UNIDAD 2: HERRAMIENTAS Y METODOS

ESTADISTICOS DE CONTROL DE CALIDAD

Los Diagramas de Flujo, también denominados flujogramas, muestran la secuencia de pasos de un proceso.
Son de utilidad para describir cualquier proceso existente o nuevo
en la organización. Esta herramienta puede ser aplicada para:

✓ Realizar las descripciones formales de los procesos dentro de un

sistema de gestión de la calidad.

✓ Identificar aspectos clave del proceso, a los que lógicamente se

les deberá prestar mayor atención.

✓ Localizar posibles problemas, lo que permite llevar a cabo

acciones de prevención.

✓ Buscar acciones o actividades omitidas, bien por error o bien por

innecesarias.
El primer símbolo se incorpora tras la contestación a la pregunta: ¿Qué ocurre en primer lugar? Entonces, se
selecciona el símbolo adecuado en función de la respuesta. Posteriormente se van añadiendo símbolos
contestando sucesivamente a la pregunta: ¿Qué ocurre después? En la elaboración del diagrama hay que tener en
cuenta las siguientes consideraciones
Ventajas

Entre las ventajas que supone la utilización de esta herramienta destacan las
siguientes:

✓ Proporcionan un esquema visual del proceso que facilita su comprensión global.

✓ Facilitan la comunicación

✓ Facilitan la formalización y sistematización de los procesos.

✓ Definen con precisión la secuencia de actividades, por lo que se eliminan falsas

interpretaciones o equívocos.

✓ Se pueden realizar de cualquier proceso que se lleve a cabo en la organización

 Ejemplo de diagrama de flujo para el procedimiento de control de producto no conforme:

Cuando se redacta un diagrama de flujo de proceso, se identifican los factores problemáticos que no
se percibían anteriormente, los cuales pueden ser trabajados y mejorados para lograr mejores
resultados.
DIAGRAMA DE FLUJO DE ELABORACION DE MANTEQUILLA
Diagrama de proceso para elaboración de bebida energética saborizada con café
Propósito

El diagrama de espina se utiliza para recoger de manera gráfica todas las posibles causas de un problema o
identificar los aspectos necesarios para alcanzar un determinado objetivo (efecto). También se lo denomina
diagrama causa-efecto o diagrama de Ishikawa.
Construcción

Para desarrollar el diagrama de espina se deben seguir los siguientes pasos:

1. Definir y determinar claramente el problema o efecto que se va a analizar.

2. Identificar los factores o causas que originan el efecto, mediante un
brainstorming. La enumeración de las causas debe ser lo más amplia y completa
posible. Para clasificar las causas encontradas a menudo se utiliza como referencia
las categorías de las cuatro M definidas por Ishikawa: mano de obra, maquinaria,
materiales y métodos, aunque pueden ser cualesquiera que resulten apropiadas.
Estas categorías son los rótulos de las espinas.
 Método 6M para el Análisis de Causa y Efecto
Se recomienda categorizar los factores en el análisis de causa y efecto para que los lectores puedan entenderlos mejor.
Durante las fases de discusión y borrador del análisis de causa y efecto, se puede aplicar el método 6M. El 6M significa
mano de obra, maquinaria, materiales, métodos, medición y madre-naturaleza.
A continuación se muestra la ilustración detallada del método.

Mano de • Capacitar al personal para que puedas estar calificados en el

trabajo.
Obra
• Comprobar la estabilidad y funcionalidad de las instalaciones, el estado de
refrigeración y lubricación del equipo. Si la maquinaria se está oxidando o
Maquinaria erosionando, la eficiencia de la producción puede disminuir. Busca
soluciones para mantener y reparar regularmente los equipos.
• Dar mantenimiento preventivo para evitar problemas a futuro.

Materia • Pensar en los componentes de los materiales, las

propiedades físicas y químicas.
• Buscar a los proveedores adecuados, lo mejor seria los que
Prima están verificados.
 Método 6M para el Análisis de Causa y Efecto

• Para ser más específicos, la metodología, los métodos o las

Método técnicas afectarán al resultado de la acción.

