SECUENCIA OPERACIONAL

HERRAMIENTAS DE ANÁLISIS DE PROCESOS

En otros trabajos hemos expuesto brevemente los conceptos relacionados al

sistema de gestión de la producción y el informe operacional. Esto básicamente
está enfocado a Pymes que están tratando de encarar un proceso de reingeniería o
de acondicionamiento para mejorar su competitividad. En general las empresas ya
cuentan con un sistema más o menos formal de gestión. Puede ser informatizado a
través de un producto o software ¨enlatado¨ o también a medida, o simplemente
con lo que está disponible del paquete de Office del Windows que se logró
conseguir. En todos los casos hay que relevar y hacer un análisis de lo existente.

Cuando uno desea mejorar sus sistemas de gestión y hallar áreas de oportunidad,
no queda más remedio que realizar un relevamiento detallado a fin de poder revisar
en uno o varios diagramas, la secuencia de realización de los procesos, las
actividades y toda otra información relevante que permita determinar, en acuerdo
con el cliente, en dónde se desea profundizar y mejorar, estableciendo algún tipo
de prioridades al respecto. La metodología básica para encontrar aspectos a
mejorar puede resumirse de la siguiente manera:

Página 1 de 40
Como puede observase en el diagrama anterior la primer cuestión a resolver será
realizar un relevamiento del flujo actual del proceso/sistema/servicio. Obviamente
si uno tiene experiencia concreta en el proceso que se esté tratando de relevar
mejor. Como evidentemente no se puede tener experiencia en todos los campos de
la creación de valor, sean productos, procesos o servicios, para contrarrestar esta
carencia de experiencia universal, nosotros tenemos disponible una metodología
muy poderosa y con pasos a seguir muy bien determinados. Con ello construiremos
la secuencia operacional, que no es ni más ni menos, que entender cómo se hacen
las cosas y determinar aquellas que se pueden mejorar, incluso cuantificar esas
mejoras para ¨visualizar¨ en el lenguaje del dinero, el impacto de los puntos que
estemos proponiendo corregir. Todo ello se planificará en acuerdo con el cliente.

El contenido de la Secuencia Operacional Completa puede resumirse en el

siguiente listado con 17 elementos de documentación básica aplicable:

1. CARATULA SECUENCIA OPERACIONAL. INDICANDO: Proyecto, área,

responsable, consultor o integrantes del equipo de consultores que interviene
y fecha. Esto es particularmente importante para mantener un orden del
trabajo y presentación posterior de resultados obtenidos.

2. ORGANIGRAMA: Aquí hay que transcribir e interpretar cómo están

distribuidos los cargos y el nivel de responsabilidad desde la gerencia hacia
abajo hasta llegar a los niveles de supervisión.

3. LAY OUT: Aquí se dibuja el área que se esté relevando, sus máquinas y
equipos más importantes, sobre todo los que realizan tareas de
transformación de productos. No es el tradicional lay out con el detalle de una
ingeniería industrial. Es un esquema de cómo están dispuestos básicamente
los puestos de trabajo y el equipamiento principal.

4. HORARIOS Y HORAS EXTRAS: En este formulario hay que detallar quien

puede hacer horas extras, quien analiza la necesidad de realizarlas y las
autoriza, por qué son necesarias, cómo son controladas en su realización,
detallando un listado del personal, turno, horas por día a realizar y horarios.

5. PLANEAMIENTO DEL ÁREA: Hay que explicitar dónde se inicia, cómo es

elaborado y con qué información, quiénes intervienen en su elaboración, la
frecuencia de cada cuanto se planifica y hay que hacer un diagrama de flujo
que describa los pasos del planeamiento de actividades del área en cuestión.

6. EJECUCIÓN Y SEGUIMIENTO: Aquí hay que explicar cómo son controladas

las tareas y actividades, quién controla y con qué frecuencia, qué indicadores
(volumen, desempeño, calidad, etc.) se utilizan y con qué frecuencia son
Página 2 de 40
 analizados. Indagar si existen reuniones de revisión, si se llevan actas, qué
temas se tratan, quiénes participan y con qué frecuencia se realiza. Para
terminar hay que elaborar un diagrama de flujo con el proceso de ejecución y
seguimiento que fue encontrado.

7. INFORME Y EVALUACIÓN: Estudiar cómo son informados los resultados,

por qué, quién, con qué frecuencia. Cómo son evaluados los resultados,
quién, con qué frecuencia. Si hay informes, evaluación de las pérdidas
(unidades, u$s). Indagar si existen acciones correctivas en base a los
informes y/o evaluaciones. Construir un flujograma del proceso de informe y
evaluación que se encontró.

8. DOTACIÓN: Detalla los niveles de jefatura, supervisión y confeccionar un

listado de empleados por cargo o función. Detallar grupos de trabajo si los
hay.

9. ACTIVIDADES: En este punto se debe entender qué hace cada uno. Hay
que detallar las principales tareas o actividades del cargo y esto es para
todos los cargos relevados en el punto anterior.

10. MAPA DE FLEXIBILIDAD: Aquí hay que construir una matriz de

actividades y empleados (cargos) que las puedan realizar sin afectar el
desempeño del área. Es una forma de establecer cuadros de reemplazo en
caso de vacaciones, enfermedades u otras contingencias.

11. FORMULARIOS Y CONTROLES: Nombre del formulario o control,

frecuencia, emisor, receptor, número de copias y observaciones.

12. LISTADO DE ACTIVIDADES: Secuencia u orden, actividades, etapas,

la unidad de medida, el volumen o cantidad, la frecuencia, una expectativa
razonable de realización estimada, las horas necesarias estimadas.

13. HOJA DE OBSERVACIONES: Para cada área se identifica el sector y el

supervisor. Se debe indicar la unidad de medida y la actividad observada.
Para cada observación se identifica el tiempo de inicio y fin, tiempo en la
actividad, tiempo improductivo, volumen o cantidad ejecutada, número de
personas que intervienen, expectativa razonable (cociente de la cantidad y el
tiempo en la actividad observado) y algunas observaciones, dónde quede
plasmado básicamente el porqué de los tiempos improductivos.

14. RESUMEN DE EXPECTATIVAS RAZONABLES: En función de las

actividad observadas de confecciona un listado de actividades, la unidad de
Página 3 de 40
 medida apropiada a cada una, el volumen, se detallan las etapas de cada
actividad, la frecuencia y volumen correspondiente a cada etapa, luego tres
valores de Expectativa Razonable (E/R) y la E/R elegida, las horas necesarias
y se calcula la E / R compuesta como el volumen total realizado sobre el total
de las horas necesarias.

15. CARGA DE TRABAJO: Con el resumen de expectativas razonables

(E/R) para cada actividad se puede analizar la carga de trabajo real del
puesto. Se listarán actividades del puesto, las unidades de medida
correspondientes (U/M), el volumen o cantidad de esa actividad y el (E/R),
con esto se determinará la cantidad de horas necesarias para 100% de
ocupación y el personal necesario. Se detallarán las horas necesarias a ( )
%, las horas necesarias indirectas, horas necesarias fijas, total de horas
necesarias en el trabajo, % ( ) de ausentismo, % ( ) de capacitación, %
( ) de vacaciones, total de horas necesarias, dotación actual y dotación
necesaria y la variación (+ / -).

16. PROBLEMAS: Se deben detallar los problemas que afectan su

desempeño. Es una pregunta directa. Se identifica un listado indicando:
problema, dónde ocurre, por qué ocurre, una solución viable si la hay,
indicando la causa (por falla equipos, empleados, u otros motivos).

17. PUNTOS DE CONTROL: Lo que debe ser controlado, quién debe

controlar, con qué frecuencia, informe utilizado e indicar si es adecuado o no
a la función.

Este breve resumen descriptivo deberá complementarse con:

 Indicadores clave de control, análisis de datos históricos y determinación del

período base contra el cual se medirán las mejoras.
 Se presentará el flujo actual del sistema de gestión desarrollado en sus fases
de planeamiento, ejecución, informes y evaluación (PHVA, PDCA, PEIE)
 Se hará una crítica profesional al flujo actual y se propondrán los cambios
adecuados. Las oportunidades de mejora se traducirán al leguaje del dinero y
se determinarán los controles preliminares a implementar en cada área o
sector. Obviamente son elementos faltantes o modificados de los existentes.

A continuación vemos un ejemplo de cómo es una hoja de observaciones simple y

una carga de trabajo, para comprender mejor el contenido y los cálculos asociados.

Se anexa un juego completo de planillas modelo para servir de guía en la

confección de sus propios desarrollos en función de las necesidades.

Página 4 de 40
 HOJA DE OBSERVACIONES

AREA : Seca SECTOR : Estucado - Manual SUPERVISOR : Sres Yaccuzzi-Cañete-Ayala

UNIDAD DE MEDIDA : Cueros ACTIVIDAD OBSERVADA : Aplicación Estuco en el Cuero Primer estucado mueble.
TIEMPO
TIEMPO EN LA NUMERO DE
INICIO FIN IMPRODUCTI VOLUMEN E/ R OBSERVACIONES
ACTIVIDAD PERSONAS
VO

16:30 16:35 00:20 50 2 VINCI

06:20 06:25 00:20 50 2 VINCI BNO GRANDE

06:40 06:46 00:15 50 2 VINCI BNO GRANDE

08:40 08:45 00:05 2 PERSONAL BUSCA…..PARTIDA PARA RETOMAR EL TRABAJO

08:50 08:57 00:45 50 2 VINCI MALO CRS. MEDIANA

06:00 06:05 00:30 50 2 CRS. GRANDE

17:20 17:25 00:20 50 2 VINCI BNO GRANDE, BUEN RITMO DE TRABAJO

17:30 17:34 00:20 50 2 VINCI BNO GRANDE, BUEN RITMO DE TRABAJO

18:00 18:04 00:20 50 2 VNA. GRANDE LO PEOR

01:45 01:48 00:20 50 2 VINCI

09:00 09:04 00:15 50 2 VINCI

09:15 09:20 00:20 50 2 CRS. GRANDE

09:50 10:10 00:25 50 2 VINCI BNO GRANDE

VINCI BNO GRANDE

TOTAL 04:30 00:05 600 133 Un/H 300 Un/P

CALCULO DE E / R PREPARADO POR : REVISADO POR :

VOLUMEN
E/ R= X 60
TIEMPO EN LA ACTIVIDAD

Página 5 de 40
CÓMO DETERMINAR LA EXPECTATIVA RAZONABLE:

Definición: Se llama Expectativa Razonable (E/R) a la cantidad de trabajo y

calidad de producto esperable en una determinada actividad por unidad de tiempo.

