Control de Calidad y Confiabilidad

(No citar ni distribuir)

Dr. Nicolás Domínguez Vergara

17 de octubre de 2022
 Dr. Nicolás Domínguez Vergara

Es originario de San Miguel Totolapan, Guerrero, México. Estudió la Licenciatura y la Maestría en Física
en la UNAM. Doctor en Física por la Universidad de Texas en Austin en 1986. Trabajó como investigador
por 11 años en el Laboratorio Nacional de Oak Ridge (ORNL), uno de los laboratorios del Departamento
de Energía de Estados Unidos de América. Los códigos de computación que desarrolló o modificó para
estudiar el equilibrio y la estabilidad de plasmas hacia la fusión nuclear fueron usados en Australia,
España, Estados Unidos, Italia, Japón, Ucrania y Rusia. Durante dos años fue Asistente Técnico del
Director de Desarrollo de Tecnologías de Energía y Medio Ambiente de ese Laboratorio y colaboró en
la elaboración de los planes de desarrollo tecnológico del Laboratorio. Recibió el reconocimiento
Technical Achievement Martin Marietta en el año de 1990.

Trabajó por más de 6 años en el Instituto Mexicano del Petróleo en donde dirigió el proyecto pionero
“Prospectiva de la Investigación y el Desarrollo Tecnológico del Sector Petrolero al año 2025”. Fue
invitado por el Senado de la República en 2008 a uno de los debates históricos sobre la Reforma
Energética. Fue invitado por la Comisión de Energía de la Cámara de Diputados al Parlamento Abierto
sobre la Ley Emergente de la Industria Eléctrica el 12 de febrero de 2021. Invitado por la Cámara de
Diputados a la Mesa de Diálogo para hablar sobre la Ley de Hidrocarburos, 6 de abril de 2021. Invitado
por la Junta de Coordinación Política de la Cámara de Diputados al Histórico Parlamento Abierto sobre
la Iniciativa de Reforma Eléctrica, 17 de enero de 2022. En 2010 y 2011 fue integrante del Grupo
Evaluador del Premio Nacional de Tecnología e Innovación. Ha sido integrante del Grupo Evaluador de
la Comisión Nacional para el Uso Eficiente de la Energía del “Reconocimiento a la eficiencia energética
en la Administración Pública Federal”, desde el año 2015. Fue el Líder técnico al Comité Operativo de
Calidad por la Dirección Ejecutiva de Investigación del Instituto Mexicano del Petróleo (julio, 2001-
diciembre 2002).

Ha dirigido más de 40 proyectos terminales de las carreras de Ingeniería industrial, ingeniería en

computación, ciencias de la computación (UAM-Iztapalapa), ingeniería química, ingeniería ambiental e
ingeniería mecánica. Co-asesoró un proyecto de la Maestría en Economía. Coasesoró una tesis del
doctorado del Instituto de Ingeniería de la UNAM. Es autor o coautor de docenas de trabajos de
investigación. Ha impartido decenas de conferencias en foros nacionales e internacionales. Sus trabajos
científicos han sido citados cientos de veces en la literatura científica internacional. Sus temas de
investigación incluyen Fusión Nuclear, Fisión Nuclear, Prospectiva Tecnológica y Planeación Estratégica,
Fuentes Renovables de Energía, Reservas de Hidrocarburos, Eficiencia Energética de Vehículos
Automotores y Educación Superior. Es entrevistado en radio, televisión y otros medios de comunicación
masiva como experto en temas energéticos. Fue listado en la revista El Mundo del Petróleo como uno
de los 100 líderes más influyentes del sector energía de México en el año 2009. Fue Jefe del
Departamento de Sistemas de la UAM Azcapotzalco de 2006 a 2010. Es profesor investigador del
Departamento de Sistemas de la UAM Azcapotzalco.

2
Curriculum del profesor en http://sistemas.azc.uam.mx/uammero.html

https://www.nmas.com.mx/nmas-originales/programas/nmas-originales/videos/promesas-de-
reforma-energetica-epn-y-reforma-electrica-amlo
https://www.nmas.com.mx/nmas-originales/programas/nmas-originales/videos/la-historia-de-
electricidad-mexico
https://noticieros.televisa.com/historia/que-hara-mexico-con-el-litio-y-la-industria-electrica/
https://noticieros.televisa.com/historia/reforma-electrica-2022-que-ofrece-esta-nueva-iniciativa/
https://www.youtube.com/watch?v=gYMQiKCUgjg
https://fb.watch/b7-WBa31nQ/
https://www.youtube.com/watch?v=TVB45jfuZ_8
https://www.youtube.com/watch?v=XhH0V09A_Is
https://www.youtube.com/watch?v=t5i_88e3Epkt=98s
https://www.youtube.com/watch?v=MRlq1LAamTst=32s
https://www.youtube.com/watch?v=58a9jldvBpot=54s
https://www.youtube.com/watch?v=OR1BJv1uScY
https://www.youtube.com/watch?v=O4eVxWNECJU
https://www.canaldelcongreso.gob.mx/index.php/tuCongreso/reproducir/1_ojk8yrpa/Comisin_de_Energa_Me
sa_de_Dilogo_cn_relacin_a_la_Iniciativa_cn_Proyecto_de_Decreto_por_el_que_se_reforman_y_adicionan_div
ersas_disposiciones_de_la_Ley

No difundir ni citar porque todavía no tiene todas las referencias citadas apropiadamente. Existen
algunas partes del texto que están incompletas o desordenadas. En pocas palabras, todavía es un
documento en elaboración.

3
Índice
1. Calidad.............................................................................................................................................. 7
1.1. ¿Qué es Calidad? y ¿Cómo se mide la Calidad? ...................................................................... 8
1.2. Productos o servicios y su calidad ......................................................................................... 11
1.3. Definición de Calidad ............................................................................................................. 17
1.4. Control de Calidad ................................................................................................................. 17
1.5. Desarrollo de productos y servicios ...................................................................................... 17
1.6. Modelo de innovación lineal y otros modelos ..................................................................... 20
1.7. Productos, servicios, medidas de sus características y especificaciones ................................. 22
2. Medición de la Calidad de un producto ........................................................................................ 25
2.1. Representación de medidas características inherentes de un producto ............................ 26
2.2. Representación de datos ....................................................................................................... 27
2.3. Cálculo del promedio y de la desviación estándar para las tres representaciones de datos
…………………………………………………………………………………………………………………………………………..29
2.4. Paso de un histograma a una función continua ................................................................... 31
3. Cálculo de la proporción de artículos defectuosos....................................................................... 35
3.1. Variación real ......................................................................................................................... 37
3.2. Cálculo del número de productos defectuosos .................................................................... 40
3.3. Tabla para el cálculo de áreas de la distribución normal ..................................................... 44
4. Cálculo de la proporción de artículos defectuosos....................................................................... 45
5. Distribución de Muestras .............................................................................................................. 52
5.1. Aplicaciones del Teorema del Límite Central a las cartas de control de Shewhart ................. 52
6. Introducción a las Cartas de Control ............................................................................................. 61
6.1. Procesos inestables o fuera de control estadístico .............................................................. 62
6.2. Cartas de Control ................................................................................................................... 65
6.3. Carta 𝒙 .................................................................................................................................... 66
7. Aproximaciones en Cartas 𝒙 y R.................................................................................................... 70
7.1. Carta R y aproximaciones ...................................................................................................... 70
8. Capacidad y Estabilidad ................................................................................................................. 72
8.1. Nota sobre especificaciones en el cálculo de la capacidad o habilidad de los procesos y los
límites de control en el caso de las cartas de control ...................................................................... 77
8.2. Signos de inestabilidad en las cartas de control ...................................................................... 78
9. Herramientas de Control de Calidad ............................................................................................. 79
10. Diagrama de Ishikawa ................................................................................................................... 81

4
 10.1. Recomendaciones muy importantes a seguir durante la lluvia de ideas para obtener el
Diagrama de Ishikawa o en el uso de otras herramientas ............................................................... 84
11. Los 5 Por qués ................................................................................................................................ 89
12. Estratificación e Histograma ......................................................................................................... 95
13. Diagrama de Dispersión ................................................................................................................ 99
14. Árbol de Decisiones ..................................................................................................................... 105
15. Check List (Lista de Verificación) ................................................................................................. 112
16. Poka Yoke..................................................................................................................................... 115
17. Diagrama de Pareto ..................................................................................................................... 119
18. Uso de Herramientas de Control de Calidad en el análisis de problemas ocasionados por Covid-
19 127
19. Cartas de Control 𝒙 y R ................................................................................................................ 142
20. Carta de Control c o Carta de Defectos ....................................................................................... 145
21. Carta de Control p o Carta de Proporción de Artículos Defectuosos ........................................ 148
22. Carta de Control u o Carta del Número de Defectos por Unidad .............................................. 152
23. Carta de Control np o Carta del Número de Defectuosos .......................................................... 155
24. Carta x o Carta de Medidas Individuales .................................................................................... 158
25. Despliegue de la Función de Calidad (DFC)................................................................................. 161
26. Calidad de Mediciones (Repetibilidad y Reproducibilidad) ....................................................... 165
27. Análisis de Modo y Efecto de las Fallas (AMEF) ......................................................................... 167
28. Muestreo...................................................................................................................................... 172
29. Curva Característica de Operación (CCO) ................................................................................... 177
30. Cálculo del Plan de Muestreo y de la Curva Característica de Operación usando las Tablas de
Cameron ............................................................................................................................................... 184
31. Military Standard 105 E ............................................................................................................... 195
32. Confiabilidad ................................................................................................................................ 202
32.1. Modelos de Confiabilidad ............................................................................................... 204
32.2. Modelo Exponencial ........................................................................................................ 206
32.3. Modelo Weibull ............................................................................................................... 212
32.4. Método para obtener β y η de los datos de las fallas. ................................................... 218
32.5. Uso del papel Weibull para el cálculo de los valores de β y η........................................ 219
33. Análisis y Diseño de Experimentos ............................................................................................. 224
34. Estrategia de Seis Sigma .............................................................................................................. 228
35. El Big Data o la Ciencia de Datos en Control de Calidad ............................................................ 230
36. Normas ISO 9000 e ISO 9001 ....................................................................................................... 231

5
 A. Instrucciones para realizar el Proyecto Final .......................................................................... 237
B. Tareas a realizar con fecha específica ..................................................................................... 239
C. Relación entre la 𝑪𝒑 y proporción de artículos defectuosos ................................................. 243
D. Promedio de Muestras ............................................................................................................ 250
E. Videos de Google Classroom ................................................................................................... 256
F. Práctica en grupos de soft skills y storytelling ........................................................................ 257
Bibliografía ........................................................................................................................................... 262

6
Capítulo 1
1. Calidad
Vivimos en un mundo de cambio constante y hasta marzo del año 2020 bastante integrado o
globalizado. Un mundo en el que un acontecimiento en alguna parte del mundo puede afectar nuestra
vida diaria (el efecto mariposa). “Lo que fue ayer, no será”, y “el futuro ya no es lo que era antes”. Cada
vez existe un mayor número de bienes y servicios. Estos productos surgen de nuevas realidades, pero
también existen productos que van desapareciendo, porque son obsoletos debido a que han
desaparecido las necesidades para las que se usaban (como las perforadoras para tarjetas de
computadoras). Algunos desaparecen porque surgen otros más cómodos, con más funciones, más
baratos o más bonitos. La pandemia del coronavirus (COVID-19) que se expandió en el mundo desde
principios del año 2020 (o desde finales del año 2019) cambió al mundo. Los negocios tuvieron que
cambiar para sobrevivir, algunos de ellos tuvieron muchísimo éxito porque al tenerse una sana distancia
se tuvo que comprar y vender a distancia. La digitalización y la automatización crecieron mucho durante
la pandemia. El mundo se detuvo, los aviones se quedaron en tierra, los vehículos en los
estacionamientos y garajes y hasta nosotros nos confinamos para no contagiarnos o para evitar llevar
el virus a nuestros seres más queridos.

La pandemia cambió al mundo, ahora las empresas tienen que hacer más con menos. Tienen que
aumentar su productividad, si antes con 50 empleados hacían 100 productos ahora tienen que hacer
más de 100. Las empresas tienen que usar adecuadamente la tecnología para aumentar esa
productividad en un entorno de alta inflación que hace subir los costos de la materia prima y de los
sueldos (porque a mayor inflación los sueldos tienen que subir). Además, como los bancos centrales
de muchos países han subido las tasas de interés el financiamiento que las empresas pueden
obtener es más caro, mucho más caro. También existe una escasez de insumos y las cadenas de
valor se están recuperando, pero de manera distinta, ya no es como antes en que la globalización
era en todo el mundo, ahora puede ser regional para asegurar que se tendrán los insumos. En el
futuro o próximo futuro se tratará de relocalizar a las empresas cerca de los lugares de consumo
(nearshoring), no se podrá confiar en proveedores lejanos. Lo gobiernos tienen que apoyar a las
empresas a que sean exitosas, a que los precios de la electricidad y comida no sean altos porque el
descontento social podría surgir. La calidad es muy importante pero la productividad y
competitividad también lo son, eso se está notando mucho en estos días.

Ni siquiera las películas de ciencia ficción describieron la situación tan difícil que sufrimos durante la
pandemia. De pronto surgió el cubrebocas como un artículo necesario para evitar contagios, los
respiradores artificiales fueron cruciales para salvar vidas y las vacunas contra el virus fueron
desarrolladas rápidamente para evitar contagios y para que los contagiados tuvieran efectos menos
dañinos a su salud. México hasta el 15 de octubre del año 2022 no había podido desarrollar su propia
vacuna. El lavado de manos clínico se volvió indispensable y los productos de higiene durante la
pandemia se vendieron mucho más en todo el mundo.

La educación también se detuvo y surgió masivamente la educación a distancia, una educación para la
cual muchas escuelas no estaban preparadas, los maestros no estaban preparados, los estudiantes
tampoco, ni las autoridades ni demás personal administrativo. La educación a distancia está
aumentando la desigualdad porque es necesario tener herramientas necesarias para recibir una
educación a distancia, como es una computadora o celular, el servicio de internet, un espacio en casa
para estudiar y sobre todo electricidad. La electricidad se volvió indispensable y existen propuestas

7
para que se convierta en un derecho humano (lo mismo que internet). Muchos estudiantes no tuvieron
las herramientas adecuadas y se han rezagado o desertado. Desafortunadamente algunos de los
estudiantes también abandonaron sus estudios por la necesidad de trabajar porque sus padres o
sostenes económicos perdieron el trabajo o simplemente porque ganaron menos dinero durante la
pandemia. Algunos estudiantes desafortunadamente perdieron seres queridos.

