
2.2 se representa cómo afecta el valor del apriete en la sujeción de una biela
en el ruido o durabilidad del motor, a través de su influencia en el sistema de
producción, en las especificaciones técnicas de la biela y éstas en los
requisitos técnicos del mecanismo, y finalmente éstos en los requisitos de uso.
LA CALIDAD EN LA GESTIÓN EMPRESARIAL.

La supervivencia de una empresa depende de que los productos que fabrica
satisfagan al cliente en tres aspectos que deben regir la política empresarial:
Plazo, calidad y precio. Estos servicios se asemejan a las tres patas de una
mesa si faltara una, la mesa no cumpliría su función, del mismo modo que la
empresa no realizaría el servicio que se requiere de ella si fallara en uno de
estos tres aspectos. Según la época y las circunstancias se suele poner el
énfasis en una u otra pata, pero, en cualquier caso, éstas deben estar
equilibradas. Cada uno de estos aspectos dependen de factores como la
productividad, versatilidad, capacidad de gestión, estos aspectos es el esfuerzo
continuo por realizar bien todas las tareas. El trabajo bien hecho tanto en sus
aspectos técnicos como morales, tienen un efecto multiplicador en la
rentabilidad de la empresa. El trabajo bien hecho reduce las reparaciones, los
errores, disminuye los retrasos, mejora el uso y mantenimiento de las
máquinas, aumenta la seguridad del trabajador, pero, además, y, sobre todo,
es motivador e involucra más al trabajador en los resultados de la empresa.
4
La calidad no es accidental a la empresa, sino que debería ser algo sustancial,
y afectar a todos los aspectos tanto organizativos, productivos como de relación
con los proveedores y clientes. Es como un perfume que hace que la empresa
esté contenta consigo misma, y mejora las relaciones de confianza y amistad
con clientes y proveedores.
Para asegurar que la empresa se ocupe de algo que debería ser esencial en
ella como es la calidad, la Organización Internacional de Normalización (ISO)
ha elaborado unas normas (ISO 9000) que ayudan a incorporar algunos de los
múltiples aspectos que lleva consigo tener una política empresarial sobre
calidad. La implantación de estas normas fue una de tantas modas que las han
seguido sobre aspectos que también deberían ser sustanciales y estar
grabados en el mismo ser de las empresas, así ha ocurrido con aspectos como
el respeto al medio ambiente (ISO 14000), la seguridad y prevención de riesgos
(OHSAS 18001), y es previsible que aparezcan otras normas que toquen
aspectos morales de la empresa como la formación continua, la innovación, la
deontología empresarial, etc. Todas estas normas se pueden asumir de dos
formas, o bien se toman como un trámite burocrático más, o bien asumir el
espíritu que late detrás de ellas, de forma que se integren como algo sustancial
dentro de los fines de la empresa. Aunque de ellas nos ocuparemos más
adelante.
Algunos expertos en control de calidad han descrito su propio concepto de

calidad estableciendo como unos primeros principios de los cuales derivan
todas las elaboraciones prácticas que presentan sus sistemas de calidad. Entre
estos expertos cabe destacar Deming, Juran y Taguchi por el impacto que han
tenido y siguen teniendo en la industria actual. Todas sus observaciones han
quedado como diversas formas prácticas de asegurar la calidad, que se
traducen en una gestión empresarial según un sistema de gestión de calidad
total (TQM).
ASEGURAMIENTO DE LA CALIDAD
El Aseguramiento de Calidad se puede definir como todas las acciones

necesarias para garantizar que se cumplirán todos los requisitos de calidad. Es
5
el esfuerzo total que un fabricante hace para garantizar que su producto es
conforme a un conjunto detallado de especificaciones y normas. Mientras que
Control de Calidad es el conjunto de técnicas operacionales usadas para
cumplir los requisitos de calidad. A suma de todas las actividades se denomina
Total Quality Management (TQM).
6
INGENIERÍA DE LA CALIDAD.
Todas las actividades de ingeniería de
calidad tienen como objetivo fundamental
fabricar un producto robusto frente a todos
los factores de ruido. Lo robusto de un
producto implica que su característica
funcional no se vea afectada por los
factores de ruido.
Buena calidad significa tener una variación

funcional máxima, esto es un producto que
funcione de acuerdo con lo planeado, en
las más diversas condiciones y durante el
tiempo de vida para el que fue diseñado.
TÉCNICA UTILIZADA.
Por medio de la ANOVA (análisis de varianza). Se determina la cantidad total

de variación debida a cada uno de los factores. A los factores que contribuyen
en mayor medida a la variación, se les debe considerar para reducir su grado
de tolerancia y aumentar de esta forma la calidad.
 Tiempo Empleado en Diseño por Ingenieros.

 Diseño de tolerancias
El diseño de tolerancias es la aplicación del diseño de experimentos, para

hacer cambios sistemáticos en las tolerancias, con el fin de determinar qué
factores son los que más contribuyen a la variación del producto final.
 Objetivo: Determinar los rangos de variación para los parámetros del

producto/proceso una vez que se ha determinado los niveles óptimos.
 Estrategias: Como paso inicial, usar tolerancias amplias, materiales y
componentes de bajo costo. Usando el mejor conjunto de condiciones
que haya quedado determinado en el experimento del diseño de
7
parámetros, establece la variación global de nuestras características de
calidad.
DR. TAGUCHI.
Etapas del Diseño del Producto. Diseño de Parámetros.
1) Detecta y elimina causas. Tiene que ver únicamente con promedios.

2) El método Taguchi tiene que ver con promedios y variaciones.
3) Toma ventaja de efectos lineales y de la interpretación entre los factores
de control y de ruido, con el fin de obtener robustez.
4) Es aplicable al diseño del producto, a la mejora del producto y del
proceso. Mejora la calidad sin incrementar los costos.
5) Diseño de parámetros Metodología Taguchi.
Durante el diseño de parámetros, el diseño

o proceso ingenieril, se busca optimizar el
diseño del sistema a través de la
Experimentación para minimizar la variación
del rendimiento, al enfrentarse a factores
incontrolable y ambientales. Taguchi
comienza por identificar esas características
de calidad que más afectan el rendimiento
del sistema, específicamente si afecta al
cliente.
PROCESO DE DISEÑO.
El diseño de sistemas requiere experiencia

y conocimientos técnicos en un área, es la especialización en dicha área. En el
método de Taguchi el diseño de experimentos se usa con mayor frecuencia en
la etapa de diseño de parámetros.
ESTRATEGIA.
8
 Diseñar un producto partiendo de componentes o materias primas de
menor calidad y bajo costo.
 Reducir la variación sin quitar la causa. No hay incremento en el costo
en el diseño de parámetros.
 Identifica los factores de control y los factores de ruido, tratándolos en
forma separada en el diseño de experimentos.
FACTORES DE RUIDO.
 Causan que una característica funcional se desvié de su valor objetivo.

 Los factores de ruido causan variación y pérdida de calidad.
Taguchi ha observado que ésta perdida de calidad constituye una pérdida de

tiempo y dinero tanto a los consumidores como a los fabricantes y en ultimo
termino a la sociedad.
DISEÑO DE SISTEMAS.
Consiste en el Desarrollo de un sistema que funcione bajo una condición

normal. Requiere conocimientos técnicos en ciencia e ingeniería. Objetivo:
Diseñar un producto seleccionando las condiciones óptimas (parámetros), de
tal manera que el producto sea menos sensible al ruido.
Tipos de ruido
1. Ruido externo: Este ruido se da durante el uso del producto y puede ser
producido por cambios de temperatura, humedad y polvo.
2. Ruido interno: (Deterioro) Este es un gasto de los componentes del
producto.
3. Ruido entre productos: Variación entre productos que son
manufacturados bajo especificaciones similares.
DISEÑO DE SISTEMAS, PROCESOS, PARÁMETROS Y TOLERANCIAS.
Taguchi llama a los factores incontrolables factores de ruido. Ruido es

cualquier cosa que causa a una característica de la calidad desviarse de su
objetivo, el cual subsecuentemente causa una pérdida de calidad. La
9
proporción señal - ruido es un índice de robusticidad de calidad, y muestra la
magnitud de la interacción entre factores de control y factores de ruido.
INGENIERÍA DE CALIDAD FUERA DE LÍNEA.
Problemas de Calidad y Variabilidad Funcional
El primer paso en la ingeniería de calidad consiste en seleccionar las

características de calidad apropiadas, esto implica tener conocimientos del
producto y del proceso, así como del diseño de experimentos. Son actividades
en la línea de manufactura, de control y corrección de procesos, así como del
mantenimiento productivo.
Actividades:
 Uso de gráfica de control.

 Corrección de los procesos.
 Mantenimiento productivo.
Para Taguchi la calidad de un producto está en función de la mínima perdida

causada a la sociedad en el momento en el que el producto se embarca. En
este concepto Taguchi define la perdida de la calidad por medio de la
producción de perdida en la que combina la perdida financiera con las
especificaciones funcionales. Su mayor contribución se debe a los conceptos
de pérdida de calidad y la razón señal ruido, que nos indica en qué situación
esta con respecto al desarrollo del producto y cuando es tiempo de las mejoras
y que hay que hacer y la forma más económica posible.
DR. GENICHI TAGUCHI.
Desde 1949 desarrollo una metodología integral conocida como Ingeniería de

Calidad su propósito es combinar métodos de ingeniería y estadística para
mejorar un rendimiento rápido de costo y calidad, utilizando diseño de
productos y procesos de manufactura para optimizar los mismos.
Concepto de Ingeniería de Calidad: La ingeniería de calidad lleva a cabo

actividades dirigidas a reducir las pérdidas causadas por la variabilidad. Las
actividades de ingeniería de calidad se incorporan en cada paso del desarrollo
10
del producto y de la manufactura a fin de prevenir los efectos de los factores de
ruido.
11
5.1 FUNCIÓN DE PÉRDIDA E INGENIERÍA DE LA CALIDAD DE
ACUERDO A TAGUCHI.
La Función de Pérdida de Taguchi propuesta por el experto en calidad

japones Genichi Taguchi establece que cualquier desviación con respecto al
valor meta o especificación deseada produce una pérdida monetaria para la
sociedad. En este contexto el método de Taguchi se basa en la hipótesis de
que mientras menor sea la variación con respecto a dicho valor objetivo (meta)
mejor será la calidad del producto. Notar que el valor meta o especificación
deseada es equidistante del Límite de Especificación Inferior (LEI) y el Límite
de Especificación Superior (LES).
El aporte de Taguchi radica en incorporar en el análisis la perspectiva del

cliente, dado que en general no existe prácticamente mayor diferencia entre un
producto que esta justo dentro de los límites de especificación y un producto
que está justo fuera de éstas. Por el contrario, la diferencia resulta ser mucho
mayor en términos de la calidad, al comparar un producto que tiene la
especificación meta (objetivo) en relación con un producto que se encuentra
cerca de uno de los límites de especificación (pero en el intervalo [LEI, LES]).
La función de pérdida de la calidad, comúnmente llamada función de perdida

de Taguchi (por su creador Genichi Taguchi, en la segunda mitad del siglo XX),
es una herramienta de cálculo usada en ingeniería para el control de calidad.
Esta herramienta sirve para evaluar de forma numérica la “pérdida de calidad”
en un proyecto, producto o servicio, con respecto a su nivel de calidad óptimo.
La Función de Pérdida de Taguchi se representa en su expresión cuadrática de

modo que las mayores desviaciones respecto al valor objetivo (especificación
deseada o meta) provoquen pérdidas cada vez mayores para la sociedad. La
fórmula es:
Donde:
1) X: Valor de la característica de calidad