• Contar con la documentación adecuada en los procesos, como el
“ISO”.

Medio • Buscar los medios apropiados para mejorar el ambiente laboral.

• El entorno en el campo de producción, incluyendo temperatura,
humedad, perturbación del ruido, vibración, alumbrado y
Ambiente contaminación interior influirán en los productos o servicios.

Medición • Tener una visión del control de calidad a largo y corto plazo.
Aplicación

La aplicación de esta herramienta es amplísima. Entre otras, puede utilizarse para conocer y afrontar las
causas de los defectos, anomalías o reclamaciones; reducir costes; obtener mejoras en los procesos;
mejorar la calidad de los productos, servicios e instalaciones; y establecer procedimientos normalizados,
tanto operativos como de control.

Ventajas

A pesar de la aparente sencillez de esta herramienta, su aplicación presenta una serie de ventajas, como:

✓ Proporcionar una metodología racional para la resolución de problemas.

✓ Permitir sistematizar las posibles causas de un problema.

✓ Favorecer el trabajo en equipo permitiendo que los trabajadores planteen de forma creativa sus

opiniones y que la comunicación sea clara y eficaz.

EJEMPLO:
PROBLEMA: Fermentación del Néctar de manzana
Propósito

El diagrama de Pareto es una herramienta de representación gráfica que identifica los problemas más
importantes, en función de su frecuencia de ocurrencia o coste (dinero, tiempo), y permite establecer las
prioridades de intervención.

En definitiva, es un tipo de distribución de frecuencias que se basa en el principio de Pareto, a menudo

denominado regla 80/20, el cual indica que el 80 % de los problemas son originados por un 20 % de las causas.
Este principio ayuda a separar los errores críticos, que normalmente suelen ser pocos, de los muchos no
críticos o triviales.
Construcción

La construcción del diagrama de Pareto consta de las siguientes etapas:

1. Decidir cómo clasificar los datos

Después de tener clara la cuestión a analizar, se debe elegir el método de clasificación de los datos que
deben recogerse. Por ejemplo, se pueden clasificar por tipo de defecto (forma muy usual de hacerlo), por
máquina, por fase del proceso, por turno, etc.

2. Determinar el tiempo de recogida de los datos

Consiste en decidir cuándo y durante cuánto tiempo recogeremos los datos, en términos de horas, días,
semanas o meses.
4. Dibujar los ejes de coordenadas

Se colocan en el eje vertical la escala de medida de las frecuencias o coste y

en el eje horizontal las causas en orden decreciente de la unidad de medida.
En nuestro ejemplo, en el eje vertical figurarán el número total de defectos
detectados y en el eje horizontal los tipos de defectos.

5. Dibujar el diagrama

Consiste en la representación gráfica de los datos recogidos en la hoja. Para

ello se observa cuál es el defecto ocurrido con mas frecuencia y se presenta
en el extremo izquierdo, junto al eje vertical, mediante una barra ancha que
tendrá la altura correspondiente a su frecuencia. Posteriormente se
representa el segundo defecto en frecuencia, y así sucesivamente.
Obtener los datos y ordenarlos

En esta fase se debe preparar la hoja de recogida de datos. Por ejemplo, si hemos decidido clasificar por
tipo de defecto y definimos un periodo de observación de cuatro semanas consecutivas, la hoja de
recogida de datos podría ser como la que muestra la Figura. En ella se van anotando los datos (el
defecto A ocurrió dos veces en la primera semana, el defecto B ocurrió cuatro veces, y así
sucesivamente con todos), de manera que una vez complementada constituye la base para la
representación del Diagrama de Pareto.
Antes de dibujar el diagrama de Pareto hay que colocar los defectos en orden decreciente en función
del número de veces que se hayan detectado. En este ejemplo, el defecto C es el que se detecta
mayor número de veces, seguido de B, D y por último A, que corresponde al defecto que ha
aparecido en menor número de ocasiones

A
Construir una línea de frecuencia acumulada

Consiste en trazar a la derecha una línea de porcentajes que sitúa a la altura de 90, total de los
defectos observados en las cuatro semanas, el 100 %. Esta línea muestra los porcentajes acumulados.
El análisis de Pareto

El diagrama pone de relieve los problemas más importantes sobre los que será necesario actuar.
En nuestro ejemplo, los defectos C y B son los defectos más importantes, puesto que representan el 80 % de los
defectos totales.

