INSTITUTO TECNOLÓGICO NACIONAL DE MÉXICO EN CELAYA

TAREA DE INVESTIGACIÓN: CONSTRUYE E INTERPRETA

GRÁFICOS DE CONTROL, SIGUIENDO UNA METODOLOGÍA
SISTEMÁTICA A FIN DE TOMAR DECISIONES CORRECTAS
RESPECTO AL ESTADO DE PROCESOS Y REALIZAR EL ANÁLISIS
DE CAPACIDAD CORRESPONDIENTE.

ASIGNATURA: ESTADÍSTICA Y CONTROL DE CALIDAD.

ASESOR: GUERRERO NAVARRETE ÁNGEL.

CARRERA: INGENIERÍA MECATRÓNICA.

ELABORADO POR:

SILVA LÓPEZ KEVIN ALEXANDER.

LUGAR Y FECHA: CELAYA GTO. MARTES 16 DE MAYO DEL 2023.

Página 1 de 40
INDICE

Introducción. ------------------------------------------------------------------------------------3

Objetivo. -------------------------------------------------------------------------------------------4

4. Herramientas de calidad. ------------------------------------------------------------5

4.1 Recolección de datos. ----------------------------------------------------------------6

4.2 Hojas de inspección. --------------------------------------------------------------------12

4.3 Diagrama de Pareto. -------------------------------------------------------------------15

4.3.1 Histogramas. ----------------------------------------------------------------------------17

4.3.2 Diagrama causa-efecto. ----------------------------------------------------------18

4.3.3 Diagrama de dispersión. ----------------------------------------------------------20

4.3.4 Diagrama de estratificación. -------------------------------------------------23

4.4 Habilidad y capacidad del proceso. ------------------------------------------27

4.5 Gráfica de control. ---------------------------------------------------------------------28

4.6 Gráficos de control para atributos. ---------------------------------------31

4.7 Gráficas para no conformidades. ---------------------------------------------32

4.8 Gráficas X y R simples. -----------------------------------------------------------------

4.9 Análisis de la capacidad del proceso. --------------------------------------

4.10 Procedimientos especiales para el control de procesos. --

Conclusión. -----------------------------------------------------------------------------------------36

Referencias. ---------------------------------------------------------------------------------------37

Anexos. -----------------------------------------------------------------------------------------------38

Página 2 de 40
Introducción.

La calidad y el control de procesos son aspectos fundamentales en cualquier

investigación o estudio enfocado en la mejora continua y la optimización de resultados.
En este trabajo de investigación, se abordarán diversas herramientas y técnicas
utilizadas para garantizar la calidad de los procesos y la recolección eficiente de datos
relevantes.

Una de las herramientas clave en el control de calidad es la hoja de inspección, que

permite recopilar y registrar datos de manera sistemática para su posterior análisis.
Estos datos, una vez recolectados, pueden ser representados visualmente mediante
diferentes técnicas gráficas, como el diagrama de Pareto y los histogramas. Estas
representaciones gráficas facilitan la identificación de los elementos más importantes
o los problemas más frecuentes en un proceso.

Además, el análisis de la relación causa-efecto es esencial para comprender las

interacciones entre diferentes variables y factores que pueden influir en los resultados
de un proceso. El diagrama de causa-efecto, también conocido como diagrama de
espina de pescado o diagrama de Ishikawa, proporciona una visualización clara de las
posibles causas de un problema o resultado indeseado.

Otra herramienta poderosa es el diagrama de dispersión, que permite evaluar la

relación entre dos variables y determinar si existe una correlación significativa entre
ellas. A su vez, el diagrama de estratificación ayuda a identificar patrones o
agrupamientos dentro de un conjunto de datos, lo que puede proporcionar información
valiosa sobre posibles fuentes de variación.

Es importante evaluar la habilidad y capacidad de un proceso para cumplir con los

requisitos establecidos. Para ello, se utilizan técnicas como la gráfica de control, que
permite monitorear el desempeño del proceso y detectar posibles desviaciones o
tendencias no deseadas. Además, existen gráficos de control específicos para
atributos y no conformidades, así como gráficos X y R simples para el control de la
variabilidad de un proceso.

Página 3 de 40
Por último, se abordarán los procedimientos especiales utilizados para el control de
procesos y el análisis de su capacidad. Estos procedimientos pueden incluir técnicas
estadísticas avanzadas y métodos específicos para garantizar la estabilidad y el
mejoramiento continuo de los procesos.

En resumen, este trabajo de investigación explorará las herramientas de calidad, la

recolección de datos y una variedad de técnicas utilizadas para el control de procesos.
Mediante el uso de estas herramientas, se busca mejorar la calidad, identificar áreas
de mejora y lograr la excelencia en los resultados obtenidos.

Objetivo.

El objetivo principal de este trabajo de investigación es analizar, evaluar y profundizar

en el estudio de las herramientas de calidad, las técnicas de recolección de datos y los
procedimientos especiales utilizados en el control de procesos. Se busca comprender
cada una de estas herramientas y técnicas, así como su aplicación en situaciones
reales, con el fin de identificar oportunidades de mejora y promover la calidad y
eficiencia en los resultados obtenidos.

Página 4 de 40
4. Herramientas de calidad.

Las herramientas de calidad son una serie de técnicas gráficas utilizadas en la gestión
de la calidad y en la resolución de los problemas relacionados.

Las más conocidas han sido denominadas “7 herramientas básicas de la calidad” y

fueron divulgadas por Kaoru Ishikawa, profesor de ingeniería en la Universidad de
Tokio y padre de los ‘círculos de calidad’.

Una de las características más importantes de estas herramientas es, precisamente,

la facilidad de su uso, motivo por el que las denomina básicas. Esto implica que pueden
ser utilizadas por personas con poca formación en materia de estadística. Además,
son adecuadas para resolver la gran mayoría de las cuestiones relacionadas con la
calidad.

De acuerdo al Project Management Institute, estas herramientas son un recurso

extremadamente eficaz para planificar y controlar la calidad de un proyecto (PMBOK).
Ese control es fundamental para asegurarnos de que los productos y servicios cumplen
unas condiciones mínimas.