2) T: Valor meta u objetivo
3) c: Pérdida por una unidad producida en el límite de especificación
12
4) d: Límite de Especificación Superior (LES) – T
Los parámetros de este y de su proceso de fabricación deben estar

controlados. Una desviación en estos parámetros supone una pérdida en la
calidad, por ello debemos manejarnos en unos rangos donde el producto sea
válido, es decir, poder fluctuar en rangos de acción donde dentro de los
mismos el producto cumpla las características que se especifican. Para ello,
puede ser importante definir cuáles son los parámetros clave donde se pueden
dar con mayor facilidad las pérdidas de calidad, y tener más controlados estos
parámetros clave.
EJEMPLO FUNCIÓN DE PÉRDIDA DE TAGUCHI.
Suponga que tenemos una característica de calidad que tiene una

especificación de 0.500 +- 0.020, y que si el valor de la característica de
calidad difiere 0.02 del valor deseado de 0.500, es
probable que el producto falle durante el período de
garantía, y su reparación cuesta 50 dólares. Estos
valores se pueden calcular analizando los registros
de la compañía. Entonces:
Luego, si la desviación resultará ser sólo 0.010, la pérdida estimada al utilizar la

Función de Pérdida de Taguchi sería:
La Ingeniería de Calidad es un
conjunto de conocimientos técnicos para la formulación de una política, así
como planear, proyectar y analizar la calidad de un producto, a fin de
establecer un sistema de calidad que pueda ser de satisfacción plena al
consumidor a un costo mínimo. La ingeniería de calidad lleva a cabo
actividades dirigidas a reducir las pérdidas causadas por la variabilidad. Las
actividades de ingeniería de calidad se incorporan en cada paso del desarrollo
del producto y de la manufactura a fin de prevenir los efectos de los factores de
ruido.
La secuencia de manufactura desde el desarrollo del prototipo y del producto

hasta el servicio al cliente incluye las siguientes fases:
13
1- Ingeniería de calidad fuera de línea: Se encarga de la optimización del
diseño del producto y los procesos, una de las herramientas es el diseño de
experimentos.
¿Qué es pérdida y quien paga

por ella?
 Generalmente
pensamos que es un
costo de manufactura
inherente al producto.
 Sin embargo, es un
costo entre Fabricante-
consumidor.
Costos en que incurre el fabricante por una reacción negativa del consumidor:
 Devoluciones.
 Costos de garantía.
 Consumidor insatisfecho.
 Tiempo y dinero gastado por los consumidores.
 Perdida eventual de participación en el mercado.
Las consideraciones de variabilidad pueden ser aplicadas al producto y

también al servicio. En el contexto de la definición de calidad, la perdida debe
restringirse en dos categorías:
 La pérdida causada por la variabilidad de la función

 La pérdida causada por defectos dañinos
Un artículo con buena calidad realiza sus funciones sin variabilidad y causa
pequeñas perdidas a través de los defectos del tipo dañino, incluso el costo de
usarlo.
Si el control del costo se preocupa por reducir las diferentes perdidas antes de
que el producto salga al mercado, el control de calidad se preocupa por reducir
los tipos de pérdidas que puedan causar problemas a la sociedad.
14
Si el control de calidad no se restringe a los problemas de perdida causados
por la variabilidad funcional y a los defectos del tipo dañino no relacionados, se
ignorarán y se considerarán fuera del dominio de la ingeniería.
2- Ingeniería de calidad en
línea: Son actividades en la
línea de manufactura, de
control y corrección de
procesos, así como del
mantenimiento productivo.
ACTIVIDADES:
 Uso de grafica de
control.
 Corrección de los procesos.
 Mantenimiento productivo.
15
5.2 CAPACIDAD DEL PROCESO.
5.2.1 Cp, Cpk, Cpm, Cpkm.
Una necesidad muy frecuente en los procesos consiste en evaluar la

variabilidad y tendencia central de una característica de calidad, para así
compararla con sus especificaciones de diseño. La capacidad de proceso es el
grado de aptitud que tiene un proceso para cumplir con las especificaciones
técnicas deseadas.
Cuando la capacidad de un proceso es alta,

se dice que el proceso es capaz, cuando se
mantiene estable a lo largo del tiempo, se
dice que el proceso está bajo control,
cuando no ocurre esto se dice que el
proceso no es adecuado para el trabajo o
requiere de inmediatas modificaciones.
La “capacidad” a la que nos referimos es la que tiene el proceso para producir

piezas de acuerdo con las especificaciones, es decir, dentro de los límites de
tolerancia establecidos.
Para evaluar la capacidad de un proceso es

necesario contar con suficientes muestras, por
lo que el cálculo del Cp se encuadra dentro de
un estudio estadístico.
La capacidad potencial del proceso se define

como:
Terminología:
3- Cp Capacidad del proceso

4- LST límite superior de la tolerancia
5- LIT límite inferior de la tolerancia
6- σ desviación típica (sigma)
Donde:
16
Para una mejor interpretación del índice analicemos la siguiente gráfica:
El Cp compara el ancho de
las especificaciones
(tolerancia) con la amplitud
de la variación (dispersión
natural) del proceso. Sí la
variación del proceso es
mayor que la amplitud de las
especificaciones, entonces el
Cp es menor que 1, lo que sería evidencia de que no se está cumpliendo con
las especificaciones. Sí el Cp es mayor que 1 es una evidencia de que el
proceso es potencialmente capaz de cumplir con las especificaciones.
El Cp se utiliza para conocer y tomar decisiones sobre el proceso dependiendo

de su valor, es el tipo de proceso y la decisión que debe de tomarse.
La siguiente tabla nos muestra la interpretación cualitativa del índice Cp.
Ahora bien, la media (μ), no entra en juego en el Cp. Por lo que lo que
podríamos tener un Cp muy alto gracias a valores muy centrados (pequeña
desviación típica) pero muy desplazados de lo que se requiere según
especificación:
17
Para evitar este problema debemos incluir en el cálculo de la capacidad el valor
medio de los resultados del proceso:
1. μ media
Para ello consideramos el indicador Cpk.
Cpk:
El índice Cp estima la capacidad potencial del

proceso para cumplir con tolerancias, sin embargo, comúnmente se reconoce
que una de sus desventajas es que no toma en cuenta el centrado del proceso.
Para dar solución a esto el Cp se puede modificar para evaluar también donde
se localiza la media del proceso respecto a las
especificaciones. Al índice de Cp modificado se le
conoce como Índice de Capacidad Real Cpk.
Con el Cpk conseguimos

evaluar no sólo si la
capacidad es acorde con
las tolerancias sino si la media “natural” del proceso
se encuentra o no centrada.
Formula:
EL ÍNDICE DE TAGUCHI (Cpm):
Analiza los límites establecidos por el área técnica y la tolerancia o variación

natural del proceso, pero se diferencia de los otros índices de capacidad,
porque contiene en su fórmula el valor nominal (N), lo que se puede traducir,
según Taguchi en el sentido que la mejora de un proceso debe estar enfocada
a disminuir su variación con respecto al valor nominal, y no solo a tener en
18
cuenta las especificaciones técnicas del producto [3]. Los rangos a través de
los cuales se puede interpretar el índice de Taguchi son:
2. Cpm < 1: el proceso no cumple con las especificaciones.

3. Cpm > 1: el proceso cumple con las especificaciones.
4. Cpm > 1,33: el proceso cumple con las especificaciones, y la μ está
cerca de las
especificaciones.
Los límites o intervalos descritos en la Ilustración refieren los límites dentro de

los cuales se puede evaluar la condición del proceso, y establecen que entre
más cercana esté la media del proceso μ con respecto a la condicional nominal
del mismo (N), se puede inferir que las variaciones generadas en el proceso
son tan pequeñas que no están afectando el desempeño del proceso.
Cpkm:
Para aquellos casos donde el valor de T no se encuentre en el centro de las

especificaciones, desarrollaron el índice Cpmk, el cual es una combinación del
Cpk y del Cpm. La forma de calcular este índice se presenta mediante la
ecuación:
( LES−μ)
Cpkm=min ⁡
[ 3 √ σ 2 +(μ−T )2
∗( μ−LEI )
3 √ σ 2+( μ−T )2 ]
19
Desde entonces, varias medidas de la capacidad de un proceso han sido
presentadas por diversos autores después de 1980.
CAPACIDAD DE NUESTRO PROCESO PRODUCTIVO (Cp):
Cuando llevemos a cabo el estudio de algún proceso nos daremos cuenta de

que es competente en la dimensión en que posea la aptitud de fabricar en
apariencia dentro de las características que se solicitaron, ya que para esto
nuevamente necesitamos forzosamente tener nuestro proceso dentro de
control estadístico, en cuanto a lo que se refiera a capacidad de nuestro
proceso es una clasificación concerniente, por ejemplo si tengo un solo
producto para mis distintos clientes, y las características con las que lo estoy
produciendo son distintas para cada uno de ellos, por lo tanto la capacidad del
proceso de fabricación poseerá un interés distinto hacia los diferentes clientes
que les estoy vendiendo mi producto.
Por lo que concluyó diciendo que:
1. Cp: Es la disposición o capacidad que posee un proceso de fabricación

para poder llevar a cabo la producción de algún producto acorde con las
características con las que fue asignado, y esto implica que se
encuentre dentro de las flexibilidades determinadas. Y lo más
indispensable de esto es que debemos tener las necesarias pruebas
(datos o muestras) para poder así hacer los cálculos necesarios.
2. Cpk: Con esto podemos obtener llevar a cabo una evaluación o
valoración de la media normal de la fabricación se haya dentro de los
establecido (centrada) y no solamente la capacidad ya que están son
determinadas con relación a las flexibilidades.
3. Cpm: Nos ayudara para a ver si la capacidad del proceso de fabricación
está acorde a un propósito “X” que nosotros podemos marcar o
establecer.
4. Cpkm: Por último, esto se utiliza en los casos donde el valor de T no se
encuentre en el centro de las especificaciones.
20
5.3 TIPOS DE MUESTREO Y DEFECTOS.
Se comparan los datos obtenidos del proceso con las especificaciones dadas:
 Límite Inferior de Especificaciones (LIE)