Estamos viviendo un cambio enorme en el que algunas cadenas productivas se rompieron en el mundo
y se construirán otras nuevas. El lugar de trabajo también se trasladó o ha trasladado a nuestras casas
para aquell@s que pudieron o pueden hacer su trabajo en casa. Nuevas competencias serán necesarias
en los trabajos y también muchos trabajos desaparecerán y se crearán nuevos. El mundo ha cambiado
y nosotros también, habrá nuevas oportunidades y nuevos desafíos. En el futuro vendrán otras
pandemias y los efectos severos del cambio climático que forzarán a tener otros productos, nuevos
productos que serán maravillosos, aunque en el mundo muchos productos que conocemos seguirán
vendiéndose porque son de calidad, pero, ¿qué es la Calidad?

1.1. ¿Qué es Calidad? y ¿Cómo se mide la Calidad?

Siempre tratamos de comprar productos que nos sirvan para lo que queremos, que no nos fallen a la
hora de usarlos, y entonces decimos que los productos tienen Calidad. Entonces, ¿cómo podemos
definir lo que es Calidad? y ¿cómo la medimos? A veces definimos cosas de muchas maneras, aunque
si estudiamos las definiciones básicamente se refieren a lo mismo basadas en las experiencias de las
personas que las proporcionan. Por ejemplo, veamos algunas de las definiciones de lo que es el amor
o el amar.

Amar es este tímido silencio cerca de ti, sin que lo sepas.... y escuchar tu voz cuando me llamas y sentir
el calor de tu saludo. Amar es aguardarte como si fueras parte del ocaso... ni antes, ni después, para
que estemos solos entre los juegos y los cuentos sobre la tierra seca... Salvador Novo.

Es hielo abrasador, es fuego helado, es herida que duele y no se siente, es un soñado bien, un mal
presente, es un breve descanso muy cansado. Es un descuido que nos da cuidado, un cobarde con
nombre de valiente, un andar solitario entre la gente, un amar solamente ser amado. Francisco de
Quevedo.

Amar es empapar el pensamiento en la fragancia del edén perdido, amar... amar es llevar herido con
un dardo celeste el corazón. Es tocar los dinteles de la gloria es ver tus ojos es escuchar tu acento es en
el alma sentir el firmamento y es morir a tus pies de adoración. Cuco Sánchez.

Amor es comprometerse uno mismo sin garantía, darse uno completamente con la esperanza que
nuestro amor generará amor en la persona amada. Amor es un acto de fe y una persona que es de
poquita fe, también es de poquito amor. Erich Fromm, “El Arte de Amar”.

La definición de un sacerdote de lo que es el amor quizá sería muy diferente, también la de un médico.

8
Entonces, ¿qué es el amor?, ¿cuál es la definición de lo que es el amor o el amar? y ¿cómo se mide el
amor?, además, ¿existe un “amorómetro” para medir el amor? De la misma manera podemos
preguntarnos, ¿qué es Calidad? y ¿cómo se mide la Calidad?, ¿Existe un “calidómetro” para medir la
Calidad?

Si comparamos los celulares de dos alumn@s quizá son muy diferentes. Sus cámaras quizás tienen
diferentes resoluciones, también sus memorias. El tamaño de los celulares también puede ser muy
diferente. Quizá uno de los celulares tiene cubierta rosa y el otro morada o rosa o negra o dorada. ¿Cuál
de los dos tiene más calidad?

Si el celular de un(a) alumno no es “inteligente” no es un Smartphone. ¿Ese celular no es de buena

calidad para nadie?, ¿ni para la persona que lo usa?, entonces, ¿por qué todavía existen personas que
usan teléfonos que no son Smartphones?

Las mujeres, sobre todo, usan bilés, algunas usan un bilé de un rojo muy brillante, mientras que otras
de color rosa que casi no se nota. Claro que no todas las mujeres usan bilé y algunas otras personas
(aparte de las mujeres) usan bilé. ¿Cuál de los dos bilés tiene más calidad, el rojo o el rosa?, ¿Calidad
para quién?

9
Preguntas para discutir en grupo

1. ¿En qué características nos fijamos para juzgar si un producto o servicio tiene Calidad?
Considere por ejemplo un par de zapatos o una televisión.

2. ¿Es posible que un producto tenga Calidad suficiente para una persona y mala Calidad para
otra?

3. ¿Es necesario tener una sola definición de Calidad?

4. ¿Para qué sirve tener un producto de Calidad?

5. ¿Cuesta dinero hacer las cosas con Calidad?

6. ¿Cuesta dinero hacer las cosas sin Calidad?

7. ¿Ha evolucionado el concepto de Calidad?

8. ¿Ha costado desarrollar un producto como una rasuradora, las pastillas anticonceptivas, o un
iphone?

9. ¿Cuál ha sido el proceso que ha llevado a la fabricación de un refrigerador, un coche, un celular,

un DVD o un bilé? (¿Usted cree que un día a una persona se le ocurrió inventar un antiviral un
día y al otro lo estuvo produciendo?)

10. ¿Usted hace las cosas con Calidad en su vida personal?

11. ¿Usted cree que el precio del agua y el valor de los ingredientes es el 99% del costo de una Coca
Cola?

12. ¿Es necesario medirle la Calidad a todo?

13. ¿Cómo se mide la Calidad?, ¿existe un “Calidómetro”?

14. ¿Qué sería una Universidad de Calidad?, ¿la UAM es una universidad de Calidad?

15. ¿Cómo define Calidad?

10
1.2. Productos o servicios y su calidad
Comparemos dos periódicos, El Financiero y El Gráfico del miércoles 2 de septiembre de 2020.

Figura 1.1: Portada de dos periódicos. ¿Cuál tiene más Calidad?

¿Cuál de los dos periódicos tiene más Calidad? Los dos son a color. El financiero tiene muchas gráficas.
La prensa puede tener fotografías de personas asesinadas. El periódico El Gráfico también es del estilo
de La Prensa, pero quizá no es apropiado mostrar todas sus páginas en clase.

Si el financiero tiene más calidad, ¿quiere decir que vende más que La Prensa? Si usted considera que
La Prensa tiene menos calidad, ¿por qué la gente lo compra? La verdad es que los dos periódicos se
venden, cada uno de ellos tiene sus clientes. Los dos negocios conocen a sus clientes y no quieren
perderlos y les proporcionan la información que buscan de la manera que les gusta. Es decir, cumplen
con las especificaciones o requisitos que requieren sus clientes, que no son las mismas
especificaciones, porque desde luego que no son l@s mism@s clientes.

En el caso de un producto, por ejemplo, una regla, nos referimos a características de ella como su
longitud, ancho, color y dureza. Y queremos que esas características estén dentro de nuestros
requisitos. Por ejemplo, si compramos una regla de 20 centímetros, nos gustaría que la regla mida los
20 centímetros, o que mida alrededor de 20 centímetros de tal manera que ni percibamos que no mide
exactamente 20 centímetros.

Si vamos a un restaurante buscamos un buen servicio, por ejemplo, que la mesera que nos atienda lo
haga bien y pronto, además que el lugar esté limpio. Y desde luego que el menú esté delicioso. Si nos
sirven unos tacos podemos reclamar diciendo que no están dentro de lo que esperábamos comer ahí.
Podemos decir que los tacos no tenían Calidad. También podemos reclamar si la mesera no nos atendió
bien.

11
Desde luego que muchas veces tenemos que conformarnos con un poco menos de lo que nos gustaría
debido al precio. Por ejemplo, nos gustaría quedarnos en un hotel de 5 estrellas, pero
desgraciadamente puede ser muy caro y un hotel mucho más barato podría satisfacer nuestras
necesidades más esenciales: dormir, bañarnos, etcétera. En un restaurante quizá quisiéramos
comernos unos camarones Jumbo pero tenemos que conformarnos con unos pequeños.

En el curso siempre que hablamos de Calidad nos referiremos a productos o servicios para los que hay
un cliente dispuesto a pagar por obtenerlos. Así que nosotros no podemos reclamarle a nuestra mamá
que los frijoles que nos hizo no tienen calidad, porque no le estamos pagando. Además de que
corremos el riesgo de que nos aviente los frijoles a la cara. Tampoco a nuestr@ novi@ o pareja le
podemos reclamar por su trato porque no le pagamos, porque no nos proporciona “un servicio”, si así
fuera se convertiría en nuestr@ emplead@.

También al comprar un producto (o sea un bien físico que podemos tocar) o un servicio (intangible
como cortarse el pelo, o recibir educación) nos damos cuenta que a veces compramos las dos cosas,
es decir un producto físico más el servicio. En un restaurante se compra la comida, pero también el
servicio. Muchas veces el comer en un restaurante sale más caro si el servicio es mejor o tiene algunas
características un tanto especiales. Por ejemplo, en el comedor de la Universidad Autónoma
Metropolitana Azcapotzalco (UAM-A) se compra básicamente la comida y el servicio es demasiado
parco. Es más, es muy común que los estudiantes para la comida se formen en filas muy largas para la
comida (ver figura).

Figura. Cola para comprar comida en la UAM-A.

Muchas veces en el comedor de la UAM-A hay sopa, pero no hay cucharas, no hay tenedores, no hay
cuchillos, no hay servilletas, no hay agua, no hay tortillas o no hay pan. En ese comedor a veces un@
no alcanza más que la sopa y ya no hay guisado y aun así las colas para comer son muy largas. Ese
comedor abre relativamente pocas horas al día, mientras que los vendedores ambulantes en la UAM
estaban “abiertos” más tiempo antes de la pandemia.

El baño más cerca al comedor de la UAM-A muchas veces no tiene jabón para lavarse las manos, es
más muchas veces a la hora de la comida está cerrado. En los restaurantes Hooters se paga la comida
y el servicio y quizá el servicio hace que comer ahí sea más caro. Lo mismo en el restaurante Angus, en
el P.F. Chang’s, en el Sonora Grill, en el Vips y en otros. Los clientes deciden si realmente comen en

12
algún lugar solamente por la comida, porque existen restaurantes que básicamente solo venden la
comida.

En un cuarto de hotel de 5 estrellas se tendrá una cama, un baño con toallas limpias, una televisión,
internet, servicio de comida al cuarto, servicio de lavado y planchado, teléfono, refrigerador, burro
para planchar y plancha (aparte del servicio de lavado y planchado), jabón, cremas y varios otros
productos y servicios. Sin embargo, en hoteles de los pueblos quizá en los cuartos solamente haya una
cama con un pequeño buró y ya; sin baño en el cuarto pues quizá se comparte afuera de los cuartos
de dormir. Quizá haya solamente un hotel en todo el pueblo, así que no hay donde escoger.

Es muy importante reconocer quién o quiénes son los clientes (ver definición de cliente en la sección
de Norma ISO9000) cuando ofrecemos nuestros productos o servicios, pues puede ser un error muy
grande no saberlo. Y sobre todo se debe evitar perderlos, porque siempre es más fácil satisfacer a un
cliente molesto que encontrar uno nuevo; desde luego siempre sin perder nuestra dignidad en la venta;
o sea que tampoco debemos dejarnos humillar en una venta.

Existen compañías que por ahorrarse dinero cambian el producto o servicio y lo pagan muy caro porque
el cliente se da cuenta que el producto o servicio no es el mismo y se vengan de la manera más dolorosa
posible para el vendedor: dejándole de comprar. Esto último le pasó a Zapatos Canadá al cambiar la
piel por el plástico para los zapatos que fabricaba y sus clientes castigaron severamente a la compañía
dejándole de comprar. Muchas veces es muy difícil engañar al cliente y perdemos mucho si le jugamos
trucos. El cliente quiere un producto que le satisfaga sus necesidades, que esté dentro de sus requisitos
y los negocios necesitan saber cuáles son. Los clientes, como todas las demás personas, tienen
detectores de mentiras en los ojos, los oídos y el tacto.

Es conocido que muchas veces al vender un producto es el vendedor el que se debe vender primero.
Nosotros si es posible evitamos comprarle a un vendedor gruñón o a un vendedor que se ve sucio o
enfermo. Le compramos a un@ vendedor@ que se ve amable, saludable, limpi@, alegre e interesad@
en lo que necesitamos. Muchas veces l@s vendedor@s nos halagan con tal de que les compremos
algo, porque de eso depende el dinero que llevarán a casa para cubrir las necesidades de vivienda,
ropa, comida, etcétera. Por eso es típico en los mercados que los vendedores halaguen a l@s
comprador@s con frases como “jefa, ¿qué va a llevar?” aunque la compradora no sea patrona de
nadie. “¿Qué te damos güerita?”, aunque la compradora sea morena oscura. “¿Qué vas a comprar, mi
reyna?”, aunque la compradora no viva en palacio alguno ni esté casada con un rey. Claro, en un
supermercado el lenguaje a los clientes es muy diferente porque los empleados no tienen que
esforzarse porque alguien compre leche o fruta; sus ingresos dependen de un sueldo y la publicidad la
hacen los dueños de otra manera.

Nosotros queremos vendernos muchas veces, son nuestros servicios como ingenier@s lo que
ofrecemos. Y a veces ofrecemos un producto y tenemos que empezar por que alguien se acerque para
que tengamos un cliente potencial. Debemos practicar maneras de acercarse a un cliente
amablemente practicando todos los días en nuestras casas, nuestras escuelas y lugares de trabajo, el
saludar, “buenos días”, el “muchas gracias” y si se tienen recursos, “¿qué te tomas?”

Respuestas a las preguntas sobre Calidad para discutir en grupo

1. En las características inherentes que tiene el producto y que son diferentes para productos
diferentes. Si no tenemos mucho dinero nos fijaremos en las más esenciales. En una regla su
longitud, el material de que está hecha, etcétera.