Las herramientas generan una serie de datos que, una vez analizados, se convierten
en la base de las decisiones a tomar para corregir cualquier aspecto del proceso
productivo que esté afectando a la calidad del producto.

¿Cuáles son las 7 herramientas?

1. Diagrama Causa – Efecto

2. Planillas de inspección
3. Gráficos de control
4. Muestreo estratificado
5. Histograma
6. Diagrama de Pareto
7. Diagramas de dispersión

Página 5 de 40
Imagen sobre las 7 herramientas de la calidad.

4.1 Recolección de datos.

La información es esencial para tomar buenas decisiones comerciales. Para obtener

datos precisos y convincentes, debes encontrar métodos confiables y adecuados. Aquí
te mostraremos algunos de los más usados métodos de recopilación de datos.

La recopilación de información es esencial para comprender y analizar un tópico

específico. En los negocios, es muy importante conocer nuestra industria, a nuestros
clientes y competidores para saber lo que otros están haciendo.

La recopilación de datos es fundamental para tomar buenas decisiones comerciales y

para desarrollar productos valiosos y atractivos. Un sistema de recopilación de datos
apropiado es de gran utilidad para identificar los problemas que puede experimentar
una empresa e implementar las soluciones correctas.

Página 6 de 40
Diferentes técnicas para recolectar datos.

Métodos de recopilación de datos cualitativos

La recopilación de datos cualitativos tiene en cuenta varios factores para proporcionar

una profundidad de comprensión de los datos sin procesar. Mientras que los métodos
cualitativos implican la recolección, análisis y gestión de datos, en lugar de contabilizar
las respuestas o registrar los datos numéricos, este método pretende evaluar factores
como los pensamientos y los sentimientos de los participantes en la investigación. Los
métodos de recogida de datos cualitativos van más allá del registro de acontecimientos
para crear un contexto.

Con esta visión mejorada, los investigadores pueden:

 Describir el entorno. Entender dónde se realizan las observaciones puede

añadir significado a las cifras registradas.
 Identificar a las personas que participan en el estudio. Si la investigación se
limita a un grupo concreto de personas, ya sea de forma intencionada o en

Página 7 de 40
 función de la demografía u otros factores, esta información puede informar
sobre los resultados.
 Describa el contenido del estudio. A veces, las actividades específicas de la
investigación y la forma en que se entregaron y recibieron los mensajes sobre
el estudio pueden arrojar luz sobre los hechos del estudio.
 Interactuar con los participantes del estudio. Las interacciones entre los
encuestados y el personal de investigación pueden proporcionar información
valiosa sobre los resultados.
 Sea consciente de los factores externos. Los acontecimientos imprevistos
pueden afectar a los resultados de la investigación. Los métodos de recopilación
de datos cualitativos permiten a los investigadores identificar estos
acontecimientos e incorporarlos a la narración de los resultados, lo que es casi
imposible de hacer con un enfoque meramente cuantitativo.

Métodos de investigación cualitativa

Hay tres métodos de recopilación de datos cualitativos que se utilizan habitualmente:

el etnográfico, el basado en la teoría y el fenomenológico.

La Etnografía proviene de la antropología, el estudio de las sociedades y culturas

humanas. La etnografía trata de entender cómo vive la gente. A través de este método
los investigadores se desvían de las preguntas específicas y prácticas que los
investigadores tradicionales de mercadeo utilizan y en vez de ellas observan a los
participantes de una manera no dirigida. Este enfoque pretende revelar los
comportamientos desde la perspectiva del sujeto en lugar de la perspectiva de los
investigadores.

La Etnografía ayuda a llenar los espacios vacíos cuando un participante no es capaz

de articular sus deseos o razones para sus decisiones o comportamientos. En vez de,
o en adición a, preguntar por qué un participante actúa de determinada manera, los
investigadores utilizan observación para entender el ¿porqué? Detrás de esos deseos,
decisiones o comportamientos.

Página 8 de 40
La teoría fundamentada surgió cuando los investigadores sociológicos buscaron
proveer un nivel de legitimidad a la investigación cualitativa – de fundamentarla en
realidades en lugar de conjeturas. Antes de este método, el análisis cualitativo de los
datos era desempeñado antes de recopilar cualquier dato cuantitativo, así que estaba
desconectado de cualquier proceso de recolección y análisis.

La teoría fundamentada utiliza los siguientes métodos:

 Observación del participante. Los investigadores se sumergen en la vida

diaria de los participantes. Otro nombre para este método es “trabajo de
campo”.
 Entrevistas. Estas pueden variar en formalidad desde chats informales a
entrevistas estructuradas.
 Colección de documentos y artefactos. La teoría fundamentada es más
acerca de observación y entrevistas. Los investigadores pueden aprender
acerca de un grupo de personas por medio de observar las cosas que un grupo
utilizó. Por ejemplo, las leyes de una comunidad local pueden arrojar luz con
respecto a opiniones y pintar un cuadro más claro de las opiniones de los
residentes.

Algunas de las veces, las verdaderas intenciones de la persona solamente emergen

cuando son genuinamente puestas a prueba. Como tal, el método fenomenológico
describe cómo las personas experimentan ciertos eventos o encuentros únicos. Este
método mide las reacciones a ocurrencias que están fuera de la norma, así que es
esencial entender el cuadro completo, no solamente los hechos y las cantidades.

Un ejemplo del método fenomenológico es estudiar las experiencias de los individuos

envueltos en un desastre natural. Para analizar datos de tal evento; el investigador
debe familiarizarse con los datos, enfocar el análisis en el tema objetivo, tiempo en
que ocurrió, y en otros factores; y categorizar los datos.

Completar estas tareas da al investigador el marco para entender cómo el desastre

natural impactó a la gente. Todo unido, el entendimiento, enfoque, y la organización

Página 9 de 40
ayuda a los investigadores a identificar patrones, hacer conexiones, interpretar datos,
y explicar hallazgos.

