Coloquio Gestió n de

la Calidad
Gestió n Industrial

Profesor: Leonardo Santa Cruz

Alumno: Diego Eduardo Ramos

ESTADO DE CONTROL
Proceso bajo control

Cuando se han eliminado del proceso las causas asignables, hasta el grado en que
los puntos de la gráfica de control permanecen dentro de los límites de control, el
proceso está en un estado de control. Ya no se puede alcanzar mayor grado de
uniformidad con el proceso existente. Sin embargo, se puede lograr mayor
uniformidad mediante un cambio en el proceso básico, promovido por ideas para
mejorar la calidad.

Cuando un proceso está “bajo control” (o “en control,” o “controlado”) se presenta un

patrón natural de variación que puede contener los siguientes atributos:

 Aproximadamente 34% de los puntos dentro de una banda imaginaria a 1

desviación estándar en ambos lados de la línea central.
 13.5% de los puntos están en una banda imaginaria entre 1 y 2 desviaciones
estándar en ambos lados de la línea central
 2.5% de los puntos graficados dentro de una banda imaginaria entre 2 y 3
desviaciones estándar en ambos lados de la línea central.

Patrón natural de variación en una gráfica de control.

Los puntos están hacia uno y otro lado de la línea central en forma aleatoria,
sin que haya puntos que se salgan de los límites de control. El patrón natural de los
puntos, o los valores promedio de subgrupo, forman su propia distribución de
frecuencia. Si todos los puntos se apilaran en uno de los extremos (derecho o
izquierdo) formarían una curva normal.
 En general, se establecen los límites de control a 3 desviaciones estándar de
distancia a la línea central. Se usan como base para juzgar si hay evidencia de falta
de control.

La elección de los límites 3s es económica, con respecto a dos tipos de

errores que se pueden presentar. Un error, que los estadísticos llaman Tipo I ocurre
cuando se busca una causa asignable de variación, cuando en realidad está
presente una causa fortuita.

Cuando los límites se establecen a 3 desviaciones estándar, un error Tipo I se

presentará durante 0.27% (3 de 1000) del tiempo. En otras palabras, cuando un
punto sale de los límites de control, se supone que se debe a una causa asignable,
aun cuando se pueda deber a una causa fortuita 0.27% del tiempo.

El otro tipo de error se llama Tipo II, y se presenta cuando se supone que hay
una causa fortuita de variación, cuando en realidad hay una causa asignable. En
otras palabras, cuando un punto está dentro de los límites de control se supone
debido a una causa fortuita, aun cuando podría deberse a una causa asignable.

Proceso fuera de control:

El término “fuera de control” (o descontrolado) se suele considerar inconveniente; sin
embargo, hay casos en que esa condición es deseable. Lo mejor es pensar que el
término fuera de control es un cambio en el proceso debido a una causa asignable.

Cuando un punto (valor de subgrupo) sale de sus límites de control, el proceso está
fuera de control. Quiere decir que existe una causa asignable de variación. Otra
forma de considerar al punto fuera de control es imaginar que el valor de subgrupo.

Análisis de las condiciones fuera de control

Cuando un proceso está fuera de control, se debe encontrar la causa asignable

responsable de la condición. Se puede reducir al mínimo el trabajo detectivesco
necesario para localizar la causa de esa condición, conociendo los tipos de patrones
fuera de control y sus causas asignables. Los tipos de patrones X promedio y R
fuera de control son:

 Cambio o salto de nivel: este tipo consiste en un cambio repentino en el nivel

de la gráfica X promedio, de la gráfica R, o de ambas.
 Tendencia o cambio gradual de nivel: estos cambios en el nivel de una gráfica
de control son fenómenos industriales muy comunes. Puede haber tendencias
o cambio gradual en dirección creciente o decreciente.
 Ciclos recurrentes: cuando los puntos graficados en una gráfica X promedio o
R muestran puntos altos o bajos ondulatorios o periódicos, se trata de un
ciclo.
 Dos poblaciones (llamada también mezcla): Cuando hay una gran cantidad de
puntos cerca o fuera de los límites de control, podrá existir una situación de
dos poblaciones.
 Errores o faltas: se deben a equipo de medición descalibrado, errores en los
cálculos, errores en el uso del equipo de prueba, tomar muestras de
diferentes poblaciones. También se ha dicho que muchas causas de patrones
fuera de control se pueden atribuir a errores o fallas en la inspección proviene
de una población diferente que aquella con la que se obtuvieron los límites de
control.

ESPECIFICACIONES

Comparación de valores individuales con promedios

Cuando hablamos de valores individuales y valores promedio, observamos que la

principal diferencia es que los valores promedio de un subgrupo minimiza o atenúa
el efecto de un valor extremo, por el contrario a lo que sucede cuando tomamos
valores individuales para realizar el análisis. Cabe destacar que los cálculos para
determinar el valor promedio son igual, pero en los valores individuales, la resultante
de la desviación estándar muestral es mayor que la de promedio de subgrupos.

Los valores promedio tienden a agruparse más cerca del centro que los valores
individuales, tal como puede observarse en la imagen a continuación:
Comparación de valores individuales y promedios para los mismos datos.