13
2. Si no tenemos suficiente dinero pagaremos por un producto que tenga solamente las
características más esenciales; por ejemplo, en un hotel con que tenga una cama, un baño con
toallas limpias, privacidad y seguridad. En los periódicos buscamos información, pero podemos
diferir en el tipo de información que buscamos o en la manera en que se presenta; por ejemplo,
más de deportes y menos de negocios. Los periódicos diferentes tienen generalmente clientes
diferentes y muchos son exitosos, aunque nos sorprende a veces la información que “venden” o
como la venden.
3. Para que hablemos el mismo lenguaje debemos tener una misma definición. Sobre todo,
buscaremos una definición que nos permita medir la Calidad.
4. Un producto debe tener Calidad para que no nos falle cuando queremos usarlo. Se puede perder
la vida si en una batalla falla la ametralladora, si el misil no da en el blanco militar, si el motor
del avión de guerra no da el empuje para subir a una altitud más segura, si las municiones no
entran en un arma (como en el caso de la batalla en el convento de Churubusco, el 20 de agosto
de 1847 en la que el General Anaya recibió municiones de diferente calibre a las requeridas),
etc. Si compramos una medicina queremos que tenga todos los ingredientes necesarios para
que nos cure. Si compramos un celular queremos que tenga buena cámara, mucha memoria
para las fotografías y muchas otras cosas. Si estudiamos buscamos la universidad que nos
prepare bien para después al graduarnos podamos conseguir un buen trabajo con los
conocimientos y habilidades que aprendamos.
5. Necesitamos buena materia prima, buenas máquinas, mano de obra capacitada, tomar medidas
apropiadamente, usar métodos apropiados y tener un medio ambiente adecuado y seguro
cuando fabricamos un producto tangible y todo eso cuesta. Necesitamos buen@s estilistas,
tijeras, espejos en una peluquería lo que significa que tenemos que hacer una inversión para
tener todo ello. Se necesitan buen@s jugador@s, entrenador@s experimentado@s y lugares
para entrenar para un equipo de futbol profesional, lo que involucra una inversión apreciable si
queremos vencer a los contrincantes en la cancha de futbol.

6. Si el producto no tiene calidad pueda dañar un negocio o a las personas que lo usen y nos pueden
demandar. Por ejemplo, si el agua embotellada tiene microbios. Tenemos que pagar gastos de
reenvío y gastos por arreglar un producto defectuoso. El prestigio del Gobierno puede dañarse
si falla el medio de transporte del que es responsable, como en el caso del Metro de la Ciudad
de México, aparte de posibles demandas por daños a los usuarios.

7. El concepto de calidad con la definición que usaremos no ha cambiado, aunque de seguro

algunas personas no estén de acuerdo con esta aseveración, lo que es muy válido. Lo que ha
cambiado es que ahora muchos productos tienen muchas características inherentes, como, por
ejemplo, dispositivos para que no dañen el ambiente. El cuidado al medio ambiente y la
responsabilidad social de las empresas son ahora requisitos que ellas mismas se imponen
aunque la sociedad lo exige a final de cuentas.

8. Se tiene que invertir en una mejor materia prima, etc. En la investigación científica, en la
ingeniería que se tienen que desarrollar, en el desarrollo del producto, en la comercialización,
etcétera. Aunque algunos productos pueden no necesitar de investigación científica, como las
espadas que cuando se inventaron no se sabía que existían las moléculas, o como los aviones
que volaban, aunque no se sabía cómo se creaba la turbulencia en el aire.

14
9. Los procesos de invención e innovación son muy diferentes. Cada producto tiene su historia.
Algunos productos fueron una maravilla cuando se inventaron, como el hielo que fue de alta
tecnología, como los celulares, como la bomba atómica, etcétera. Muchas veces algunos
productos se hicieron para un fin, pero terminaron teniendo otro; como por ejemplo las
zapatillas que inicialmente las usaban los hombres y ahora son las mujeres las que más las usan.
Algunos productos los vemos tan seguido que no nos detenemos a pensar que alguien los
inventó, como los semáforos en los cruceros de las calles. Algunas cosas tan simples que usamos
todos los días llevaron mucho tiempo para inventarse a pesar de ser muy útiles, como por
ejemplo los botones de la ropa; la gente usaba lienzos para ajustar su ropa y no se les resbalara.
Los botones desde que se inventaron han sido muy útiles. También algunos conocimientos
(ciencia básica) llevaron tiempo en desarrollarse como los números apropiados, como el sumar,
restar, etcétera; que llevaron a la invención de las calculadoras y las computadoras.

10. Si quisiéramos asignarles cierta calidad a los recursos humanos dependería de qué
características juzgáramos inherentes en una persona y que consideremos importantes para
alguna tarea (competencia, honestidad, responsabilidad, creatividad, empatía, sinceridad,
etcétera); aunque claro, todas las personas valen la pena, todas son valiosas y nunca las
podemos considerar como mercancía.

11. No necesariamente se paga solo por los ingredientes con los que se hace un producto, sino
también por el trabajo que se hace para fabricarlos, además por las instalaciones que se usan
para hacerlos, por las máquinas que lo manufacturan y otras cosas. A veces, muchos productos
son tan necesarios o sus fabricantes tienen tanta fama que también se paga por la marca (como
una Coca).

12. Generalmente hablamos de calidad de cosas que compramos (“solo lo barato se compra con el
dinero”, Facundo Cabral).

13. Medimos la calidad midiendo que tan adentro de las especificaciones se encuentran las medidas
de las características inherentes que queremos, que necesitamos, que consideramos útiles,
necesarias o importantes. Sí, podemos medir que tan adentro de las especificaciones están las
medidas de las características inherentes que definimos.

14. Podemos conocer la Calidad de una universidad midiendo las características inherentes que
consideramos importantes y encontrando que tan adentro de nuestras especificaciones se
encuentran. Las características inherentes en el caso de las universidades públicas no son que
sus baños siempre estén bien limpios, ni que podamos comer en la cafetería 5 minutos después
de que lleguemos, o que podamos escoger el menú. Las características inherentes son de
acuerdo al Consejo de Acreditación de la Enseñanza de la Ingeniería (CACEI), una entidad
acreditadora, el número de profesores de tiempo completo que tenemos, los estudios de
posgrado que tienen los profesores, la eficiencia terminal, los programas de estudio, los
laboratorios, etcétera. De acuerdo a estas características inherentes la UAM es de mucha
calidad.
15. Calidad es que tan adentro de las especificaciones se encuentran las medidas de las
características inherentes que nos interesan o que podemos comprar. Esta definición permite
medir, o sea que sí se puede medir la calidad. No existe un “calidómetro” físico para todos los
productos, pero si podemos usar diferentes herramientas (diferentes “calidómetros”) para
medir qué tan adentro de las especificaciones están las medidas de las características
inherentes de los productos.

15
(Para las respuestas a las preguntas 3 y 14 se sugiere consultar la referencia El aseguramiento de la Calidad
de la Educación Virtual, autores Claudio Rama y Julio Domínguez Granda (Editores). Capítulo: Evaluación
en la educación no presencial: Desde el paradigma tradicional de evaluar procesos de enseñanza
(indicadores educativos) a modelos emergentes de evaluación del aprendizaje (competencias adquiridas):
Claudio Rama. El profesor difiere sobre lo que se comenta respecto a la definición de Calidad, pero
considera que la discusión sobre la Calidad en la educación es valiosa.)

Existen muchas definiciones de lo que es Calidad y conceptos relacionados a ella [1].

“Un grado de uniformidad que proporcione fiabilidad a bajo costo y conveniente para el mercado”.
Edgard W. Deming.

“Adecuación al uso”. Joseph Juran.

“Todo individuo, en cada división de la empresa, deberá estudiar, practicar y participar en el control de
calidad”. Kaoru Ishikawa.

“Cumplir los requisitos”. Phillip Crosby.

“Modo de vida corporativa, un modo de administrar una organización”. Armand V. Feigenbaum.

“Es la entrega al cliente del producto con la calidad exigida y en el momento exacto”. Shigeo Shingo.

“La no calidad es la pérdida generada a la sociedad por un producto desde su concepción hasta su
reciclado”. Genichi Taguchi.

“La adopción de una cultura que empieza por la presencia y se extiende a los equipos”. John Oakland.

“Saber escuchar al cliente”. Thomas Peters.

“Reducir la variación para reducir pérdidas”. Deming Awards.

“La excelencia en el manejo de clientes, en su adquisición, satisfacción, preferencia, referencia, lealtad,

y expansión del negocio”. Malcom Baldrige Awards.

“Es la creación de valor para los clientes y usuarios”. Premio Nacional de la Calidad.

“Excelencia: prácticas sobresalientes en la gestión de la organización y logro de resultados”. Fundación

Europea para la gestión de la calidad.

Existen muchas definiciones de lo que es Calidad. Dicen lo mismo, pero usando palabras diferentes.
Muchas de ellas se reducen a: hacer bien las cosas, y hacerlas bien a la primera vez. O bien que lo que
compramos sirva para lo que queremos, que no nos falle.

En este texto damos ejemplos de situaciones que han ocurrido en guerras porque en los tiempos de
guerra es cuando se han fabricado muchos productos y se han desarrollado técnicas de control de

16
calidad. Es por esto que muchos de los grandes de la calidad trabajaron para el gobierno de sus países
durante las guerras, como Walter Shewhart y Phillip Crosby.

1.3. Definición de Calidad

Definición de Calidad de acuerdo a la norma ISO 9000:2000

3.1.1 Es el grado en el que un conjunto de características (3.5.1) inherentes cumple con los requisitos
(3.1.2). [2]

1.4. Control de Calidad

Parte de la gestión de la calidad (3.2.8) orientada al cumplimiento de los requisitos (3.1.2) de la calidad
(3.1.1). [2]

(En la sección de normas ISO9000 e ISO9001 aparecen las definiciones de la versión 2015.)

1.5. Desarrollo de productos y servicios

Cambia el clima de la tierra, el frío de la última glaciación del pleistoceno desaparece de muchas partes
del mundo. Muchas poblaciones de mujeres y hombres detienen su peregrinar y se vuelven
sedentarios y entonces tienen tiempo de pensar, de cultivar, de construir, de inventar y de innovar.
Junto con el invento de la agricultura (quizá por las mujeres) y la domesticación de animales (vacas,
cabras, puercos, perros, gallinas, guajolotes, etc.) surge la familia, la propiedad privada y el estado. [3]
La mujer pierde “poder” porque el hombre quiere asegurarse de tener un heredero a quien dejarle lo
que acumule durante su vida, quiere estar seguro de quiénes son sus hijos; la mujer siempre lo estaba.
Ella siempre supo y sabe quién o quiénes son sus hijos. Así es como la mujer estuvo sujeta a un hombre,
desafortunadamente como una propiedad más. En este siglo esa situación está cambiando; muchas
mujeres que tienen un trabajo ya no están sujetas a un hombre, ya no dependen de un hombre para
sobrevivir, son independientes económicamente y pueden escoger en la mayoría de los lugares del
mundo con quién vivir.

Anteriormente en algunas tribus las mujeres se intercambiaban entre tribus [3]. Las cosas han
cambiado mucho en estos años, aunque desafortunadamente el abuso y la discriminación contra las
mujeres y otras minorías que tienen preferencias sexuales diferentes a la mayoría de la población
continúan, también existe ese trato a personas que tienen otro color diferente al de la mayoría, o que
tienen capacidades diferentes o que hablan diferente o contra aquellas que tienen un nivel
socioeconómico distinto al de la mayoría.

Desde hace como 10 mil años o más comenzaron a inventarse muchos productos para la comodidad
de la población como ropa (de pieles o fibras vegetales como algodón en Norteamérica, últimamente
de poliéster que se hace a base de petróleo), utensilios para cocinar, casas, puentes de piedra,
acueductos, juegos de azar, joyas y también armas más sofisticadas para las guerras (como espadas
hechas de bronce y después de hierro). En la edad media ya existían talleres en los que se fabricaban
ciertos productos. Después Henry Ford tiene ideas de cómo producir en masa sus vehículos, surgen
muchas teorías y prácticas de cómo fabricar masivamente los productos. Así como también surgen
ideas de cómo hacerlos mejor, con mayor calidad.

17
Todos los productos tienen su historia y muchos de ellos sufren innovaciones a lo largo de muchos
años, como son los libros, los semáforos, el papel de baño, la taza de baño, los teléfonos fijos, los
teléfonos celulares, el lápiz labial, las joyas, la ropa, los botones, las zapatillas, las medicinas, las estufas,
las tijeras, los aviones, los automóviles, las lavadoras, los refrigeradores, las computadoras, las bombas
nucleares, etc. A veces vemos tantos productos que nos rodean que nunca nos detenemos a pensar
cómo se inventaron o qué tanto costó su invención o innovación.

No todos los productos surgen de una necesidad, como el walkman, que se dudaba de su utilidad
porque se consideraba que las personas corrían, troteaban o caminaban pero que no se les antojaría
escuchar música mientras lo hacían. Después el walkman al lanzarse al mercado se volvió una
necesidad. A veces algunos productos surgen como si fueran respuestas a preguntas que no existen en
el momento que se crean. Algunos productos surgen para cumplir con un propósito, pero terminan
usándose para otras cosas (como las zapatillas que se inventaron para que las usaran los hombres, la
pólvora que los chinos la usaban para sus vistosos fuegos artificiales pero que los europeos la usaron
masivamente en sus armas para asesinar más efectivamente. Los materiales de teflón son un ejemplo
de cómo de cierto uso restringido se pasa a un uso de toda la población, aunque con efectos
contaminantes en todo el mundo (ver película el Precio de la verdad).

La computadora personal surge y cuando Wozniak la presenta a sus jefes de IBM lo ridiculizan porque
opinan que nadie querrá tener una computadora en su casa. Las laptops surgen cuando se desea una
computadora tan pequeña y ligera como un portafolios.

Algunos productos se fabrican para el uso exclusivo de la clase dominante o para la raza dominante,
como los sensores para abrir la llave del agua en los baños que eran adecuados para las personas
blancas, no para los de color fuerte (muy morenos o afrodescendientes). O exámenes de admisión en
Estados Unidos de América que son más laxos para personas que son más ricas [15].

Muchos productos se desarrollan rápidamente por competencias que existen para desarrollarlos,
como los concursos de computadoras personales. Otro ejemplo son las competencias entre Ford y
Ferrari en los años 60s por ganar las 24 horas de Le Mans que llevó al desarrollo del FT-40 por parte de
Ford. [4]

El desarrollo de los productos no necesariamente comienza con la ciencia básica. Y no todos los
productos han surgido de la ciencia, como las espadas que se inventaron antes de que el hombre
supiera de la existencia de las moléculas. O que se inventaron sin tener muchos conocimientos de la
ciencia en la materia como han sido los aviones, que se inventaron antes de que se modelara la
turbulencia del aire en la atmósfera.

Algunos productos si comienzan en su desarrollo con la ciencia básica, como las celdas solares, los
antivirales, el rayo láser, los anticonceptivos, la vacuna contra el COVID-19, etc.

Algunos productos son de alta tecnología y se caracterizan porque su desarrollo se ha logrado

integrando muchos conocimientos de física, química o matemáticas, como son las computadoras, el
señalador láser (laser pointer), los teléfonos celulares, el grafeno, los motores de combustión interna
y los motores eléctricos, etc. [5]

18
 Figura 1.2: Tecnología baja, tecnología intermedia y alta tecnología. Durante el inicio de la pandemia
ni siquiera existían cubrebocas de tela en suficiente cantidad.