Cada uno de estos métodos cualitativos de recolección de datos arroja luz sobre
factores que pudieran estar ocultos en un análisis de datos simple. Los datos
cualitativos son una manera de darle contexto y realidad a los números brutos.
Frecuentemente, los investigadores hallan valor en un enfoque híbrido donde los datos
cualitativos son usados al mismo tiempo que los datos cuantitativos.

Métodos cuantitativos de recolección de datos.

Uno de los métodos más utilizados para la recopilación de datos es el método

cuantitativo. El análisis cuantitativo se relaciona con evaluar un resultado numérico.
Un ejemplo clásico es una encuesta, que hace preguntas para obtener respuestas que
arrojen luz sobre tendencias, preferencias, acciones, opiniones y cualquier otro
elemento que pueda ser contado.

Los métodos cuantitativos son populares porque son relativamente directos. Usando
estos métodos, los investigadores hacen preguntas para colectar conjuntos de hechos
y datos. Los datos cuantitativos son medibles y pueden ser expresados en forma
numérica.

Si bien esto parece un concepto simple, como muchos aspectos de la investigación,

hay varios enfoques a la colección cuantitativa de datos que dependen de que una
investigación en particular se esté llevando a cabo.

Diferentes enfoques cuantitativos de una investigación.

Los investigadores utilizan cuatro diseños diferentes de investigación cuantitativa:

descriptiva, correlacional, experimental, y cuasi-experimental.

Página 10 de 40
-Descriptiva. La investigación explica el estatus actual de una variable utilizando la
recopilación de datos observacional. Con frecuencia la investigación inicia sin una
hipótesis y permite que los datos orienten la dirección del estudio.

Un ejemplo sencillo de investigación cuantitativa descriptiva es un estudio que colecta

y tabula los puntajes de un examen. La investigación descriptiva frecuentemente utiliza
gráficos y tablas para ilustrar los resultados.

Si bien es cierto que la investigación descriptiva es frecuentemente cuantitativa, puede

ser cualitativa. La recopilación de datos descriptiva hace preguntas como ‘¿Qué es
“x”?’.

-Investigación Correlacional. Busca recolectar datos que muestren las relaciones

entre diferentes acontecimientos. Una correlación positiva es cuando dos variables
crecen o disminuyen al mismo tiempo. Una correlación es negativa cuando el
incremento en una variable implica una disminución en la otra.

También existe una correlación de cero, en la cual la correlación entre las dos variables
es insignificante. La correlación ayuda a hacer predicciones basadas en relaciones
históricas y determinar la validez y confiabilidad de un estudio.

Un ejemplo de datos correlacionales podría ser la colección de datos de como la altura

de una persona usualmente se correlaciona su peso – entre más alta la persona mayor
es su peso. Esta es una correlación positiva.

-Investigación experimental, también conocida como “verdadera experimentación”,

usa el método científico para determinar la relación causa y efecto entre sus variables.
Este método utiliza controles para todos los factores cruciales que pudieran
potencialmente afectar el fenómeno de interés. Usando el método experimental, los
investigadores asignan aleatoriamente a los participantes en un experimento a un
grupo de control o de tratamiento.

-La investigación cuasi- experimental, también llamada “causal- comparativa”, es

similar a la investigación experimental. Ya que es casi imposible o no es práctico
Página 11 de 40
controlar todos los factores involucrados, el método cuasi-experimental no controlan
algunos de los factores, pero si siguen el método científico para establecer las
relaciones causa y efecto.

En ambos de estos dos tipos de estudios, variables independientes son manipuladas.

Pero los métodos de recolección de datos experimentales usan asignación y muestreo
aleatorio, mientras que el método cuasi- experimental no asigna o muestrea
aleatoriamente o ambos.

Los métodos experimentales son conocidos por producir resultados que son válidos
interna y externamente, esto significa que el estudio es conducido o estructurado
(validez interna) y los resultados son aplicables al mundo externo (validez externa).
Los métodos cuasi-experimentales, por otra parte, producen resultados de dudosa
validez interna.

4.2 Hojas de inspección.

Mediante el diseño de un sencillo formato, se recopila información sobre indicadores,

causas de los problemas etc. También es conocida como Hoja de Verificación, Hoja
de Cálculo u Hoja de Chequeo.

La hoja de inspección en un registro de información que indica el número de veces

que ha sucedido algo, por ejemplo, la cantidad de personas atendidas por hora en
caja, tiempo de respuesta de promotores, causas de cheques devueltos, causa de
solicitudes rechazadas, defectos en productos, etcétera.

Página 12 de 40
 Ejemplo de una hoja de inspección.

Ventajas de las Hojas de Verificación.

 Proporciona datos fáciles de comprender.

 Los datos son obtenidos mediante un proceso simple y eficiente que puede ser
aplicado a cualquier área de la organización.
 Reflejan rápidamente las tendencias y patrones subyacentes en los datos.

Página 13 de 40
Utilización.

En la mejora de la calidad, se utiliza tanto en el estudio de los síntomas de un

problema, como en la investigación de las causas o en la recogida y análisis de
datos para probar alguna hipótesis.

También se usa como punto de partida para la elaboración de otras herramientas,

como por ejemplo los gráficos de control, diagramas de pareto e histogramas.

Hasta el momento se han identificado cinco usos para las hojas de inspección. Estas
pueden utilizarse para:

 Comprobar la forma de la distribución de probabilidad de un proceso.

 Cuantificar defectos por tipo.
 Cuantificar defectos por ubicación.
 Cuantificar defectos por causa (máquina, trabajador).
 Realizar un seguimiento de la finalización de los pasos en un procedimiento de
varios pasos (como una lista de verificación o checklist).

La hoja de verificación debe ser visualmente fácil y debe permitir observar la

información de manera sencilla para hacer un primer análisis que permita apreciar la
magnitud y localización de los problemas principales.

