6. Marco Teórico.

Actualmente la calidad en los procesos de manufactura de las empresas se ha

convertido en algo más que un requisito por cumplir para transformarse en un
principio fundamental de la cultura organizacional. Ya no es suficiente con hacer
bien las cosas y quedarse sólo con eso, sino que debe implementarse un sistema
de producción basado en el mejoramiento continuo a largo plazo que le genere a
las empresas mayor competitividad para afrontar con éxito las situaciones de la
economía contemporánea. Para ello es necesario que cada organización posea
una serie de fortalezas internas como planificación, comunicación eficaz entre sus
departamentos, ejecución estandarizada de los métodos, realimentación en los
procesos y cambios oportunos en estos cuando amerite hacerlos. Como se
menciona en (González, Domingo, & Sebastián, 2013), el enfoque que se le dé a
la calidad más que reactivo, es decir, esperar a que ocurra el error para buscar su
causa y solucionarlo, debe ser proactivo, o sea, la prioridad debe ser prevenir los
errores antes de que aparezcan y para ello es importante crear en las personas
distintos valores como motivación, conciencia, comunicación, compromiso, trabajo
en equipo, entre otros, que les instaure un pensamiento de desempeñarse bien en
todo momento. Esto es vital porque los errores o defectos en los productos
representan un alto costo para la empresa una vez presentados. Por ejemplo, si
un operario observa un fallo en la máquina y lo comunica rápidamente a su
supervisor, este actuaría de inmediato para corregir la equivocación y la ventaja
sería que el error no trascendería ni a otros departamentos ni al consumidor final.
También es importante mencionar el papel que juegan los elementos externos a la
empresa como por ejemplo los proveedores. Si la compañía mantiene excelentes
relaciones con ellos y emplea procesos selectivos estrictos para su escogencia,
habrá garantía de calidad en los materiales proporcionados y en muchos otros
aspectos.

Dado lo relevante de este tema y en vista de que en las empresas suceden

situaciones consideradas anormales en la producción que deben resolverse
constantemente, resulta trascendental profundizar en la temática refiriendo el caso
particular de una empresa que tiene más de cuatro décadas de establecida en
Costa Rica bajo el nombre de Trimpot Electrónicas Ltda. Esta empresa cuenta con
sucursales en otros países como Japón, Reino Unido y México y se dedica a la
fabricación de componentes electrónicos para circuitos en movimiento, protección
y condicionamiento para diversas industrias como la automotriz, médica y de
telecomunicaciones en cada una de sus tres áreas de negocio (Bourns Costa
Rica, 2018). En la división de Fixed Resistors producen resistencias fijas, las
cuales son pequeñas placas metálicas llamadas Shunts que son utilizadas en las
tarjetas eléctricas de los vehículos. Para la gerencia de Trimpot es sumamente
significativo controlar la producción de estas piezas bajo estrictos estándares de
calidad, ya que están destinadas a satisfacer necesidades en campos vitales
como la salud y la seguridad. Por esta razón su personal labora siguiendo uno de
los valores más importantes para la empresa, el awareness o toma de conciencia,
lo que implica laborar con ética en cada etapa del proceso de fabricación. Aun así
es totalmente normal que en un proceso de manufactura en línea como este se
susciten condiciones aleatorias (causadas por factores irrelevantes que ya están
contemplados en las mediciones) y no aleatorias, es decir, aquellas causadas por
elementos identificables como por ejemplo las máquinas, la mano de obra, el
ambiente, el material o el método de trabajo implantado. Las consecuencias
inmediatas son la variación en alguna(s) de la(s) característica(s) de los Shunts,
como por ejemplo su largo de longitud, medida de ancho, altura o longitud de
pines, lo cual implica una no conformidad con los parámetros definidos por el
cliente que solicita las partes.