Frecuencia de aplicación: Este método debe aplicarse como mínimo una vez en
cada actividad productiva o de servicio y repetirse cuando cambie alguna de las
condiciones de trabajo fijadas en el análisis, incluyendo traslado del sector a otro
lugar físico y dotación o equipos mixtos de los trabajadores que realizan las tareas.

Para la determinación de la cantidad de producción en un turno de trabajo y calidad

de producto esperable se deben seguir los siguientes pasos:

 Determinación de la actividad y sus etapas (inicio, partes, fin): La

determinación de la actividad y sus etapas es importante para poder
estandarizar las distintas mediciones y observaciones que se realizarán, para
revisar el resultado con el personal involucrado en las mediciones, de manera
de transferir conocimientos y criterios y determinar la dotación afectada a las
actividades en cada etapa. Hay que describir con claridad las etapas de
trabajo en la secuencia de realización correspondiente.
 Determinar la cantidad de mediciones a realizar: Para definir la cantidad
de mediciones a realizar se debe considerar si se va a medir toda la actividad
o las etapas de la misma, los volúmenes de trabajo involucrados y las
unidades de medida de las actividades en seguimiento. Debe determinarse
previamente una cantidad de mediciones que sea representativa de la
actividad para poder realizar una adecuada proyección. Las mediciones
podrán realizarse de forma alternada o continua de acuerdo a las
características de la etapa a medir. Mínimo se necesitan 3 determinaciones.
 Aspectos a tener en cuenta al realizar la medición:
o Deben realizarse en distintos momentos del día.
o Dentro del mismo turno también deben realizarse en distintas etapas
(inicio – medio – fin).
o Medir con distintos grupos que realicen la misma actividad en forma
continuada (no medir grupos que están en aprendizaje o con miembros
recién incorporados por cualquier eventualidad).
o La medición será realizada preferentemente por personal que conozca
los grupos, el ritmo que le imponen a su trabajo y que diariamente
deban lidiar con las dificultades de ejecución de la actividad. Esto es
importante por las observaciones hechas por personal con cierta
jerarquía y que deben incorporarse a las mediciones (supervisión por
ejemplo).
o Trabajar con el mayor volumen de mediciones posibles, para mejorar el
análisis, para ello se pueden usar colaboradores en la medición.

Página 6 de 40
 o Deben identificarse posibles situaciones no previstas en el diseño
original (movimientos requeridos – tiempos improductivos – etc.). Este
punto es importante para detectar y eliminar acciones que interfieren
en la actividad de forma negativa.

 Recolección de datos: Para el cálculo de valores emergentes de las

mediciones se recomienda utilizar el rango Percentil más adecuado, Este
cálculo permite seleccionar un valor con la probabilidad de ser superado que
uno elija. Esto tiene en cuenta el tamaño de la muestra trabajada y lo asimila
simplificando a un modelo Gaussiano. Esto puede corregirse con datos más
precisos sobre el comportamiento histórico del proceso bajo estudio. En
general no es conveniente el uso de promedios. Debe evaluarse la actividad y
el conjunto de tareas que la componen y se determinará el valor de
expectativa razonable a ser adoptado para la operación que sea más
conveniente a la operatoria de la actividad bajo análisis.

Como el trabajo de Secuencia Operacional es enfocado al área productiva, para

complementar una visión en general, se puede utilizar un mecanismo de
autodiagnóstico pero ya desde la perspectiva de Dirección y Gerencias. Esto
enriquece y hasta fundamenta algunos de los elementos a mejorar por prioridades
en una perspectiva ahora más bien desde el negocio. Una matriz como la siguiente
tiene un efecto muy potente a la hora de tomar conciencia sobre la visón macro de
los accionistas, en contrapartida a la de los gerentes que están en el día a día
llevando a delante las operaciones. Queremos complementar estos puntos de vista.

Página 7 de 40
No hay que perder de vista el objetivo de lo que estamos buscando
determinar, es decir, las oportunidades de mejora en productos, procesos
y servicios. Esto se hace para optimizar la productividad en general y con
ello la posición competitiva actual de la empresa por mejores costos. Esto
afectará positivamente su desarrollo y progreso en el tiempo.

Es importante revisar en las tres gráficas adjuntas como varía el status de progreso
o el desempeño en el tiempo de una empresa u organización.

En el primer gráfico tenemos una curva de mejora sin innovaciones. Las mejoras
podríamos entenderlas como pequeños pasos, modificaciones y adaptaciones a las
instalaciones existentes que generan una lenta rampa de progreso y crecimiento
hasta llegar a una meseta. La idea de mejora continua al infinito no es viable sin
hacer inversiones significativas. Es como si a nuestro vehículo lo fuéremos
mejorando y mejorando hasta que llega un límite dónde un mejor motor que el
nuestro modificado, sea más grande que el vehículo en sí. Ahí es dónde nos
convendría cambiar el equipo y conseguir un vehículo mucho mejor. Esto es
equivalente a ingresar una innovación y la inversión puede ser muy considerable.

Página 8 de 40
Lo que ocurre en realidad es que un sistema por más nuevo que sea, en
funcionamiento estará sometido a un desgaste. Ese desgaste impone una necesidad
de mantenimiento para, justamente, mantener el estándar del equipo o lo que
debería ser. Luego de un tiempo volveríamos a invertir en un equipo nuevo y
mejoraríamos así el estándar anterior y de esa manera y en una escalera de
crecimiento seguiríamos la evolución del progreso de la organización. La última
gráfica es la de mejora continua e innovaciones que es el camino que buscamos
nosotros desarrollar. Ahí hay un esfuerzo por el mantenimiento del sistema o
equipo, pero se desarrolla en paralelo el crecimiento por la mejora continua de los
estándares alcanzados. Es la mejor situación al complementar ambas técnicas
(Innovar haciendo Inversiones/Mejorar continuamente aplicando Kaizen).

LISTADO CON LOS ESTUDIOS BÁSICOS QUE PODRÍAN REALIZARSE. (Esto

es ejemplo de un caso real en una empresa productora de Sal de mesa).

1. Flujos:

 Flujo actual de producción.

 Flujo actual de mantenimiento. Estudios de caso vehículos.
 Flujo actual de compras y depósito repuestos de mantenimiento.
 Flujo actual de recepción y despacho.
 Flujo actual de materia prima producción.
 Flujo actual de materia prima envases.

2. Estudios:

 Estudios de máquina parada.

 Máquina parada SIG.

 Máquina parada Sensani.
 Maquina parada Saleros pet y pvc.
 Máquina parada centrífuga.
 Plan vs real en máquina SIG envasado.

 Estudios de stock.

 Días de stock materia prima.

 Días de stock repuestos
 Diferencia de stock repuestos
 Días de stock producto terminado.
 Diferencias de stock producto terminado.

 Estudios generales.

 Control de peso en máquina saleros pvc 500 y 525 gr.

 Análisis de información de envasado.
 Diferencia en balanzas centrífuga.
Página 9 de 40
  Rechazos de sal.
 Tour nocturno.
 Políticas de recursos humanos.
 Granulometría. Módulo de finura de la Sal. Criterios y cálculo. Relación con
la calidad. Superficie especifica m2/kilo o cm2/gramo.
 Productividad global de planta y Mantenimiento. Determinación de las
dotaciones más probables necesarias en cada caso.
 Encuestas de actitudes de Supervisión para Jefes.
 Encuestas de actitudes de Supervisión para Supervisores.
 Qué necesito de…Para asegurar el éxito de mi trabajo. Integración
Gerencial y Relaciones Cliente Proveedor internos. Procesos de DRW.

ESTUDIOS ESPECIALES. ALTERNATIVAS Y SISTEMAS.

En este punto el análisis de los procesos que pueden hacerse, depende en gran
medida del tipo de industria y su grado de evolución respecto a los temas
modernos de calidad y excelencia. En la gráfica se resumen los principales modelos
a tener en cuenta para planificar el abordaje de análisis. Los tipos de estudios que
convendrá realizar y ejecución de la secuencia operacional en busca de puntos de
mejora, hay que planificarlos en base al conocimiento de esa situación preexistente.

2020

LA ESTADÍSTICA CONVENCIONAL Y LA ESTADÍSTICA INDUSTRIAL PARA LA

CALIDAD. COMENTARIOS Y RECOMENDACIONES PARA EL ANÁLISIS.