Entonces, a la hora de actuar tendremos que comenzar a resolver los problemas teniendo en cuenta este orden
de importancia, dado que normalmente contamos con un tiempo y unos recursos limitados para la consecución
de los resultados.

Si conseguimos eliminar o disminuir drásticamente estos dos defectos, habremos eliminado la mayoría de los
defectos; por tanto, debemos centrar nuestros esfuerzos en esta dirección.
Ventajas

La utilización de esta herramienta presenta las siguientes ventajas:

✓ Permite observar los resultados de las acciones de mejora

implantadas al comparar dos diagramas del mismo fenómeno en
momentos distintos de tiempo.

✓ Es una herramienta polivalente y fácilmente aplicable, no sólo en el

control de la calidad sino en cualquier ámbito.

✓ Utilizado en presentaciones y reuniones aumenta la eficacia y la

rapidez de la comunicación ya que permite identificar rápidamente y
a simple vista el problema más grave.
MUCHAS GRACIAS
UNIDAD 2: HERRAMIENTAS Y METODOS
ESTADISTICOS DE CONTROL DE CALIDAD
Los histogramas son diagramas de barras que muestran el grado y la naturaleza de variación dentro del
rendimiento de un proceso. El histograma muestra la distribución de frecuencias de un conjunto de valores
mediante la representación con barras.
En general, el histograma como distribución de frecuencias tiene muchísima utilidad, y se aplica en la
elaboración de informes, análisis, estudios de las capacidades de proceso, la maquinaria y el equipo y para
el control (Ishikawa, 1994).
Los histogramas pueden tener distintas formas según la distribución de la frecuencia de las variables
consideradas. El análisis de su comportamiento permite determinar la tendencia central y la dispersión de
los datos. Como lo más habitual es que las distribuciones se asemejen a otras conocidas, como por ejemplo
la distribución normal, se puede evaluar y hacer inferencias de las características del conjunto de la
población. En la Figura se pueden observar algunos tipos de histogramas y las posibles causas que originan
sus comportamientos.
Ejemplo:

Un equipo del departamento de producción de una empresa decide analizar con mayor detenimiento el
peso (en gramos) de uno de los productos elaborados, ya que se han venido observando anomalías
últimamente. El equipo decide dibujar un histograma para posteriormente analizarlo. Recogen cincuenta
y cinco datos durante una semana, once por día. La Figura muestra los resultados de la inspección en la
hoja de recogida de datos.
A partir de los datos recogidos se realizan los cálculos para determinar el número de barras, su anchura y
sus límites.
En primer lugar, conocido el número total de datos (N = 55), se localizan el mayor valor y el menor valor
entre los datos y se calcula su diferencia, con lo que se obtiene el rango:

Para determinar el número de barras y su anchura se realizan los siguientes cálculos:

A continuación, se determinan los límites de cada barra, calculando la frecuencia. Por último, se dibuja el
histograma, que agrupa los datos por intervalos y muestra la frecuencia (correspondiente a la altura de cada
barra) y se procede a su interpretación.
Una distribución de frecuencias alcanza para muchos problemas de calidad.

Sin embargo en una amplia clase de problemas la técnica gráfica es inconveniente, o necesita la información
adicional que proporcionan las técnicas analíticas, estos tienen la ventaja de ocupar menos espacio, permiten
comparar entre conjuntos de datos. Una medida de tendencia central de una distribución de datos, es un valor
numérico que describe la posición central de los datos.

Existen tres tipos: el promedio, la mediana y la moda.

1. Promedio o media. Es la suma de todos los datos dividida entre el total de datos.
Mediana

La mediana representa el valor de la variable de posición central en un conjunto de datos ordenados.