 Límite Superior de Especificaciones (LSE)
Si los límites superior e inferior del proceso se

encuentran dentro del rango establecido por los
límites de las especificaciones, significa que el proceso analizado satisface
completamente al cliente.
Si uno o ambos límites del proceso se encuentran

fuera del rango establecido por las especificaciones,
límite superior e inferior, significa que la diferencia
entre los límites inferiores y/o superiores (del
proceso y las especificaciones) representan los productos defectuosos que se
obtienen con nuestro proceso.
Cuando se presenta este caso se duden tomar diferentes medidas, como

pueden ser:
 Cambiar el proceso por uno que sea capaz de satisfacer completamente

las especificaciones.
 Buscar mercados alternos en los que se puedan vender los productos
defectuosos a menor precio.
 Reprocesar los productos defectuosos.
MUESTREO.
Es la actividad por la cual se toman ciertas muestras de una población de

elementos de los cuales vamos a tomar ciertos criterios de decisión, el
muestreo es importante porque a través de él podemos hacer análisis de
situaciones de una empresa o de algún campo de la sociedad. Los nuevos
términos, los cuales son frecuentemente usados en inferencia estadística son:
21
 Estadístico: Un estadístico es una medida usada para describir alguna
característica de una muestra, tal como una media aritmética, una
mediana o una desviación estándar de una muestra.
 Parámetro: Un parámetro es una medida usada para describir alguna
característica de una población, tal como una media aritmética, una
mediana o una desviación estándar de una población.
Cuando los dos nuevos términos de arriba son usados, por ejemplo, el proceso
de estimación en inferencia estadística puede ser descrito como le proceso de
estimar un parámetro a partir del estadístico correspondiente, tal como usar
una media muestral (un estadístico para estimar la media de la población (un
parámetro).
DISTRIBUCIÓN EN EL MUESTREO.
Cuando el tamaño de la muestra (n) es más pequeño que el tamaño de la

población (N), dos o más muestras pueden ser extraídas de la misma
población. Un cierto estadístico puede ser calculado para cada una de las
muestras posibles extraídas de la población. Una distribución del estadístico
obtenida de las muestras es llamada la distribución en el muestreo del
estadístico.
Por ejemplo, si la muestra es de tamaño 2 y la población de tamaño 3

(elementos A, B, C), es posible extraer 3 muestras (AB, BC Y AC) de la
población. Podemos calcular la media para cada muestra. Por lo tanto,
tenemos 3 medias muéstrales para las 3 muestras. Las 3 medias muéstrales
forman una distribución. La distribución de las medias es llamada la distribución
de las medias muéstrales, o la distribución en el muestreo de la media. De la
misma manera, la distribución de las proporciones (o porcentajes) obtenida de
todas las muestras posibles del mismo tamaño, extraídas de una población, es
llamada la distribución en el muestreo de la proporción.
ERROR ESTÁNDAR.
La desviación estándar de una distribución, en el muestreo de un estadístico,

es frecuentemente llamada el error estándar del estadístico. Por ejemplo, la
22
desviación estándar de las medias de todas las muestras posibles del mismo
tamaño, extraídas de una población, es llamada el error estándar de la media.
De la misma manera, la desviación estándar de las proporciones de todas las
muestras posibles del mismo tamaño, extraídas de una población, es llamada
el error estándar de la proporción. La diferencia entre los términos "desviación
estándar" y "error de estándar" es que la primera se refiere a los valores
originales, mientras que la última está relacionada con valores calculados. Un
estadístico es un valor calculado, obtenido con los elementos incluidos en una
muestra.
ERROR MUESTRAL O ERROR DE MUESTREO.
La diferencia entre el resultado obtenido de una muestra (un estadístico) y el

resultado el cual deberíamos haber obtenido de la población (el parámetro
correspondiente) se llama el error muestral o error de muestreo. Un error de
muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa
de la población, sino que se toma una muestra para estimar las características
de la población. El error muestral es medido por el error estadístico, en
términos de probabilidad, bajo la curva normal. El resultado de la media indica
la precisión de la estimación de la población basada en el estudio de la
muestra. Mientras más pequeño el error muestras, mayor es la precisión de la
estimación. Deberá hacerse notar que los errores cometidos en una encuesta
por muestreo, tales como respuestas inconsistentes, incompletas o no
determinadas, no son considerados como errores muéstrales. Los errores no
muéstrales pueden también ocurrir en una encuesta completa de la población.
CONCEPTOS BÁSICOS DE MUESTREO.
El muestreo, es el proceso por el cual se define la muestra de una población en

estudio, y es el que nos proporciona las consideraciones a tomar de dicha
muestra, es decir, cuál será el tamaño de la muestra y que elementos deben ir
en ella.
Pasos para seleccionar una muestra:
a) Definir el objetivo del estudio.
23
b) Definir la población objetivo.
c) Seleccionar un procedimiento.
d) Definir el tamaño de la muestra.
e) Seleccionar las unidades muéstrales.
Existen varias clases de muestreo, y se usan o no de acuerdo al tipo de

estudio, objetivo del estudio, la forma de las variables, características de la
población, incluso hasta la cantidad de recursos disponibles. Básicamente los
procesos de muestreo se dividen en probabilísticos y no probabilísticos.
 Probabilísticos: son los procesos que asignan una probabilidad a los

elementos muéstrales y tienen la particularidad de que sus resultados se
pueden generalizar para toda la población. Dentro de los tipos de
muestreo probabilístico tenemos.
 Muestreo aleatorio simple: se caracteriza porque otorga la misma
probabilidad de ser elegidos para la muestra a todos los elementos de la
población.
 Muestreo sistemático: se utiliza en poblaciones infinitas donde el tamaño
de la muestra se determina con una formula y se le asigna un salto o
una frecuencia.
 Muestreo aleatorio estratificado: consiste en dividir la población en
estratos o niveles y seleccionar aleatoriamente elementos de cada
estrato para la muestra.
 Muestreos no probabilísticos: aquí los elementos de la muestra no se
seleccionan de forma aleatoria, su elección se da de acuerdo a los
objetivos del estudio, los resultados obtenidos no se pueden generalizar
para toda la población, se utilizan en estudios de exploración y de corte
cualitativo.
TIPOS DE MUESTREO.
MUESTREO SIMPLE
Es un procedimiento en el que se toma una muestra aleatoria de n unidades

del lote para su estudio y se determina el destino de todo el lote con base en la
información contenida en la muestra.
24
Consiste en extraer una muestra aleatoria de n unidades de una corrida o lote
original e inspeccionarla sobre las bases de aceptación o rechazo para
encontrar menos unidades defectuosas. La curva característica de operación
demuestra la bondad con que funciona el programa de muestreo. En esta curva
se representan las probabilidades de aceptación, Pa, contra la proporción de
unidades p, supuesta para los lotes de entrada. Dichas proporciones y los
riesgos de aceptación o rechazo que implican se deducen de la naturaleza de
la curva CO y con ello se determina el programa de muestreo simple que cubre
las especificaciones deseadas.
MUESTREO DOBLE
Tiene dos fases. En la primera fase se selecciona una muestra inicial y se toma
una decisión basada en la información de esta muestra. Esta decisión puede
llevar a tres alternativas: aceptar el lote, rechazar el lote o tomar una segunda
muestra. Si se toma esta última estamos ante la segunda fase, y se combina la
información de ambas muestras para decidir sobre la aceptación o el rechazo
del lote.
MUESTREO MÚLTIPLE
Es una extensión del concepto de muestreo doble a varias fases en el que

pueden necesitarse más de dos muestras para llegar a una decisión acerca de
la suerte del lote. Los tamaños maestrales suelen ser menores que en un
muestreo simple o doble
MUESTREO DE ACEPTACIÓN POR ATRIBUTOS
El plan de muestreo por atributos (n, c) consiste en inspeccionar muestras

aleatorias de n unidades tomadas de lotes de tamaño N, y observar el número
de artículos disconformes o defectuosos d en las muestras. Si el número de
artículos defectuosos d es menor que o igual a c, se aceptara el lote, si el
número de dichos artículos defectuosos d es mayor que c se rechazara el lote.
MUESTREO MÚLTIPLE Y SECUENCIAL
Muestreo múltiple es una extensión del concepto de muestreo doble a varias

fases en el que pueden necesitarse más de dos muestras para llegar a una
25
decisión acerca de la suerte del lote. Los tamaños maestrales suelen ser
menores que en un muestreo simple o doble. Muestreo secuencial es una
extensión del muestreo múltiple a un número elevado de fases (teóricamente
infinito) en el que se van seleccionando artículos de uno en uno del lote y,
según la inspección de cada unidad, se toma una decisión para aceptar o
rechazar el lote o bien seleccionar otro artículo para seguir inspeccionando.
MÉTODOS DE MUESTREO. VENTAJAS E INCONVENIENTES
MÉTODO DE
VENTAJAS DESVENTAJAS
MUESTREO
Sencillo y fácil comprensión. En muestras pequeñas,
Muestreo aleatorio puede no representar
Cálculo rápido de medianas y adecuadamente a la
simple
varianzas. población.
Tiende a asegurar la representatividad
Muestreo de la población para las variables de Debe conocerse la
estratificación. distribución en la población de
estratificado
Estimaciones más precisas. Pueden las variables de
aplicarse diferentes fracciones de estratificación.
muestreo dentro de cada estrato.
Requiere un listado completo de

De fácil aplicación. la población.
Muestreo
sistemático Si la población está ordenada Si la constante de muestreo está
asegura una cobertura de las relacionada al fenómeno de
unidades de todos los tipos. interés pueden encontrarse
estimaciones sesgadas.
El error estándar es superior al