Cada área de la empresa podría diseñar sus formatos de registro de tal forma que
ayude a entender mejor la regularidad estadística de los problemas que tienen.
Algunos de los fallos más comunes pueden ser:

 Accidentes de trabajo.
 Fallos en equipos y mantenimientos.
 Fallos en trámites administrativos.
 Quejas y atención a clientes.
 Razones de incumplimiento de plazos de entrega.
 Absentismo.
 Inspección y supervisión de operaciones.
Página 14 de 40
4.3 Diagrama de Pareto.

Un diagrama de Pareto es un tipo especial de gráfica de barras donde los valores

graficados están organizados de mayor a menor. Utilice un diagrama de Pareto para
identificar los defectos que se producen con mayor frecuencia, las causas más
comunes de los defectos o las causas más frecuentes de quejas de los clientes.

El diagrama de Pareto debe su nombre a Vilfredo Pareto y su principio de la "regla

80/20". Es decir, el 20% de las personas controlan el 80% de la riqueza; o el 20% de
la línea de producto puede generar el 80% de los desechos; o el 20% de los clientes
puede generar el 80% de las quejas, etc.

Ejemplo de un diagrama de Pareto

Un gerente desea investigar las causas de la insatisfacción de los clientes en un hotel

determinado. El gerente investiga y registra las razones de las quejas de los clientes

Por lo general, el eje Y de la izquierda es la frecuencia de ocurrencia, mientras que el eje Y de la derecha es el
porcentaje acumulado del número total de ocurrencias. El eje X muestra las categorías de los defectos, quejas,
desperdicios, etc.

Página 15 de 40
 Elementos que hay que considerar cuando se utiliza un diagrama de Pareto.

El diagrama de Pareto es fácil de entender y utilizar; sin embargo, es importante tener

en cuenta lo siguiente:

 Datos recolectados durante un corto período de tiempo, especialmente de procesos

inestables, pueden llevar a conclusiones incorrectas. Debido a que los datos podrían
no ser confiables, usted podría obtener una idea incorrecta de la distribución de
defectos y causas. Cuando el proceso no está en control, las causas pueden ser
inestables y los pocos problemas vitales pueden cambiar de una semana a la
siguiente. Los períodos de tiempo cortos podrían no ser representativos de la totalidad
de su proceso.

 Los datos recopilados durante largos períodos de tiempo pueden incluir cambios.
Busque en los datos estratificación o cambios en la distribución del problema en el
tiempo.

 Elija categorías cuidadosamente. Si su análisis de Pareto inicial no produce resultados

útiles, es recomendable que se asegure de que sus categorías sean significativas y de
que su categoría "otro" no sea demasiado grande.

 Elija criterios de ponderación cuidadosamente. Por ejemplo, el costo podría ser una
medida más útil para asignar prioridades en comparación con el número de
ocurrencias, especialmente cuando difieren los costos de varios defectos.

 Concentrarse en los problemas con la mayor frecuencia debería reducir el número total
de elementos que necesitan reparación. Concentrarse en los problemas con el mayor
costo debería aumentar los beneficios financieros de la mejora.

 La meta de un análisis de Pareto es obtener la máxima recompensa de los esfuerzos

de calidad, pero eso no quiere decir que los problemas pequeños y fáciles de resolver
deban ignorarse hasta que se hayan resuelto los problemas más grandes.

Página 16 de 40
4.3.1 Histogramas.

En estadística, un histograma es una representación gráfica de una variable en forma

de barras, donde la superficie de cada barra es proporcional a la frecuencia de los
valores representados. En el eje vertical se representan las frecuencias, y en el eje
horizontal los valores de las variables, normalmente señalando las marcas de clase,
es decir, la mitad del intervalo en el que están agrupados los datos. En términos
matemáticos, puede ser definida como una función inyectiva (o mapeo) que acumula
(cuenta) las observaciones que pertenecen a cada subintervalo de una partición. El
histograma, como es tradicionalmente entendido, no es más que la representación
gráfica de dicha función. Se utiliza cuando se estudia una variable continua, como
franjas de edades o altura de la muestra, y, por comodidad, sus valores se agrupan en
clases, es decir, valores continuos. En los casos en los que los datos son cualitativos
(no numéricos), como sexto grado de acuerdo o nivel de estudios, es preferible un
diagrama de sectores. Los histogramas son más frecuentes en ciencias sociales,
humanas y económicas que en ciencias naturales y exactas. Y permite la comparación
de los resultados de un proceso.

Ejemplo de un histograma que muestra los datos poblacionales.

Página 17 de 40
Tipos de histograma.

 Diagramas de barras simples. Representa la frecuencia simple (absoluta o relativa)

mediante la altura de la barra la cual es proporcional a la frecuencia simple de la
categoría que representa.

 Diagramas de barras compuesta. Se usa para representar la información de una

tabla de doble entrada o sea a partir de dos variables, las cuales se representan así;
la altura de la barra representa la frecuencia simple de las modalidades o categorías
de la variable y esta altura es proporcional a la frecuencia simple de cada modalidad.

 Diagramas de barras agrupadas. Se usa para representar la información de una tabla

de doble entrada o sea a partir de dos variables, el cual es representado mediante un
conjunto de barras como se clasifican respecto a las diferentes modalidades.

 Polígono de frecuencias. Es un gráfico de líneas que de las frecuencias absolutas de

los valores de una distribución en el cual la altura del punto asociado a un valor de las
variables es proporcional a la frecuencia de dicho valor.

 Ojiva porcentual. Es un gráfico acumulativo, el cual es muy útil cuando se quiere

representar el rango porcentual de cada valor en una distribución de frecuencias.

4.3.2 Diagrama causa-efecto.

El Diagrama Causa-Efecto es llamado usualmente Diagrama de “Ishikawa” porque

fue creado por Kaoru Ishikawa, experto en dirección de empresas, quien a su vez
estaba muy interesado en mejorar el control de la calidad.

También es denominado diagrama de Espina de Pescado por su parecido con el

esqueleto de un pescado.

Página 18 de 40
Estructura del diagrama Causa-Efecto.