Uno de los fines del presente proyecto es ayudar a esta empresa en la solución de
esta problemática analizando datos brindados por un conjunto de muestras,
mediante la aplicación de diversas herramientas de control estadístico para
identificar posibles causas no vistas por la organización y sugerir
recomendaciones críticas ya sea para erradicar el problema, disminuirlo o lograr
una eficiencia en el proceso.
Seguidamente se expondrán conceptos argumentados en la teoría sobre varios
instrumentos de control estadístico que podrían servir para solventar el problema.
La escogencia y posterior aplicación de uno o varios de ellos dependerá del
alcance de la investigación y de las condiciones del proceso seleccionado, es
decir, que las características de éste se ajusten adecuadamente al procedimiento
establecido en las herramientas.

El control estadístico de procesos (SPC) por sus siglas en inglés, sirve para
establecer si el proceso de producción está controlado o fuera de control y esto lo
realiza mediante un estudio de distintos gráficos para determinar las posibles
causas que estén provocando la variación en los parámetros definidos.

De acuerdo con (Guido, 2010), los gráficos están estructurados con dos límites,
uno de control superior (LCS) y otro de control inferior (LCI), ambos ubicados a
tres desviaciones estándar de la línea central (LC). La idea es que los datos de las
muestras queden establecidos en este rango y se baje la probabilidad de que
algún punto se salga fuera de los límites y que por este motivo se concluya que el
proceso está fuera de control estadístico cuando en realidad está controlado.

Para Guido, algunos de los principales patrones que se deben analizar en los
gráficos son los siguientes:

 Un punto que se salga de cualquiera de los dos límites indica una condición
fuera de control.
 Ocho puntos seguidos a un mismo lado de la línea central.
 Seis puntos continuos de forma ascendente o descendente.

Otras observaciones como un cambio brusco en el patrón constante de los puntos

o algunas corridas anormales en varios de ellos también podrían sugerir
situaciones de descontrol.

Por las características del proceso de producción investigado, las resistencias fijas
se pueden analizar desde dos ópticas:
 1. Ejecutando un control por atributos, es decir, analizando la fracción o
porcentaje de los shunts del total producido, mediante el empleo de
técnicas apropiadas o
2. controlando el proceso de acuerdo al examen de una o más características
de los shunts como la medida de su longitud, ancho, altura o el largo de sus
pines, las cuales representan propiedades que deben analizarse utilizando
gráficos de control para variables continuas.

Gráficos de control estadístico para atributos.

Gráfico de control para fracción disconforme.

Según (Guido, 2010), es conocido como gráfico de p y para obtener la fracción

disconforme se divide el total de las piezas defectuosas entre el total de piezas
producidas. Igualmente, se puede utilizar para determinar la porción de unidades
conformes. Cuando se dice conformes, se hace referencia a las resistencias que
cumplen fielmente con la orden Customer Specific Requierements, en la cual se
indican los parámetros a los que debe ajustarse la producción.

La fórmula para el cálculo de los límites del gráfico es la siguiente:

(1-) (1-)

LCS =  + 3 n LCI =  – 3 n LC = 

La fracción o porcentaje se calcula como p = D/n donde D es la cantidad total de

piezas disconformes obtenidas de las muestras analizadas y n es el total de
piezas analizadas, es decir, las conformes más las no conformes o defectuosas.

Gráfico de control para el número de partes disconformes.

Su uso es similar al gráfico p, nada más que en lugar de graficar la fracción de

unidades disconformes se grafica el total de estas. Sus límites se calculan así:

LCS = n + 3Vn(1-)

LCI = n - 3Vn(1-)

LC = n
Gráficos de control estadístico para variables.

Gráficos de control de promedios y rangos o de promedios y desviación estándar.

Esta herramienta controla la actuación de variables de medición por medio de la

inspección del cambio en la media de las muestras obtenidas o en la desviación
estándar de las mismas. Tanto el promedio como el rango deben vigilarse para
asegurar el control estadístico (Guido, 2010).

Además, de acuerdo con este autor estos gráficos se fundamentan en la

distribución normal, por lo que se pronostica el comportamiento de las variables.

Límites de especificación y límites de control.