No conviene instrumentar un análisis de máquinas o procesos sin tener en cuenta

las siguientes consideraciones básicas:

 La gran mayoría (aprox. 95 %) de las distribuciones de los procesos

industriales no responden al modelo matemático Gaussiano. La Estadística
Página 10 de 40
 Industrial para la calidad, posibilita la correcta evaluación de las
distribuciones reales proporcionando un sistema tecnológico y matemático
adecuado que permite la resolución de distribuciones sesgadas,
rectangulares, con límites, estables, inestables, con tendencia, cíclicas, etc.
 Para la Estadística Convencional el azar existe y acciona libremente sin
limitación humana. Sus efectos (grado de dispersión), son incontrolables y
hay que aprender a convivir con ellos.
 La mayoría de las distribuciones Industriales se consideran Gaussianas o
similares, es decir sin diferencias significativas (Chi cuadrado) respecto al
modelo Gaussiano.
 Las distribuciones muestrales extraídas de un mismo universo difieren
normalmente de la forma real del universo del cual provienen.
 Pese a las diferencias de forma que se obtienen en los distintos procesos
Industriales, la aplicación del modelo matemático Gaussiano se considera que
proporciona resultados correctos y de acuerdo con la realidad física.
 Los Test estadísticos de contraste de frecuencias (Chi cuadrado, entre otros),
demuestran que la mayoría de las formas de distribuciones Industriales no
Gaussianas no difieren significativamente de las últimas, con lo cual se acepta
que no existen diferencias.
 La bibliografía existente en casi todas las Plantas Industriales indica que para
definir y conocer completamente una distribución de frecuencias es suficiente
determinar su valor medio, su desviación standard, el valor de la curtosis y
el sesgo.
 En la Estadística Industrial para la Calidad el azar es el nombre que le damos
al desconocimiento íntimo de los fenómenos naturales. A medida que se
aumenta el conocimiento y se mejoran las herramientas de análisis, se va
comprendiendo y controlando la acción del azar.
 Un alto porcentaje de distribuciones Industriales se encuentran dentro de
diferentes modelos consistentes y particulares de cada familia de procesos.
Independientemente de que se asemejen o no la Gaussiana, son diferentes y
no deben ser resueltas por el modelo matemático Gaussiano.
 La mayoría de las distribuciones muestrales (para tamaños de muestra mayor
a 30 valores) suelen ser similares a la forma real del universo del cual
provienen si el análisis de la forma se realiza conjuntamente con el de
secuencia natural de los valores.
 Cada uno de los procesos Industriales, inclusive cada característica en
particular, presentan modelos consistentes diferentes entre sí y que difieren
del modelo Gaussiano de manera que pueden clasificarse en diferentes
patrones naturales de comportamiento que requieren diferentes modelos
matemáticos para su correcta solución.
 Los Test estadísticos de contraste de frecuencias (Chi cuadrado, etc.),
atienden solamente a las formas de las distribuciones, sin tener en cuenta
Página 11 de 40
 que cuando no es Gaussiana o contiene algún tope y/o mantiene su forma
particular durante muchos ensayos, es índice de que por más similar a Gauss
que parezca, no es normal y debe por lo tanto ser tratada con el modelo
matemático que le corresponde (hay más de 60 modelos en la bibliografía).
 Para poder conocer las características tecnológicas y funcionales del
fenómeno representado, se requiere del conocimiento de Valor de la Cota
Optima, Secuencia, Patrón Natural y del Óptimo, Interacción Funcional, de la
existencia de Topes o Limitadores, Confiabilidad de los Topes, Modificación
posterior de la característica evaluada, Dependencia tecnológica, etc.

Este enfoque resulta imprescindible cuando se desea implementar un sistema de

mejoramiento continuo pensando en la Calidad total o Excelencia en Gestión.
También nos servirá para fundamentar nuestros análisis y eventuales críticas al
modelo de trabajo existente, sea formal bajo norma o no.

Sabemos que en las primeras etapas de implementación pudo ser de utilidad la

Estadística Convencional, pero resultará insuficiente en la etapa de optimización la
cual requiere de herramientas más precisas y eficaces que interpreten con
exactitud los tipos reales de procesos en la Industria moderna.

La perspectiva moderna de la calidad, como puede observarse en el esquema

abajo, nos plantea varios caminos que podemos ensayar para, de alguna manera,
estimar el estado real de varios de los elementos que la componen (Competitividad,
Productividad, Variabilidad, Mejora, etc.).

PHVA es el ciclo: Planificar-Hacer-Verificar- Actuar

Página 12 de 40
ESTUDIOS DE APTITUD DE MÁQUINAS Y PROCESOS (Breve mención)

Daremos un resumido panorama sobre el tema. En la actualidad todas las

industrias competitivas modernas poseen profesionales o una área entera dedicada
a aplicación del Lean Manufacturing (‘producción ajustada’, ‘manufactura
esbelta’, ‘producción limpia’ o ‘producción sin desperdicios’) en el piso de fábrica.
La producción Lean se basa en el supuesto de que los procesos de fabricación se
operan de forma capaz y previsible. El contrario de la producción Lean es
la producción tradicional en masa, dónde primero se produce el producto, para
luego ser inspeccionado por muestreo y controlado para la eliminación de productos
no conformes que se detecten. En este caso muchos productos defectuosos llegarán
al cliente y eso ya sabemos que trae aparejado reclamos, pérdidas de imagen,
costos de garantía, etc. Sin embargo todavía hoy se puede escuchar decir a un
gerente: si el cliente lo acepta así y lo deja pasar…¡entonces por qué
preocuparse!...(¡Pensamientos de la década del 50 sobre la calidad!).

Entre estos dos extremos de trabajo industrial hay muchas realidades

distintas de las empresas, sus prácticas operativas, procedimientos de
producción y situaciones de modernidad o equipamiento. Esto condicionará
el diagnóstico y las evaluaciones. Las técnicas que estamos comentando
están muy orientadas a ese segmento industrial de rango intermedio.

En función de la búsqueda por la producción más ajustada y competitiva, en gran

parte de la industrias, es común escuchar bastante hablar acerca de capacidad o
desempeño de procesos y sus principales índices: Cp, Cpk, Pp y Ppk. La idea de
utilizar estos indicadores es responder a la siguiente pregunta: si no estamos
midiendo todo lo que producimos, ¿cómo podemos garantizar que estamos
trabajando dentro de las especificaciones?

Cuando medimos la capacidad del proceso, estamos extrapolando lo que

sabemos sobre el producto que produjimos para el producto que aún no
producimos. A pesar de los riesgos inherentes de extrapolar valores, es
razonable hacerlo cuando sabemos que el proceso se comportó de forma
previsible en el pasado, es decir, se comportó dentro de sus Límites de Control,
o como se dice comúnmente, estuvo bajo Control Estadístico.

Posiblemente vamos a encontrar muchos casos en que, calcular estos índices, es

solo a efectos de presentarlos en informes a sus clientes. Pocas acciones tomadas
Página 13 de 40
para su ajuste o mejora, solo se calculan y registran e informan. Pero es muy
importante entender el significado de cada uno y la relación que existe entre ellos.

Índices de Capacidad

El Cp compara la tolerancia especificada con la variación potencial del proceso:

El Cp describe la relación entre el espacio disponible para variación de acuerdo

con las especificaciones y el espacio ocupado por la variación del proceso.

Para caracterizar la ubicación del proceso utilizamos el Cpk, que evalúa la

distancia del promedio del proceso con la especificación más cerca de ella, de la
siguiente forma:

Cuando el proceso opera centralizado en la nominal (valor objetivo de la

especificación), los índices (Cp y Cpk) tendrán el mismo valor, o valores muy
próximos. A medida que la media del proceso se desvía de la nominal, el Cpk
va quedando menor que el Cp.

La interpretación de los valores del Cp y Cpk depende de que el proceso esté bajo o
fuera de control estadístico (sea o no un proceso Gaussiano):

 Si el proceso está bajo control (es Gaussiano), el Cp y el Cpk representan

la capacidad real del proceso – como se comportó en el pasado y lo que se
espera que siga haciendo en el futuro.
 Si el proceso es imprevisible – o fuera de control (no es Gaussiano) – el Cp y
Cpk no son representativos.

Índices de Rendimiento o Desempeño de Procesos.

El Pp compara la tolerancia especificada con el desempeño del proceso en el

pasado, a través de la desviación estándar de largo plazo:

Página 14 de 40
La diferencia entre el Cp y el Pp es la forma en que calculamos el factor de
dispersión (σ y s) del denominador. El Pp utiliza la desviación estándar global de
todas las muestras, mientras que el Cp utiliza la medida de dispersión media,
medida entre los valores de un mismo subgrupo.

La Capacidad de corto plazo se calcula a partir de muchos datos tomados

durante un período corto para que no haya influencias externas en el proceso, o
con muchos datos de un período largo, pero calculando σ con el rango promedio (σ
̅ /d2) dividido el valor d2 que sale de tablas. La desviación estándar de corto
= 𝑅
plazo σ tiende a ser menor que la desviación estándar de largo plazo (o
global) s. La segunda o de largo plazo, detectará variaciones globales que pueden
estar relacionadas con lotes de materia prima, variación entre turnos, cambios en
equipos, etc. La calcularemos con:

En lugar de dividir por n, el número total de observaciones en la muestra, dividimos

por (n – 1). Este valor, (n – 1) son los Grados de Libertad de la muestra. En
general, cuando tenemos una muestra de n observaciones, se dice que la misma
tiene (n – 1) grados de libertad.

Así, la proximidad entre los valores de Cp y Pp caracteriza un proceso que está

siendo operado de forma consistente a lo largo del tiempo. Cuando estos dos
índices difieren de manera sustancial, se puede estar seguro de que
el proceso está operando de forma imprevisible, es decir, no está trabajando
bajo control estadísticamente hablando y decimos que el proceso no es Gaussiano.