Existen tecnologías duras que se pueden tocar, así como algunas que no se pueden tocar. Una
tecnología dura que se toca es una plancha, un martillo o un televisor de pantalla plana. Una tecnología
suave que no se toca es un software. Los procedimientos para fabricar un producto en una fábrica son
tecnología suave. Estas tecnologías son productos. Las tecnologías sirven para hacer otros productos.

La tecnología es una herramienta para hacer herramientas [6]. Se ha encontrado que hasta algunos
monos usan herramientas para romper algunas semillas o hacen pozos para obtener agua limpia, así
que el invento de algunas herramientas no es exclusivo de la raza humana. También algunos pájaros
dejan caer desde lo alto tortugas para poder comer lo que tienen dentro de su concha, es decir usan
una tecnología especial para procurarse un bocado. Antes de la pandemia del covid-19 del año 2020
en México, nuestros estudiantes usaban una tecnología muy rudimentaria o una baja tecnología que
era tomar apuntes con una pluma sobre un cuaderno.

Durante la pandemia usaban laptops u otros dispositivos electrónicos para tomar apuntes, usan
Dropbox o Google Drive para guardar apuntes, más otras altas tecnologías. También usaban diskettes,
CDs, USBs para entregar tareas, pero ya para el verano de 2022 muchos de ellos usaban la nube para
entregar tareas. La computadora es una alta tecnología que surge del conocimiento y aprovechamiento
tecnológico del efecto fotoeléctrico descrito por Einstein, además de materiales ligeros para que no
sean muy pesadas sobre todo las laptops. Desde luego que muchos estudiantes en el mundo no tienen
acceso a una computadora o a internet de calidad por lo que esta pandemia ha excluido a muchos
jóvenes y aumentará la desigualdad en el mundo [7].

La tecnología no lo es todo. También cuentan las estrategias en el uso de la tecnología como se

demostró en la segunda guerra mundial en las batallas entre los poderosos tanques panzer alemanes
contra los simples tanques rusos T-34 [8]. La desventaja tecnológica en los tanques forzó a los rusos a
diseñar estrategias efectivas para destruir a una tecnología más poderosa (atacando los panzers entre
dos tanques rusos) y diseñar sus tanques de tal manera que fuera más difícil penetrarlos (pared frontal
inclinada en lugar de vertical) y desde luego inventar camuflajes efectivos (para esconder los tanques
de las vistas aéreas).

Otro ejemplo es como el poderoso acorazado Bismark fue destruido por embarcaciones inglesas más
pequeñas acompañadas por la aviación inglesa. Hasta la higiene cuenta mucho en una guerra, como
las costumbres de ingleses y alemanes en las batallas en el norte de África durante la segunda guerra
mundial que evitó a los ingleses enfermarse mientras que los alemanes si sufrieron por sus hábitos

19
antihigiénicos “al hacer del baño” y muchos enfermaron de disentería (como el Mariscal de Campo
Rommel).

La higiene es un muy importante hasta en una guerra. El lavarse las manos es crucial. En la guerra civil
en Estados Unidos era más probable que un soldado muriera si era atendido en un hospital que
luchando en el campo de batalla [9]. Esto se debía a que el personal de salud no se lavaba las manos.
Hace tiempo se llegó a la conclusión que las mujeres que daban “a luz” en sus casas se morían menos
que aquellas que lo hacían en los hospitales; otra vez, porque el personal médico no se lavaba las
manos apropiadamente y en los hospitales se contagiaban las mujeres que daban a luz. El lavarse las
manos es de lo más importante para mantenerse sano, esto también quedó demostrado durante la
pandemia de COVID-19 en el que las personas usaron el lavado clínico de manos para evitar
contagiarse.

Un buen ejemplo de que las estrategias son muy importantes resulta del análisis de la batalla de Cannas
entre el ejército del cartaginés Aníbal de Barca y el de los romanos, de cómo un ejército más pequeño
puede vencer a uno más numeroso. La batalla de los cartagineses contra los romanos en las guerras
púnicas es un ejemplo de iguales tecnológicamente, pero con estrategias diferentes. Escipión el
Africano logra vencer a Aníbal y destruir Cartago después de copiarle estrategias a Aníbal y usar una
de las armas favoritas de Aníbal, los elefantes.

Los ingenieros son aquellos que construyen puentes entre la ciencia y la tecnología.

La ciencia y la tecnología son dos pilares fuertes. Entre estos pilares surgen como rayos entre ellos las
innovaciones tecnológicas [8]. El ingeniero es el que extiende puentes entre las invenciones y las
innovaciones. Claro, muchas veces el ingenierto también es el inventor.

1.6. Modelo de innovación lineal y otros modelos

¿Cómo se desarrollan los productos? Se muestra el modelo lineal de innovación tecnológica que se
volvió popular después de la segunda guerra mundial pero que ya es obsoleto porque muchos
productos no siguen esa ruta de desarrollo.

Durante la epidemia del coronavirus, que empezó a nivel mundial a finales del año 2019 surgieron
muchos productos y servicios nuevos y esto ha hecho que el mundo haya cambiado apreciablemente.
[10] También esa pandemia ha hecho que hayan desaparecido o estén desapareciendo muchos
productos o servicios.

20
 Figura 1.3: Modelo de innovación lineal. De acuerdo a este modelo los productos tienen estas etapas.
El modelo ya es obsoleto pues los productos pueden empezar a generarse en cualquier etapa.

La pandemia del coronavirus covid-19 produjo que las entregas a domicilio florecieran. El desarrollo
de aplicaciones para pedir y entregar productos se multiplicó. La enseñanza a distancia comenzó
masivamente usando herramientas como el ZOOM, GOOGLE MEETS y WHATSAPP. La automatización
en muchas actividades se ha desarrollado y aumentará, desafortunadamente creando desempleo [11].
Aunque algunos autores cuestionan esto último porque afirman que la tecnología no ha traído muchos
trabajos, sino esclavitud. Por ejemplo, afirman que los obreros de Estados Unidos no perdieron sus
trabajos por los robots sino por empleados mal pagados de China y otros lugares [12].

El diseño y producción de cubrebocas aumentó, lo mismo que el de caretas; los dos productos de baja
tecnología, aunque algunos cubrebocas quizá estén hechos de alta tecnología (usando
nanomateriales). La medición de la temperatura corporal a distancia también aumentó
apreciablemente durante la pandemia (alta tecnología).

El lavado clínico de manos se ha vuelto popular e indispensable (baja tecnología). Muchos negocios
quebraron, como restaurantes, hoteles, florerías, etc.; sus trabajadores tienen que buscar otros
trabajos o esos negocios tienen que cambiar un poco sus giros; por ejemplo, de restaurante a vendedor
de verduras y de esta manera sobrevivir y retener a algunos trabajadores. Adaptar el negocio o dejarlo
morir ante las nuevas circunstancias o resistir empleándose en otros negocios ante un nuevo mundo.
Para muchas personas y negocios desafortunadamente es un reto sobrevivir.

Existen entonces muchas líneas posibles para inventar, innovar y hacer spin-off de los productos, por
ejemplo, el teflón que se inventó para impermeabilizar los tanques de guerra y terminó en la cocina de
las personas y produjo muchos daños a la salud (ver demandas contra DuPont en la película El Precio
de la Verdad). También la preservación de comida y sus contenedores para los astronautas y su paso a
los supermercados.

También muchos productos han cambiado el futuro del mundo (ver libro Los límites del crecimiento)
como los fertilizantes y el incremento de la producción de comida (“aunque hay suficiente para todos
no es suficiente para los más ambiciosos”).

21
1.7. Productos, servicios, medidas de sus características y especificaciones

Los productos y servicios tienen características inherentes. Las características inherentes de una mesa
son su plataforma (cuadrada, redonda, etc.), su soporte (patas de la mesa), su material, etc. Las
características inherentes de una manzana son su sabor, color, tamaño, estado de madurez, etc. Las
características inherentes de un servicio de comida, son el trato que nos dan al pedir la comida, la
manera en que nos sirven la comida, en que nos cobran la comida, etc.

Las características inherentes de un teléfono celular son que reciben y envían llamadas, su memoria,
su cámara, etc. Las características inherentes de las personas son, que piensan, que tienen dos
extremidades superiores, dos extremidades inferiores, etc. Aunque para un trabajo las características
inherentes que se solicitan de un empleado son ciertas destrezas, conocimientos y aptitudes. Al tratar
a nuestros amigos las características que buscamos en ellos son su empatía, su fidelidad, su sinceridad,
su solidaridad, etc., que siempre podamos confiar en ellos, que nunca nos traicionen, que nos ayuden
en los momentos más difíciles.

Los productos y servicios se compran y muchas veces no tenemos los recursos económicos para fijarnos
en todas las características inherentes sino solamente en algunas, las que juzgamos más importantes,
más necesarias.

Algunos productos pueden no tener calidad para una persona, pero para otra sí. Por ejemplo, si
comparamos el periódico El Financiero con El Gráfico parecieran que son muy diferentes. Lo que hacen
los productores es fijarse en quiénes son sus clientes y asegurar sus ventas con esos clientes. No son
los mismos clientes los del Financiero que los del Gráfico.

Las compañías aseguran las ventas de sus productos. Una compañía que no vende quiebra. La calidad
no lo es todo para una compañía, también cuenta la productividad, la competitividad, la imagen de la
empresa en el público, la competencia por productos que van surgiendo (relojes mecánicos contra los
digitales), etc. Si no sabemos qué hace la competencia o no sabemos de nuevos productos o servicios,
el futuro de nuestra empresa podría estar en riesgo. Las mejores compañías son aquellas que
subsisten. Lo vemos en los días de la pandemia del coronavirus en los que muchas compañías
desaparecerán desafortunadamente, aunque en este caso, aunque sean muy buenas, porque no han
tenido ventas por el encierro.

Queremos que los productos cumplan con especificaciones. Algunas características tienen una
especificación superior y una especificación inferior. Algunas características inherentes solamente
tienen una, ya sea inferior (que la estatura de un soldado sea mayor a 1.75 metros) o superior (que la
cantidad de sodio en una botella de agua no sea más de 5 mg).

¿Quién pone las especificaciones que debe tener un producto? A veces las especificaciones las pone el
gobierno, como por ejemplo la cantidad de azufre que debe tener el diésel (Acuerdo por el que la
Comisión Reguladora de Energía expide la Norma Oficial Mexicana NOM-016-CRE-2016), el
rendimiento de combustible de un automóvil (NOM-163 de la Semarnat), la cantidad de sodio que
debe tener el agua embotellada, etc. Muchos productos alimenticios están normados por NOMs.
Cuando las especificaciones son puestas por el gobierno se llaman NOMs y se deben cumplir so pena
de recibir una multa.

A veces las especificaciones las pone el cliente, por ejemplo, proporciona las dimensiones de una
ventana para que se las haga un herrero y también le dice de adornos que quiere que tenga, también
cuando las personas se cortan el pelo le indican al peluquero como quieren el corte, aunque a veces

22
tengan que basarse en modelos de revistas. Muchas veces el productor o fabricante determina las
especificaciones sin preguntarle al cliente, basándose en las NOMs o en normas de la ASTM, o del
American Petroleum Institute (API), que no son leyes, pero que se reconocen internacionalmente. O
simplemente el productor determina las especificaciones basándose en los clientes que tiene o cree
tener, por ejemplo, el tamaño de los zapatos o las blusas o faldas que vemos en los aparadores. Esto
también pasa en las tortillerías en las que los dueños determinan el tamaño de las tortillas, el grueso
de las tortillas y el tipo de maíz con el que están hechas las tortillas.

Es en las especificaciones en donde se encuentran los requisitos del cliente. Aunque muchas veces el
cliente no sabe cuáles deberían ser porque sería imposible para ella o él ponerlas, como por ejemplo
la cantidad de azufre en la gasolina; es por esto que esas especificaciones las pone el gobierno.

En México cada vez se hacen mejores productos que compiten mundialmente, eso se debe a
estrategias que tienen los fabricantes para mejorar la tecnología con la que hacen los productos. La
tecnología avanza a veces rápidamente y a veces toma mucho tiempo. Por ejemplo, hay tortillas
mexicanas que se venden en otras partes del mundo. Hace mucho tiempo se preparaba en cada casa
el nixtamal (maíz cocido con cal) que se molía para hacer la masa y luego hacer las tortillas a mano,
esto era muy común en muchos pueblos de México todavía en los años 1960s; aunque quizá en algunos
lugares remotos en México continúan esas prácticas. Después surgieron pequeñas máquinas caseras
para moler el nixtamal y obtener la masa dándole vueltas a una manivela y luego se hacían las tortillas
a mano, aunque además surgieron también máquinas para hacer las tortillas (tortilladoras) en casa
aplanando una bolita de masa entre dos superficies metálicas. Las tortillas se cocinaban en comales
calentados con leña.

En los años 1960s ya existían máquinas con motor para moler el nixtamal de los clientes y entregarles
la masa. Finalmente se desarrollaron máquinas con motor para hacer las tortillas. En la actualidad
existen negocios de tortillas muy automatizadas y requieren pocos trabajadores. Las tortillas se cocinan
a lo largo de una banda, movida por un motor, que se calienta usando gas (quizá gas LP o gas natural).
Así como las tortillas, existen muchos productos que se cultivan o fabrican en México que no tienen
rival en el mundo, como el aguacate, como la cerveza corona, como muchos chiles que se venden en
lata y bordados mexicanos para ropa (que hasta son pirateados por modist@s europe@s o asiátic@s).
Los empresarios mexicanos saben que querrán los clientes de México y fuera de México, es decir,
conocen que especificaciones deben tener sus productos. Muchos de estos productos están hechos
por trabajador@s mexicanos que son mejores que muchos otros en el mundo [12a], pero que
desafortunadamente están muy mal pagados.

Actualmente al comprar un producto vemos en una etiqueta sus características inherentes, por
ejemplo, la cantidad de calorías que tiene, la cantidad de sodio, la cantidad de grasa insaturada que
tienen. También en la etiqueta aparecen los promedios de esas cantidades, generalmente no aparecen
las especificaciones, esas las guardan en algún lugar de la compañía.

Supongamos que tenemos un producto que tiene las siguientes características inherentes: x, y, z, u, v,
w, m,... y las especificaciones para cada una de ellas.

23
 x (metros). Especificaciones 𝐸𝐼𝑥 Y 𝐸𝑆𝑥 (dos especificaciones)

y (litros). Especificaciones 𝐸𝐼𝑦 Y 𝐸𝑆𝑦 (dos especificaciones)

z (Amperes). Especificaciones 𝐸𝐼𝑧 Y 𝐸𝑆𝑧 (dos especificaciones)

u (Ohms). Especificaciones 𝐸𝑆𝑢 (dos especificaciones)

v (Newton-metro). Especificaciones 𝐸𝐼𝑣 (dos especificaciones)

w (Armstrong). Especificaciones 𝐸𝐼𝑤 Y 𝐸𝑆𝑤 (dos especificaciones)

m (partes por millón, ppm). Especificaciones 𝐸𝐼𝑚 Y 𝐸𝑆𝑚 (dos especificaciones)

Figura 1.4: Varias características inherentes de un producto y las especificaciones de esas

características. En el ejemplo algunas especificaciones son superiores e inferiores, pero otras son
solamente inferiores o superiores.