Los límites de especificación se refieren al rango de parámetros establecido por el

cliente, por ejemplo 0,5 a 2, lo que significa que la medida de la pieza puede variar
en ese rango sin que le provoque algún tipo de inconveniente al consumidor. Por
su parte, los límites de control se calculan tomando el promedio y la desviación
estándar de las muestras y no de los datos individuales (Guido, 2010).

Interpretación de los gráficos.

Según la unidad didáctica de la asignatura varios detalles que se presentan en un

gráfico de control estadístico para variables son:

 puntos no aleatorios o patrones cíclicos.

 Puntos cerca de los límites de control y muy pocos cerca de la línea central,
lo que indica muestras de diferentes equipos pero acopladas en una misma
línea.
 Cambios de nivel que indican por ejemplo, uso de materia prima de dos
proveedores distintos, escasez de esta en partes en proceso, desgaste de
la máquina, entre otros.

Lo acostumbrado cuando se aplican dichos gráficos es definir el tamaño de la

muestra entre 4 y 6 unidades. Sin embargo, por las características del proceso se
pensaría en muestras de mayor cantidad como por ejemplo 25 resistencias cada
una.
Se el cálculo de los límites muestra puntos salidos se deben determinar causas
asignables y eliminarlas. Luego recalcular los límites para obtener los valores
definitivos.

Capacidad de los procesos.

Conforme a (Guido, 2010), la capacidad de un proceso significa medir la variación

de los requerimientos de un cliente (parámetros) para tener una idea de si dicho
proceso es idóneo. De igual manera, a través de esta técnica se conoce la
proporción o cantidad de partes que se encuentran dentro de las especificaciones.

Muestreo por atributos para la aceptación de lotes

La descripción de esta herramienta se hará conforme a (Guido, 2010). Esta sirve

para que la empresa audite un lote antes de que sea enviado al cliente respectivo,
el cual puede ser interno o externo.

Conformación de un lote

Se refiere al conjunto de piezas iguales producidas en un momento determinado

por los mismos operarios y utilizando la misma máquina. Éste se revisa
testeándolo o usando el muestreo aleatorio.

Muestreo aleatorio

Se utiliza con la intención de aceptar o rechazar un lote de acuerdo a si cumple o

no con las especificaciones de un cliente.

Cuando se utilizan muestras existe la probabilidad de que un lote sea rechazado

cuando debió aceptarse (riesgo del productor) o que sea aceptado cuando debió
rechazarse (riesgo del consumidor). En este último caso se deben aislar las piezas
defectuosas y repararlas.

Tipos de muestreo

Muestreo simple. Se toma una muestra aleatoria del lote y se compara la el

número de partes disconformes contra un valor previamente definido. Si iguala o
supera dicho valor el lote es rechazado.
Muestreo doble. Primero se determina el número de piezas a testear. Luego se
definen los valores de aceptación y rechazo, por ejemplo 2 y 4 respectivamente. Si
salieran 3 piezas disconformes se debe obtener otra muestra igual. Para esta
segunda muestra el lote se acepta con menos de 4. Si fuera necesario tomar más
muestras el muestreo sería múltiple.

La curva característica de operación

El gráfico de esta curva coloca en el eje x el porcentaje de unidades disconformes

en el lote y en el eje de las ordenadas el valor de aceptación de éste.

Para calcular esta curva se usa la Distribución Hipergeométrica o la Distribución

de Poisson.

La curva de AOQ o nivel de calidad de salida promedio

Detalla la calidad que recibe un cliente dependiendo del plan de muestreo

aplicado.

Inspección con rectificación

Si un lote se rechaza porque la cantidad de unidades disconformes de la muestra

superó por ejemplo su valor de rechazo, el lote no se desecha, sino que se
reelabora para que sea aceptado.

El esquema de muestreo

Se refiere a la clasificación que le otorgue la empresa a las piezas que se están

testeando, por ejemplo: altas, bajas o buenas. Si una pieza da alta, se pasa a su
debida rectificación que podría ser colocarla en un horno a ciertos grados de
temperatura para bajarla al nivel adecuado y que se clasifique como buena o
conforme con los requerimientos del consumidor.