De forma análoga, el Ppk se calcula de la siguiente manera:

Página 15 de 40
LIE es Límite Inferior Especificado y LSE es Limite Superior Especificado.

Este número extraño de 1,33 se debe a que, en vez de exigir que el intervalo de
tolerancia coincida con ± 3 (6 en total), se le exige que coincida con ± 4 (8 en
total), lo que equivale a: 8/6 = 4/3 = 1,33 y Cp=2=12/6 , si se le pide ± 6
Página 16 de 40
 Cp

Qué nos encontramos cuando analizamos los procesos reales desde el punto de
vista estadístico, la respuesta puede sintetizarse en la matriz de Wheeler que luego
comentaremos. Al tratar de llevar los procesos a un estado ideal, los costos, los
tiempos, las inversiones y las frustraciones inevitablemente nos van a perseguir.
Recordemos que la gran mayoría (aprox. 95 %) de las distribuciones de los
procesos industriales no responden al modelo matemático Gaussiano y se dirá que
no están en control estadístico. Pero cabe hacer la siguiente reflexión:

En la gráfica se muestra una distribución

Gaussiana en línea de trazos de color verde
y dentro de los límites de especificación. Su
desviación estándar es: =inferior

Luego se muestra otra distribución

Gaussiana en línea continua de color azul
que esta visiblemente con partes fuera de
los límites de especificación. Su deviación
estándar es: =superior

Si tomamos la rama derecha de la curva

verde y la rama izquierda de la curva azul y
homogeneizamos los valores podemos
obtener la gráfica de la curva en color rojo.
Esta gráfica no es Gaussiana y tiene
desviaciones estándar superior e inferior:
superior > inferior

Dando lugar a Cpk superior y Cpk inferior y

otra expresión para calcular el Cp.

Página 17 de 40
La forma de las distribuciones: Un tema no menor es que, en general, se dice
que una distribución es ¨normal¨ si responde al modelo matemático Gaussiano o
similar. En realidad ¨normal¨ se puede definir a toda distribución que,
independientemente de que su forma coincida o no con los modelos del
tipo gaussiano, represente una constante del comportamiento de la
máquina o del proceso que se analiza.

La primera distribución con notable sesgo a la derecha, dista de ser simétrica y

Gaussiana, sin embargo es una distribución perfectamente normal si ella
corresponde a valores de concentricidad, alabeo, perpendicularidad o procesos
autorregulados para obtener un mínimo peso, volumen, altura y los cuales
presentan una disposición especialmente diseñada para obtener dicho tipo de
distribución de valores o tipo de curva.

La segunda distribución presenta un sesgo a la izquierda, tampoco es una

distribución simétrica Gaussiana, pero será una distribución perfectamente normal
si corresponde a valores de longitud de una barra cuyo dispositivo posee un tope de
máxima, no superable, o de llenado de un recipiente hasta el borde superior y en
general de cualquier tipo de proceso que presente un tope real en el extremo
superior.

La tercer curva es una distribución aplanada. Uno puede imaginarse dentro de ella
muchas curvas de Gauss simétricas idénticas que se van desplazando y forman esta
gráfica de los valores. Obviamente no es una distribución Gaussiana, pero será una
distribución perfectamente normal si corresponde a valores de diámetro de ejes
cilíndricos rectificados con piedra, dónde el desgaste ocasiona el continuo
desplazamiento del valor del diámetro, produciéndose el corrimiento del valor
medio, siendo la consecuencia final la obtención de distribuciones rectangulares y/o
fuertemente aplanadas.

Para nosotros cualquier forma de distribución será considerada perfectamente

normal siempre y cuando, la misma sea una constante (patrón natural) de dicha
máquina o proceso. Esto requiere indefectiblemente, aplicar diferentes modelos
matemáticos (no Gaussianos) para resolver correctamente cada una de las formas

Página 18 de 40
distintas de distribuciones industriales reales y que se correspondan a fenómenos
de esa índole en el campo de trabajo. En las curvas simétricas, la media, la
mediana y la moda coinciden. En las curvas de frecuencias unimodales que son
ligeramente sesgadas (asimétricas), se tiene la relación empírica siguiente:

media − moda = 3(media − mediana)

La media o media aritmética, usualmente llamada promedio, se obtiene sumando

todos los valores de los datos, dividiendo el resultado entre la cantidad de datos. Si
los datos proceden de una muestra la media se representa con una X testada (𝑋̅) y
si provienen de la población se representan con la letra griega .

La segunda medida de tendencia central que comentamos es la mediana, en

ocasiones se le llama media posicional, porque queda exactamente en la mitad de
un grupo de datos, luego de que los datos se han colocado de forma ordenada. En
este caso la mitad (50%) de los datos estará por encima de la mediana y la otra
mitad (50%) estará por debajo de ella. La mediana es el valor intermedio cuando
los valores de los datos se han ordenado.

La moda es el dato que más se repite o el dato que ocurre con mayor frecuencia.
Un grupo de datos puede no tener moda, tener una moda (unimodal), dos modas
(bimodal) o más de dos modas (multimodal). 


Índices de capacidad para procesos con distribuciones no normales (no

Gaussianas).

Llegado a este punto podemos hacernos las siguientes tres preguntas:

1) ¿Se pueden utilizar los índices Cp, Cpk, Pp y Ppk en procesos con
distribuciones no Gaussianas (no normales)?.
2) ¿Qué pasa si hay más de una variable para definir la capacidad del proceso?.
3) ¿En los procesos no normales (no Gaussianos), existe alguna manera de
transformarlos en normales (Gaussianos)?

Las respuestas podemos sintetizarlas de la siguiente manera:

1) Se pueden utilizar estos índices, pero los resultados de capacidad o

desempeño y rechazos o ppm (fracción no conforme) fuera de especificación
son engañosos. Se recomiendan utilizar otros índices para procesos no
normales (o no Gaussianos). Hay que tener especial cuidado con los
softwares estadísticos que no tienen en su arquitectura considerado, la
posibilidad de no normalidad, asimetría de especificaciones y distribuciones.
2) Los índices Cp, Cpk, Pp y Ppk son para evaluar procesos univariables (una
sola variable considerada crítica a la vez como: diámetro, longitud, peso,
etc.). Hay que definir un indicador multidimensional de capacidad, capaz de
Página 19 de 40
 identificar simultáneamente distintas dimensiones de capacidad y lo
suficientemente flexible como para aplicarse a distintas situaciones.
3) Un enfoque para tratar con datos no normales, es transformarlos usando una
función matemática, de tal manera que los datos resultantes sean normales y
aplicar las fórmulas para calcular (ICP) procesos normales. Hay varios
métodos explicados en la Bibliografía.

Respuesta a la pregunta 1): Los índices de capacidad de proceso (ICP) son una
medida adecuada de la capacidad que un proceso tiene para cumplir con los
requerimientos del cliente, en particular en la industria automotriz este índice está
normado por la ISO/TS16949. Estos indicadores solo son eficientes cuando se
cumple con el supuesto de normalidad (procesos Gaussianos).

Por otro lado, cuando el supuesto de normalidad no se cumple, se emplean

diferentes métodos de transformación para normalizar los datos y así, analizarlos
como si fueran normales o bien, se aplican métodos para índice de capacidad no
normales.

El método más empleado para el cálculo de ICP no normales y que es recomendado

para su utilización en la industria por la ISO/TS16949, es el método de los
percentiles de Clements (Norma ISO 22514-4:2016). Este método está basado en
los percentiles 99,865 y 0,135 y se utiliza la mediana (percentil 50 como medida de
tendencia central, para simular el comportamiento normal de los datos, dentro de ±
3 con respecto de la media . Esto con la expectativa de que el 99,73% de las
observaciones estén dentro de la especificación.

Así las fórmulas quedan:

CpClements = (LSE – LIE)/( P99,865 - P0,135 )

CpkClements mínimo = {(P50 – LIE)/( P50 - P0,135 ); (LSE - P50 )/( P99,865 - P50 )}

Estos índices demostraron andar muy bien si las distribuciones, aunque no sean
Gaussianas, sean simétricas. Cuando los límites de especificación no son iguales a
ambos lados del valor objetivo (como podría ser en una distribución de Weibull) no
serían convenientes de utilizar.

Cuando las distribuciones son asimétricas y sus límites de control son desiguales,
los investigadores proponen un indicador para distribuciones asimétricas basado en
la idea que, en ese caso, la desviación estándar del proceso, 𝜎𝑥, puede dividirse en
una desviación superior (U) y en una desviación inferior (L) que representan
respectivamente el grado de dispersión de los lados superior e inferior respecto de
la media 𝜇𝑥. La expresión propuesta en esos casos es la siguiente:

Cp* = Cp min {1 / 2 ; 1 / 2 (1- 𝑃𝑥)}

Página 20 de 40
Donde Cp es (LSE-LIE)/6 𝜎𝑥 𝑃𝑥 = Pr (x<= 𝜇𝑥)

(U)superior= 𝑃𝑥 𝜎𝑥y (L)inferior= (1- 𝑃𝑥) 𝜎𝑥

Cpk*= min {(LSE−𝜇𝑥)/6 𝑃 ; (𝜇𝑥−LIE)/6 (1−𝑃𝑥) 𝜎𝑥}

𝑃𝑥 es la probabilidad de que la característica de calidad sea menor o igual que la

media . Si la distribución subyacente es simétrica, entonces 𝑃𝑥 = 0.5 entonces
Cp=Cp* y Cpk=Cpk*

En síntesis la expresión de Cp=(LSE-LIE)/6solamente se puede aplicar bajo

condiciones de normalidad (procesos Gaussianos) y Cp* se aplica cuando las
distribuciones son asimétricas. La expresión CpClements basada en percentiles sirve
para cualquier distribución donde los percentiles se puedan determinar
directamente. Clements (1989) propuso un método para determinar los cuantiles
basados en la familia de distribuciones de Pearson. En general, sin embargo,
podríamos ajustar cualquier distribución a los datos del proceso, determinar sus
cuantiles (x0.99865 y x0.00135) y calcular los CpClements y CpkClements con las
expresiones ya indicadas.