Resulta eficiente en muestras
cometido en el muestreo
Muestreo en grandes y dispersas. No es aleatorio simple o estratificado.
etapas múltiples necesario un listado de toda la
El cálculo del error estándar es
población.
complicado.
26
5.4 MUESTREO DE ACEPTACIÓN POR VARIABLES, CON
DESVIACIÓN ESTÁNDAR CONOCIDA Y DESCONOCIDA.
MUESTREO DE ACEPTACIÓN DE VARIABLES.
En los planes de muestreo de aceptación por Variables se especifican el

número de artículos que hay que muestrear y el criterio para juzgar los lotes
cuando se obtienen datos de las mediciones respecto a la característica de
calidad que interesa.
LA MEDIA Y DESVIACIÓN ESTÁNDAR MUÉSTRALES DE LA
CARACTERÍSTICA DE CALIDAD.
En este tipo de planes se toma una muestra aleatoria del lote y a cada unidad
de la muestra se le mide una característica de calidad aleatoria del lote Peso,
Longitud, etc. Con las mediciones se calcula un estadístico, que generalmente
está en función de la media y la desviación estándar maestral, y dependiendo
del valor de este estadístico al compararlo con un valor permisible, se aceptará
o rechazará todo el lote. Tiene la ventaja de precisar tamaños de muestra
menores que su equivalente por atributos.
LAS CONTRAPARTIDAS.
1) En general es más costoso medir un componente que realizar una

inspección por atributos.
2) Lleva consigo la servidumbre de recogida de datos y cálculos.
3) En caso de que un elemento esté definido por varias características
variables, es necesario realizar varios planes de muestreo
simultáneamente para cada una de las características, mientras que en
el caso de atributos es posible globalizarlo en uno
PLANTEAMIENTO ESTADÍSTICO.
El muestreo por variables requiere que las características a inspeccionar estén

distribuidas según una ley normal y se trata de estimar la media poblacional a
través de la media maestral. Pueden presentarse los casos siguientes:
 σ conocida y un solo límite de tolerancia.
27
 σ conocida y dos límites de tolerancia (tolerancias bilaterales).
 σ desconocida y un solo límite de tolerancia.
 σ desconocida y dos límites de tolerancia (tolerancias bilaterales).
El hecho de que se conozca o no la σ determina la distribución estadística a

emplear en la estimación de la media. Por otra parte, si las piezas tienen
tolerancias bilaterales implica que deben considerarse las dos colas de la
distribución, mientras que si hay un solo límite debe considerarse una sola cola.
SIGMA CONOCIDA Y UN SOLO LÍMITE DE TOLERANCIA.
De manera análoga al muestreo por atributos, se define el NCA como aquella

fracción defectuosa con la que un lote tiene el 95% de probabilidades de ser
aceptado por el plan de muestreo. En el caso de que exista un solo límite de
tolerancia, la distancia de la media del
lote y la tolerancia deberá ser tal que
Si la media del lote es µ (y por tanto la fracción defectuosa es igual al NCA), el
concepto de NCA requiere fijar un nivel
crítico k, tal que:
Lo que equivale a que la media
muestral será inferior
a: Si la media
28
muestral es superior a ese valor, entonces se puede rechazar el lote con un
nivel de significación α =100 – 95 = 5%.
Si se fijan dos puntos de la curva de operación (por ejemplo, el NCA y la CL), el

cálculo del tamaño de la muestra requerido n, y el factor k se calcula de
manera sencilla
SIGMA DESCONOCIDA
En este caso, la t de Student nos permite

realizar un contraste de la media, pero no nos
permite fijar una fracción defectuosa del lote.
Una vez obtenida una muestra de tamaño n,
con una media y una
desviación típica muestral, el
problema es determinar k tal
que si: se rechace el lote con un nivel de significación prefijado.
x − ks es una variable aleatoria cuya media es µ - kσ y su varianza es
Por otra
parte:
Teniendo en cuenta que:
Entonces:
Con lo que se deduce que el hecho de desconocer la varianza del

lote, penaliza el tamaño de la muestra requerido en un factor
29
De manera que, si se fija un NCA y una CL, el plan de muestreo requerido es
(caso de un límite de tolerancia):
En el caso de dos límites de tolerancia sería

necesario realizar las mismas correcciones que en el caso de que la que la σ
sea conocida
MUESTREO SECUENCIAL DE VARIABLES
Las suposiciones para la aplicación de este método son: la característica de

calidad tiene distribución Normal y se conoce la desviación estándar del lote o
proceso. En el plan de muestreo secuencial por variables se grafica la suma
acumulada de las mediciones de la característica de calidad. Las líneas de los
límites para aceptar el lote, para rechazar y seguir con el muestreo se manejan
como se hace en un plan de muestreo por atributos.
MÉTODO DEL DIAGRAMA DEL LOTE
En este método se utiliza una distribución de frecuencias para los datos

muéstrale a fin de juzgar el lote. Una característica importante de este método
es que puede usarse para distribuciones Normales y no Normales de la
característica de calidad. La gran desventaja de este método es que la
distribución de frecuencias que se construye con 10 muestras de tamaño 5, no
siempre da la indicación efectiva de la distribución real y por lo regular los
tamaños de muestra no son suficientemente grandes para discriminar con
exactitud los lotes cuando se tienen que detectar niveles muy bajos de fracción
no conforme.
CALIBRACIÓN CON LÍMITES ESTRECHOS
Es un procedimiento alterno del muestreo por variables, se utiliza cuando se

conoce la desviación estándar y consiste en utilizar un plan de muestreo por
atributos con límites de especificación más estrechos que los indicados por el
30
diseño del plan. Puede ser útil cuando las fracciones defectuosas P1 y P2 son
pequeñas y el muestreo por variables es muy costoso o no es posible
realizarse por inconvenientes técnicos. Sin embargo, la utilidad de este
procedimiento depende de la distribución de la característica, pero usualmente
se supone Normalidad de los datos de lo contrario el plan de calibración no
funcionaría como se espera.
TIPOS DE GRÁFICOS PARA MUESTREO POR VARIABLES
 Promedios y rangos.
 Promedios y desviaciones estándar.
 Medias y rangos.
 Lecturas individuales.
31
5.5 USO DE TABLAS DE MUESTREO MILSTD-105D., DODGE-
ROMIG Y MILSTD-414.
NORMA-MIL-STD-105D
NORMA MIL. STD. 105 d Muestreo de aceptación por atributos: Normas Mil.
Std. 105D del Departamento de la Defensa (E.U.A.) y ANSI/ASQC Std. Z1.4 e
ISO Std. 2859.1. DESCRIPCIÓN DE LA NORMA MILITARY ESTÁNDAR 105D
LOS PROCEDIMIENTOS MILITARES estándares de muestreo para inspección
por atributos se crearon durante la II Guerra Mundial. Los procedimientos y
tablas para pertrechos militares se prepararon en 1942, y pasaron después a
convertirse (con modificaciones) en tablas para las Fuerzas de Servicios del
Ejército. Las tablas de la Armada fueron publicadas en 1945 y adoptadas en
1949 como norma conjunta Ejército – Armada. Este JAN-STD fue sustituido por
el Mil.Std.105A en 1950. Desde entonces, ha habido modificaciones menores
en la norma 105, publicada como 105B y 105C. Mil. Std. 105D fue publicada
por el gobierno de Estados Unidos en 1963. En 1971 fue adoptada por el
American National Standars Institute como ANSI Standard Z1.4, y en 1973,
salvo por pequeños cambios editoriales, fue adoptada por la Internacional
Organization for Standarization como ISO 2859.
La Mil. Std.105D es un conjunto de tales procesos organizado en un sistema de

métodos de muestreo. Un método (Scheme) de muestreo consiste en una
combinación de un proceso de muestreo normal, uno de muestreo severo y
uno de muestreo reducido o abreviado, con reglas para cambiar de uno a otro.
El punto básico de Mil. Std. 105D es el nivel aceptable de calidad o AQL., al

aplicar el estándar se espera que en una conferencia (a alto nivel) entre un
proveedor y una agencia militar, quedará especificado claramente para el
proveedor lo que, para fines del muestreo de aceptación, la agencia considera
como nivel aceptable de calidad para una característica del producto. Se
espera que el proveedor someta para inspección varios lotes de este producto,
y es el propósito del procedimiento de muestreo de la Mil. Std. 105 d, forzar al
proveedor para que produzca, por lo menos un producto de calidad AQL. Esto
se logra no solamente mediante la aceptación y rechazo de un proceso de
32
muestreo particular, sino al disponer el cambio a otro procedimiento de
muestreo más exigente, en cuanto se presenten pruebas de que el producto
del contratista se ha deteriorado, pasando a ser inferior al AQL convenido.
NORMA MIL. STD. 105 d La Mil. Std. 105D se refiere así a una serie de AQLs.
Para los procesos de fracción defectuosa, el AQL varía desde 0.10 a 10%.
Para procedimientos de defectos/unidad hay 10AQLs adicionales que llegan
hasta mil defectos por cada cien unidades. Se observará que para los niveles
más bajos de AQL, el mismo proceso de muestreo puede ser utilizado para
controlar, ya sea una fracción defectuosa o el número de defectos por unidad.
Los AQLs relacionados en la norma, se han elegido de manera que cada uno
de ellos tenga una proporción de 1.585 con el AQL situado inmediatamente
abajo del mismo. La razón para esto se indica a continuación. Además de una
decisión inicial acerca de un AQL, es también necesario, al aplicar la Mil.
Std.105D, decidir acerca del “nivel de inspección”. Esto determina la relación
entre los tamaños del lote y la muestra. Se ofrecen tres niveles generales de
inspeccione. El nivel II es el que se considera como normal. El nivel I puede
especificarse cuando se necesita menos selección, y el nivel III cuando se
requiere una diferencia mayor. Hay también cuatro niveles especiales. La
decisión acerca de cuál nivel de inspección se usará, se basa en el tipo de
producto que se trate. Para elementos poco costosos y sencillos, el nivel puede
ser bajo; para piezas costosas y complejas deberá ser alto. Si la inspección es
perjudicial para el producto puede utilizarse un bajo nivel de inspección. El nivel
de inspección se adopta al iniciar el programa de muestreo, y no se le cambia,
en general a partir de este momento.
La Mil. Std. 105D ofrece tres tipos de procedimientos de muestreo,

correspondiendo generalmente la decisión al inspector del gobierno a cargo de
la operación. Los tres tipos se refieren al proceso de muestreo sencillo, doble y
múltiple. La selección entre uno y otro se hace generalmente sobre la base de
la conveniencia administrativa. Debido a la posibilidad de escoger entre los tres
tipos de procesos, el estándar no muestra inmediatamente el tamaño de la
muestra, sino que suministra inicialmente una letra código para el tamaño.
33
Esto, junto con la decisión del tipo de procedimientos, señala el proceso de
muestreo específico por utilizar.
Los pasos en el uso de las normas pueden resumirse como siguen:

a) Decisión del AQL.
b) Decisión el nivel de inspección.
c) Determinación del tamaño del lote.
d) Consultar la tabla para encontrar la letra código correspondiente al
tamaño de la muestra.
e) Decisión en cuanto al procedimiento de muestreo a utilizar.
f) Uso de la tabla correcta para encontrar el proceso por utilizar.
g) Uso de la tabla de inspección más estricta, para el mismo tipo de
proceso, cuando se requiera cambiar a una inspección más estricta
La norma contiene curvas CO para los distintos procesos de muestreo sencillo,
un ejemplo de la tabla 1, estas curvas CO tipo B. Para AQLs hasta de un 10%,
y tamaño de muestras menores de 80, se utilizó la distribución binomial en su
cálculo; para AQLs y tamaños de muestras mayores, se utilizó la distribución
de Poisson, ya que esta es la distribución adecuada para los procesos de
defectos/unidad. Las curvas CO para los procesos doble y múltiple igualados
son en general comparables con las de procedimientos de muestreo sencillo
correspondientes. Las normas también proporcionan valores numéricos para
varias curvas CO.
Las curvas CO presentadas en el estándar, son las correspondientes al