TEOREMA DEL LIMITE CENTRAL:

Si la población de donde se toman las muestras no es normal, la distribución de los
promedios muestrales tenderá hacia la normalidad, siempre que el tamaño de la
muestra, n, sea 4, cuando menos. Esta tendencia mejora cada vez más a medida
que el tamaño de la muestra es mayor. Además, para describir la distribución de los
promedios, se puede usar la distribución normal estandarizada (o “normal stándar”),
con la modificación:

El teorema central del límite tiene una serie de propiedades de gran utilidad en el
ámbito estadístico y probabilístico. Las principales son:
  Si el tamaño de la muestra es suficientemente grande, la distribución de las
medias muestrales seguirá aproximadamente una distribución normal. El TCL
considera una muestra como grande cuando el tamaño de la misma es
superior a 30. Por tanto, si la muestra es superior a 30, la media muestral
tendrá una función de distribución próxima a una normal. Y esto se cumple
independientemente de la forma de la distribución con la que estamos
trabajando.
 La media poblacional y la media muestral serán iguales. Es decir, la media de
la distribución de todas las medias muestrales será igual a la media del total
de la población.
 La varianza de la distribución de las medias muestrales será σ²/n. Que es la
varianza de la población dividido entre el tamaño de la muestra.

Que la distribución de las medias muestrales se parezca a una normal es

tremendamente útil. Porque la distribución normal es muy fácil de aplicar para
realizar contrastes de hipótesis y construcción de intervalos de confianza. En
estadística, que una distribución sea normal es bastante importante, dado que
muchos estadísticos requieren este tipo de distribución. Además, el TCL nos
permitirá hacer inferencia sobre la media poblacional a través de la media muestral.
Y esto es de gran utilidad cuando por falta de medios no podemos recolectar datos
de toda una población.

CAPACIDAD DE PROCESO:

La extensión de proceso se llamará capacidad (o posibilidad) del proceso, y es igual

a 6s. También, a la diferencia entre las especificaciones se le llama tolerancia.
Cuando el ingeniero de diseño establece tolerancias sin tener en cuenta la extensión
del proceso, pueden resultar situaciones indeseables. Son posibles tres casos:

a) cuando la capacidad del proceso es menor que la tolerancia,

b) cuando la capacidad del proceso es igual a la tolerancia.
c) cuando la capacidad del proceso es mayor que la tolerancia.

Caso I: 6S < (menor) (límite superior de especificación límite inferior de

especificación): es la más conveniente. Imagen A: proceso bajo control. Imagen B:
proceso fuera de control, se requiere acción correctiva para llevar al proceso al
control.
Caso II: 6S = (límite superior de especificación límite inferior de
especificación): imagen A: Se presenta un patrón natural de variación. Imagen B:
fuera de control (se fabrica un producto no conforme), por lo tanto las causas
asignables de variación deben corregirse.

Caso III: 6S > (mayor) (límite superior de especificación límite inferior de

especificación): imagen A algunos valores individuales son mayores que la
especificación superior, o menores que la especificación inferior. Este caso es el
único en el que el proceso está bajo control, pero se obtiene producto no conforme.
Es decir, el proceso no es capaz de fabricar un producto que cumpla las
especificaciones. En la imagen B: el problema empeora mucho. Cuando este caso
se presenta será necesaria una inspección del 100% para eliminar el producto no
conforme.
SEIS SIGMA:
Seis Sigma es una metodología de trabajo aplicada a la empresa cuyo objetivo es
medir la eficiencia operativa de la empresa y buscar soluciones y alternativas para
mejorarla.

La meta final del método Six Sigma es mejorar los procesos y procedimientos dentro
de la empresa hasta llegar a un nivel de Sigma 6. Existen diferentes niveles de
Sigma dependiendo de los DMPO, esto es, el número de productos defectuosos por
cada millón de unidades entregadas.

El objetivo de este método es alcanzar un grado de eficiencia del 99,99966%, lo que

significa que tan solo 3,4 productos de cada 1.000.000 de unidades fabricadas le
llegarán a los clientes defectuosas o fuera de los parámetros acordados.

Si nuestra empresa tiene un nivel de Sigma 3, quiere decir que 66.807 productos de
cada 1.000.000 fabricados tienen algún tipo de defecto, lo que supone un 93,3% de
eficiencia. Por ejemplo, si fabricamos camisetas y tenemos el nivel de Sigma 3,
significa que 66.807 camisetas de cada millón que vendemos no llegan al cliente
dentro de los parámetros concertados.

Dentro del método Seis Sigma existen varias etapas fundamentales:

En primer lugar está la fase de Definir, en la que se deciden cuáles son los posibles
proyectos Six Sigma, a qué áreas afectan, qué procesos pueden mejorarse, o quién
podría encargarse de mejorar estos procesos.

Después llega la fase de Medir, que se centra en las variables que afectan a los
procesos (clientes, características del producto, etc).

En la fase de Analizar se estudian los datos y cifras relativos a los procesos que se
quieren optimizar, y se buscan relaciones de causa-efecto en esos datos.

La fase de Mejorar sucede al análisis y su basa en la optimización de los procesos

en base a los resultados y las relaciones de causa-efecto extraídas.

Por último está la fase de Controlar, en la que el equipo encargado del Six Sigma
debe entregar la documentación que acredita las tareas llevadas a cabo y procurar
las herramientas necesarias para que se mantenga el nivel de eficiencia alcanzado
si se producen cambios en el futuro.