Todas las expresiones recién mencionadas se proponen para especificaciones

bilaterales simétricas y suponen un máximo de 0,00135 para la proporción de
producción no conforme a cada lado de los límites. Esto último puede modificarse
cambiando el valor 6 en el denominador de Cp o cambiando los percentiles en
CpClements.

Como se puede apreciar, cuando nos apartamos de la distribución normal el tema

de índices de capacidad es bastante complejo. Recordemos que estos índices se
utilizan para determinar la fracción no conforme con la especificaciones. Esto
sabemos puede alimentar un sistema de evaluación y calificación de proveedores y
determinará la posibilidad de reclamos y seguramente también la de continuidad en
contratación actual o futura. Recomendamos la revisión a conciencia de la
bibliografía que citaremos como referencia al final del trabajo.

Respuesta a la pregunta 2): Los indicadores presentados corresponden a la

capacidad en relación a la variabilidad, sin embargo podría aplicarse un
procedimiento análogo para seleccionar indicadores de capacidad en relación a
otros aspectos (centrado, proporción de producción no conforme, etc.), para
finalmente definir un indicador multidimensional de capacidad, capaz de identificar
simultáneamente distintas dimensiones de capacidad y lo suficientemente flexible
como para aplicarse a distintas situaciones. De esta forma, del análisis de la
capacidad surgiría no solo la falta de capacidad de un proceso sino también la
naturaleza de la misma, permitiendo la planificación de acciones correctivas en
forma integral, aun cuando los supuestos clásicos, como la distribución normal de la
variable de calidad, no se satisfagan.
Página 21 de 40
Los productos manufacturados hoy en día poseen varias características de calidad
que son importantes para el cliente y cuando no están correlacionadas, se usan los
índices de capacidad, tales como el Cp, Cpk y Cpm para evaluar la habilidad que
tiene el proceso de producir productos de calidad. Para el caso contrario, la
literatura especializada provee índices de capacidad, propuestos para medir la
capacidad de un proceso cuando las características de calidad están
correlacionadas. La mayoría de las propuestas coinciden en que debe definirse una
región de especificación que represente lo que el cliente desea y otra región de
variación del proceso que muestre el desempeño que tiene el proceso.

Nos hemos encontramos también que algunos resolvieron este problema y en

acuerdo con el cliente, definiendo pesos o importancias relativas a los diferente
índice de Cp en variables críticas o de especial interés para ellos. El proveedor los
tenía identificados como índices de capacidad multivariados CpM y CpkM, para
nosotros sería más apropiado que los llamen índices mixtos de capacidad.

Llevaban tabulados en una planilla los valores mensuales y acumulados año de los
siguientes índices:

 Cpk % Humedad, Ppk % Humedad, Ppm % humedad

 Cpk % Cenizas, Ppk % Cenizas, Ppm % Cenizas
 Cpk %Cr2O3, Ppk %Cr2O3 Ppm %Cr2O3
 Cpk % Grasa, Ppk% Grasa, Ppm % Grasa
 Cpk pH, Ppk pH, Ppm pH

Los Ppm se refieren a partes por millón fuera de especificación. En todos los casos
calculaban los índices Cpk y Ppk con las fórmulas de procesos normales. Ni el
cliente o el proveedor se planteaban en ese momento, la posibilidad de analizar la
normalidad o no normalidad de las distribuciones para estas variables consideradas
importantes

El cliente con su Departamento de Calidad le asignó una importancia relativa a cada

variable: % Humedad (15%); % de Cenizas (10%); % de Cr2O3 (Óxido de cromo
(III))(35%); % Grasa (22%) y para el pH (18%).

Mensualmente (y anualmente) calculaban los indicadores Mixtos CpkM y PpkM:

 CpkM=15% Cpk % Humedad+10% Cpk % Cenizas +35% Cpk %Cr2O3

+22% Cpk % Grasa +18% Cpk pH
 PpkM=15% Ppk % Humedad+10% Ppk % Cenizas +35% Ppk %Cr2O3 +22%
Ppk % Grasa +18% Ppk pH

El objetivo individual de cada indicador era: Cp=Cpk=Pp=Ppk≥1,33

El objetivo ponderado para ambos índices mixtos quedaba: CpkM=PpkM ≥ 1,33

Página 22 de 40
Luego en reuniones mensuales de revisión veían juntos con el cliente los desvíos y
consensuaban las acciones de contención, correctivas o preventivas según el caso.

En la bibliografía se exponen en detalle diversos métodos para definir índices para

medir la capacidad de un proceso cuando las características de calidad están
correlacionadas. También se podrán encontrar índices para calcular la capacidad del
proceso para el caso de medición por atributos y no por variables.

En cuanto a la tarea de ajustar datos a distribuciones, el software EasyFit posee

para análisis las siguientes distribuciones compatibles: Bernoulli, Beta, Binomial,
Burr, Cauchy, Chi-Squared, Dagum, Discrete Uniform, Erlang, Error, Error Function,
Exponential, F, Fatigue Life, Frechet, Gamma, Generalized Extreme Value,
Generalized Gamma, Generalized Logistic, Generalized Pareto, Geometric, Gumbel
Max, Gumbel Min, Hyperbolic Secant, Hypergeometric, Inverse Gaussia, Johnson
SB, Johnson SU, Kumaraswamy, Laplace, Levy, Logarithmic, Logistic, Log-Gamma,
Log-Logistic, Log-Pearson 3 (LP3), Lognormal, Negative Binomial, Nakagami,
Normal, Pareto, Pareto 2 (Lomax), Pearson 5, Pearson 6, Pert, Poisson, Phased Bi-
Exponential, Phased Bi-Weibull, Power Function, Rayleigh, Reciprocal, Rice,
Student's t, Triangular, Uniform, Wakeby y Weibull. Se integra como complemento
del Excel y mediante pasos muy sencillos se puede calcular directamente la
capacidad del proceso con las fórmulas de Clements.

El software Statgraphics otro tanto con 45 distribuciones distintas y un módulo

específico para cálculo de capacidad de procesos usando los percentiles P99.865 y
P0.135 de las distribuciones que permite ajustar. Hay otros muy populares como
Minitab 18 y XLSTAT 2018, este último se integra como complemento del Excel.

Pretender ¨normalizar a Gaussianas¨ las distribuciones de máquinas o procesos sin

tener en cuenta lo antedicho sobre su normalidad o patrón natural, nos llevará
irremediablemente al círculo de la desilusión de Wheeler graficado a continuación.

Lamentablemente, los procesos industriales mayoritariamente no siguen al modelo

Gaussiano o no tienden espontáneamente a funcionar ordenada y predeciblemente.
Por el contrario, un proceso dejado a la deriva tiende de forma natural al desorden.
Este fenómeno, que técnicamente lleva el nombre de Entropía, es una fuerza que
tiene carácter de Ley natural y que actúa de manera oculta pero persistente sobre
el Eje del Proceso, empujando todo proceso hacia la ausencia de Control.

No es recomendable comenzar proyectos de Mejora (Six Sigma, PDCA, 8 pasos,

etc.) cuando el proceso todavía está en los estados “inferiores” (Caos o Caos
Inminente). En estos estados no conocemos la verdadera forma normal de
distribución de probabilidades y por ende la verdadera capacidad de nuestro
proceso.

Página 23 de 40
 MATRIZ DE WHEELER (CIRCULO DE LA DESILUSIÓN)
LO RELEVANTE ES EL CONCEPTO DE ESPECIFICACIÓN,
JUZGANDO "CONFORME" O "NO CONFORME" A LOS
OJOS DE NUESTROS CLIENTES

EJE DEL PRODUCTO

UNIDADES GENERADAS POR EL PROCESO
"DIMENSIÓN ESTÁTICA"

Se generan No se generan
NO CONFORMIDADES Y RECHAZOS Y NO
RECHAZOS CONFORMIDADES
X% fuera de Especificación 100% dentro de Especificación
LO RELEVANTE SON LAS 6 M (MATERIALES, MANO

(Proceso Bajo Control

RELACIONADA CON EL FLUJO DE PRODUCTO
EMPUJA EL PROCESO HACIA EL CAOS

DE OBRA, MAQUINARIA, MEDIO AMBIENTE,

ENTROPÍA (Interpretación Estadística)

SUFRIMIENTO ESTADO OPTIMO

PREDECIBLE
MEDICIONES Y MÉTODOS) Y EL CICLO

Estadístico)
ASEGURADO IDEAL

GRÁFICOS DE CONTROL Y MEDICIÓN DEL

(PLAN - DO - CHECK - ACT)

"DIMENSIÓN DINÁMICA"

Cpk = Ppk < 1 Cpk = Ppk > 1

DESPEÑO DEL PROCESO Pp y Ppk

EJE DEL PROCESO

ESTADO DE CAOS
(Proceso Fuera de Control

ESTADO DE
CAOS INMINENTE
IMPREDECIBLE

Estadístico)

Ppk < 1 Ppk > 1

Cpk (no se puede Cpk (no se puede

calcular) calcular)

Al cliente hay que sugerirle: Por qué primero no recolectamos las “frutas maduras”
eliminando causas especiales o asignables y así determinaremos dónde nos
hallamos en el eje del producto. Haciendo esto veremos realmente si es necesario
emprender un proyecto de mejora muy profundo o no, los costos y los plazos.