proceso de muestreo inicial. La norma no da las curvas CO del “método” que
resultaría de seguir las reglas para el cambio manteniendo el promedio del
proceso en un valor p’ dado. Sin embargo, las últimas se proporcionan en la
revisión de la ANSI Z1.4 La Mil. Std. 105D también presenta curvas ASN para
muestreo sin reducción en sus procesos doble y múltiple. Como auxiliar en los
procedimientos de muestro descritos antes, la Mil. Std. 105D admite cambios a
inspección reducida si la calidad se manifiesta como especialmente buena.
Para esto, la producción debe seguir un ritmo normal, se deben haber aceptado
a los 10 últimos lotes durante la inspección normal, y el número total de
defectuosos (o defectos) debe ser menor que el valor estipulado en la tabla
34
siguiente. La idea básica de la inspección abreviada, es ahorrar dinero
gubernamental cuando la calidad está resultando buena.
Tabla 1:
Una muestra de las curvas CO del Military Estándar 105D (las curvas
pertenecen al muestreo sencillo. Las curvas para muestreo doble o múltiple se
aproximan tanto como sea posible. Todas son para la letra código de muestra
K).
La norma tiene tablas suplementarias que abarcan los puntos del 5 y 10% de
las curvas CO. Estos valores se dan en beneficio de aquellos lectores que
están interesados en limitar el riesgo de aceptación de lotes individuales peores
que una fracción defectuosa de la tolerancia del lote, o 2cierto número de
defectos por unidad en la tolerancia del lote. Hay además una tabla de valores
AOQL, para procedimientos de inspección normal y estricta para los que se
interesen en este aspecto. La norma diferencia los defectos críticos, mayores y
menores. Es práctica común el escoger un AQL = 1% para defectos mayores, y
un AQL = 2.5% para defectos menores. Los defectos críticos no son
aceptados.
35
MÉTODO DE DODGE & ROMING.
Fue desarrollado en el siglo XX, en la

década de los años veinte, H. F. Dodge
y H. G. Roming diseñaron un juego de
tablas de inspección para la aceptación
de producto lote por lote mediante el
muestreo de atributos. Estos métodos
se basan en dos de conceptos nivel de calidad límite (NCL) y límite de la
calidad promedio de salida (LCPS). Por cada uno de estos conceptos hay
tablas, tanto para muestreo sencillo como doble. Por razones pedagógicas solo
se desarrollan el método múltiple.
La ventaja principal de la metodología de Dodge-Roming, es la reducida

inspección necesaria para un procedimiento de inspección determinado. Esta
ventaja hace especialmente atractivas las tablas en la inspección que se hace
en el mismo lugar donde son producidos los productos a evaluar.
Este Método se basa en la probabilidad de que un lote en particular, cuyo

porcentaje de no conformidad sea igual al NCL, resulte aceptado. Esta
probabilidad es el riesgo del consumidor, β, y es igual a 0.10. Los planes NCL
garantizan que los lotes individuales de mala calidad rara vez resulten
aceptados. Dodge y Roming emplearon el término "Por ciento de defecto de
tolerancia de un lote" (LTPD lot tolerance percent defective). En nuestro caso
utilizaremos el término "Nivel de calidad límite, (NCL)" que resulta más
adecuado.
Hay dos juegos de tablas NCL: uno para el muestreo simple y otro para el
muestreo doble. Cada juego tiene tablas para valores de NCL de 0.5, 1.0, 2.0,
3.0, 4.0, 5.0, 7.0 Y 10.0%, con un total de 16 tablas. Como ejemplo, se utilizará
la tabla 9-6 para muestreo simple, utilizando un NCL = 1.0%.
El primer paso en la metodología es decidir acerca de la utilización de
muestreo simple o el muestreo doble. Además, el NCL tiene que calcularse, lo
que se puede hacer de manera semejante al caso de NCA (AQL). El tipo de
muestro (simple o doble) y el NCL determinarán qué tabla hay que utilizar.
36
Una vez que se sabe cuál es el tamaño del lote y el promedio del proceso, se
obtiene el plan de muestreo de aceptación. Al analizar las tablas NCL se
desprende que:
o Conforme aumenta el tamaño del lote, el tamaño relativo de la

muestra disminuye. Por ejemplo, en el caso de un proceso con
promedio de 0.25%, un lote de tamaño 1000 tiene un tamaño de
muestra de 335, en tanto que en un lote de tamaño 4000 el
tamaño de la muestra es de 645. El tamaño del lote aumentó en
un factor de aproximadamente 2, por lo que, los costos de
inspección son más económicos cuando el tamaño del lote es
grande.
o Las tablas continúan hasta que el promedio del proceso es la
mitad del NCL. No es necesario contar con más promedios de
procesos cuando el promedio del proceso excede a la mitad de
NCL, de ser así una inspección del 100% resulta más económica
que la inspección por muestreo.
o Conforme aumenta el promedio del proceso, se produce el
consecuente aumento en la cantidad inspeccionada. Es decir,
una mejora en el promedio del proceso da como resultado
menos inspecciones y un menor costo de inspección por
muestreo.
LÍMITE DE LA CALIDAD PROMEDIO DE SALIDA, LCPS (AOQL).
Los planes de muestreo para el concepto LCPS se concibieron como

respuesta a necesidades surgidas en cierta situación de fabricación. Cuando
se especifica la cantidad de lote, como es el caso en los lotes del cliente
(homogéneos) es aplicable el concepto de LCPS, pero también es aplicable
cuando el lote inspeccionado es una subdivisión conveniente del flujo de un
producto para propósitos de manejo de materiales (no homogéneos). Los
planes LCPS limitan la cantidad de la calidad pobre de salida, con base en un
promedio, pero no ofrecen garantía en el caso de los lotes individuales.
Las tablas para el LCPS tienen un grupo para muestreo simple y otro para
muestreo doble. Cada grupo tiene tablas para valores LCPS de 0.1, 0.25, 0.5,
37
0.75, 1.0, 1.5, 2.0, 2.5, 3.0, 4.0, 5.0, 7.0y 10.0%, lo que da un total de 26
tablas.
En la tabla 9-7 se muestra una tabla para muestreo simple, en el que el
LCPS=3.0%. Además de definir si se utilizará muestreo simple o doble,
también se necesita el valor de LCPS. El tipo de muestreo (simple o doble) y
el LCPS indicarán qué tipo de tabla habrá que usar.
Particularidades
En las tablas de Dodge-Roming no se menciona nada sobre el tipo de no

conformidad, si bien se pueden emplear diversos valores de NCL o LCPS; los
más bajos para no conformidades graves y los más altos para las no
conformidades secundarias. No se menciona nada sobre la inspección
rigurosa o reducida, si bien también se pueden utilizar diversos valores de
NCL o LCPS. Para el promedio del proceso se utilizan la cantidad de no
conformidades por 100 unidades, en vez del porcentaje de no conformidad.
Por ejemplo, un promedio de proceso de 2.00% de no conformidad es lo
mismo que dos no conformidades por cada 100 unidades.
NORMA MIL STD 414 (ANSI/ASQC Z1.9)
Es un plan de muestreo para aceptación por variables, se introdujo en 1957, su
punto focal es el nivel de calidad aceptable, que varía de 0.04 a 15%. Existen
cinco niveles de inspección, donde el nivel IV se considera “normal”.
Utiliza letras códigos para los tamaños de muestra, los tamaños muéstrales son
una función del tamaño del lote y del nivel de inspección.
Se pueden emplear dos procedimientos: para el caso de límites unilaterales se
aplica el procedimiento 1 o 2. Si hay límites bilaterales, se utiliza el
procedimiento.
Esta norma se divide en cuatro secciones:
 Sección A.- es una descripción general de los planes de muestreo,
incluyendo ediciones, letras código para el tamaño de la muestra, y
curvas CO para varios planes de muestreo.
 Sección B.- ofrece planes de muestreo por variables que se basan en la
desviación estándar de la muestra, para el caso en el cual se desconoce
la variabilidad del lote o del proceso.
38
 Sección C.- presenta planes de muestreo por variables que se basan en
el método de la amplitud muestral.
 Sección D.- proporciona
planes de muestreo por
variables para el caso en
el que se conoce la
desviación estándar del
proceso.
La MIL STD 414 proporciona
información para un cambio a la
inspección estricta o a la reducida, cuando ella se justifica. Se usa la media del
proceso como base para determinar cuándo se realizará dicho cambio. Como
media del proceso se toma el promedio de las estimaciones muéstrales del
porcentaje defectuoso, calculadas a partir de los lotes sometidos a la
inspección original. Normalmente la media del proceso se calcula a partir de la
información de los 10 lotes anteriores. Debe implantarse la inspección estricta
siempre que la media del proceso exceda al NCA, y cierto número de los lotes
(mayor a un valor T en los que se basa la media del proceso tenga
estimaciones del porcentaje defectuoso mayores que el NCA.
Esta norma puede aplicarse a una especificación con solo un límite, S o I, o a
una especificación con dos límites.
Los planes con sigma conocida incluidos en la norma están designados como
de “variabilidad conocida”. En estos últimos planes era posible aplicar o bien el
método de la desviación estándar o el método de amplitud para estimar la
variabilidad del lote. Se disponía de dos formas de hacer los cálculos.
En la “forma 2 “, la decisión de aceptación o rechazo requería el uso de una
tabla auxiliar que proporcionaba un valor estimado del porcentaje defectuoso
del lote basado en un “índice de calidad” calculado a partir de cierto valor
estadístico de la muestra. En la “forma 1”, que era solamente para
especificaciones unilaterales, no hacía falta esa tabla auxiliar, las diferencias
entre las dos formas se aplicaban solamente al procedimiento de cálculos y las
dos daban resultados idénticos en cuanto aceptación y rechazo se refiere.
PASOS PARA DISEÑAR UN PLAN MIL STD 414.
39
 Determinar el tamaño de lote.
 Especificar el NCA o AQL.