El diagrama causa-efecto está compuesto por un recuadro que constituye la cabeza

del pescado, una línea principal, que constituye su columna, y de 4 a más líneas
apuntando a la línea principal formando un ángulo de unos 70º, que constituyen sus
espinas principales. Cada espina principal tiene a su vez varias espinas y cada una de
ellas puede tener a su vez de dos a tres espinas menores más. Esquemáticamente el
diagrama causa-efecto tiene la siguiente forma:

Estructura que presenta el diagrama de causa y efecto

¿Cómo se elabora un diagrama de Ishikawa?

Es con diferencia una de las herramientas más sencillas dentro de la mejora continua.
Los pasos para su elaboración son los siguientes:

1. Constituir un equipo de personas multidisciplinar.

2. Partir de un diagrama en blanco. Lógicamente para ir rellenándolo desde

cero

Página 19 de 40
 3. Escribir de forma concisa el problema o efecto que se está produciendo (la
utilización de la técnica de los 5w+2h nos será de mucha utilidad).

4. Identificar las categorías dentro de las cuales se pueden clasificar las causas
del problema. Generalmente estarán englobadas dentro de las 4M
(máquina, mano de obra, método y materiales).

5. Identificar las causas. Mediante una lluvia de ideas y teniendo en cuenta las
categorías encontradas, el equipo debe ir identificando las diferentes causas
para el problema. Por lo general estas causas serán aspectos específicos,
propios de cada categoría, y que al estar presentes de una u otra forma están
generando el problema. Las causas que se identifiquen se deberán ubicar
en las espinas que confluyen hacia las espinas principales del pescado.

6. Preguntarse el porqué de cada causa (pero no más de 2 o 3 veces). En este

punto el equipo debe utilizar la técnica de los 5 porqués. El objeto es
averiguar el porqué de cada una de las causas anteriores.

4.3.3 Diagrama de dispersión.

El diagrama de dispersión es una herramienta muy útil para conocer cómo se

comportan dos variables entre sí. Es la más utilizada para analizar de forma gráfica
datos bivariados, es decir, dos conjuntos de estos. De este modo, podemos estudiar
si su relación es dependiente, o no, y su grado.
La representación gráfica muestra los pares de datos como una nube de puntos,
colocados basándose en las coordenadas cartesianas. Entre sus usos más habituales
destaca el estudio de las relaciones entre los siguientes supuestos:

 Dos causas relacionadas con la calidad.

 Dos problemas de calidad relacionados.
 Un problema de calidad y una posible causa.

Página 20 de 40
Tipos de diagramas de dispersión.

Cómo hacer un diagrama de dispersión paso a paso.

Para realizar este tipo de diagrama es necesario recolectar en primera instancia los
datos pareados (x,y). Ambos valores representan las dos variables que queremos
relacionar. Es habitual representarlas en una tabla para visualizarlas de forma sencilla.

Página 21 de 40
El segundo paso es la rotulación del eje X y el eje Y. En este paso es importante tener
en cuenta el diseño riguroso para que posteriormente los datos encajen y no haya
fallos en la interpretación.

Tenga en cuenta los valores mínimo y máximo para elaborar la escala de ambos ejes
(X horizontal, Y vertical). Deben presentar una longitud similar.

Seguidamente es el momento de plasmar los datos en el diagrama. Sitúe las parejas

de datos según sus valores y, si alguno de ellos se repitiese, dibuje círculos
concéntricos para marcarlo.

Finalmente, es el momento de analizar la representación para documentar los

resultados obtenidos del diagrama de dispersión.

Interpretación de los resultados: coeficiente de correlación.

Con el cálculo del coeficiente de correlación entre las variables podemos determinar
el grado de relación entre ellas. El valor puede estar comprendido entre -1 y 1. En
función del análisis de esto podemos encontrar distintos tipos de relaciones causales.
Por ejemplo:

 Alta correlación positiva: los valores aumentan del mismo modo. Es decir, el
valor Y crece en función del crecimiento del valor X.
 Baja correlación positiva: el aumento de X se aprecia ligeramente frete al
crecimiento de Y.
 Alta correlación negativa: un valor disminuye mientras que el otro crece. Es
el mismo procedimiento que en positivo pero a la inversa.
 Baja correlación negativa: sucede cuando la disminución de los valores X se
aprecia ligeramente en relación con el aumento de Y.
 Nulo o sin relación: cuando no se aprecia ningún patrón y los puntos quedan
dispersos sin aparente relación. No existe ningún tipo de dependencia entre
ambas variables.

Página 22 de 40
  Relaciones complejas: ejemplo de esto son los gráficos en forma de U.
Aunque parece haber una relación entre X e Y es difícil de establecer.

4.3.4 Diagrama de estratificación.

Conocido también como estratificación, esta herramienta estadística ha sido diseñada

para clasificar los elementos de una población que tiene afinidad entre sí. De esta
forma, esos elementos comunes pueden analizarse y establecer sus causas.

Con el muestreo estratificado, la empresa obtiene una comprensión detallada de la

estructura de una población de datos. Puede, de esta forma, examinar la diferencia en
los valores promedio y la variación en los distintos estratos.

Ejemplo de un diagrama de estratificación.

4.4 Habilidad y capacidad del proceso.

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

Página 23 de 40
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.

¿Cómo evaluar la capacidad de un proceso?

Mientras los procesos no sufran modificaciones o reajustes, para evaluar su capacidad

suele recurrirse a algunas de las siete herramientas de la calidad, tales como:
 Histogramas

 Gráficos de control

 Planillas de inspección

Cuando el proceso se ve modificado, por ejemplo, con la implementación de una nueva

máquina, o con un reajuste de métodos, debe efectuarse un estudio de índices de
capacidad.

Clasificación de los índices de capacidad.

Los índices de capacidad se pueden clasificar según su posición y alcance temporal

en:

 Respecto a su posición

o Índices centrados con respecto a los límites

o Índices descentrados con respecto a los límites

o Solo con límite superior

o Solo con límite inferior

 Respecto a su alcance temporal

o A corto plazo: Capacidad potencial

Página 24 de 40
 o A largo plazo: Capacidad global

Tabla de índices de capacidad.