Es muy importante determinar la estabilidad de los procesos y todas las formas de

variación de los mismos. En general el análisis de la variabilidad de los procesos
poco dirá si no podemos traducir esa variabilidad o inestabilidad al lenguaje de los
gerentes o accionistas, es decir, el del DINERO.

Página 24 de 40
Mientras la Entropía actúa incansablemente empujando el proceso hacia el Caos, la
única herramienta que nos permite ascender a la situación de estabilidad es el
Gráfico de Control de Shewhart, y de ahí su importancia fundamental en la práctica
industrial. Así hay que evaluar la existencia y la correcta implementación de esta
herramienta de control y cómo se establecieron los límites de control.

Traducir la variabilidad de un proceso al lenguaje del dinero es complicado si no hay

una introducción al respecto, salvo que los participantes tengan conocimientos o
formación en temas modernos de calidad y costos de calidad.

Página 25 de 40
LA FUNCIÓN DE PÉRDIDA DE TAGUCHI (F. P. C.)

El Dr. Genichi Taguchi desarrolló los métodos de Taguchi (métodos combinados de

ingeniería y estadística que consiguen unas mejoras rápidas en el costo y en la
calidad al optimizar el diseño del producto y los procesos de fabricación).

Los métodos Taguchi son una filosofía y una colección de herramientas usadas para
aplicar esa filosofía.

La filosofía de Taguchi se puede resumir con las siguientes afirmaciones:

 No podemos reducir el costo sin afectar la calidad.
 Podemos mejorar la calidad sin incrementar el costo.
 Podemos reducir el costo mejorando la calidad.
 Podemos reducir el costo reduciendo la variación. Cuando así lo
hacemos, el comportamiento y la calidad mejoran automáticamente.

Reducir la variación optimizará la productividad. Taguchi no está de acuerdo con

enfocar la calidad como "conformidad con límites de la especificación".

La diferencia entre un producto que está justo dentro de los límites de la

especificación y un producto que está justo por fuera de los límites de la
especificación es pequeña, sin embargo uno se considera "bueno" y otro "malo".
Más bien, los métodos Taguchi procuran que haya una variación mínima alrededor
de los valores nominales sin añadir costo.

Cp>1

L = P érd i d a en $

k = C oef i ci en te d e
costo
y = val or d e l a
caracterí sti ca
d e cal i d ad
T = val or d esead o

L = k(y-T) 2

LIMITE INFERIOR VALOR META LIMITE SUPERIOR

Taguchi define la calidad como: "...la pérdida ocasionada a la sociedad desde

el momento en que se expide el producto".

Página 26 de 40
Este concepto de pérdida es fundamental en su enfoque de la ingeniería de calidad.
Cuando pensamos en pérdidas para la sociedad, las cosas que nos vienen al
pensamiento incluyen la contaminación del aire, agua, suelo o el ruido excesivo que
produce un vehículo que tiene el silenciador defectuoso.

Taguchi ve la pérdida para la sociedad a una escala más amplia. Asocia la pérdida a
todo producto que llega a manos del consumidor. Esta pérdida incluye, entre otras
cosas, la insatisfacción del cliente, más costos de garantía para el productor y las
pérdidas debidas a que su compañía tiene una mala reputación, lo que conduce a
una subsiguiente pérdida progresiva de la participación en el mercado.

La idea de minimizar las pérdidas para la sociedad es bastante abstracta y, por lo

tanto, difícil de considerarla como objetivo de una compañía. Sin embargo, cuando
pensamos que la pérdida para la sociedad es una pérdida a largo plazo para
nuestra compañía (y las dos son equivalentes), puede que la definición tenga más
sentido práctico para nosotros. Pero lo más directo es pensar que la reducción de la
variación mejora la calidad y por ende mejorará nuestra productividad. La mejora
de productividad impactará positivamente en la reducción de costos. La mejora en
los costos trae margen en los precios. Esto sí es concreto y medible en la realidad.

Como sabemos, los costos de calidad se cuantifican normalmente en función de

desechos y reprocesos, garantía u otros costos tangibles. Sin embargo, éstos sólo
constituyen la "punta del iceberg", de los costos de la calidad.

FUNCIÓN DE PÉRDIDA (PARA UNA SOLA CARACTERÍSTICA). BREVE

DESCRIPCIÓN.

La función de pérdida se enuncia como sigue:

L = k (y – T)^2 de dónde se obtiene k = L / (y – T)^2

Dónde:

L = Función de Pérdida (pérdida en dinero por unidad de producto)

k = Constante de proporcionalidad (coeficiente de costo).

T = Valor nominal o ideal (u objetivo)

y = valor observado (valor de la característica cuantitativa de calidad:

longitud, anchura, etc.,)

La pérdida debida a la variación del desempeño es proporcional al cuadrado de la

desviación del cumplimiento de la característica de su valor nominal.

Página 27 de 40
La curva de la FPC es una cuadrática por naturaleza: la pérdida aumenta por el
cuadrado de la distancia entre el valor medio y el valor objetivo. La función de
pérdida que el doctor Taguchi usa es una aproximación de una expansión de la
serie de Taylor alrededor de un valor meta "m".

La pérdida esperada promedio para la característica aleatoria y de la calidad con

media µ y varianza σ^2 y valor objetivo T viene dada por

E[L] = k [ σ^2 + (µ − T)^2 ]

Para determinar la ecuación de la parábola se necesitan 2 puntos. Uno de los

puntos viene determinado por el valor nominal o vértice de la curva en el cual se
produce un costo cero para una diferencia, también nula, entre el valor nominal y el
valor real. El otro punto puede determinarse si estudiamos los costos del proceso y
consideramos los necesarios para reparar cualquier pieza que se encuentre fuera de
medida o límites de especificación. Se calculan los costos de reparación necesarios
para corregir un defecto de magnitud determinada y obtenemos otro punto de la
curva. A menudo dicho segundo punto se obtiene, considerando cual es la variación
sobre el valor nominal que hace que tengamos que convertir en rechazo el
elemento defectuoso. Dicha variación se traslada al eje horizontal, mientras que
sobre el eje vertical colocamos el valor completo del elemento que tenemos que
destruir. Su confluencia nos dará el segundo punto que buscamos. Se ha dibujado
una curva de función de pérdida del tipo:

 “nominal es mejor”, ya como por defecto el costo cero se encuentra en el

valor nominal “Vn” y los costos crecientes se van produciendo a medida que
aumentan los errores, tanto a derecha e izquierda (exceso o defecto).
 No es esta la única situación que puede producirse y el doctor Taguchi ha
considerado otras varias entre las que destacan “mayor es mejor”,
representada por una parábola cuyas ramas son asintóticas a los ejes en el
primer cuadrante y “menor es mejor” cuya representación es una
semiparábola con vértice en el origen de coordenadas

Página 28 de 40
La función depende o varía según el tipo de característica de calidad. En la figura de
abajo se establecen las diferentes funciones de pérdida L(y) en función del tipo de
característica que se considera, dónde S^2 es la dispersión o varianza, yn la media
de los n resultados o repeticiones de un mismo ensayo, y m el valor central
óptimo:

En esta gráfica anterior se representa la variación de calidad considerando ¨un

sigma¨ (de espacio y ¨tres sigmas¨ (a cada lado de la meta. En la figura de
abajo esta lo mismo pero considerando 5 sigmas (a cada lado. Recordar que en
ciertas organizaciones ya están trabajando a 6 sigmas (o más, a cada lado de la
meta o valor nominal.

Como ya mencionamos el doctor Taguchi ha cuestionado el tradicional concepto de

la técnica occidental que considera correctos todos los elementos fabricados cuyas
características de calidad cumplan el valor nominal o se encuentren en el interior
del intervalo de tolerancias. Ver curva azul en el grafico superior. Nosotros
Página 29 de 40
lamentablemente nos vamos a encontrar mucho con este razonamiento:…mientras
este dentro de los límites esta todo correcto, el cliente no puede protestar,
nosotros cumplimos con la especificación. Como acabamos de ver no es del
todo así y la variabilidad de los procesos se traduce a la larga, indefectiblemente en
dinero perdido o dejado de ganar. Pero además, qué pasa si la competencia sí
mejora reduciendo la variabilidad de sus procesos, sin incrementar costos al cliente.

No pretendemos extendernos en el tema Taguchi y sus metodologías pero a la hora

de enfrentar un desafío como el que implica tratar de mejorar un proceso, es mejor
tener todos estos conceptos e ideas en la cabeza, ya que seguramente haya que
¨improvisar¨ o buscar alguna manera creativa de poder cuantificar las
variabilidades y exponerlas en un leguaje simple y comprensible para nuestro
eventual cliente y su equipo.

En casos muy complejos dónde por ejemplo, se esté tratando de automatizar todo
o parte de un proceso químico, la relación costo/beneficio seguramente puede
arrojar un período de repago muy largo. Si existen los datos históricos adecuados,
se puede hacer un cálculo estimando el impacto generado por la reducción de la
variabilidad de las principales características de calidad en juego y cuantificarlas en
dinero. Esto puede ayudar a impulsar la decisión de invertir en ese proyecto de
automatización en particular.

También advertimos que en muchos casos nos vamos a encontrar con profesionales
que aplican el Teorema del Límite Central. El teorema dice:

…que si una muestra es lo bastante grande (n > 30), sea cual sea la distribución de
la variable de interés, la distribución de la media muestral será aproximadamente
una normal. Además, la media será la misma que la de la variable de interés, y la
desviación típica (σ) de la media muestral será aproximadamente el error estándar.