 Escoger el nivel de inspección.
 Encontrar la letra código correspondiente para el tamaño de la muestra.
 Seleccionar la sección de la estándar a utilizar.
 Se busca el plan simple para inspección normal.
 Se encuentra el plan que se emplearía bajo inspección severa.
 Calcular la media X y la desviación estándar muestral S.
 Calcular el límite superior e interior.
40
5.6 GRÁFICAS DE CONTROL.
El control estadístico de procesos (CEP) es una herramienta que informa

realmente sobre la calidad con que se está produciendo, en términos
estadísticos. Esto permite corregir los errores, detectar sus causas, reducir las
dispersiones, ..., y eliminar el control final por muestreo. Es una herramienta de
mejora continua en la que los datos son tomados por los propios operarios y
ellos mismos pueden muchas veces detectar las causas y mejorar los
procesos.
Al contrario de lo que sucede con los planes de muestreo, el CEP informa de la

capacidad del proceso para hacer productos válidos, y permite tener una
información mucho más exhaustiva de cómo se cumplen las especificaciones
de producto.
CAUSAS ASIGNABLES Y ALEATORIAS.
En los diagramas causa-efecto de Ishikawa hay 7 fuentes que pueden dar lugar
a un producto defectuoso, que en español se las denomina las 7M: Maquinaria,
Mano de obra, Medio ambiente, Materiales, Método, Mantenimiento y
Metrología. Al descubrir con las herramientas del CEP una evidencia de que la
distribución estadística ha cambiado (también puede ser para mejor), la causa
puede ser trivial, o bien habrá que priorizar entre un listado que se haya
realizado teniendo en cuenta las 7M. Es importante justificar estadísticamente
que la distribución ha cambiado, de otra manera se estarían realizando
modificaciones sobre la producción que aumentarían la dispersión de las
variables, tal como ilustró Deming con su ejemplo del embudo.
Los gráficos de control se basan en el principio de imperfección de la materia
por la que siempre existe una variación entre dos entes materiales distintos.
Los números exactos son cosa de las matemáticas, pero las mediciones de la
materia entran dentro de la estadística. Estas variaciones pueden deberse a
causas conocidas (causas asignables) o a causas aleatorias. En el CEP se
busca separar ambos tipos de causas, acotando las variaciones aleatorias. El
CEP establece criterios de evidencia estadística para establecer que una causa
asignable ha entrado en acción, y por lo tanto se pueda actuar a tiempo.
41
GRÁFICO DE CONTROL.
El objetivo del gráfico de control es la representación temporal del parámetro
de calidad de forma que cualquier variación del modelo de probabilidad salte a
la vista de dicho gráfico.
En estos gráficos se reflejan también los cambios en las 7M de forma que se
pueda establecer una correlación entre el cambio probabilístico y su causa
correspondiente.
TIPOS DE GRÁFICOS DE CONTROL.
Gráficos de control por variables
 Individuos (x)
 Medias-Rango (x/R)
 Medias-Desviación Típica (x/R)
 Medianas-Rango (Md/R)
 Sumas acumuladas
 Pre-Control ...
Gráficos de control por atributos
 Porcentaje de unidades defectuosas (p)
 Número de unidades defectuosas (np)
 Porcentaje de defectos (u) Número de defectos (c)
METODOLOGÍA GENERAL.
 Elegir carácter a evaluar. Este carácter suele obtenerse de un gráfico de
Pareto o de un FMEA. Es importante que se realice en el punto de
producción adecuado para evitar operaciones posteriores que
distorsionen la causa.
 Elegir tipo de gráfico. Por variables o atributos, y el tipo específico.
 Elegir tamaño de muestra
 Diseñar sistema de recogida de datos y su análisis
 Elaborar ficha y dar instrucciones a los que van a estar involucrados en
el proceso.
42
CRITERIOS DE PRUEBA.
Los criterios de prueba se utilizan para reconocer la aparición de sucesos no
aleatorios en los gráficos. Aunque existen muchos, los más usados son las
cinco siguientes:
Un punto supera los límites de control
Mas de 7 valores seguidos se encuentran en el mismo lado respecto a la línea
media
más de 7 valores seguidos con el mismo signo de tendencia
2 valores al mismo lado y más alejados de 2σ respecto a la línea media
4 valores al mismo lado y más alejados de σ respecto a la línea media
5.6.1 GRÁFICOS POR ATRIBUTOS.

A veces no se desea controlar el valor de una magnitud medible sino
simplemente si el producto es adecuado o no lo es; o, en general, si se posee o
no cierto atributo. Ejemplos de este tipo de variables son abundantes en
telecomunicaciones. Algunos ejemplos son:
Número de llamadas en un intervalo de tiempo.
Proporción de fallos en cada millón de llamadas.
Número de averías en un cable de fibra óptica al mes.
Este tipo de medición, a través de presencia o ausencia de atributos,
tiene ciertas ventajas sobre el control por variables del tema anterior:
Suele ser más sencillo y rápido. Por tanto, es más económico. Por
ejemplo, es más rápido comprobar si una pieza pasa por cierto calibre
que medir su longitud exacta
Permite resumir las características de varias variables. Un artículo o
servicio puede ser defectuoso o no dependiendo de un conjunto de
variables y no de una sola. No se controla una característica medible
sino la ausencia o presencia de un atributo (rechazo/no rechazo).
La información de si el artículo es o no defectuoso contiene, implícitamente, la
información de la capacidad del proceso (variabilidad del proceso productivo
bajo control) y las tolerancias.
43
La monitorización de un proceso a través de este tipo de mediciones de
denomina control por atributos. Existen varios gráficos que permiten monitorizar
la evolución de este tipo de información. En unos se observa la evolución de la
proporción de artículos defectuosos en sucesivas muestras de tamaño n (cada
elemento observado es/no es defectuoso, o tiene/no tiene cierto atributo; por
ejemplo, una llamada es o no es fallida), mientras que en otros se observa la
evolución del número de defectos que aparecen en cada unidad de medida
(cada unidad de medida puede tener más de un defecto o más de un atributo,
por ejemplo, en cada minuto se puede recibir más de una llamada).
GRÁFICO P.
En este gráfico se muestra la evolución de la proporción de individuos que
tienen cierto atributo. Por ejemplo, la proporción de artículos defectuosos, la
proporción de llamadas telefónicas que quedaron bloqueadas, la proporción de
clientes que presentan una reclamación, etc. Llamaremos p a esta proporción.
Veamos primeramente el contexto estadístico en el que nos encontramos.
Supongamos un proceso que opera de manera estable (bajo control) y cuyo
resultado es un artículo o un servicio. Supongamos que en ese estado la
probabilidad de que un artículo sea defectuoso sea p. Supongamos que en un
instante ti analizamos un tamaño muestral ni (número de piezas producidas o
número de clientes a los que se ha prestado el servicio), el número de artículos
(o servicios) defectuosos será di, que será una variable aleatoria al depender de
los elementos ni concretos que hayan caído en nuestras manos en ese instante.
Por tanto, la proporción de artículos defectuosos de cada muestra, que
denotaremos por pî = di/ni será una variable aleatoria. Por tanto, aunque el
proceso esté bajo control, tendremos en general que pî =6 p. El valor p es un
valor poblacional, mientras que pî es sólo una estimación de p obtenida con ni
observaciones. El objetivo del gráfico P será comprobar si la evolución de los
valores pî observados son compatibles con un mismo valor poblacional p, y por
tanto la diferencia entre el valor observado pî y el poblacional p se debe sólo al
azar de la muestra (variabilidad muestral).
Supongamos, además, que en esta situación de estabilidad el proceso
evoluciona de manera independiente; es decir, la probabilidad de que se
produzca un artículo o servicio defectuoso es independiente de si el anterior
44
artículo o servicio fue o no defectuoso. Esta suposición también puede
interpretarse como ausencia de memoria. El proceso no recuerda si el último
artículo producido fue o no fue defectuoso. Bajo estos supuestos de estabilidad
e independencia, la probabilidad de que cada artículo sea defectuoso es
siempre la misma e igual a p. Cada artículo producido puede entonces
asociarse a una variable aleatoria de Bernoulli que tome valor xi = 1 si el
artículo es defectuoso (P (xi = 1) = p)) o xi = 0 si es aceptable (P (xi = 0) = 1 − p).
Por tanto, el número de unidades defectuosas di de un total de ni unidades es
una variable aleatoria Binomial con función de probabilidad.
La media y varianza serán
E(di) = pni,
Var(di) = nip (1 − p).
Como puede verse, ambos parámetros, media y varianza, dependen sólo de p,

por lo que para analizar la evolución del número de artículos defectuosos no es
necesario construir un gráfico de control para la media y otro diferente para la
variabilidad, como ocurría en el control por variables, sino que con un gráfico de
control del parámetro p es suficiente. El gráfico se realiza tomando muestras de
tamaño ni (no tienen por qué ser todas de igual tamaño) y contando el número
de artículos defectuosos di. Nuestro interés está en la evolución de la
proporción de artículos defectuoso.
El número de artículos defectuosos di puede escribirse como la suma de las

variables Bernoulli xi de cada artículo, que tendrán valor 1 o 0. Entonces, la
proporción de artículos defectuosos en un total de ni unidades puede escribirse
como y es, por tanto, una media muestral de
variables de Bernoulli independientes entre sí.
Es fácil, entonces, deducir las siguientes
propiedades:
E(pî) = p,
y, si ni es suficientemente grande, podremos aplicar el
Teorema Central del Límite y utilizar que,
aproximadamente
45
El gráfico de control P sirve para ver la evolución de este estadístico pî a
medida que se van recogiendo muestras consecutivas de tamaño ni.
Supondremos que el tamaño muestral ni es suficientemente grande como para
utilizar la aproximación a la normal. Como en gráficos anteriores, el gráfico P
tiene los siguientes elementos
Límite de Control Superior
Línea Central = E(pî) Límite de Control
Inferior
tomándose como límite inferior el cero si resultase un valor
negativo. Si la proporción de unidades defectuosas p es
conocida, el gráfico de control será
Línea Central = p
Límite de Control Inferior
Puede verse que los límites de control no son, en

general, dos líneas rectas, sino que variarán con el tamaño muestral ni. Esta
variación es necesaria para asegurar que en cada momento existe una
probabilidad del 99.7% de estar entre los límites si el proceso está bajo control.
En el caso de p conocido, los pasos a seguir para la construcción del gráfico
son:
Tomar muestras de tamaño muestral ni. El tamaño muestral

se decide según las características de cada caso. El tamaño
muestral debe ser elevado, tanto para que la aproximación a
la normal sea buena, como para dar oportunidad a que
aparezcan piezas defectuosas. De esta forma, el 99,7% de
los valores estarán dentro de los límites de control cuando el
proceso esté en estado de control. Las muestras suelen
tomarse a intervalos regulares de tiempo, aunque el tamaño
muestral no necesita ser el mismo.
Dibujar el gráfico con las especificaciones mostradas.
Calcular la proporción de artículos defectuosos en cada
muestra:
46
número de defectuosos
Colocar los valores pî ordenados en el tiempo en el gráfico e

interpretarlo.
GRÁFICO NP.
Se aplica al mismo tipo de procesos que en el caso anterior. La diferencia está
en que, en lugar de monitorizar la proporción de artículos defectuosos en una
muestra, se monitoriza el número de artículos defectuosos. En general, es útil
si:
el número es más relevante que la proporción,

el tamaño muestral es constante.
Aunque matemáticamente sería posible construir un gráfico NP con tamaño

muestral variable, su interpretación sería complicada, por lo que supondremos
que se utilizan muestras de tamaño constante ni = n, i = 1, 2, Llamemos di al
número de artículos defectuosos en una muestra de tamaño n. El gráfico de
control será:

Línea Central = E(di) Límite de Control Inferior
Sea p la proporción total de defectuosos que produce el

proceso. Entonces di sigue una distribución binomial de media np y varianza np
(1 − p). Si n es grande (y np (1 − p) > 5), dicha distribución puede aproximarse
a la normal (ver apéndice del Capítulo 5). Por tanto, para n elevado,
aproximadamente, di = npî ∼ N (np, np (1 − p)).
Por tanto, el gráfico de control NP será:

Línea Central = np Límite de Control Inferior
y si la aproximación a al normal es buena, contendrá al 99.7% de los datos si el
proceso está bajo control. De nuevo, si el límite de control resultase negativo se
usaría al valor cero. Para construir el gráfico de control es necesario estimar p,
47
salvo que se conozca ya su valor. Al igual que en el caso anterior, tanto el nivel
medio como la variabilidad dependen sólo del parámetro p, por lo que un solo
grafico será suficiente para controlar el proceso. Para construir el gráfico se
siguen los siguientes pasos:
Se toman k muestras de tamaño n. El número de muestras k debe ser

elevado (más de 20). también el tamaño muestral n debe ser grande
(mayor de 50) y han de tomarse consecutivamente y a intervalos iguales
Contar el número de artículos defectuosos en cada muestra di
Contar el número total de defectuosos d1+d2+···+dk y hallar el número
medio de defectuosos por muestra:
Este valor d¯ será un buen estimador de np,
media del proceso, si el proceso ha estado
bajo control durante esta etapa de recogida de información. Este valor medio
d¯= np¯ será la línea central del gráfico de control.
Se calculan los límites de control a tres desviaciones típica,

obteniéndose:
Línea Central = np¯ Límite
de Control Inferior
Se dibuja el gráfico trazando la línea central en np¯ y los límites de
control. Los límites de control serán ahora constantes, al ser constante el
tamaño muestral n.
Colocar los valores di de forma secuencial. Si alguno se encuentra fuera
de los límites de control habrá que eliminarlo y volver a reconstruir el
gráfico con las muestras restantes.
La capacidad se sigue definiendo de la misma manera que en los gráficos P, es

decir (1-p). Por tanto, la estimación de la capacidad es
Estimación de la capacidad= (1 − p¯).

GRÁFICO C.
A veces, el interés no reside en el número de artículos defectuosos
sino en el número de defectos en un artículo o unidad de medida o, en
48
general, el número de sucesos o atributos observados por unidad de
medida. Por ejemplo, en una película fotográfica interesa controlar el
número de defectos por centímetro cuadrado.
En un cable de fibra óptica interesa el número de defectos por metro o
kilómetro, o el número de averías detectadas por kilómetro una vez enterrado.
En una centralita interesará controlar el número de llamadas por hora o minuto.
En un puesto de atención a clientes, interesa el número de clientes que llegan
por unidad de tiempo. La diferencia respecto al caso de control del número de
artículos con cierto atributo es el soporte en el que se observan los sucesos.
Mientras que antes el soporte es
discreto: muestra de n elementos,
ahora el soporte es continuo:
tiempo, longitud, superficie.
Figura 5.5: Gráfico NP para el
número de chips defectuosos en 25
lotes de 50 chips cada uno.
Las disconformidades
aparecen de forma continua (burbujas en vidrio, defectos en una placa,
arañazos en plásticos, cortes en cables, llegada de clientes a un puesto
de servicio...)
Los defectos pueden encontrarse por simple inspección a pesar de ser
debidas a causas muy diversas
Este tipo de control es muy frecuente cuando el proceso es un servicio. Por
ejemplo, interesa controlar el número de clientes atendido por unidad de
tiempo, número de quejas por día, número de llamadas recibidas en cierto
servicio telefónico, número de llamadas bloqueadas en un día, número de
llamadas atendidas por una centralita en una unidad de tiempo, número de
fallos diarios en un equipo de intercomunicación, número de altas diarias en un
servicio, etc.
Esta variable que se quiere controlar puede definirse como: número de sucesos
en un intervalo de longitud fija. Si el proceso es estable y los sucesos ocurren
de forma independiente (la llegada de un cliente a un servicio no depende de
49
cuántos clientes han solicitado ese servicio en esa unidad de tiempo, la rotura
de un cable en un punto dado es independiente de si el cable se ha roto en otro
punto) entonces el número de sucesos en un intervalo de longitud fija seguirá
una distribución de Poisson (ver apéndice del Capítulo 5). La hipótesis de
independencia puede también interpretarse como ausencia de memoria: el
proceso no recuerda cuántos sucesos se registraron en la unidad de tiempo
anterior.
Si x es una variable con distribución de Poisson de parámetro λ, el valor
medio de dicha distribución es también λ. Por ejemplo, λ será el número medio
de defectos por cm2 en una placa metálica, o número medio de clientes por día.
La varianza de esta distribución es también λ. Una propiedad interesante de la
distribución de Poisson es la de aditividad; es decir, si el número de sucesos en
un intervalo es una distribución de Poisson de parámetro λ, el número de
sucesos en n intervalos es una Poisson de parámetro nλ. Si λ es elevado (λ >
5), la distribución de Poisson se aproxima bastante a la normal. Por tanto,
utilizando la mencionada propiedad de aditividad tenemos que, si tomamos una
unidad de medida suficientemente grande, podremos utilizar la distribución
normal como referencia. Entonces, el número de defectos D por unidad de
medida (o no-conformidades) será, si la unidad de medida es suficientemente
grande.
De nuevo, conociendo un parámetro, λ, se tiene control sobre la media y la
variabilidad del proceso. Bastará, entonces, con un solo gráfico de control. Sea
Di el número de sucesos observado en un intervalo de longitud fija. Un gráfico
de control para controlar la evolución de esta variable será:

Línea Central = E(Di) Límite de Control Inferior
Línea Central = λ
Límite de Control Inferior }
Si el LCI resultase negativo se usaría el valor cero. Si λ no fuese conocido

habría que estimarlo con un conjunto de datos preliminares, procedentes del
50
proceso en estado de control. En este caso, el gráfico se construiría de la
siguiente forma:
Seleccionar la unidad de medida, de manera que en tal unidad se

detecten por término medio al menos cinco ocurrencias (averías,
defectos, clientes,), para que la aproximación a la normal sea buena. De
esta forma los límites de control tendrían al 99.7% de las observaciones
en estado de control.
Tomar k muestras (al menos 20) a intervalos regulares de tiempo y
contar el número de ocurrencias en cada muestra Di
Estimar λ con el número medio de ocurrencias
observadas.
Si el proceso ha estado bajo control durante esta etapa, el valor λ¯ será un
buen estimador de λ =número medio de ocurrencias. Este valor se usará
entonces como línea central del gráfico. Calcular los límites de control a tres
desviaciones típicas. El gráfico resultante será:
Línea Central = λ¯
Límite de Control Inferior
Si el límite inferior es negativo se sustituye por el valor cero.
Dibujar el gráfico y colocar los valores Di de forma secuencial. Si alguno

está fuera de control se elimina y se recalcula el gráfico.
La capacidad del proceso se define por λ: número medio de defectos y se

estima con λ.¯ por tanto
Estimación de la capacidad=λ¯
GRÁFICO U.
El gráfico U se utiliza cuando no es posible tener siempre la misma unidad de
medida para contar el número de defectos (o no-conformidades, o clientes, etc.
…). Entonces, se controla el número medio de defectos por unidad de medida.
Por ejemplo:
51
Los elementos a analizar pueden contener un número variable de
unidades: por ejemplo, dos rollos de película fotográfica no tendrán
exactamente la misma longitud, diferentes láminas de vidrio tendrán
distinta superficie.
Es difícil tomar mediciones a intervalos iguales de tiempo: el inspector
puede estar dedicado a varias tareas, por lo que es necesario un
esquema de muestreo más flexible.
5.6.2 GRÁFICOS POR VARIABLES.
Los gráficos de control por variables permiten estudiar la calidad de

características numéricas. Proporcionan más información que los gráficos de
control por atributos sobre el rendimiento del proceso y permiten
procedimientos de control más eficaces. En particular, se obtiene más
información sobre las causas que producen una situación fuera de control.
Asimismo, detectan mejor pequeñas variaciones del proceso. Los tamaños
muestrales requeridos para un nivel de protección del proceso son menores.
Los gráficos de control por variables más usuales son los que controlan el valor
medio y la variabilidad del proceso. Más concretamente, para el control de la
variabilidad del proceso, estudiaremos los gráficos del rango, la desviación
típica y la varianza. A partir de estos gráficos se obtiene una estimación de los
parámetros del proceso, así como una aproximación de su capacidad o
rendimiento.
Existen otros gráficos por variables que utilizan la información suministrada por
varias muestras; se construyen a partir de una secuencia de estadísticos
muestrales, en contraste con los gráficos anteriores, que tan solo utilizan la
información de una muestra. Estos gráficos permiten detectar pequeños
cambios en la media del proceso, corrigiendo así la ‘incapacidad’ de los
gráficos anteriores, para controlar pequeñas variaciones. En este tema se
estudiarán dos ejemplos de estos gráficos: Los gráficos de sumas acumuladas
y los gráficos de control basados en medias ponderadas. Por otra parte, para el
52
estudio de varias características relacionadas se introducirán los gráficos
multivariantes basados en la distribución T 2 de Hotelling.
GRÁFICOS DE CONTROL DE LA MEDIA Y EL RANGO.

Supongamos que la característica de la calidad estudiada, X, se distribuye
según una Normal con parámetros µ y σ. Es bien
conocido que, para una muestra de tamaño n, la media muestral
X¯ se distribuye según una Normal con parámetros.
En el caso en el que µ y σ sean parámetros conocidos, los límites del grafico de
control vienen dados por
.
Cuando los parámetros poblaciones son desconocidos, se estiman a partir de
m muestras piloto como sigue:
Para la media µ se considera el estimador

Para la desviación típica σ se considera el
estimador
donde Rh, j = 1, m, representan los rangos o amplitudes muestrales de las m

muestras piloto y d2 representa la media de la amplitud relativa
AR de una muestra normal (que se halla tabulada), siendo
Este estimador proporciona buenas aproximaciones de la
desviación típica poblacional para tamaños muestrales pequeños.
Los límites de prueba para el grafico de control de la media vienen dados

entonces por
La constante A se halla tabulada para diferentes tamaños muestrales.
Para el cálculo de los límites de control para el grafico del rango se considerará
de nuevo la amplitud relativa de una muestra normal, obteniéndose de la
identidad:
53
donde d3 se halla también tabulada para diferentes tamaños muestrales. Los
límites de prueba para el grafico del rango se definen entonces como sigue:
o, equivalentemente,
LIC=D3R¯
LSC=D4R, ¯
siendo:
CÓMO HACER UN GRÁFICO DE CONTROL: PASO A PASO.
Hay diversidad de softwares que tienen funciones para hacer montones de

cosas con cartas de control. Incluso, en empresas de producción, hay
maquinarias que elaboran a medida que producen las cartas de control según
la configuración asignada. Pero como este no es el caso y de lo que hablamos
en Ingenio Empresa es de aprendizaje, vamos a explicar cómo hacer un
gráfico de control.
Aun cuando es un paso a paso, si es importante que complementes lo
aprendido aquí con otras fuentes, pues el diagrama de control y en general el
control estadístico de procesos es un tema mucho más grande, que incluye
distribuciones de probabilidad, fórmulas, niveles de sigma, etc.
En todo caso, el control estadístico de procesos es un tema próximo a

desarrollar en detalle en Ingenio Empresa.
o Paso 1. Antes que nada, determina cuál es el proceso a trabajar y cuál

es la característica de calidad que vas a medir. ¿Acaso es peso,
longitud, número de defectos o volumen?
o Paso 2: Ahora que tienes el tipo de datos a recolectar, define el tipo de
gráfico de control a usar basándote en lo explicado anteriormente, y no
te quedes solo con eso, investiga más.
o Paso 3: Determina el tiempo en el que estarás capturando los datos y
define con base en el tipo de gráfico que vas a trazar, cuestiones como
54
la cantidad de muestras a considerar (considera al menos 20) y el
tamaño de cada una.
o Paso 4: Recopila los datos.
o Paso 5: Determina la línea central y el límite de control superior e
inferior.
o Paso 6: Representa los datos en la gráfica.
o Paso 7: Analiza el resultado. Interpreta el gráfico.
INTERPRETACIÓN DE UN GRÁFICO DE CONTROL.