24
Capítulo 2

2. Medición de la Calidad de un producto

De acuerdo a la definición de Calidad de la norma ISO 9000:

1. Tomamos medidas de las características inherentes del producto.

2. Graficamos las medidas y las especificaciones de las características inherentes que nos interesan.

3. ¿Qué tan adentro de las especificaciones se encuentran las medidas de las características
inherentes?

Así verificamos la calidad de un producto y la podemos cuantificar.

Calidad no es que todas las medidas se encuentren dentro de las especificaciones, eso es buena
calidad. Calidad es que tan adentro de las especificaciones se encuentran las medidas de las
características inherentes, por lo que habrá productos con buena calidad, productos con una calidad
media y productos de mala calidad. Calidad no son los productos, calidad no son las especificaciones,
calidad no son las medidas de las características inherentes, calidad de un producto es que tan adentro
de las especificaciones se encuentran las medidas de las características inherentes del producto que
nos interesan.

Ejemplo de cómo identificamos si un producto tiene calidad

Como ejemplo solamente tomaremos una característica inherente, aunque cuando se compra un
producto el análisis debe hacerse para cada una de las características inherentes que consideramos
cruciales.

Producto 1. Compañía A

Figura 2.1: Representación de las medidas de una característica inherente de un producto. Algunas de
las medidas rebasan las especificaciones por lo que existen muchos productos defectuosos.
Producto 2. Compañía B

Figura 2.2: Las medidas de las características inherentes del producto de la compañía B no rebasan las
especificaciones por lo que el producto de la compañía B es mejor que el de la A.

25
Producto 3. Compañía C

Figura 2.3: Las medidas de la característica inherente del producto de la compañía C están más
adentro de las especificaciones que las de las otras dos compañías, por lo tanto, el producto de la
compañía C tiene mayor calidad.

Los productos de la compañía C tienen más calidad porque las medidas de las características inherentes
están más adentro de las especificaciones. Si le compramos a esa compañía uno de sus productos de
seguro nos servirá para lo que lo queremos, pero si le compramos uno de sus productos a la compañía
A corremos el riesgo de que nos salga defectuoso.

2.1. Representación de medidas características inherentes de un producto

Puntos. Datos individuales. Contiene toda la información, sabemos exactamente en dónde están las
medidas de la característica inherente, x.

Figura 2.4: Representación de las medidas de la característica inherente x; cada medida está
representada por un punto. En esta representación conocemos la posición exacta de cada medida.
Histograma (o sea que agrupamos los datos).

Figura 2.5: Datos de la característica inherente representados en un histograma. En el histograma se

agrupan los datos en clases y el número de clases es mucho menor que el número de datos
individuales.

En una representación de histograma ya se perdió la información de dónde exactamente estaban cada

uno de los datos; pero ofrece la ventaja de ver fácilmente la distribución de los datos.

Representación continua de los datos.

26
 Figura 2.6: Si tenemos muchos datos de la característica inherente x, entonces podemos considerar
que son continuos y que pueden representarse por medio de una función continua.

Una distribución continua es la que tiene menos información de dónde estaban inicialmente los
datos individuales, pero ha sido muy estudiada, sobre todo la distribución normal.

Existen otras representaciones de datos, como por ejemplo la de tallo con hojas, pero no las
estudiaremos.

2.2. Representación de datos

Datos individuales

Figura 2.7: A todos los datos individuales que corresponden a las medidas de la característica
inherente de un producto se les puede calcular su promedio o media aritmética, así como su
desviación estándar.

27
Datos agrupados

Figura 2.8: Posición del promedio y valor de la desviación estándar para los datos de un histograma.

Datos continuos:

Figura 2.9: Promedio aritmético y desviación estándar de datos representados de forma continua.

𝜇 : Es una medida de tendencia central. En muchos casos ocurrirá en donde hay más datos, en donde
se acumulan los datos. (Muchos fabricantes la proporcionan en sus etiquetas, o sea que listan las
características inherentes y sus promedios). El promedio es un número que estará entre el dato más
pequeño y el más grande, nunca será menor al dato más pequeño ni más grande que el dato más
grande.
𝑅𝑎𝑛𝑔𝑜
Una aproximación muy gruesa de la desviación estándar, 𝜎, es 4
, o sea, el rango entre 4. La
desviación estándar es una medida de dispersión. Nos indica que tanto no se parecen los datos. Si 𝜎
es cero no hay dispersión, es decir todos los datos son iguales. (Los fabricantes no la proporcionan en
sus etiquetas, tampoco proporcionan las especificaciones que usan, pero deben cumplir con las NOMs
si es que están regulados los productos.)

A veces a un histograma no le ponemos las barras para que su presentación sea vistosa. La manera en
que presentamos los resultados de un trabajo es importante para que los lectores o clientes le
entiendan más rápidamente, como se muestra en el ejemplo de abajo. La gráfica muestra los ingresos
netos mensuales netos de todo el personal de la UAM [12b][12c].

28
 Figura 2.10: Histograma de todos los ingresos netos netos mensuales de todo el personal de la
UAM durante el segundo semestre del año 2018. En el histograma no se trazaron los rectángulos del
histograma para mostrar con mayor claridad los datos.

2.3. Cálculo del promedio y de la desviación estándar para las tres

representaciones de datos
Datos individuales.

Figura 2.11: Promedio y desviación estándar de 14 datos individuales. n = 14.

14 puntos. O sea que tenemos 14 datos. O sea que tenemos 14 medidas de la característica inherente.
∑𝑛
𝑖=1 𝑥𝑖
𝜇= 𝑛
(2.1)
𝑥1+ 𝑥2+ 𝑥3+ 𝑥4+ 𝑥5+ 𝑥6+ 𝑥7+ 𝑥8+ 𝑥9+ 𝑥10+ 𝑥11+ 𝑥12+ 𝑥13+ 𝑥14 12+13+13+14+14+14+15+15+15+15+16+16+17+18
𝜇= = =
14 14
207
14

𝜇 = 14.7857

29
 ∑𝑛
𝑖=1(𝑥𝑖 −𝜇)
2
𝜎= √ (2.2)
𝑛

(12 − 𝜇)2 + 2 ∗ (13 − 𝜇)2 + 3 ∗ (14 − 𝜇)2 + 4 ∗ (15 − 𝜇)2 + 2 ∗ (16 − 𝜇)2 + (17 − 𝜇)2 + (17 − 𝜇)2 + (18 − 𝜇)2
𝜎=√
14

(12 − 14.7857)2 + 2 ∗ (13 − 14.7857)2 + 3 ∗ (14 − 14.7857)2 + 4 ∗ (15 − 14.7857)2 + 2 ∗ (16 − 14.7857)2 + (17 − 14.7857)2 + (18 − 14.7857)2
=√
14

𝜎 =1.5666

Histograma

Datos agrupados

Figura 2.12: Histograma de 6 clases con las frecuencias de cada clase.

El promedio y la desviación estándar de los datos que se representan en un histograma se calculan

enseguida. 20, 22, 24, 26, 28 y 30 son las marcas de clase y los números 5, 7, 9, 12,10 y 6 son las
frecuencias de clase.
∑ 𝑥𝑖 𝑓𝑖 (20)(5)+(22)(7)+(24)(9)+(26)(12)+(28)(10)+(30)(6)
μ= = (2.3)
𝑛 49

En la fórmula anterior xi son las marcas de clase y fi son las frecuencias de clase.

n=∑ 𝑓𝑖 = 5 + 7 + 9 + 12 + 10 + 6 = 49
100 + 154 + 216 + 312 + 280 + 180 1242
μ= = = 25.3469
49 49

∑(𝑥𝑖 −𝜇)2 𝑓𝑖 (20−𝜇)2 (5)+(22−𝜇)2 (7)+(24−𝜇)2 (9)+(26−𝜇)2 (12)+(28−𝜇)2 (10)+(30−𝜇)2 (6)

σ=√ =√
𝑛 49

=
(20−25.347)2 (5)+(22−25.347)2 (7)+(24−25.347)2 (9)+(26−25.347)2 (12)+(28−25.347)2 (10)+(30−25.347)2 (6)
√
49

σ = 3.0071

30
2.4. Paso de un histograma a una función continua

Figura 2.13: Un histograma se puede aproximar con una representación continua de los datos.

∑ 𝑥𝑖 𝑓 𝑖 1
𝜇= = ∑ 𝑥𝑖 𝑓𝑖 (𝑛) (2.4)
𝑛

Se convierte en:
+∞
𝜇 = ∫−∞ 𝑥𝑓(𝑥)𝑑𝑥 (2.5)

∑ 𝑠𝑒 𝑐𝑜𝑛𝑣𝑖𝑒𝑟𝑡𝑒 𝑒𝑛 ∫

𝑥𝑖 se convierte en 𝑥

𝑓𝑖 se convierte en 𝑓(𝑥)
1
se convierte en 𝑑𝑥
𝑛

De la misma manera.

∑(𝑥𝑖 −𝜇)2 𝑓𝑖
σ=√ (2.6)
𝑛

se convierte en:

+∞
𝜎 = √∫−∞ (𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥 (2.7)

Ahora bien, 𝑛 = ∑ 𝑓𝑖 que podemos escribir como:

∑ 𝑓𝑖 = n (2.8)
O bien,
𝑓𝑖
∑ =1 (2.9)
𝑛

∑ se convierte en ∫

𝑓𝑖 se convierte en 𝑓(𝑥)

31
1
se convierte en 𝑑𝑥
𝑛

Figura 2.14: Representación continua de los datos.

𝑓𝑖 1
Entonces ∑ = 1 al usar fi se convierte en 𝑓(𝑥) y 𝑛 se convierte en dx, por lo que se tiene:
𝑛

+∞
∫−∞ 𝑓(𝑥)𝑑𝑥 = 1 (2.10)
O sea que la función de distribución estará normalizada a 1. El área bajo la curva 𝑓(𝑥) es igual a 1. La
integral de 𝑓(𝑥) de −∞ a +∞ es igual a 1.

Figura 2.15: En la representación continua de los datos el área bajo la curva estará normalizada a 1.

Muchas veces la distribución de los datos será simétrica alrededor del promedio, por lo que tendremos
dos mitades simétricas.

32
 Figura 2.16: Área bajo la curva entre a y b.

𝑏
Área = ∫𝑎 𝑓(𝑥)𝑑𝑥 (2.11)

Es la proporción de productos que tienen la medida de su característica inherente entre a y b, porque

𝑓(𝑥) está normalizada a 1.
El área entre a y b también es la probabilidad de que un producto tenga su característica inherente, x,
con un valor entre a y b.

Área ≡ Proporción ≡ Probabilidad

¿Cuántos productos existen entre a y b?: (Area entre a y b ) * n

Porque el área es la proporción de productos y n el número total de productos fabricados.
El área también es la probabilidad de que al escoger un producto aleatoriamente el valor de su
característica inherente x, se encuentre entre a y b.

Si consideramos toda el área bajo la curva, el área es igual a 1.

Figura 2.17: Representación de datos individuales de las medidas de la característica inherente de un

producto. En este caso se tienen 4 productos defectuosos, que son los que se salen de las
especificaciones.

33
Si cada producto vale $10 pesos, ¿cuánto perdemos porque no todos los productos cumplen con las
especificaciones? 4*$10.00 pesos = $40.00 pesos

Figura 2.18: En el histograma se marcan las especificaciones y por lo tanto se tendrán

5+10+15+17+13 productos defectuosos, es decir que se salen de las especificaciones.

Si cada producto vales $5 pesos, ¿cuánto perdemos por no fabricar todos nuestros productos con
calidad?
(5 + 10 + 15 + 17 + 13) × $5pesos = 60 * $5pesos = $300pesos

Figura 2.19: En la representación continua la proporción de productos defectuosos está representada

por las áreas fuera de las especificaciones.

Se fabricaron 1628 productos, cada uno se vende en $20, ¿cuánto le perdemos?

𝐼 𝐸 +∞
𝐴1 + 𝐴2 = ∫−∞ 𝑓(𝑥)𝑑𝑥 + ∫𝐸 𝑓(𝑥)𝑑𝑥 (2.12)
𝑠

(A1 + A2) es la proporción de artículos defectuosos.

1628 × (A1 + A2) es el número de artículos defectuosos.

$20×1628×(A1 + A2) representa la pérdida.

34
Capítulo 3

3. Cálculo de la proporción de artículos defectuosos

Todos los datos o casi todos los datos se encuentran entre 𝜇 − 3𝜎 y 𝜇 + 3𝜎.

Al estandarizar todos los datos o casi todos los datos se encuentran entre -3 y +3. Se estandariza al
aplicar la fórmula:
𝑥−𝜇
𝑧= (3.1)
𝜎

Al estandarizar, la figura de datos se ve igual solamente alargada o reducida en tamaño, pero de la

misma forma, la forma de la distribución de datos no cambia.

Figura 3.1: Representación puntual de los datos en la que se muestran las posiciones del promedio y el
promedio más múltiplos de la desviación estándar.

Figura 3.2: Valores estandarizados de los datos. Todos los datos o casi todos los datos se encuentran
entre -3 y 3.

35
Figura 3.3: Histograma de los datos y las posiciones del promedio y el promedio más un múltiplo de su
desviación estándar.

Figura 3.4: Valores estandarizados de los datos de un histograma. Todos los datos o casi todos los
datos deben encontrarse entre -3 y 3.

Figura 3.5: Representación continua de los datos en la que se muestra el promedio y el promedio más
un múltiplo de su desviación estándar.

36
 Figura 3.6: Valores estandarizados de los datos de una representación continua. Todos los datos o
casi todos los datos se encuentran entre -3 y 3.

3.1. Variación real

Figura 3.7: Todos los datos o casi todos los datos en cualquier representación de ellos deben
encontrarse entre el promedio menos 3 veces la desviación estándar y el promedio más 3 veces la
desviación estándar.

O sea que el ancho real o la variación real es igual a: 6𝜎.

El ancho real o variación real es la distancia en la que están todos los datos o casi todos los datos.

Si estandarizamos.

37
 Figura 3.8: Al estandarizar el ancho real es de 6.

Al estandarizar, todos los datos o casi todos los datos se encuentran entre -3 y 3. La variación
real al estandarizar es de 6.