Una consecuencia de este teorema es la siguiente:

Dada cualquier variable aleatoria con esperanza m y para n lo bastante grande (n

> 30), la distribución de la variable (y – m) / (error estándar) es una normal
estándar.

Recordemos que si la variable tiene una desviación típica conocida , el error estándar se
puede calcular como √n. Cuando es desconocida, calculamos el error estándar
como s √n

Página 30 de 40
LISTADO DE HERRAMIENTAS PARA PREVENCIÓN, EVALUACIÓN Y MEJORA

Este es un listado con algunas de las herramientas más comunes que

podemos encontrar y/o utilizar para hacer diagnósticos. La lista es
meramente enunciativa y no limitativa. Es como una valija de herramientas
que hay que armar según la ocasión y tipo de problema a resolver.

Por comodidad las hemos ordenado en 3 grandes según su uso u orientación:

 PREVENCIÓN DE LA CALIDAD. (16 HERRAMIENTAS)

 EVALUACIÓN DE LA CALIDAD. (19 HERRAMIENTAS)

 MEJORA DE LA CALIDAD. (18 HERRAMIENTAS)

PREVENCIÓN DE LA CALIDAD

1. Análisis Modal de Fallos y Efectos (AMFE)

2. Camino Crítico (PERT)
3. Control Antierror (POKA-YOKE)
4. Costo del Ciclo de Vida (CCV)
5. Quality Function Deployment (QFD). Despliegue Funcional de la Calidad
6. Diagrama de Flujo
7. Gestión de la Calidad Total. Total Quality Management (TQM)
8. Gestión de Fábrica (GEMBA KANRI)
9. Ingeniería Concurrente.
10. Justo a Tiempo (JIT)
11. La Función de Pérdida (TAGUCHI)
12. Las 5´S. (hay planes de 6, 7 y 8´S también)
13. Mantenimiento Centrado en la Fiabilidad (RCM)
14. Mantenimiento Productivo Total (TPM)
15. Modelos de Excelencia (EFQM-Europeo de Excelencia Empresaria)
16. Planificación Avanzada de la Calidad (AQP)

EVALUACIÓN DE LA CALIDAD

1. Análisis de la Satisfacción del Personal (ASP). Encuestas de Clima

Laboral. Planes de carrera. Planes de mejora y Capacitación.
2. Análisis de la Varianza (ANOVA)
3. Auditoría de Procesos. Check List. Planes de Auditorias.
4. Auditoría del Producto. Check List. Planes de Auditoria.
5. Auditorías Internas de Sistemas. Check List. Planes de Auditoria.
6. Matriz Auto-Calidad (MAQ)
7. Capacidad de Calidad de Máquinas y Procesos (Cm/Cp/Pp/Ppk, etc.)
8. Control Estadístico del Proceso (SPC)
Página 31 de 40
 9. El Control Secuencial de A. WALD
10. Costos de Calidad (Quality Costs - QC).
11. Diagrama de Dispersión o Correlación
12. Diagrama PARETO.
13. Eficiencia de los equipos de control (SISTEMA TAKAHASI)
14. Fiabilidad (Confiabilidad de equipos y sistemas).
15. Gráficos de control.
16. Histogramas.
17. Inspección por Representación Gráfica (LOT-PLOT)
18. Mantenibilidad (RAM)
19. Toma de datos / Muestreo

MEJORA DE LA CALIDAD

1. Análisis del Valor

2. Benchmarking (Análisis comparativo de la competencia)
3. Cambio Rápido de Herramientas (SMED)
4. Cuadro de Mando Integral (BALANCED SCORECARD)
5. Despliegue por Objetivos/Políticas (HOSHIN KANRI)
6. Diagrama de Afinidad
7. Diagrama árbol.
8. Diagrama Causa-Efecto (ISHIKAWA)
9. Diagrama Matricial.
10. Diagrama de Redes.
11. Diseño de Experimentos (DOE) (TAGUCHI-SHAININ-CLÁSICO)
12. Mejora Continua (KAIZEN)
13. Mejora y Reingeniería de los procesos (BPR)
14. PM Análisis (PMA)
15. Resolución de Problemas (8D)
16. Rueda de Deming (PDCA) o ciclo PHVA (Planificar, Hacer, Verificar,
Actuar).
17. Seis Sigma. Six Sigma.
18. Tormenta de Ideas (BRAINSTORMING).

Página 32 de 40
VALIJA ¨AD HOC¨ HERRAMIENTAS SEGÚN EL PROBLEMA A RESOLVER

Página 33 de 40
 FLUJO CONCEPTUAL DE UN SISTEMA DE GESTIÓN Y SU RELEVAMIENTO
SISTEMA CONCEPTUAL
RECOLECCIÓN DE DATOS Y DESARROLLO PLANEAMIENTO EJECUCIÓN INFORME EVALUACIÓN
SUB-SISTEMA DE SUB-SISTEMA DE CONTROL SUB-SISTEMA DE INFORMES SUB-SISTEMA DE EVALUACIÓN
PLANEAMIENTO Y SEGUIMIENTO GERENCIALES DEL DESEMPEÑO

REUNIÓN DE PROCEDIMIENTOS
FIJACIÓN DE
APERTURA OPERATIVOS
OBJETIVOS
ESTÁNDAR

Calidad
Performance
EVALUACIÓN DE
DESEMPEÑO

Calidad
SECUENCIA LISTA DE PREVISIÓN DE Procesos
OPERACIONAL ACTIVIDADES VOLÚMENES

PROCESOS
OPERATIVA

INDICADORES PLAN Y CONTROL INFORME INFORME

FLUJO ACTUAL CLAVE DE OBSERVACIONES PLAN MAESTRO
DIARIO OPERACIONAL GERENCIAL
CONTROL

PROCESO Puntos y Procedimientos del Control de Resumen de

Parámetros de Sistema de Gestión Procesos Tiempos Perdidos
COMUNICACIÓN Control de la Calidad Retrabajos, Scrap
Problemas y
Procedimientos

Página 34 de 40
Procedimientos de Acciones Tomadas
Puntos de Control Control

CRITICA AL DATOS ESTÁNDARES BASE DE DATOS GRAFICO DE

HISTÓRICOS E/Rs REUNIÓN
FLUJO ACTUAL PRE - CÁLCULO DESEMPEÑO
Expectativa DIARIA DE
Razonable REVISIÓN REUNIÓN

SISTEMAS OPERACIONALES Y DE GESTIÓN DE CALIDAD

Oportunidades de SEMANAL DE
Mejora REVISIÓN
REUNIÓN
MENSUAL DE
EVALUACIÓN
CONTROLES
PERIODO BASE
PRELIMINARES

*RELEVAMIENTO DE LA POBLACIÓN
*PROGRAMACIÓN DE *PROCESAMIENTO DE LAS *INFORME DE LAS SESIONES
*DEFINICIÓN DE NIVELES LAS SESIONES SESIONES
*INFORMES DE SEGUIMIENTO *GRÁFICOS DE (E.A.R.)
*ENTREVISTAS DE DIAGNOSTICO NIVELES DE INAPROPIACIÓN

GESTIÓN
*DISEÑO DEL FLUJO *SEGUIMIENTO EN EL ÁREA * ADMINISTRACIÓN DE (E.A.R.)
*ENCUESTAS DE ACTITUD PARA RESPONSABLES (E.A.R)( PRE - CAPACITACIÓN) ) (POST- CAPACITACIÓN)

CAPACITACIÓN EN
 FLUJO DEL SISTEMA DE GESTIÓN DEL COSTO DE LA CALIDAD

SISTEMA DE I MPLEMENTACI ÓN Y GESTIÓN

RECOLECCIÓN DE DATOS PLANEAMIENTO EJECUCIÓN INFORME EVALUACIÓN

Definición del
Sistema

Análisis de la Matriz Coordinador del Informe Gerencial

Costo de la Informe Semanal
de Costo Determinación del % Mensual Mensual
Calidad
sobre ventas y/o costo
por unidad
Gráficos y
tendencias de los
Prevención indicadores
Componentes 0,7 < x < 1,5 %
Preven./Evaluación
P.Interna/P.Externa
Evaluación % sobre ventas
Reclamos Hs. Extras Personal costo por unidad
1,5 < x < 3,0 %
Materiales
Situación actual %
P.Internas
Maquinarias sobre ventas o PREVENCIÓN
2,5 < x < 6,0 %
costo por unidad
Mano de obra
P.Externas
Información y datos
0,3 < x < 3,0 %
de Gestión de
Calidad
( Responsables )
Total.: 5 < CC < 13,5

Página 35 de 40
% sobre venta
REUNIÓN
EVALUACIÓN GERENCIAL

Informe
Operacional de
Producción
Recolección de Comparación
datos Históricos valores
Internacionales
REUNIÓN MENSUAL DE
PLANIFICACIÓN P.INTERNA

( INVERSIONES ) Se Fabrican los

Productos

P.EXTERNA
Período Base
Referencia

TOMA DE ACCIÓN
Con este esquema podemos diagnosticar la existencia total, parcial o nula de un
esquema 5´s y del proceso DRW (Daily Routine Work) mejora del trabajo diario.

A veces en la implementación parcial hemos tenido que desarrollar e implementar

una versión ¨criolla¨ de esta herramienta, bajo el nombre de SOL (Seguridad,
Orden y Limpieza). En esto podemos agregar que uno de los mayores problemas
con los que tuvimos que lidiar es la cultura de los individuos del lugar. Es muy fácil
implementar cuando uno tiene gente capacitada y que vive en lugares adecuados,
con servicios básicos y esenciales. Introducir este tipo de disciplinas en ciertos
lugares puede ser un problema extra. Cuando las necesidades básicas están total o
parcialmente insatisfechas, es muy complicado inculcar estas cuestiones.