Índices de capacidad a corto plazo Cp y CpkÍndice Cp.

Para considerar que un producto sea de calidad, las mediciones de sus características
deben ser iguales a su valor ideal, sin embargo, al conocer que la variabilidad es una
característica ínsita de todo proceso estas mediciones deben al menos estar dentro de
cierta especificación inferior y/o superior. La medida de la capacidad potencial del
proceso para cumplir con tales especificaciones de calidad nos la proporciona el índice
de capacidad del proceso (Cp).

Fórmula para el índice de capacidad.

Página 25 de 40
Gráfica del índice de capacidad.

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.

Página 26 de 40
 Tabla para los índices de capacidad.

4.5 Gráfica de control.

Las gráficas de control son diagramas que sirven para examinar si un proceso se
encuentra en una condición estable, o para asegurar que se mantenga en esa
condición.

En estadística, se dice que un proceso es estable (o está en control) cuando las únicas
causas de variación presentes son las de tipo aleatorio.

En esta condición se pueden hacer inferencias con respecto a la salida del proceso,
esto es, la característica de calidad que se esté midiendo. En cambio, la presencia de
causas especiales o asignables hace que el proceso se desestabilice, impidiendo la
predicción de su comportamiento futuro.

Página 27 de 40
Con base en la información obtenida en intervalos determinados de tiempo,
las gráficas de control definen un intervalo de confianza: Si un proceso es
estadísticamente estable, el 99.73% de las veces el resultado se mantendrá dentro de
ese intervalo.

La estructura de las gráficas de control contiene una “línea central” (LC), una línea
superior que marca el “límite superior de control” (LSC), y una línea inferior que marca
el “límite inferior de control” (LIC). Los puntos contienen información sobre las lecturas
hechas; pueden ser promedios de grupos de lecturas, o sus rangos, o bien las lecturas
individuales mismas. Los límites de control marcan el intervalo de confianza en el cual
se espera que caigan los puntos.

Utilidad de las gráficas de control.

 Determinar el estado de control de un proceso

 Diagnostica el comportamiento de un proceso en el tiempo
 Indica si un proceso ha mejorado o ha empeorado
 Permite identificar las dos fuentes de variación de un proceso
 Sirve como una herramienta de detección de problemas

4.6 Gráficos de control para atributos.

Un gráfico de control de atributos es una forma de rastrear la producción de artículos

defectuosos. La tabla no le dice por qué ocurrieron los defectos, pero le da los
recuentos totales o promedio por unidad.

Un atributo es un conteo o datos discretos como conforme/no conforme,

aprobado/reprobado o sí/no. Los atributos son cualitativos , a diferencia de las
variables (por ejemplo, dimensiones físicas) que son cuantitativas .

Página 28 de 40
Un gráfico P o gráfico NP rastrea el número de defectos en el proceso. La diferencia
entre los dos es que un gráfico NP traza conteos reales mientras que el gráfico p traza
proporciones. Ambos gráficos se basan en la distribución binomial y los recuentos de
seguimiento de aprobado/reprobado o atributos similares.

Los gráficos C y U se basan en la distribución de Poisson . Si bien también realizan un

seguimiento de los defectos, se utilizan con restricciones. Por ejemplo, una pantalla de
televisión puede estar defectuosa si hay más de tres píxeles que no funcionan. Se
aceptan pantallas con cero, uno o dos píxeles. La diferencia entre el gráfico C y el U
es que un gráfico C controla la cantidad de defectos por unidad, mientras que el gráfico
u controla el número promedio de defectos por unidad.

Los gráficos basados en la distribución de Poisson pueden mostrar mejor las

tendencias. Por ejemplo, supongamos que está tomando su primera muestra de la
línea de producción y encuentra que ninguna de las pantallas tiene píxeles que no
funcionan. Registraría cero en todos los tipos de gráficos. Sin embargo, en su segunda
muestra, digamos que el número promedio de píxeles que no funcionan es uno:

 En la Gráfica P, trazarías 0.
 En el gráfico C, trazarías 0.

Si su tercera muestra, muestra dos píxeles que no funcionan:

 En la P, aún trazaría 0, ya que dos píxeles que no funcionan no son una pantalla
defectuosa.
 En el gráfico C, trazarías 1.
Por lo tanto, el gráfico C mostrará una tendencia ascendente en el número medio de
defectos.

Página 29 de 40
4.7 Gráficas para no conformidades.

Los gráficos P o de fracción de no conformidades se definen como la relación entre el

número de artículos no conformes en una población con respecto al número total de
artículos de esa población.

Los artículos pueden tener varias características de calidad que son examinadas
simultáneamente por el inspector, si el artículo no es conforme o no se ajusta a la
especificación de calidad en una o más características, se clasifica como no conforme.

Normalmente expresamos la fracción de no conformidad con un decimal, aunque en

ocasiones se utiliza el porcentaje de no conformidad que es simplemente el porcentaje
de la fracción no conforme.

Los principios estadísticos en los que se basa el gráfico p o de control de la fracción

de no conformidad están basados en la distribución binomial y requerimos cumplir con
el principio de independencia (cada unidad producida es independiente de las las
unidades que se produjeron en el pasado), y que la muestra se tome sea de manera
aleatoria.

Si se selecciona una muestra aleatoria de n unidades de producto, y si D es el número

de unidades de producto que no son conformes, entonces D tiene una distribución
binomial con parámetros n y p.

La fracción de no conformidad será:

Página 30 de 40
4.8 Gráficas X y R simples.

Los gráficos de media vs. rango, también llamados gráficos X-R, son gráficos
realizados para el seguimiento estadístico del control de calidad de piezas en múltiples
sectores, incluyendo el de la automoción. Permiten detectar la variabilidad,
consistencia, control y mejora de un proceso productivo. Se compone de los elementos
siguientes:

 Límite de control superior (LCS), o tolerancia máxima

 Límite de control inferior (LCI), o tolerancia mínima
 Valor nominal (VN), o promedio de las tolerancias mínimas y máximas
 Variables de medición, que suelen ser puntos de medición por reloj comparador,
o puntos de medición por máquina tridimensional

Los gráficos X-R son utilizados para el análisis estadístico en cualquier sector que
requiera la medición y el análisis de datos variables. La fiabilidad de los datos de estos
gráficos y su posterior análisis depende en gran parte de la forma de adquirir estos
datos.