Figura 3.9: Variación real y variación tolerada.

El eje de las abscisas, x, es la medida de la característica inherente.

Variación real de los datos o ancho real de las medidas del producto: 6𝜎

Variación tolerada o ancho de las especificaciones: 𝐸𝑠 − 𝐸𝑖

𝐸𝑠 −𝐸𝑖
Cp, Índice de la capacidad potencial del proceso: 𝐶𝑝 =
6𝜎

38
 𝐸𝑠 −𝐸𝑖
𝐶𝑝 = (3.2)
6𝜎

𝐸𝑠 −𝐸𝑖
Figura 3.10: Variación real y variación tolerada. 𝐶𝑝 = >1
6𝜎

El eje de las abscisas, x, es la medida de la característica inherente.

𝐸𝑠 −𝐸𝑖
Figura 3.11: Variación real y variación tolerada. 𝐶𝑝 = =1
6𝜎

El eje de las abscisas, x, es la medida de la característica inherente.

39
 𝐸𝑠 −𝐸𝑖
Figura 3.12: Variación real y variación tolerada. 𝐶𝑝 = <1
6𝜎

El eje de las abscisas, x, es la medida de la característica inherente.

3.2. Cálculo del número de productos defectuosos

Figura 3.13: Distribución normal.

El eje de las abscisas es x, la medida de la característica inherente.

Distribución normal:
2
1 − (𝑥−𝜇2)
𝑓(𝑥) =
√2𝜋 𝜎
𝑒 2𝜎 (3.3)
2
𝑏 1 − (𝑥−𝜇2)
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫𝑎
√2𝜋 𝜎
𝑒 2𝜎 𝑑𝑥 (3.4)

40
 𝑥−𝜇 𝑑𝑥
Estandarizamos: 𝑧 = ; 𝑑𝑧 = ; 𝑑𝑥 = 𝜎𝑑𝑧
𝜎 𝜎
𝑏−𝜇 (𝑥−𝜇)2 𝑏−𝜇 𝑧2
1 − 1
𝜎
𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) = ∫𝑎−𝜇 𝑒 2𝜎2 𝜎
𝜎𝑑𝑧 = ∫𝑎−𝜇 𝑒 − 2 𝑑𝑧 (3.5)
√2𝜋 𝜎 √2𝜋
𝜎 𝜎

O sea,

𝑏−𝜇
𝑎−𝜇 𝑏−𝜇 𝜎 1 −𝑧 2
𝑃( ≤𝑧≤ )= ∫ 𝑒 2 𝑑𝑧
𝜎 𝜎 𝑎−𝜇 √2𝜋
𝜎
𝑏−𝜇
𝑎−𝜇 𝑏−𝜇 𝜎
𝑃( ≤𝑧≤ )= ∫ 𝑓(𝑧) 𝑑𝑧
𝜎 𝜎 𝑎−𝜇
𝜎

1 𝑧2
𝑓(𝑧) = 𝑒− 2
√2𝜋

Figura 3.14: Distribución normal y distribución normal estandarizada.

41
Ejemplo

a = 990 ml
b = 1015 ml
𝜇 = 1000 𝑚𝑙 𝜎 = 10 𝑚𝑙

Figura 3.15: Distribución normal en las que se han marcado las posiciones de a y de b.

Las siguientes 3 preguntas son equivalentes:

¿Qué fracción de productos se encuentra entre a y b?

¿Cuál es la probabilidad de encontrar un producto que tenga un valor de x entre a y b?

¿Cuánto vale el área entre a y b?

(a) (b) (c)

Figura 3.16: El área entre a y b corresponde al área entre -1 y 1.5 en la variable estandarizada.

El área entre -1 y 1.5 se puede dividir en el área entre -1 y 0 y el área entre 0 y 1.5.

Donde:
𝑥−𝜇 1015 − 1000
𝑧= = = 1.5
𝜎 10

42
 𝑥−𝜇 1000−1000
𝑧= = =0
𝜎 10

𝑥 − 𝜇 990 − 1000
𝑧= = = −1
𝜎 10

La distribución normal es simétrica por lo que el área de -1 a 0 es la misma que de 0 a +1.

De la tabla de áreas se obtiene que el área de 0 a +1 es igual a 0.3413.

De la tabla de áreas se obtiene que el área de 0 a +1.5 es igual a 0.4332

(a) (b) (c)

Figura 3.17: Cálculo de las áreas usando una tablas de áreas de la distribución normal.

Así que el área que buscamos es de 0.7745.

43
3.3. Tabla para el cálculo de áreas de la distribución normal

Tabla 3.1: Anexo II del libro Estadística. Murray R. Spiegel y Larry J. Stephens. Schaums.
McGraw Hill.

44
Capítulo 4

4. Cálculo de la proporción de artículos defectuosos

Figura 4.1: En muchas de las etiquetas de los productos se notifican las características inherentes y los
promedios de esas características. Nota: Información sacada de internet.

Variación real de los datos del producto: 6𝜎 (4.1)

Variación tolerada o ancho de las especificaciones: 𝐸𝑠 − 𝐸𝑖 (4.2)

𝐸𝑠 −𝐸𝑖
Índice de la capacidad potencial del proceso: 𝐶𝑝 = (4.3)
6𝜎

𝜇−𝐸𝑖
Índice de capacidad para la especificación inferior: 𝐶𝑝𝑖 = (4.4)
3𝜎

𝐸𝑠 −𝜇
Índice de capacidad para la especificación superior: 𝐶𝑝𝑠 = (4.5)
3𝜎

Índice de la capacidad real del proceso: 𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 } (4.6)

𝜇−𝑵
Índice de centrado del proceso: 𝐾= 𝐸𝑠 −𝐸𝑖 𝑥100 (4.7)
( )
2

45
 𝐸𝑠 +𝐸𝑖
N es el valor objetivo (centro de las especificaciones): 𝑁= (4.8)
2

Índice de Taguchi 𝜏 = √𝜎 2 + (𝜇 − 𝑁)2 (4.9)

𝐸𝑠 −𝐸𝑖
𝐶𝑝𝑚 = (4.10)
6𝜏

Ejemplo 4.1 Capacidad del proceso del yogur.

Figura 4.2: Botella de yogur bebible que vende Chedraui. Nota: La imagen fue tomada de internet.

Chedraui colocó en sus mostradores 400 yogurs bebibles que pesan en promedio 240 gramos y que
venden a $8 pesos cada uno. De hecho, el peso de esos paquetes se puede describir con la distribución
normal:

Todos los datos en este ejemplo son inventados y únicamente con el propósito de que el alumno repase
como deben realizarse los cálculos.

(𝑝𝑒𝑠𝑜−240 𝑔𝑟)2
1 −
𝑓(𝑝𝑒𝑠𝑜) = 𝑒 2(1.5 𝑔𝑟)2 (4.11)
√2𝜋 (1.5 𝑔𝑟)

O sea, una “campana” con media igual a 240 gramos y desviación estándar igual a 1.5 gramos. Sus
clientes solamente les compran yogures bebibles que pesan cuando menos 238.5 gramos y cuando
más 244.0 gramos.

Figura 4.3: Distribución normal del peso del yogurµ = 240 gr σ = 1.5 gr. Ei = 238.5 gr y Es = 244 gr.

Problema: Calcule los índices de capacidad del proceso y discuta los resultados.

Chedraui no quisiera perder más de $250 pesos en ventas debido a que sus paquetes no pesen lo que
requieren sus clientes. Con los yogurs bebibles ¿logrará esa meta? (Todos los datos del problema son
inventados.)

46
Cálculo de los Índices de capacidad del proceso del yogur.
6 𝜎 = 6*1.5 gr = 9 gr (Tiene unidades.)
𝐸𝑠 − 𝐸𝑖 = 244 gr – 238.5 gr = 5.5 gr (Tiene unidades.)
𝐸𝑠 −𝐸𝑖 5.5 𝑔𝑟
𝐶𝑝 = = = 0.61111 (No tiene unidades.)
6𝜎 9 𝑔𝑟

𝜇−𝐸𝑖 240 𝑔𝑟−238.5 𝑔𝑟 1.5 𝑔𝑟

𝐶𝑝𝑖 = = = = 0.333
3𝜎 4.5 𝑔𝑟 4.5 𝑔𝑟

𝐸𝑠 −𝜇 244 𝑔𝑟−240 𝑔𝑟 4 𝑔𝑟
𝐶𝑝𝑠 = = = = 0.888
3𝜎 4.5 𝑔𝑟 4.5 𝑔𝑟

𝐶𝑝𝑘 =Min{𝐶𝑝𝑖 , 𝐶𝑝𝑠 } = Min {0.333, 0.888} = 0.333

𝐸𝑠 +𝐸𝑖 238.5 𝑔𝑟+244 𝑔𝑟 482.5 𝑔𝑟
𝑁= = = = 241.25 𝑔𝑟 (Centro de las
2 2 2
especificaciones)
𝜇−𝑵 240 𝑔𝑟−241.5 𝑔𝑟 −1.5
𝐾= 𝐸𝑠 −𝐸𝑖 𝑥100 = 244 𝑔𝑟−238.5 𝑔𝑟 𝑥 100 = 𝑥 100 = −54.54 %
( ) ( ) 2.75
2 2

El centro de las especificaciones está a la derecha del promedio de los datos. Está muy descentrado.

𝜏 = √𝜎 2 + (𝜇 − 𝑁)2 = √(1.5 𝑔𝑟)2 + (240 𝑔𝑟 − 241.25 𝑔𝑟)2 = √1.52 + 1.252 𝑔𝑟 =

√2.25 + 1.5625 = √3.8125 = 1.95256

𝐸𝑠 −𝐸𝑖 5.5 5.5
𝐶𝑝𝑚 = = 6∗1.95256 = 11.71536 = 0.469469
6𝜏

La capacidad potencial del proceso, 𝐶𝑝 , es muy importante pero no es suficiente para

determinar con precisión si un proceso es de calidad o no. Por ejemplo, un proceso con un
𝐶𝑝 = 2, puede corresponder a una distribución normal de sus medidas con un promedio igual
al centro de las especificaciones, en este caso se tendrían 2 productos defectuosos en mil
millones. Otro proceso podría tener la misma capacidad potencial si la distribución normal de
sus medidas tuviera un promedio menor a la especificación inferior o mayor a la especificación
superior, en estos dos casos más del 50% de los productos sería defectuoso a pesar de tener
una capacidad potencial del proceso igual a 2. Ésta es una de las razones por las cuales son
necesarios los demás índices. Al calcular los demás índices se encuentra que los mejores
procesos son aquellos que además de tener una capacidad potencial del proceso más grande,
están centrados, es decir, que el promedio de las medidas de las características inherentes
coinciden con los puntos medios de las especificaciones.
Cálculo de la pérdida porque algunas botellas no cumplen con las especificaciones

47
 Figura 4.4: Gráfica de la distribución normal de los pesos de las botellas de yogur bebible.

El eje de las abscisas es x (la característica inherente).

Estandarizamos los valores de EI y de ES.

𝐸𝐼−𝜇 238.5−240 −1.5

𝑍𝐸𝐼 = = = = −1
𝜎 1.5 1.5
𝐸𝑆−𝜇 244−240 4
𝑍𝐸𝑆 = = = = 2.666
𝜎 1.5 1.5

De la tabla de área obtenemos, que el área entre 0 y -1 es 0.3413 y el área entre 0 y 2.666 es
0.4961.

Figura 4.5: Distribución normal estandarizada del peso de las botellas de yogur bebible.

Por lo tanto el área entre especificaciones, o sea la proporción de productos que cumple con las
especificaciones es igual a: 0.3413 + 0.4961 = 0.8374
Entonces el resto del área corresponde a la fracción de productos que no cumplen con las
especificaciones. O sea, 1-0.8374 = 0.1626 es la proporción de productos que no cumplió con las
especificaciones.

Si se fabricaron 400 yogurts, entonces 0.1626*400 = 65.04 yogurts no cumplen con las
especificaciones.

Por lo tanto tendremos una pérdida de:

65 * $8 pesos = $520 pesos

Por lo que la compañía no logrará la meta de perder cuando mucho $250 pesos.

48
Ejemplo 2. Capacidad del proceso de las botellas de a litro de Bonafont
Todos los datos en este ejemplo son inventados y únicamente con el propósito de que el alumno repase
como deben realizarse los cálculos.

Figura 4.6: Botella de Bonafont de un litro. Imagen tomada de Internet.

Bonafont colocó en sus mostradores 980,890 botellas de a litro en el mercado que contienen en
promedio 1000 mililitros y que venden a $6 pesos cada una. De hecho, el volumen vertido a las botellas
de los envases se puede describir con la distribución normal:
(𝑣𝑜𝑙𝑢𝑚𝑒𝑛−1000 𝑚𝑙)2
1 −
2(5 𝑚𝑙)2
𝑓(𝑣𝑜𝑙𝑢𝑚𝑒𝑛) = 𝑒
√2𝜋 (5 𝑚𝑙)
O sea, una “campana” con media igual a 1000 ml y desviación estándar igual a 5 ml. Sus clientes
solamente le compran a Bonafont botellas que pesan cuando menos 986 ml y cuando más 1014 ml.

Figura 4.7: Distribución normal de volumen de las botellas de agua de Bonafont, µ = 1000 ml y σ = 5
ml. EI=986 ml y ES=1014 ml. El eje de las abscisas es x (la característica inherente).

Calcule los índices de capacidad del proceso y discuta los resultados.

Fonafont no quisiera perder más de $30000 pesos en ventas debido a que sus botellas no contengan
lo que requieren sus clientes. Con las botellas de a litro, ¿logrará esa meta? (Los datos del problema
son inventados.)

Cálculo de los Índices de capacidad del proceso de la botella de Bonafont.

Calcule los índices de capacidad del proceso y discuta los resultados.
6 𝜎 = 6 ∗ 5 ml = 30 ml

49
𝐸𝑠 − 𝐸𝑖 = 1014 ml – 986 ml = 28 ml
𝐸𝑠 −𝐸𝑖 28 𝑚𝑙
𝐶𝑝 = = 30 𝑚𝑙 = 0.933
6𝜎
𝜇−𝐸𝑖 1000 𝑚𝑙−986 𝑚𝑙 14 𝑚𝑙
𝐶𝑝𝑖 = = = = 0.933
3𝜎 15 𝑚𝑙 15 𝑚𝑙
𝐸𝑠 −𝜇 1014 𝑚𝑙−1000 𝑚𝑙 14 𝑚𝑙
𝐶𝑝𝑠 = = = = 0.933
3𝜎 15 𝑚𝑙 15 𝑚𝑙

𝐶𝑝𝑘 =𝑀𝑖𝑛{𝐶𝑝𝑖 , 𝐶𝑝𝑠 } = 𝑀𝑖𝑛{0.933, 0.933} = 0.933

𝐸𝑠 +𝐸𝑖 1014 𝑚𝑙+986 𝑚𝑙 2000 𝑚𝑙
𝑁= = = = 1000 𝑚𝑙 (Centro de las especificaciones)
2 2 2
𝜇−𝑵 1000 𝑚𝑙−1000 𝑚𝑙 0
𝐾= 𝐸𝑠 −𝐸𝑖 𝑥100 = 1014 𝑚𝑙−986 𝑚𝑙 𝑥 100 = 𝑥 100 = 0 %
( ) ( ) 14
2 2

El centro de las especificaciones coincide con el promedio de los datos. El proceso está centrado.