La norma militar MIL-STD-105E

Es una tabla que contiene los cálculos para diversos planes de muestreo. Se
pueden escoger lotes desde 2 hasta más de 500 mil unidades. Posee tres niveles
generales de inspección y cuatro especiales.
Escogencia de un plan de muestreo

La selección del plan debe hacerse tomando en cuenta las curvas característica
de operación y AOQ, así como los riesgos del productor y consumidor.

El muestreo normal o simple es el que se utiliza de primero, pero si la calidad del

lote se deteriora entonces se emplea el muestreo estricto y si la calidad es buena
el muestreo se reduce.

Otras herramientas

También se podrían seleccionar para la investigación alguno(s) de los siguientes

instrumentos estudiados en la unidad didáctica de la asignatura:

Hoja de control

En ella se registran las condiciones del proceso para analizarlas y determinar

defectos, mejoras o causas no aleatorias de variación.

Análisis de Pareto

Se refiere al Principio 80-20, el cual indica que el 80% de los efectos se debe o es
provocado por el 20% de las causas. Por ejemplo, el 80% de las utilidades por las
ventas de una empresa son generadas por el 20% de los clientes.

El Histograma

Gráfico de columnas en el cual la altura de estas describe la frecuencia observada

de cada variable. Asimismo, muestra la distribución de las frecuencias e indica si
es simétrica o asimétrica (que tiene sesgo), así como también se obtienen otras
conclusiones dependiendo de los puntos o alturas que alcancen las columnas.

Diagrama de Ishikawa

En el caso de la empresa investigada se podría utilizar para detectar las causas

principales asignables del proceso basándose en el programa de las 6 M
(medición, mano de obra, medio ambiente, máquina, método y materiales). Estas
causas se dividen en secundarias y terciarias hasta determinar la raíz del
problema.
En la empresa estudiada el examen de las causas está a cargo de los ingenieros
de calidad correspondientes quienes definen la estrategia adecuada para después
implementar las medidas respectivas.

Para ofrecerle al lector una mayor perspectiva sobre el tema de interés, a

continuación se describen algunos escenarios de empresas donde ha acontecido
una problemática similar y cómo se analizaron y resolvieron. Se revisó
ampliamente la literatura y no se ubicaron empresas con la problemática
específica de los shunts o resistencias fijas, por lo que se exponen casos de
empresas con distintos productos pero que son útiles o aprovechables para
contrastar el problema planteado en el proyecto.

Caso 1. Empresa de fabricación de tornillos (Cruz, Villagrán, Sánchez, Pozo, &

Arévalo, 2018).

Para este caso, en la literatura no se facilitó el nombre de la empresa.

Problema.

La empresa fabrica tornillos para diversas industrias y es consciente de la

importancia de que éstos se produzcan bajo excelentes condiciones de calidad,
debido a que por ejemplo, un desgaste, una mala medida, la utilización de material
no conforme, etc., podría provocar que el artículo donde es instalado el tornillo
falle. El producto podría ser un mueble, una silla, el fuselaje de un avión, el pedal
de freno de un carro, entre otros.

Uno de los procesos de control que ejerce la empresa es sobre los tornillos que se
emplean para las bombas industriales, las cuales tienen un amplio uso como por
ejemplo, para dosificar productos químicos para el tratamiento de calderas en los
hospitales. Para ello se aplicó la herramienta del gráfico de control np. Se tomaron
25 muestras con 50 tornillos cada una y se anotaron las observaciones de tornillos
defectuosos en una tabla. Luego se obtuvieron los siguientes valores:

n = 50

p = 0,0728
LC = 3,64

LCS = 9,15

LCI = 1,87

Luego se diseñó el gráfico en Excel con base en estos datos. Posteriormente se

obtuvo la desviación estándar = 2,099 para calcular la capacidad del proceso de
0,875 y se creó el gráfico de cp de tornillos defectuosos.

Análisis y resultados.