Afortunadamente todos queremos mejorar y es desde ahí que podemos comenzar

una sensibilización en este sentido. Este trabajo es un breve resumen de
herramientas y técnicas que podemos utilizar en la tarea de relevamiento de
sistemas o procesos productivos. En los anexos hay información complementaria

Página 36 de 40
importante a la hora de tener que planificar el desarrollo de un análisis diagnóstico.
Es un primer pantallazo general sin profundizar demasiado ya que hay temas que
son muy extensos para desarrollar aquí, como todo lo referente a diseño estadístico
de experimentos, determinación de la capacidad o aptitud de máquinas y procesos,
costos de la calidad, control estadístico de procesos y muchas herramientas para la
resolución de problemas. Frente a un caso particular se pueden seleccionar las
herramientas o técnicas adecuadas, ya sea para diagnóstico o para construcción de
un camino para la resolución de un problema. Espero sinceramente que esta visión
general les sea de utilidad y que puedan enriquecer el trabajo con sus propias e
invalorables experiencias y aportes.

BIBLIOGRAFÍA:

 CALIDAD Y CLARIDAD. Pessacq-Pagella. Revista Máquinas y Equipos Nro. 389 Edigar S.A.
 ESTADÍSTICA PARA LA CALIDAD. Pessacq-Pagella .Revista Ingeniería Química Nro.74.
Edigar S.A. Revista Máquinas y Equipos Nro.395. Edigar S.A.
 LA CALIDAD TOTAL Y SUS COSTOS. Pessacq-Pagella. Revista Máquinas y Equipos Nro.
400. Edigar S.A.
 PARA LOS QUE CONFUNDEN " CALIDAD TOTAL" CON " PERFECCIÓN TOTAL.
Pessacq-Pagella. Revista Megavatios Nro. 165. Edigar S.A.
 ALGUNAS APLICACIONES DE LA GESTIÓN POR INDICADORES. EL SISTEMA
CETA: UNA EXCELENTE FORMA DE RESOLVER PROBLEMAS. Uslenghi-Pagella. Revista
Ingeniería Química Nro.121. Edigar S.A.
 EL TABLERO DE COMANDO INTEGRAL: LA FORMA DE MANTENER EL TIMÓN EN
ESTAS ÉPOCAS TURBULENTAS. Uslenghi-Pagella. Revista Máquinas y Equipos Nro.483.
Edigar S.A.
 ALGUNAS CONSIDERACIONES SOBRE LOS SISTEMAS DE GESTIÓN. LA GESTIÓN
DE RECURSOS HUMANOS: UN FACTOR ESTRATÉGICO DE LA EMPRESA. Uslenghi-
Pagella. Revista Ingeniería Química Nro.122. Edigar S.A.
 EL SISTEMA DE COSTOS DE CALIDAD: UNA FORMA DE MEDIR LA GESTIÓN EN LA
EMPRESA. Uslenghi-Pagella. Revista Máquinas y Equipos Nro.486. Edigar S.A.
 EL SISTEMA DE REMUNERACIÓN VARIABLE: UNA ALTERNATIVA CREATIVA
PARA LA EMPRESA. Uslenghi-Pagella. Revista Máquinas y Equipos Nro.487. Edigar S.A.

Página 37 de 40
 COMPETITIVIDAD Y CRECIMIENTO: ALGO MÁS QUE DOS PALABRAS. Uslenghi-
Pagella. Revista Máquinas y Equipos Nro.489. Edigar S.A. Revista Ingeniería Alimentaria
Nro.35. Edigar S.A.
 EL GRAN DESAFÍO QUE TENEMOS EN GESTIÓN - Uslenghi-Pagella. Revista Máquinas y
Equipos Nro.493. Edigar S.A.
 ALGUNOS CRITERIOS NO FINANCIEROS PARA EVALUACIÓN DE PROYECTOS
DE INVERSIÓN. Pagella- https://www.scribd.com
 LÓGICA DE LA CADENA ENTRE CLIENTES Y PROVEEDORES INTERNOS. EL
PAPEL CLAVE DEL LIDERAZGO. LA MEJORA DEL TRABAJO DIARIO (DRW).
HERRAMIENTAS PARA EL RELEVAMIENTO DE LOS LÍDERES Y DE
NECESIDADES ENTRE LOS SECTORES. Pagella - https://www.scribd.com
 EL INFORME OPERACIONAL: UN ELEMENTO CLAVE DEL SISTEMA DE GESTIÓN.
Pagella https://www.scribd.com
 MATERIAL PARA CAPACITACIÓN: Consultora DVD ADVANCED MANAGEMENT
SYSTEMS S.A. (Compilación: Isidoro-Pagella).
 ESTADÍSTICA INDUSTRIAL CUALITATIVA - Rubio Longas - IDITEC.
 PROPIEDADES DISTRIBUCIONALES DE ÍNDICES DE CAPACIDAD DE PROCESOS
BAJO DISTRIBUCIONES NO NORMALES – Ferreri – Quaglino – UNR.
 ÍNDICES DE CAPACIDAD PARA LA DISTRIBUCIÓN DE WEIBULL-Manuel Baro
Tijerina-Manuel Piña Monarrez-Roberto Romero López- Jaime Romero González-Universidad
Autónoma de Ciudad Juárez.
 PROPUESTA PARA EVALUAR LA CAPACIDAD DE PROCESO DE MANUFACTURA
MULTIVARIADOS-Cuamea y Rodriguez- Ingeniería Industrial-Año. 13 Nº2: 35-47, 2014.
 Developing New Multivariate Process Capability Indices for Non-Normal Data. J.N. Pan:
Department of Statistics, National Cheng Kung University, Tainan, Taiwan - C.I. Li: Department
of Applied Mathematics, National Chiayi University, Chiayi, Taiwan - W.C. Shih: Department of
Statistics, National Cheng Kung University, Tainan, Taiwan.
 ESTIMACIÓN DE ÍNDICES DE CAPACIDAD DE PROCESOS USANDO LA
DISTRIBUCIÓN GENERALIZADA DE PARETO- Márquez – Fermín- Ingeniería Industrial -
Año 9 Nº 2: 93-106, 2010.
 Introduction to Statistical Quality Control. Sixth Edition. DOUGLAS C. MONTGOMERY-
John Wiley & Sons, Inc.
 Process Capability Indices. Kotz-Johnson-CHAPMAN & HALL.

Página 38 de 40
 Encyclopedia and Handbook of Process Capability Indices. Pearn-Kotz-Series on Quality,
Reliability and Engineering Statistics Vol. 12.
 Process capability index Cpk for monitoring the thermal performance in the distribution of
refrigerated products. Novaesa- Lima Jr - Corrêa de Carvalho- Dmontier Pinheiro Aragão
Junior. Production, 26(1), 54-65, jan./mar. 2016.
 PROCESS CAPABILITY INDEX-BASED CONTROL CHART FOR VARIABLES- Adeoti
– Olaomi- South African Journal of Industrial Engineering August 2017 Vol 28(2), pp 28-36.
 LA CAPACIDAD DE PROCESOS COMO MÉTRICA DE CALIDAD PARA
CARACTERÍSTICAS CUALITATIVAS. Urrego-Zúñiga-García- Universidad de Ibagué y
Universidad Politécnica de Valencia-España.
 EFECTO DEL ERROR DE MEDICIÓN EN ÍNDICES DE CAPACIDAD DE PROCESOS -
Dianda-Quaglino-Pagura-De Castro. SaberEs. Vol. 8, Núm. 2 (2016).
 Un índice de capacidad de procesos para distribuciones multivariadas no normales de
variables correlacionadas y no correlacionadas. Salazar- Fermín- Ingeniería Industrial, núm.
35, enero-diciembre, 2017, pp. 55-75
 Estudio comparativo de índices de capacidad de proceso con variables distribuidas no
normales. Valdiviezo-Fermín- Revista de la Facultad de Ingeniería Industrial 13(1): 56-65 (2010)
UNMSM
 ISO 22514 consists of the following parts, under the general title Statistical methods in process
management — Capability and performance:
— Part 1: General principles and concepts
— Part 2: Process capability and performance of time-dependent process models
— Part 3: Machine performance studies for measured data on discrete parts
— Part 4: Process capability estimates and performance measures
— Part 5: Process capability estimates and performance for attributive characteristics
— Part 6: Process capability statistics for characteristics following a multivariate normal
distribution.
— Part 7: Capability of measurement processes
— Part 8: Machine performance of a multi-state production process
 CALIDAD TOTAL - Alberto Galgano - Diaz de Santos.
 Control Estadístico de la Calidad y Seis Sigma. Humberto Gutiérrez Pulido-Román de la Vara
Salazar. Mc Graw Hill.
 GERENCIA Y PLANEACIÓN ESTRATÉGICA. Jean-Paul Sallenave. Ed. NORMA

Página 39 de 40
 EL PROFESIONAL Y SU ROL DE EMPRESARIO. América A. Irazabal. Ed. APLICACIÓN
TRIBUTARIA S.A.
 SEIS SIGMA. UNA INICIATIVA DE CALIDAD TOTAL. Barba-Boix-Cuatrecasas. Gestión
2000.

Por si alguien desea consultar, casi todo el material esta subido a https://www.scribd.com
Nelson Hugo Pagella - Diciembre 2019 - hpagella@gmail.com

Página 40 de 40