𝜏 = √𝜎 2 + (𝜇 − 𝑁)2 = √(5 𝑚𝑙)2 + (1000 𝑚𝑙 − 1000 𝑚𝑙)2 = √52 + 0 𝑚𝑙 = 5 𝑚𝑙

𝐸𝑠 −𝐸𝑖 28 28
𝐶𝑝𝑚 = = 6∗5 = 30 = 0.933
6𝜏

Cálculo de la pérdida porque algunas botellas no cumplen con las especificaciones

Figura 4.8: Distribución normal del volumen de las botellas de a litro de Bonafont. El eje de las
abscisas es x (la característica inherente).

Estandarizamos los valores de EI y de ES.

𝐸𝐼−𝜇 986−1000 −14

𝑍𝐸𝐼 = = 5
= 5
= −2.8
𝜎
𝐸𝑆−𝜇 1014−1000 14
𝑍𝐸𝑆 = = 5
= 5
= 2.8
𝜎

De las tablas de áreas obtenemos, que el área entre 0 y -2.8 es 0.4974 y el área entre 0 y 2.8 es
0.4974.

50
 Figura 4.9: Distribución normal estandarizada del volumen de las botellas de a litro de Bonafont.
El eje de las abscisas es z (la variable estandarizada).

Por lo tanto, el área entre especificaciones, o sea la proporción de productos que cumple con las
especificaciones es igual a: 0.4974+0.4974 = 0.9948.

Entonces el resto del área corresponde a los productos que no cumplen con las especificaciones, o sea:
1-0.9948 = 0.0052 es la proporción de productos que no cumplió con las especificaciones.

Si se fabricaron 980,890 botellas, entonces 0.0052*980890 = 5100.628 botellas no cumplirán con las
especificaciones. Por lo tanto, tendremos una pérdida de:

$6 pesos* 5101 = $30,606 pesos

Por lo que la compañía estaría en el límite de perder los $30000 pesos.

51
Capítulo 5

5. Distribución de Muestras
5.1. Aplicaciones del Teorema del Límite Central a las cartas de control de
Shewhart
Consideremos cualquier distribución de datos que tienen un promedio 𝜇 y una desviación estándar 𝜎.
La distribución de esta población no necesariamente tiene que ser una distribución normal.

Ahora tomamos al azar muestras de tamaño n. Luego obtenemos los promedios de las muestras de
tamaño n. Se obtiene que los promedios de las muestras de tamaño n, se distribuyen de acuerdo a una
distribución normal (aunque la población no se distribuya de acuerdo a una distribución normal). Si 𝜇𝑥̅
es el promedio de los promedios de las muestras y 𝜎𝑥̅ es la desviación estándar de los promedios de
las muestras, se obtiene que:

𝜇𝑥̅ = 𝜇 (5.1)

La ecuación (5.1) nos dice que el promedio de los promedios de las muestras es igual al promedio de
la población.
𝜎
𝜎𝑥̅ = (5.2)
√𝑛

La ecuación (5.2) nos dice que la desviación estándar de los promedios de las muestras es igual a la
desviación estándar de las medidas de la característica inherente (pesos en el ejemplo de los yogures)
dividida entre la raíz cuadrada del tamaño de la muestra, que es n.

Al pesar todas las botellas de yogur, una por una obtenemos que su promedio 𝜇 es 240 gr y su
desviación estándar 𝜎 es 3 gr. Estas se distribuyen de acuerdo con una distribución normal como se
muestra en la Figura 5.1. La población de las medidas del peso de yogur en las botellas se espera que
sea normal.

Tomamos ahora muestras de tamaño 4 al azar. Es decir, metemos todas las botellas a una bolsa enorme
y las revolvemos, después sacamos una botella al azar. Anotamos cuánto pesa (tenemos el peso de
una botella, 𝑥1 ). Devolvemos la botella. Revolvemos la bolsa otra vez con todas las botellas. Tomamos
al azar otra botella. Anotamos el peso de la botella (tenemos el peso de la segunda botella, 𝑥2 .
Devolvemos la botella. Revolvemos otra vez la bolsa con todas las botellas.

Tomamos al azar otra botella. Anotamos el peso de la botella (tenemos el peso de la tercera botella,
𝑥3 ). Devolvemos la botella. Revolvemos otra vez la bolsa con todas las botellas. Tomamos

52
 Figura 5.1: Distribución de los pesos de botellas de yogur. Promedio 240 gr y desviación estándar
3. El eje de las abscisas es x (la característica inherente. Peso de las botellas). al azar otra botella.

Anotamos el peso de la botella (tenemos el peso de la cuarta botella, 𝑥4 ).

Ya tenemos una muestra de tamaño 4, ahora a esas 4 botellas les sacamos su peso promedio, es
decir sumamos los 4 pesos y al resultado lo dividimos entre 4. Éste es el promedio de la primera
muestra.

𝑥1 +𝑥2 +𝑥3 +𝑥4 𝑥1 +𝑥2 +𝑥3 +𝑥4

𝑥̅1 = = .
𝑛 4

Después tenemos que seguir tomando muestras de tamaño 4, muchísimas muestras y si lo hacemos
obtendremos que se distribuyen como una distribución normal como se muestra en la Figura 5.2. Si
sacamos el promedio de los promedio de todas las muestras obtendremos:

𝑥̅1+ 𝑥̅2+ 𝑥̅3+ … … … . . +𝑥̅𝑁−2+ 𝑥̅𝑁−1+ 𝑥̅𝑁

𝜇𝑥̅ =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠

En este caso el promedio de las muestras se obtendría con una integral como se vio anteriormente. El
resultado sería la distribución normal para los promedios de las muestras de tamaño 4 de las botellitas
que se muestra en la Figura 5.2.

𝜎 3 3
En este caso 𝜇𝑥̅ = 𝜇 = 240 y 𝜎𝑥̅ = = = = 1.5.
√ 𝑛 √4 2

La distribución del promedio de los pesos de las muestras es más angosta que la distribución de los
pesos de la población. O sea que la desviación estándar de los promedios de las muestras es más
pequeña que la desviación estándar de la distribución de la población de los pesos.

53
 Figura 5.2: Distribución de los valores de los promedios de las muestras cuando el tamaño de la
muestra (n) es de 4.

El eje de las abscisas es 𝑥̅ (los promedios de muestras de tamaño n=4). Cualquier número en el eje de
𝑥1𝑖 +𝑥2𝑖 +𝑥3𝑖 +𝑥4𝑖
la 𝑥̅ , por ejemplo 𝑥̅ 𝑖 = 235 resulta de 𝑥̅𝑖 = donde 𝑥2𝑖 es el valor de la característica
4
inherente que se tomó al azar la segunda vez para formar la muestra de cuatro medidas de la
característica inherente.
Si se toman muestras de tamaño 25 y sacamos los promedios de los pesos de 25 botellas, el resultado
sería la distribución normal para los promedios de las muestras de tamaño 25 de las botellas que se
muestra en la Figura 5.3. En este caso

𝜎 3 3
En este caso 𝜇𝑥̅ = 𝜇 = 240 y 𝜎𝑥̅ = = = = 0.6.
√𝑛 √25 5

La distribución del promedio de los pesos de las muestras es más angosta que la distribución de los
pesos de la población. O sea que la desviación estándar de los promedios de las muestras es más
pequeña que la desviación estándar de la distribución de la población de los pesos.

Figura 5.3: Distribución de los valores de los promedios de las muestras cuando el tamaño de la
muestra es de 25.

54
El eje de las abscisas es 𝑥̅ (los promedios de muestras de tamaño n=25). Cualquier número en el eje de
𝑖
𝑥1𝑖 +𝑥2𝑖 + 𝑥3𝑖 + 𝑥4𝑖 +𝑥2𝑖 + 𝑥3𝑖 +⋯……………………… 𝑥22
𝑖 𝑖
+𝑥23 𝑖
+ 𝑥24 + 𝑥25
la 𝑥̅ , por ejemplo 𝑥̅𝑖 = 325 resulta de 𝑥̅𝑖 = ,
25
donde 𝑥2𝑖 es el valor de la característica inherente que se tomó al azar la segunda vez para formar la
muestra de veinticinco medidas de la característica inherente.

En la Figura 5.4 se muestran la distribución normal de la población de los pesos de las botellas y las
distribuciones de los promedios de los pesos de las muestras de tamaños n=4 y n=25.

Figura 5.4: Distribución de la población de los pesos de las botellas y de los valores de los promedios
de las muestras cuando el tamaño de la muestra es de 4 y25. La más delgada corresponde a la de la
muestra de tamaño n=25. La más ancha corresponde a la población de los pesos de las botellas.
(Variables mezcladas en el eje de las abscisas.)

En la figura 5.4, superponemos la distribución de las medidas de la característica inherente, x, con las
de los promedios de las muestras de tamaño 4 y 25.

Ejemplo de los resultados del teorema del límite central

Pongamos un ejemplo con todo detalle de cómo se obtienen los promedios de las muestras y sus
desviaciones estándar.

Supongamos que la población de las medidas de la característica inherente que estamos estudiando
consiste solamente de 3 números: -1, 0 y +1.

Calculamos el promedio y la desviación estándar de nuestras medidas de la población.

𝑥1 +𝑥2 +𝑥3 −1+0+1
𝜇= = =0
𝑛 3

(𝑥1 −𝜇)2 +(𝑥2 −𝜇)2 +(𝑥3 −𝜇)2 (−1−0)2 +(0−0)2 +(1−0)2 2

𝜎= √ =√ = √3
3 3

55
Obtenemos ahora todas las muestras de tamaño 2 posibles. Tomamos muestras con
reemplazamiento.

Tabla 5.1: Todas las muestras de tamaño 2 posibles que se pueden obtener de los números -1, 0 y +1
al tomarlas con repetición. Son 9.

Son 9 muestras de tamaño n=2 que se pueden obtener, ellas son (-1,-1), (-1,0), (- 1,1), (0,-1), (0,0), (0,1),
(1,-1), (1,0) y (1,1). Ahora obtenemos los promedios de las muestras.

Tabla 5.2: Cálculo de los 9 promedios de las muestras de tamaño dos que se pueden obtener de los
números -1, 0 y +1.
Resumiendo:

-1 0 1

- -1 - 0
1 0.5
0.5
0.5

Tabla 5.3: Los 9 promedios de las 9 muestras de tamaño dos que se pueden obtener de los números -1,
0 y +1.

Los 9 promedios de las muestras son: 𝑥̅1 = −1, 𝑥̅2 = −0.5, 𝑥̅3 = 0, 𝑥̅4 = −0.5, 𝑥̅5 = 0, 𝑥̅6 =
0.5, 𝑥̅7 = 0, 𝑥̅8 = 0.5 y 𝑥̅9 = 1.
Sacamos ahora el promedio de los promedios de las muestras.
𝑥̅ 1 +𝑥̅ 2 +𝑥̅ 3 ………….𝑥̅ 1 +𝑥̅ 𝑁−2 +𝑥̅ 𝑁−1 +𝑥̅ 𝑁 −1−0.5+0−0.5+0+0.5+0+0.5+1
𝜇𝑥̅ = = =0
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 9

Por lo tanto, 𝜇𝑥̅ = 0

Que es también el valor de 𝜇 , por lo que verificamos que se cumple que:

𝜇𝑥̅ = µ

56
 (𝑥̅ 1 −𝜇𝑥̅ )2 +(𝑥̅ 2 −𝜇𝑥̅ )2 +(𝑥̅ 3 −𝜇𝑥̅ )2 +⋯……………+(𝑥̅ 9 −𝜇𝑥̅ )2 (𝑥̅ 1 )2 +(𝑥̅ 2 )2 +(𝑥̅ 3 )2 +⋯……………+(𝑥̅ 9 )2
𝜎𝑥̅ = √ =√
9 9

Hemos usado que 𝜇𝑥̅ = 𝜇 = 0

(−1)2 +(−0.5)2 +(0)2 +(−0.5)2 +(0)2 +(0.5)2 +(0)2 +(0.5)2 +(1)2 1+0.25+0+0.25+0+0.25+0+0.25+1
𝜎𝑥̅ = √ =√ =
9 9

3 1
√ =√
9 3

O sea que:

1 1 2 2 1 1 𝜎 𝜎
𝜎𝑥̅ = √3 = √3 √2 = √3 √2 = 𝜎 √2 = =
√2 √𝑛

Por lo tanto, hemos verificado que:

𝜎
𝜎𝑥̅ = , donde n es el tamaño de la muestra, n=2.
√𝑛

Figura 5.5: Población que solamente tiene 3 valores, -1, 0 y 1. (Valores de la característica inherente.)
El promedio de los valores de la población es 𝜇 = 0, la desviación estándar de la población es de 𝜎 =
2
√ .
3

57
Figura 5.6: Valores de los promedios de las muestras de tamaño 2. Son 9 muestras. Los promedios de
las muestras son: -1, -0.5, -0.5, 0, 0, 0, 0.5, 0.5 y 1. El promedio de los promedios de las muestras es
1 1
𝜇𝑥 = 𝜇 = 0 . La desviación estándar de los promedios de las muestras es 𝜎𝑥̅ = √3 = √3.