Hay dos casos. Cuando es impar se toma el dato central de todos los datos, pero cuando es par, la
mediana es el promedio de los dos números a la mitad.

En el ejemplo del histograma tenemos los 60 datos ordenados.

Moda

Es aquel valor de la muestra que ocurre más a menudo o con mayor frecuencia. La moda puede no existir, y
cuando existe no necesariamente es única. En Ia muestra, una serie es unimodal si tiene una moda,
bimodal si tiene dos modas, y multímodal si tiene más de dos modas.

Para nuestro ejemplo de histograma tenemos de los datos ordenados:

La moda es el dato que más se repite: 34.7 es la

moda se repite seis veces
El diagrama de dispersión se usa comúnmente para mostrar cómo dos variables
se relacionan entre sí. De este modo, permite estudiar las relaciones que
existen entre dos factores, problemas o causas relacionadas con la calidad, o un
problema de calidad y su posible causa. Su objetivo es analizar estas variables
para determinar la forma en que se relacionan o qué tan independientes son
una de la otra. Esto se llama correlación y existen tres tipos:

✓ Correlación positiva. Se da cuando hay una relación proporcional entre

ambas variables; es decir, las dos disminuyen o aumentan a la vez.
✓ Correlación negativa. Se produce cuando el comportamiento de una
variable es diferente a la otra. Por ejemplo, mientras una aumenta, la otra
disminuye.
✓ Correlación nula. No existe algún tipo de comportamiento entre ambas
variables.
Pasos para elaborar un diagrama de dispersión

Identificar la situación y las variables. Lo primero que deben hacer las organizaciones es detectar el problema
en cuestión. Luego, determinar las variables que permitan caracterizar la situación.

Recolectar los datos de las variables. Se recopilan los datos que se analizarán para verificar la relación entre
las variables. Es importante que estos datos se encuentren dentro del mismo periodo de tiempo.
Dibujar el plano cartesiano. En el eje X se encuentra la variable independiente (que no es influenciada por la
otra) y en el eje Y se coloca la variable dependiente (aquella que se encuentra afectada por la otra variable).

Trazar las variables pareadas. Las variables son representadas por círculos. Si los dos pares de datos tienen
el mismo valor, ambos deben ser dibujados uno al costado del otro o trazar el segundo punto a corta
distancia.

Analizar los datos. Colocados

los datos en el diagrama, se
analiza el diagrama para
determinar la correlación que
existe entre las variables.
Siempre se debe buscar la causa
raíz del problema.
Coeficiente de correlación de Pearson

En estadística, el coeficiente de correlación de Pearson es una medida de la relación lineal entre dos
variables aleatorias cuantitativas. A diferencia de la covarianza, la correlación de Pearson es
independiente de la escala de medida de las variables.

De manera menos formal, podemos definir el coeficiente de correlación de Pearson como un índice que
puede utilizarse para medir el grado de relación de dos variables siempre y cuando ambas sean
cuantitativas.
El diagrama de dispersión es una herramienta muy útil con la capacidad de mostrar relaciones no lineales
entre variables, y es usado ampliamente en los planes de Six Sigma. Conociendo estas correlaciones, se
puede determinar la estrategia a usar para controlar y supervisar el proceso de manera eficiente,
mejorando así la calidad.
MUCHAS GRACIAS
UNIDAD 2: HERRAMIENTAS Y METODOS
ESTADISTICOS DE CONTROL DE CALIDAD
 Segunda técnica utilizada en control de calidad es la distribución normal, es una forma de análisis después
del histograma de los datos de tendencia central, realizar el análisis con una distribución normal.

La curva normal

La distribución continua de probabilidad más importante en

el campo de la estadística es la distribución normal. Un tipo
de población que es bastante común se llama curva normal,
campana de Gauss o distribución de Gauss. La curva normal
es una distribución simétrica, unimodal, en forma de
campana, en la que la media , la mediana y la moda
tienen el mismo valor.
 Una curva o distribución de población se obtiene como un
histograma de frecuencia. A medida que crece más y más el
tamaño muestra de un histograma, el intervalo de clase se
vuelve más pequeño. Cuando el tamaño de la muestra es
bastante grande y el intervalo de clase es más pequeño, el
histograma tendrá la apariencia de un polígono uniforme, o
curva, que representa a la población.