Ejemplo gráfica xr

Página 31 de 40
4.9 Análisis de la capacidad del proceso.

El análisis de la capacidad del proceso es un conjunto de herramientas que se utilizan

para averiguar qué tan bien un proceso determinado cumple con un conjunto de límites
de especificación. En otras palabras, mide qué tan bien funciona un proceso.

En la práctica, compara la distribución de valores de muestra, que representan el

resultado del proceso, con los límites de especificación, que son los límites de lo que
queremos lograr. A veces también se compara con un objetivo de especificación.

Los índices de capacidad del proceso se utilizan generalmente para describir la

capacidad de un proceso. Hay varios índices de capacidad de proceso diferentes, y si
calcula uno o todos puede depender de sus necesidades de análisis. Pero para
calcular los índices de capacidad de cualquier proceso, asume la estabilidad de su
proceso; para los procesos inestables, los índices de capacidad del proceso no tienen
sentido. Entonces, un primer paso en el análisis de la capacidad del proceso es
verificar la estabilidad a lo largo del proceso.

Índices de capacidad de probabilidad.

C p significa capacidad del proceso y es una medida simple de la capacidad de un

proceso. Nos dice cuánto potencial tiene el sistema para cumplir con los límites de
especificación superior e inferior. Su punto débil es que, al centrarse en la dispersión
de datos, ignora los promedios ; por lo tanto, si el sistema que se está probando no
está centrado entre los límites de especificación, puede (cuando se usa solo) dar
impresiones engañosas. Cuanto más estrecha sea la dispersión de la salida de un
sistema, mayor será el valor de Cp.
Puede probar qué tan centrado está un sistema comparando C p con C pk . Si un
proceso está centrado en su objetivo, estos dos serán iguales. Cuanto mayor sea la
diferencia entre Cpk y Cp , más descentrado estará su proceso.

C pk significa índice de capacidad del proceso y se refiere a la capacidad que tiene un

proceso en particular para lograr resultados dentro de ciertas especificaciones. En la
Página 32 de 40
fabricación, describe la capacidad de un fabricante para producir un producto que
cumpla con las expectativas de los consumidores, dentro de una zona de tolerancia.
Si C pk es mayor que 1, el sistema tiene el potencial para funcionar tan bien como se
requiere.
La ecuación para Cpk es [mínimo (media – LSL, USL – media)] / (0.5 * NT), donde NT
significa tolerancia natural, LSL para límite de especificación inferior y USL para límite
de especificación superior.

Pp representa el rendimiento del proceso . Es muy similar a C p , pero a diferencia de

C p , mide el rendimiento real en lugar del potencial. Al igual que C p , mide el spread y
está sujeto a las mismas debilidades.
>P pk representa el índice de rendimiento del proceso. Al igual que P p , mide el
rendimiento real en lugar del potencial. AP pk de entre 0 y 1 indica que no todas las
salidas de los procesos cumplen con las especificaciones. Si P pk es 1, el 99,73% de
la salida de su sistema está dentro de las especificaciones. El porcentaje 99,73 %
proviene de la curva de distribución normal , donde el 99,73 % de los resultados se
encuentran entre -3 y 3 desviaciones estándar de la media .

La curva de distribución normal.

 Los valores de P pk más pequeños indican que la desviación de la
especificación es mayor.
 Los valores de P pk más grandes indican que la desviación de la
especificación es menor.
Estos números, y un histograma que los representa, generalmente se producen
en un informe de análisis de la capacidad del proceso.

4.10 Procedimientos especiales para el control de procesos.

Página 33 de 40
Gráficos de control con tamaño submultiple: Siempre que sea posible es
conveniente tener un tamaño de subgrupo constante. Si esto no puede hacerse los
límites en los gráficos X y R deben ser variables. Una vez que se ha estimado ı estos
límites para diversos tamaños de muestran pueden obtenerse utilizando los factores y
fórmulas. En donde los datos utilizados para estimar ı incluyen subgrupos de diversos
tamaño.

Gráficos R o Gráficos ı donde los gráficos X no son apropiados: En algunos

casos los subgrupos pueden ser comparables en su dispersión aunque no sean
comparables en sus medias. Si se analizan muestras que tienen contenido químico
algo diferente, los promedios de los subgrupos no son comparables. Sin embargo, la
dispersión de los subgrupos refleja la capacidad de un analista y un procedimiento
analítico para reproducir resultados por medio de varias determinaciones similares. El
gráfico de control de R o ı proporciona una base para juzgar esta dispersión parece
estar influida por un sistema de causas constantes.

Gráficos X y ı con subgrupos grandes: Algunas veces sucede que se supone de

datos sobre medias y desviaciones estándar de alguna varible media, procedentes de
diferentes fuentes. Puede ser conveniente aplicar una prueba homogeneidad a estas
cifras para ver si hay una clara evidencia de que las diferentes fuentes representan
diferentes sistemas de causas. Los gráficos de control X y ı constituyen un
procedimiento simple de prueba para este propósito.

Gráficos para las mediciones individuales: Cuando el personal del taller no entiende
los gráficos de medias una forma de evitar interpretaciones erróneas consiste en no
presentar las medias, sino las mediciones individuales. En estos se dibujan
correctamente los límites de la especificación que debe aplicarse a las mediciones
individuales. Este tipo de gráfico puede ser mejor que nada, pero es mucho menos
satisfactorio que un gráfico X convencional, basado en un tamaño de subgrupo de 4 o
5. En general este tipo de gráfico es inferior a los gráficos de control convecionales
porque no ofrecen una panorámica clara de los cambios que tienen lugar en el proceso,

Página 34 de 40
ni siquiera a una prueba rápida de la existencia de causas atribuibles de variación.

