Universidad de San Carlos de Guatemala

Facultad de Ingeniería
Escuela de Mecánica Industrial
Controles Industriales
Ing. Julio Rojas

TAREA 1:
CAMPANA DE GAUSS

Héctor Manuel Lemus Chicas

201404155

27/02/2020
 CAMPANA DE GAUSS
Six Sigma, también escrito 6σ es una metodología de mejora de procesos creada por Bill Smith en
Motorola e implementada en dicha compañía en 1988, aunque especialmente General Electric fue la
encargada de popularizarla.
El nombre Six Sigma tiene su origen en la estadística y define el objetivo de los fallos permitidos en
un proceso de fabricación. En este artículo explicamos con detalle el origen estadístico del nombre.

La distribución normal o campana de Gauss

Generalmente decimos que las mediciones en un proceso de fabricación tienen una distribución
normal, también conocida como campana de Gauss. La mayoría de los valores se encuentran
próximos a la media, mientras que cuanto más nos alejamos de dicha media más improbable es que
obtengamos resultados de medición. La gráfica inferior muestra una distribución normal típica. El eje
vertical sería el número de resultados y el eje horizontal el resultado de la medición.

Tal y como explicábamos anteriormente, la gráfica muestra que el número de resultados entorno a la
media (el centro del eje horizontal) es muy elevado, mientras que el número de muestras con valores
alejados de la media decrece rápidamente.

Desviación típica Sigma (σ)

La letra griega Sigma (σ) se utiliza para definir la desviación estándar de un conjunto de mediciones,
y nos da una idea de la anchura de la curva de Gauss que obtendríamos al medir todas nuestras piezas
fabricadas. Sigma se calcula de la siguiente forma:
n = número de mediciones
xi = resultado de cada una de las mediciones
µ = media de todas las mediciones (igual al objetivo de fabricación)

Dicho de otro modo, la desviación estándar (también llamada desviación típica) se obtiene de calcular
la suma de todos los errores al cuadrado, dividir dicha suma entre el número de mediciones y aplicar
la raíz cuadrada al resultado.
La interpretación gráfica de la desviación estándar es que cuanto mayor sea su valor, más ancha será
la curva de distribución.

Número de defectos
Una de las propiedades de la distribución normal o gaussiana es que podemos calcular el número de
mediciones que se encontrarán dentro de unos valores comprendidos entre un número determinado
de desviaciones típicas. El resultado es independiente tanto de la media como del propio valor de la
desviación, y siempre nos dará el siguiente resultado:

• Valores entre (µ-σ) y (µ+σ) = 68,27 %

• Valores entre (µ-2σ) y (µ+2σ) = 95,45 %
• Valores entre (µ-3σ) y (µ+3σ) = 99,73 %
De manera inversa a lo anterior podremos calcular el número de defectos que seguramente
se producirán en nuestra fabricación. Imaginemos que producimos barras de hierro que deben
medir 25mm. Comenzamos a producir y a hacer mediciones de los resultados, tras lo que
calculamos que nuestro proceso de fabricación resulta en una desviación típica de 1mm. Esta
desviación típica la calcularíamos utilizando la fórmula del apartado anterior para un alto
número de muestras.

La desviación típica de 1mm significa que un 68,27% de las piezas medirán entre 24 y 26mm
(media +/- una desviación típica) o lo que es lo mismo, un 31,73% medirán menos de 24mm
o más de 26mm.

Si ahora imaginamos que precisamente hemos definido con nuestro cliente una tolerancia
admisible de +/- 1mm entonces sin duda deberíamos mejorar nuestro proceso de fabricación,
puesto que no nos podemos permitir desechar un 31,73% de las piezas. Si logramos optimizar
dicho proceso hasta obtener una desviación estándar de 0,33mm, entonces los +/- 1mm
requeridos por el cliente pasarían a significar +/- 3σ, con lo que ahora el 99,73% de las piezas
fabricadas estarían dentro de los límites aceptables. Esto significaría pasar a tener un
porcentaje de error de tan sólo 0,27%. Estaríamos en este caso hablando de un proceso con
calidad tres Sigma, 3σ.

El desplazamiento de 1,5 sigma

Llegado este punto, seguro que intuyes ya que 6σ se utilizará entonces para denominar un
proceso mediante el cual producimos piezas cuyos límites de aceptación se encuentran en +/-
seis veces la desviación típica. Pues bien, en realidad esto no es del todo cierto.

Más arriba dimos los porcentajes de acierto para uno, dos y tres Sigma. En la distribución
normal en total un 99,9999998% de los resultados se encuentran entre (µ-6σ) y (µ+6σ). Dicho
de otra manera, podemos esperar que solamente 2 piezas de entre un billón se encuentren
fuera de los límites de tolerancia.

Sin embargo, en la bibliografía siempre se habla de 3,4 defectos por millón de eventos u
oportunidades (DPMO) cuando nos referimos a 6σ en lugar de los 2 defectos por billón
mencionados en el párrafo anterior. Esto es debido a la introducción del desplazamiento de
1,5 sigma.

Una vez medido un proceso de fabricación y obtenida por tanto su distribución normal y su
desviación típica, es aceptado comúnmente que a lo largo del tiempo el proceso completo
acabará teniendo una desviación adicional de +/- 1,5σ. Esto es equivalente a mover la curva
de distribución una distancia de 1,5σ a ambos lados del centro. Cuando consideramos esto,
el punto que inicialmente se correspondería con 6σ ahora es el 4,5σ de la curva de distribución
de la derecha, mientras que el punto -6σ pasa a ser el -4,5σ de la curva de distribución de la
izquierda.

Por lo tanto, cuando consideramos el desplazamiento de 1,5σ, el valor de los defectos por
millón (DPMO) pasan de ser los correspondientes a 6σ (en el caso de una única curva
centrada en la media) a ser los correspondientes a 4,5σ. Por eso en Six Sigma hablamos de
3,4 DPMO.
A continuación vemos los valores de efectividad (porcentaje de resultados válidos) y el número de
DPMO para los diferentes niveles de sigma una vez aplicado el desplazamiento de 1,5σ.

Este artículo nos aporta la base de estadística necesaria para entender lo que son la
distribución normal, la desviación típica y los porcentajes de error (DPMO) asociados a las
imperfecciones en la fabricación. Dicha teoría es el punto de partida para la mejora de calidad
y el proceso Six Sigma que veremos en un artículo posterior.