Y este apartado es únicamente para el paso 7, pues aquí radica la verdadera
utilidad de una carta de control. Existen comportamientos y patrones en los
datos representados, que nos darán un indicio de que hay una variabilidad no
aleatoria que debe investigarse.
 Pista 1: Cuando hay solo un punto fuera de control. Es quizá la más

pequeña de las probabilidades.
 Pista 2: Cuando hay dos de cada tres puntos sucesivos ubicados a un
lado de la línea central y más de dos desviaciones estándar (sigma)
alejados de esta línea.
 Pista 3: Cuando hay 4 de cada 5 puntos sucesivos ubicados a un lado
de la línea central y más de una desviación estándar (sigma) alejados de
esta línea.
 Pista 4: Cuando hay una serie de 8 puntos sucesivos ubicados a un lado
de la línea central, sin importar cuántas desviaciones estándar estén
alejados de la línea central. Por ejemplo 8 de cada 10 puntos, 12 de
cada 14 puntos o 16 de cada 18 puntos.
 Pista 5: Cuando hay 6 puntos consecutivos ascendentes o
descendientes.
 Pista 6: Cuando hay 14 o más puntos consecutivos cruzando la línea
central de arriba a abajo, sin que haya al menos 2 puntos sucesivos en
un mismo lado.
 Pista 7: Cualquier patrón recurrente que estés observando, puede ser
considerado algo inusual.
55
56
CONCLUSIÓN.
La satisfacción de las necesidades y expectativas del cliente constituye el
elemento más importante de la gestión de la calidad y la base del éxito de una
empresa. Por este motivo es imprescindible tener perfectamente el concepto de
satisfacción de sus clientes desarrollando sistemas de medición de satisfacción
del cliente y creando modelos de respuesta inmediata ante la posible
insatisfacción a todo servicio siempre se le debe estar incrementando
continuamente un valor agregado ser en la tienda para la comodidad del
cliente. Buscando en nuestro producto:
Creación del concepto de Lealtad y gestión de la Fidelización al cliente.

Creación de Departamentos de Servicio al Cliente y gestión de
reclamaciones, para identificar oportunidades de mejora.
Creación de Sistemas de Medición de la satisfacción del cliente, con
estudios periódicos que evalúen el grado de satisfacción del cliente, sin
esperar a su reclamación.
La calidad se ha convertido en un aspecto trascendental dentro de las

organizaciones en los últimos años, por lo que su importancia ha sido
reconocida y sus directrices han sido aplicadas en gran cantidad de empresas
alrededor del mundo, esta además ha venido evolucionado en la búsqueda de
aspectos que permitan mayor crecimiento de las instituciones, así como, mayor
satisfacción del cliente.
La Normalización dentro de una empresa fija las bases para el presente y el

futuro con el propósito de establecer un orden para el beneficio de todos los
interesados, esta normalización puede ser aplicada a cualquier empresa y
puede ser adaptada a los requerimientos particulares de cada organización.
La aplicación de normas busca la mejora del funcionamiento y la eficiencia en

la utilización de los recursos, lo que bien llevado puede conducir a la reducción
de costos. Las Normas ISO son un referente de calidad a nivel mundial y
permiten a las organizaciones la estandarización y mejoramiento de sus
procesos, su funcionamiento y reconocimiento, lo cual es de vital importancia
para la sobrevivencia de las empresas en un mundo globalizado.
57
El sistema de tratamiento de reclamos es sumamente importante en la etapa
de Post venta e interviene directamente en los temas de satisfacción del
cliente, seguimiento y medición, incluyendo servicios adicionales y de
recuperación de clientes. La aplicación de la Norma ISO 10,002:2004 implica
estar atento de lo que quiere el cliente y mantenerlo informado sobre el avance
en la resolución de sus quejas, las cuales son resueltas con objetividad, de
manera confidencial y responsable.
Todo esto además de crear una plataforma para el mantenimiento y la mejora

continua.
58
BIBLIOGRAFÍA.
Rowland, P. y. (1996). La esencia de la Reingeniería en los procesos de

negocios. México: Prentice Hall.
Erjavec, L. M. (1992). Estrategias Para el Mejoramiento de la Calidad en la

Industria. Grupo Editorial Iberoamericana.
Tennant, G. (2002). Six Sigma: control estadístico del proceso y administración
total, de la calidad en manufactura y servicios. México: Panorama.
Rowland, P. y. (1996). La esencia de la Reingeniería en los procesos de

negocios. México: Prentice Hall.
Verdoy, J. P. (s.f.). Manual de control estadístico de calidad: teoría y

aplicaciones. Universitat Jaume I: Servei de Comunicació Agapea Publicacions.
REFERENCIAS:
prezi.com/yhs1d7zmdsit/ingenieria-de-la-calidad/?
frame=d6d884b0aecf00744f4ae7ff40c3bf2ceada9411
https://www.ingenieriaindustrialonline.com/gestion-de-calidad/capacidad-
de-procesos/
https://www.leanroots.com/wordpress/2017/10/11/capacidad-del-
proceso-cp-cpk-cpm-cpkm/
https://semillas.konradlorenz.edu.co/2017/10/el-%C3%ADndice-de-
capacidad-taguchi-cpm-para-procesos-con-doble-especificaci
%C3%B3n-una-construcci%C3%B3n-desde-mat.html
file:///C:/Users/fili-/Downloads/Dialnet-
PropuestaParaEvaluarLaCapacidadDeProcesosDeManufac-4999959.pdf
https://nava-nava-controlestadistico.weebly.com/23-capacidad-de-
proceso-cp-cpk-y-cpm.html
https://jhoanna24.wordpress.com/2009/11/18/unidad-5/
http://aprendeenlinea.udea.edu.co/lms/moodle/mod/forum/discuss.php?
d=24335&parent=87876
59

UNIDAD 5 INGENIERÍA DE LA CALIDAD. Eq 4

Cargado por

Información del documento

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

UNIDAD 5 INGENIERÍA DE LA CALIDAD. Eq 4

Cargado por

Copyright:

Formatos disponibles

TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE ACAPULCO

Unidad 5: INGENIERÍA DE LA CALIDAD.

CALIDAD DEL PRODUCTO.

Calidad se puede definir por:

 La adecuación de un producto para su uso

La calidad tiene factores que se pueden definir técnicamente, pero también

LA CALIDAD EN LA GESTIÓN EMPRESARIAL.

Algunos expertos en control de calidad han descrito su propio concepto de

El Aseguramiento de Calidad se puede definir como todas las acciones

Buena calidad significa tener una variación

Por medio de la ANOVA (análisis de varianza). Se determina la cantidad total

 Tiempo Empleado en Diseño por Ingenieros.

El diseño de tolerancias es la aplicación del diseño de experimentos, para

 Objetivo: Determinar los rangos de variación para los parámetros del

Etapas del Diseño del Producto. Diseño de Parámetros.

1) Detecta y elimina causas. Tiene que ver únicamente con promedios.

Durante el diseño de parámetros, el diseño

El diseño de sistemas requiere experiencia

 Causan que una característica funcional se desvié de su valor objetivo.

Taguchi ha observado que ésta perdida de calidad constituye una pérdida de

Consiste en el Desarrollo de un sistema que funcione bajo una condición

DISEÑO DE SISTEMAS, PROCESOS, PARÁMETROS Y TOLERANCIAS.

Taguchi llama a los factores incontrolables factores de ruido. Ruido es

INGENIERÍA DE CALIDAD FUERA DE LÍNEA.

Problemas de Calidad y Variabilidad Funcional

El primer paso en la ingeniería de calidad consiste en seleccionar las

 Uso de gráfica de control.

Para Taguchi la calidad de un producto está en función de la mínima perdida

DR. GENICHI TAGUCHI.

Desde 1949 desarrollo una metodología integral conocida como Ingeniería de

Concepto de Ingeniería de Calidad: La ingeniería de calidad lleva a cabo

La Función de Pérdida de Taguchi propuesta por el experto en calidad

El aporte de Taguchi radica en incorporar en el análisis la perspectiva del

La función de pérdida de la calidad, comúnmente llamada función de perdida

La Función de Pérdida de Taguchi se representa en su expresión cuadrática de

1) X: Valor de la característica de calidad

Los parámetros de este y de su proceso de fabricación deben estar

EJEMPLO FUNCIÓN DE PÉRDIDA DE TAGUCHI.

Suponga que tenemos una característica de calidad que tiene una

Luego, si la desviación resultará ser sólo 0.010, la pérdida estimada al utilizar la

La secuencia de manufactura desde el desarrollo del prototipo y del producto

¿Qué es pérdida y quien paga

Las consideraciones de variabilidad pueden ser aplicadas al producto y

 La pérdida causada por la variabilidad de la función

5.2.1 Cp, Cpk, Cpm, Cpkm.

Una necesidad muy frecuente en los procesos consiste en evaluar la

Cuando la capacidad de un proceso es alta,

La “capacidad” a la que nos referimos es la que tiene el proceso para producir

Para evaluar la capacidad de un proceso es

La capacidad potencial del proceso se define

3- Cp Capacidad del proceso

El Cp se utiliza para conocer y tomar decisiones sobre el proceso dependiendo

La siguiente tabla nos muestra la interpretación cualitativa del índice Cp.

Para ello consideramos el indicador Cpk.

El índice Cp estima la capacidad potencial del

Con el Cpk conseguimos

EL ÍNDICE DE TAGUCHI (Cpm):

Analiza los límites establecidos por el área técnica y la tolerancia o variación

2. Cpm < 1: el proceso no cumple con las especificaciones.

Los límites o intervalos descritos en la Ilustración refieren los límites dentro de

Para aquellos casos donde el valor de T no se encuentre en el centro de las

CAPACIDAD DE NUESTRO PROCESO PRODUCTIVO (Cp):

Cuando llevemos a cabo el estudio de algún proceso nos daremos cuenta de