Diagrama de control de suma acumulativa:

El diagrama de control de suma acumulativa CUSUM (Cumulative Sum), incorpora

directamente al representar el estadístico relativo a cada punto, toda la información
muestral de la sucesión de puntos anteriores. Se representan para cada punto las
sumas acumuladas para el subgrupo actual y todos los anteriores de las desviaciones
del estadístico en que se basa el gráfico de control (Verdoy et al., 2006).

Un gráfico de sumas acumuladas muestra las sumas acumuladas de las desviaciones

de cada valor muestral con respecto al valor objetivo. El gráfico puede estar basado
en medias muestrales o en observaciones individuales.

Cuando estamos trabajando con procesos bajo control, los diagramas CUSUM son
buenos para detectar cambios con respecto al objetivo ya que dichos gráficos
incorporan información procedente de la secuencia de valores muestrales. Los puntos
que representamos son las sumas acumuladas de las desviaciones de los valores
muestrales 24 con respecto al objetivo.

Dichos puntos deberían fluctuar de forma aleatoria alrededor del cero. Si detectamos
una tendencia, ya sea hacia arriba o hacia abajo, ésta debería ser considerada como
una evidencia de que la media muestral se ha desplazado.

Es posible representar dos tipos de gráficos CUSUM: el diagrama por defecto

representa dos CUSUM unilaterales. El CUSUM superior detecta desviaciones hacia
arriba en el nivel del proceso, el CUSUM inferior detecta desviaciones hacia abajo.
Este tipo de gráfico utiliza límites de control para determinar cuando estamos ante un
proceso fuera de control.

Página 35 de 40
 Gráfica CUSUM.

Conclusión.

En conclusión, este trabajo de investigación ha abordado de manera exhaustiva las

herramientas de calidad, las técnicas de recolección de datos y los procedimientos
especiales utilizados en el control de procesos. A lo largo del estudio, hemos
observado la importancia de contar con herramientas adecuadas para el análisis y la
mejora continua de los procesos, así como la necesidad de recolectar datos precisos
y confiables.

Hemos comprendido que las herramientas como la hoja de inspección, el diagrama de

Pareto, los histogramas, el diagrama causa-efecto, el diagrama de dispersión y el
diagrama de estratificación son valiosas para identificar problemas, establecer
prioridades y tomar decisiones informadas. Estas herramientas proporcionan una
representación visual clara y concisa de la información, permitiendo una comprensión
más profunda de los procesos y sus resultados.

Asimismo, hemos destacado la importancia de la recolección de datos precisa y

confiable, ya que estos datos son la base para el análisis y la toma de decisiones. La
selección adecuada de las técnicas de recolección de datos, así como su registro,
organización y presentación efectiva, son elementos fundamentales para garantizar la
calidad de los datos y su utilidad en la mejora de los procesos.

Por otra parte, hemos explorado la habilidad y capacidad del proceso, y cómo estas
métricas son utilizadas para evaluar el desempeño y la consistencia de los resultados

Página 36 de 40
obtenidos. El monitoreo a través de gráficas de control y otras técnicas estadísticas
nos permite detectar desviaciones y tendencias no deseadas, lo que a su vez nos
proporciona la oportunidad de implementar acciones correctivas y preventivas para
mejorar la calidad y eficiencia de los procesos.
Finalmente, hemos examinado los procedimientos especiales utilizados en el control
de procesos, como el análisis de la capacidad del proceso y el uso de técnicas
estadísticas avanzadas. Estos procedimientos nos brindan una comprensión más
profunda de los procesos, identificando áreas de mejora y estableciendo una base
sólida para la toma de decisiones informadas.

En resumen, el conocimiento y aplicación de las herramientas de calidad, las técnicas

de recolección de datos y los procedimientos especiales en el control de procesos son
fundamentales para lograr la excelencia y la mejora continua en cualquier ámbito
organizacional. Estas herramientas y técnicas nos permiten identificar oportunidades
de mejora, optimizar los resultados y tomar decisiones informadas basadas en datos
confiables. Al emplear adecuadamente estas herramientas y técnicas, las
organizaciones pueden alcanzar altos niveles de calidad, eficiencia y satisfacción del
cliente.

Referencias.

 https://geinfor.com/7-herramientas-estadisticas-para-el-control-de-calidad/
 https://blog.mudanai.org/kaizen-mejora-continua/calidad/control-de-
calidad/tqm/7-herramientas-basicas-de-calidad/
 https://datascope.io/es/blog/conoce-los-diferentes-metodos-de-recopilacion-
de-datos/
 https://www.jotform.com/es/data-collection-methods/
 https://blog-es.checklistfacil.com/hoja_inspeccion_calculo/
 https://support.minitab.com/es-mx/minitab/21/help-and-how-to/quality-and-
process-improvement/quality-tools/supporting-topics/pareto-chart-basics/
 https://www.escolme.edu.co/almacenamiento/oei/tecnicos/estadistica/contenid
o_u4_1.pdf
 https://www.progressalean.com/diagrama-causa-efecto-diagrama-ishikawa/

Página 37 de 40
  https://unade.edu.mx/diagrama-de-dispersion/
 https://www.ingenieriaindustrialonline.com/gestion-de-calidad/capacidad-de-
procesos/
 https://spcgroup.com.mx/grafica-de-control/#1650581197688-44dfd34b-aae1
 https://statologos.com/grafico-de-control-de-atributos/
 https://consultoresamerica.com/%F0%9F%93%8A-graficos-de-
control/#:~:text=Los%20gr%C3%A1ficos%20P%20o%20de,de%20art%C3%A
Dculos%20de%20esa%20poblaci%C3%B3n.
 https://measurecontrol.com/que-es-un-grafico-x-r-como-interpretarlo/
 http://controldecalidadpsmmarcay.blogspot.com/2015/06/procedimientos-
especiales-del-control.html

Anexos.

Página 38 de 40
Histograma de frecuencias.

Gráficos para variables cuantitativas.

Página 39 de 40
Herramientas de la calidad

Página 40 de 40