La distribución normal es una distribución de probabilidad de variable

continua que describe los datos que se agrupan en torno a un valor
central. Todo proceso en el que solo existan causas aleatorias de variación
sigue una ley de distribución normal.

Esta condición que aparece con frecuencia en fenómenos naturales (de ahí
que se la denomine “normal”), puede obtenerse en los procesos
industriales si los procesos se llevan a un estado en el que solo existen
causas comunes de variación.
Una distribución normal se caracteriza por:

1. Los valores de las mediciones tienden a agruparse alrededor de un punto

central, la media.
2. La representación de los datos es simétrica a ambos lados de la media.
3. Las desviaciones estándares quedan situadas a igual distancia unas de otras.
4. La proporción de mediciones situada entre la media y las desviaciones es una
constante en la que:

• La media ± 1 * desviación estándar = cubre el 68,3% de los

casos
• La media ± 2 * desviación estándar = cubre el 95,5% de los
casos
• La media ± 3 * desviación estándar = cubre el 99,7% de los
casos
Una gráfica de control es una carta o diagrama especialmente preparado donde se van anotando los
valores sucesivos de la característica de calidad que se está controlando. Los datos se registran durante el
funcionamiento del proceso de fabricación y a medida que se obtienen. La gráfica de control tiene una
Línea Central que representa el promedio histórico de la característica que se está controlando y Límites
Superior e Inferior que también se calculan con datos históricos

Objetivo principal de los gráficos de control es detectar lo antes posible cambios en el

proceso que puedan dar lugar a la producción de unidades defectuosas, y ello se consigue
minimizando el tiempo que transcurre desde que se produce un desajuste hasta que se
detecta.

Es la gráfica de control de mayor sensibilidad para descubrir e identificar

causas. Esta grafica muestra en una sección los promedios (valores del
proceso) y en otra sección el rango (variación).
Por lo tanto, el objetivo primordial de los gráficos es la detección rápida de la presencia de
causas asignables en un proceso y para ello son importantes los siguientes puntos:

El riesgo que se está

dispuesto a admitir cada El cambio mínimo en el
vez que se decida que valor del parámetro que
una causa asignable ha se desea detectar
entrado en el proceso

El tiempo medio
esperado entre
desajustes
Objetivos de las gráficas de control son:

❑ Obtener información para establecer o cambiar especificaciones.

❑ Obtener información para ser utilizada en el establecimiento o cambio de procedimientos de producción.

❑ Obtener información para establecer o modificar los procedimientos de inspección.

❑ Proporcionar un criterio para la toma de decisiones reales durante la producción acerca de cuándo
investigar causas de variación y tomar acción para corregirlas y cuando dejar solo el proceso.

❑ Proporcionar un criterio para Ia toma de decisiones rutinarias sobre Ia aceptación o rechazo de un

producto manufacturado o comprado.
Características importantes de las Gráficas de Control

❖ Son una técnica probada para mejorar la productividad.

❖ Son eficaces para detectar defectos.
❖ Evitan ajustes innecesarios al proceso.
❖ Proporcionan información para el análisis.
❖ Proporcionan información acerca de la capacidad del proceso.

Que hacen las gráficas de Control

❖ Concentran la atención en la detección y vigilancia de la variación
del proceso a lo largo del tiempo.
❖ Diferencian las causas principales y las causas comunes de la
variación, como guía para la acción local o de la gerencia.
❖ Sirven como herramienta para el control continuo de un proceso.
❖ Ayudan a mejorar un proceso a fin de que se comporte de manera
uniforme y previsible para una mayor calidad, costos más bajos y
una mayor capacidad de eficacia.
Gráficos de control por variables

Estos gráficos miden una característica continua, es decir, que puede tomar infinitos valores dentro de un
intervalo. El más utilizado en control de calidad es el gráfico 𝑋ത - R que registra la media del proceso y el
recorrido o rango de cada muestra y se utiliza para controlar y analizar un proceso empleando valores
relativos a la calidad del producto tales como temperatura, peso, volumen, concentración, etc. En su
construcción es necesario elaborar un gráfico para los valores medios muestrales (𝑥)ҧ y otro gráfico para los
recorridos (R).