Por ser lotes de 50 unidades se usó la gráfica np, en la cual un punto quedó en el
límite inferior y otro fuera del LCS. Además la gráfica presenta mucha
irregularidad, lo que demuestra que varios lotes podrían presentar defectos y se
deben buscar los orígenes de estos. Para ello se procedió a realizar un Diagrama
de Pareto el cual muestra como causas de los defectos la poca resistencia a la
torsión y flexión y la baja dureza del núcleo. Se decide atacar estas causas sin
descuidar las que menos daño provocan, puesto que la empresa está consciente
del nicho de mercado del cual forma parte.

Caso 2. FADESA (Villegas & Jonathan, 2021).

FADESA es una empresa ecuatoriana que fabrica envases y tapas metálicos para
todo tipo de industrias especialmente la de alimentos.

El problema presentado se debe al aumento de desperdicio en el material, lo que

ha provocado un aumento en los costos de producción de la compañía.

Análisis.

Para identificar las causas se utilizaron varias herramientas de control estadístico.

Diagrama de Ishikawa. Su aplicación contribuyó a identificar las causas del

problema y ayudó a minimizar los desperdicios de material implementando una
serie de acciones correctivas.

Diagrama de Pareto. Expone no sólo las debilidades del proceso sino también la
frecuencia y el porcentaje acumulado de las causas y los efectos.
Gráficas de control para atributos. Esta empresa ve con buenos ojos la aplicación
de esta herramienta, debido a que se enfoca en solamente si los envases o las
tapas son defectuosos, o sea, sin medir variables con las que se gastarían
mayores recursos por ser técnicas más complejas.

Gráficas de control para variables. Según esta empresa esta técnica de control
estadístico es más minuciosa que la anterior, pero ofrece la ventaja de detallar
más eficazmente las posibles causas. Esto se logra tomando en cuenta los
parámetros o tolerancias de las variables medidas como por ejemplo: el ancho de
la tapa, su altura, que el diseño de la rosca cumpla las especificaciones, entre
otros.

Resultados.

Luego de aplicar las herramientas anteriores se determinó que el principal

problema son los defectos de las tapas abre fácil, específicamente los filos de la
tapa y la pestaña incompleta. La causa raíz fue la falta de control por parte de los
supervisores, aumentando los costos de calidad del producto. Al aplicar las
herramientas estadísticas se redujeron los desperdicios, por lo que se recomienda
la instalación de una tecnología que utilice gráficos p para que una vez que los
defectos sean eficientemente identificados, el sistema pare el proceso y no se
sigan produciendo tapas disconformes hasta que la situación se resuelva. Ello es
bastante rescatable porque se estaría aplicando la proactividad (prevención) en
lugar de la reactividad, la cual genera mayores costos una vez iniciado los errores.
Referencias
Bourns Costa Rica. (7 de Febrero de 2018). Youtube. Obtenido de Bourns Costa Rica:
https://www.youtube.com/watch?v=KfKnR3tfzLE

Cruz, E., Villagrán, W., Sánchez, E., Pozo, E., & Arévalo, C. (Setiembre de 2018). Control estadístico
de procesos en la fabricación de tornillos para aplicaciones domésticas e industriales.
Ecuador. Recuperado el 31 de Julio de 2022, de
blob:https://polodelconocimiento.com/b45d0474-6684-4b03-bc2a-612d9d825de7

González, C., Domingo, R., & Sebastián, M. (Abril de 2013). Técnicas de mejora de la calidad.
Madrid, España. Recuperado el 30 de Julio de 2022, de https://elibro-
net.cidreb.uned.ac.cr/es/ereader/uned/48633?page=12

Guido, R. (2010). Técnicas básicas de control de calidad. San José: EUNED.

Villegas, P., & Jonathan, X. (Octubre de 2021). Implementación del control estadístico de procesos
de envases y tapas metálicas para verificar el desperdicio e incrementar la eficiencia en el
área de producción de FADESA. Guayaquil, Ecuador. Recuperado el 31 de Julio de 2022, de
http://repositorio.ug.edu.ec/bitstream/redug/56685/1/VILLEGAS%20PILAY%20JONATHAN
%20XAVIER.pdf