El primero indica si existen cambios en la tendencia central de un proceso y el segundo muestra si ha variado
la uniformidad del proceso.
Los pasos a seguir en la preparación de los gráficos son:

1) Recogida de los datos y su registro

Es necesario recoger el mayor número posible de datos, por lo menos cien datos recientes sobre la
característica del proceso que se controla, pero cuando los datos son escasos, cincuenta o veinte valores
resultan suficientes para el análisis. Para la recogida de los datos se determina el «tamaño de la muestra», que
por ejemplo puede ser de 5 observaciones (n = 5) y el «número de muestras» a observar, por ejemplo 25
muestras (k = 25). Se debe intentar que el tamaño de las muestras sea siempre el mismo, ya que la
preparación y el uso de los gráficos de control se complican cuando el tamaño de las muestras no es
constante. El paso siguiente es registrar los valores observados en hojas de datos con un formato específico.

2) Calcular la media y los recorridos de las muestras

ത de cada muestra así como los recorridos R restando el valor máximo del
Se calcula la media (𝑋)
valor mínimo de cada muestra. La fase siguiente es calcular el promedio general (𝑋) ധ con las
ത También se calcula el recorrido promedio (𝑅)
medias de cada muestra (𝑋). ത con los valores de R
para cada muestra
3) Calcular los límites de control

Para cada gráfico hemos de calcular los límites de control superior e inferior. Estos límites se pueden
calcular a ±3 desviaciones del promedio porque consideramos que la distribución de las medias sigue
una distribución normal o muy próxima cuando la muestra tiene un tamaño igual o superior a cuatro.
De esta manera se pueden calcular los límites utilizando unas sencillas fórmulas.

Para el gráfico 𝑥,ҧ los límites de control se calculan de la siguiente forma:

– Línea central: LC =𝑋ധ

– Límite de control superior: LCS =𝑋ധ + 𝐴2 𝑅ത
– Límite de control inferior: LCI = 𝑋ധ - 𝐴2 𝑅ത

Para el gráfico R, los límites de control se calculan así:

– Línea central: LC = 𝑅ത
– Límite de control superior: LCS = 𝐷4 𝑅ത
– Límite de control inferior: LCI = 𝐷3 𝑅ത
4) Representar los gráficos de control

Calculados los límites, el paso siguiente es representar los datos en el gráfico, trazar las líneas de control y
señalar la línea central (LC). Los gráficos de control 𝑋ത y R se representan uno encima de otro. Para facilitar la
posterior lectura de los gráficos hay que intentar representar los puntos con claridad para que resulten fáciles
de ver y deben estratificarse si es necesario.
5) Interpretación de los gráficos

Cuando se representan los puntos hay que observar principalmente si éstos caen dentro o fuera de los
límites para determinar si el proceso está o no bajo control. Si observamos que uno o más puntos de la
gráfica 𝑋ത se encuentran fuera de los límites, mientras que los correspondientes valores de la gráfica R
están dentro de los límites, eso significa que en el proceso se ha producido algo que ha modificado el
valor medio de la característica que estamos analizando.

Si observamos que uno o más puntos de la gráfica R se encuentran fuera de los límites, mientras que los
correspondientes valores de la gráfica 𝑋ത están dentro de los límites, eso significa que las piezas
producidas presentan variaciones más dispersas de la característica que estamos analizando, aunque la
media sea constante.
Ejemplo

Supongamos que deseamos controlar un

determinado proceso y para ello el operario
selecciona una muestra de cinco
observaciones (n=5) correspondientes al
peso de una pieza (en miligramos) y las
registra en una hoja como la que se muestra
en la Figura. El proceso lo repite 25 veces,
con lo que obtienen 25 muestras (m=25) de
tamaño cinco.
MUCHAS GRACIAS