Así que los valores de los promedios de las muestras tendrán su promedio en

𝜇𝑥̅ = 𝜇
(5.3)

Y su desviación estándar será:

𝜎
𝜎𝑥̅ =
√𝑛
(5.4)

Además, no se debe olvidar que todos valores o casi todos los valores de los promedios de las muestras
se encontrarán entre:
𝜇𝑥̅ − 3𝜎𝑥̅ y 𝜇𝑥̅ + 3𝜎𝑥̅

O sea que todos los valores de los promedios de las muestras se encontrarán entre:

𝜎 𝜎
𝜇−3 y 𝜇+3 .
√𝑛 √𝑛

Por lo que será muy improbable encontrar un valor de un promedio de las muestras fuera del rango
𝜎 𝜎
[𝜇 − 3 , 𝜇−3 ], porque no habrá o casi no habrá valores fuera de ese rango. De la misma
√ 𝑛 √𝑛
manera que casi todos los valores de las características inherentes se encontrarán entre 𝜇 − 3𝜎 y
𝜇 + 3𝜎.
Si nos preguntan, ¿cuál es la probabilidad de que al tomar una botella de yogur su peso se encuentre
entre 230 gr y 242 gr?, necesitamos calcular el área entre 230 gr y 242 gr usando la distribución de la
población de los pesos que tiene un promedio 𝜇 =240 y una desviación estándar 𝜎 =3. Para calcular
el área podemos pasar a las variables estandarizadas que serían:

230−𝜇 230−240 242−𝜇 242−240

𝑧230 = = = −3.333 y 𝑧242 = = =0.666
𝜎 3 3 3

58
El área de -3.333 a 0.666 se puede dividir en el área de -3.333 a 0 y el área de 0 a 0.666. El área de -
3.333 a 0 es la misma que de 0 a 3.333, que es igual a 0.4996. El área de 0 a 0.666 es igual a 0.2486.
Por lo tanto el área requerida es 0.4996+0.2486=0.7482. Así que la probabilidad de que al tomar una
sola botella de yogur su peso se encuentre entre 230 y 242 gramos es de 0.7482 o de 74.82%.

Pero si nos preguntan, ¿cuál es la probabilidad de que al tomar 49 botellas de yogur su peso promedio
se encuentre entre 238 gr y 241 gr?, necesitamos calcular el área entre 238 gr y 241 gr usando la
distribución de la población de los promedios de los pesos que tiene un promedio 𝜇𝑥̅ = 𝜇 = 240 gr y
𝜎 3 3
una desviación estándar 𝜎𝑥̅ = = = 7 =0.42857.Para calcular el área podemos pasar a las
√𝑛 √49
variables estandarizadas que serían:

238−240 238−240 241−240 241−240

𝑧238 = 𝜎 = = - 4.667 y 𝑧241 = 𝜎 = =2.333
0.42857 0.42857
√𝑛 √𝑛

El área de -4.667 a 2.333 se puede dividir en el área de -4.667 a 0 y el área de 0 a 2.333. El área de -
4.667 a 0 es la misma que de 0 a 4.667, que es igual a 0.5 (el área de 0 a 4 ya es prácticamente igual a
0.5, por lo que el área de 0 a cualquier z mayor a 4 la podemos tomar como 0.5 o sea el área de la
mitad de la distribución normal). El área de 0 a 2.333 es igual a 0.4901. Por lo tanto el área requerida
es 0.5+0.4901=0.9901. Así que la probabilidad de que el promedio del volumen de 49 botellas se
encuentre entre 238 y 241 gramos es de 0.9901 o de 99.01%.

En la distribución normal de las medidas de la característica inherente x, el área entre 𝜇 − 3𝜎 y 𝜇 +

3𝜎es el área entre z=-3 y z=3 en la distribución normal estandarizada. El área entre z=-3 y z=3 es igual
a 2(0.4897)=0.9974. Por lo tanto el área fuera de intervalo [ 𝜇 − 3𝜎, 𝜇 + 3𝜎 ] es igual a 1-
0.9974=0.0026. Así que la proporción de productos fuera del intervalo es de 0.0026 o 0.26%. Es decir
que casi no hay puntos fuera del intervalo [𝜇 − 3𝜎, 𝜇 + 3𝜎 ]. Por lo que será muy improbable
encontrar un valor fuera de ese rango.

Figura 5.7: En cualquier distribución de los datos, como en el caso de la distribución normal, todos los
datos o casi todos los datos se encontrarán entre el promedio menos 3 veces la desviación estándar y
el promedio más 3 veces la desviación estándar.

En la distribución normal de los promedios de las muestras, el área entre 𝜇 − 3𝜎𝑥̅ y 𝜇 + 3𝜎𝑥̅ es el
área entre z=-3 y z=3 en la distribución normal estandarizada correspondiente. El área entre z=-3 y z=3
es igual a 2(0.4897)=0.9974. Por lo tanto el área fuera de intervalo [𝜇 − 3𝜎𝑥̅ , 𝜇 + 3𝜎𝑥̅ ] es igual a 1-
0.9974=0.0026. Así que la proporción de productos fuera del intervalo es de 0.0026 o
0.26%. Es decir que casi no hay puntos fuera del intervalo [𝜇 − 3𝜎𝑥̅ , 𝜇 + 3𝜎𝑥̅ ]. Por lo que será muy
improbable encontrar un valor fuera de ese rango.

59
Figura 5.8: Todos los datos de los promedios de las muestras se encuentran entre el promedio menos
3 veces la desviación estándar de los promedios de las muestras y el promedio más 3 veces la
desviación estándar de los promedios de las muestras. El promedio de los promedios de las muestras
es igual al promedio de la población.

La probabilidad de encontrar un producto que tenga una característica inherente fuera del rango [𝜇 −
3𝜎, 𝜇 + 3𝜎] es de 0.0026, o sea la proporción de productos fuera de ese rango es de 0.0026. Si
multiplicamos 400*0.0026 nos da 1.04, por lo tanto si se producen 400 artículos solamente habría un
producto que se saldría de ese rango. Si metiéramos todos los 400 productos en una caja y sacáramos
uno de esos productos al azar, la probabilidad de sacar ese producto que tiene una característica
inherente fuera del rango [𝜇 − 3𝜎, 𝜇 + 3𝜎] sería muy difícil, pues la probabilidad de sacarlo es como
de 1/400.

El saber que a partir de la distribución de la población de las medidas de la característica inherente se

puede determinar la distribución de los promedios de las muestras de tamaño n, es muy importante.
Pero también lo es que a partir de la distribución de los promedios de las muestras se puede inferir el
promedio de la población. Las cartas de control se basan en que los promedios de las muestras tendrán
un comportamiento que conocemos de antemano, aunque no se calculen todos los promedios de las
muestras, es decir en la mayoría de los casos se aproximarán tanto el promedio de los promedios de
las muestras como la desviación estándar de los promedios de las muestras, como en las cartas de
control que se examinan a continuación. Es gracias a estas aproximaciones que podremos mejorar los
productos al detectar inestabilidades del proceso mediante las cartas de control.

En el ejemplo anterior de una población de tamaño 𝑁𝑝 = 3, (-1, 0 y +1) se tomaron muestras de

tamaño 2 de la población con reemplazamiento. En el caso de tomar muestras de tamaño n=2 sin
reemplazamiento las muestras solamente son 3: (-1, 0), (-1, +1) y (0, +1). En este caso, también los
promedios de los promedios de las muestras, es igual al promedio de la población, pero la desviación
estándar de los promedios de las muestras es igual a:

𝜎 3−2
𝜎𝑥̅ = √
√𝑛 3−1

En general cuando las muestras se toman sin reemplazamiento los resultados son:

𝜇𝑥̅ = 𝜇
𝜎 𝑁𝑝 −𝑛
𝜎𝑥̅ = √
√𝑛 𝑁𝑝 −1

60
Capítulo 6

6. Introducción a las Cartas de Control

Por lo anterior si en el tiempo sacamos productos, sus características inherentes estarán casi siempre
entre [𝜇 − 3𝜎, 𝜇 + 3𝜎]. La probabilidad de sacar un producto con una característica inherente fuera
de ese rango es muy pequeña.

Figura 6.1: Gráfica de promedios de muestras conforme avanza el tiempo. Los promedios deben
encontrarse entre el promedio de los promedios de las muestras menos 3 veces la desviación
estándar de los promedios y el promedio de los promedios de las muestras más 3 veces la desviación
estándar de los promedio.

Al obtener los valores de la característica inherente, x, aleatoriamente en el tiempo, no tienen

regularidad. La mayor parte de ellos tienen que salir cerca de la línea central porque ahí hay más, cerca
del promedio.

La probabilidad de encontrar el promedio de una muestra de tamaño n fuera del rango [𝜇 − 3𝜎, 𝜇 +
3𝜎] es de 0.0026, o sea la proporción de promedios de muestras fuera de ese rango es de 0.0026. Si
multiplicamos 400*0.0026 nos da 1.04, por lo tanto, si tenemos 400 promedios de muestras,
solamente habría un promedio de una muestra que se saldría de ese rango. Si metiéramos todos los
400 promedios de muestras en una caja y sacáramos un promedio de muestras al azar, la probabilidad
de sacar esa promedio de muestra que está fuera del rango [𝜇 − 3𝜎, 𝜇 + 3𝜎] sería muy difícil, pues
la probabilidad de sacarlo es como de 1/400.

Por lo anterior si en el tiempo sacamos el promedio de una muestra, ese promedio estará casi siempre
entre [𝜇 − 3𝜎, 𝜇 + 3𝜎]. La probabilidad de sacar un promedio de una muestra fuera de esa rango es
muy pequeña.

61
Figura 6.2: Línea central, límite de control superior y límite de control inferior en una carta de control.

Al obtener los promedios de muestras aleatoriamente en el tiempo no tienen regularidad. La mayor

parte de ellos tienen que salir cerca de la línea central porque ahí hay más, cerca del promedio.

6.1. Procesos inestables o fuera de control estadístico

Un proceso es inestable o fuera de control estadístico si las medidas obtenidas se salen de los límites
de control. No deberían producirse porque la probabilidad de que salgan es muy baja. Si se obtienen
medidas fuera de los límites de control es porque algo ha cambiado en el proceso, como la materia
prima, las máquinas se están deteriorando, han cambiado los trabajadores, etc. No es normal, algo ha
cambiado, es decir el proceso es inestable.

En la gráfica siguiente se muestra un proceso inestable pues la gráfica de la característica inherente

tiene medidas que se salen de los límites de control.

Figura 6.3: Carta de control que muestra un proceso inestable. Varios de los promedios de las
muestras se salen de los límites de control.
La gráfica siguiente muestra un proceso inestable puesto que los promedios de las medidas de la
característica inherente se salen de los límites de control.

62
 Figura 6.4: Carta de control de un proceso inestable.

La inestabilidad también se manifiesta si existe alguna tendencia en los datos que se obtienen.

Figura 6.5: Carta de control de un proceso inestable. Los promedios de las muestras muestran la
tendencia a aumentar con el tiempo.

Figura 6.6: Carta de control de un proceso inestable. Los promedios de las muestras muestran la
tendencia a disminuir con el tiempo.

63
Un proceso inestable también se manifiesta al existir regularidad en los resultados de los datos.

Figura 6.7: Carta de control de un proceso inestable. Los valores de los promedios de las muestras
muestran cierta regularidad, bajan, suben, bajan y suben.

Figura 6.8: Carta de control de un proceso inestable. Grupos de valores de los promedios de las
muestras aparecen alternándose arriba y abajo del promedio de los promedios de las muestras.

Tampoco es posible tener resultados como los que se muestran en la figura que sigue, porque se
obtiene poca dispersión de los datos. En este caso podría haber un error en el cálculo de los límites de
control.

64
Figura 6.9: Carta de control que no muestra suficiente dispersión de los datos por lo que es necesario
revisar el cálculo de los límites de control.

6.2. Cartas de Control

Una carta o gráfica de control es una gráfica de la variable que estudiamos. Se caracteriza porque tiene
una línea central (LC), el límite de control superior (LCS) y el límite de control inferior (LCI).

Figura 6.10: Carta de control de los promedios de una característica inherente de un producto.

65
6.3. ̅
Carta 𝒙
La carta 𝑥̅ es entonces la gráfica de la variable que se estudia, que son los promedios de muestras, es
decir lo que se gráfica son las 𝑥̅ , que son el resultado de promediar muestras de tamaño n.

𝑥1𝑖 +𝑥2𝑖 + 𝑥3𝑖 +𝑥4𝑖 ++++++𝑥𝑛

𝑖
𝑥̅𝑖 = (6.1)
𝑛

El número de puntos que tendremos en la gráfica será el número de promedios de muestras, 𝑥̅𝑖 , que
tengamos. Por ejemplo en la carta o gráfica 𝑥̅ que aparece abajo tenemos 50 promedios que
graficamos y cada uno esos promedios se obtuvieron sacando los promedios de n productos.

Figura 6.11: Carta de control de los promedios de muestras.

En la carta 𝑥̅ anterior, 𝜇𝑥̅ = µ, es la línea central (LC) de la carta de control. El límite de control superior
(LCS) es 𝜇 + 3𝜎𝑥̅ y el Límite de Control Inferior es 𝜇 − 3𝜎𝑥̅ .

Sin embargo, en la práctica generalmente no son muchos los promedios, 𝑥̅𝑖 que se obtienen. A veces
son solamente unos cuantos y con esos se hace la carta. Por otra parte las muestras no son de muchos
productos, es decir el tamaño de la muestra con el que se obtiene el promedio de las muestras, 𝑥̅𝑖 es
muchas veces pequeño, por ejemplo n=4, porque el tomar muestras grandes consume tiempo y dinero
y en algunos casos simplemente no podemos tomar muestras grandes porque no hay más datos.

En la práctica, la característica inherente, x, se toma en subgrupos, como se muestra en la figura

siguiente.

66
 Figura 6.12: Valores de las muestras que se usan para el cálculo de los promedios de las muestras.

Cada subgrupo se puede representar como una distribución normal que tiene su promedio y su
dispersión como se representa en la figura siguiente.

Figura 6.13: Los valores de las muestras pueden interpretarse como distribuciones normales.

En la gráfica anterior cada muestra tiene n=5 medidas de la característica inherente siendo estudiada
(son los 5 puntos azules de cada una de las 5 muestras). También muestra que se toman cinco muestras
(5 “campanitas”). En este ejemplo el tamaño de la muestra n=5 coincide con el número de muestras
que se toman, pero en general no es así.

67
La figura anterior describiría un proceso estable o bajo control estadístico, porque los promedios de
las muestras están alineadas al promedio de todas ellas y la dispersión que tienen los datos de la
característica inherente son casi iguales. La dispersión la podemos caracterizar por el rango (𝑅𝑖 ) que
tienen las medidas de la característica inherente.

Muchas veces el proceso es inestable. La inestabilidad se manifiesta en que los promedios de las
muestras no se alinean con el promedio de los promedios o que la dispersión de las medidas de la
característica inherente es diferente en los diferentes subgrupos. Cualquiera de los dos casos revela
inestabilidad en el proceso. Las dos situaciones descritas se esquematizan en las figuras siguientes.

Figura 6.14: Los valores de las medidas individuales de las muestras pueden interpretarse como
distribuciones normales. En un proceso estable las distribuciones normales de las muestras deberían
tener promedios cerca del promedio de los promedios y sus desviaciones estándar no deberían diferir
mucho. En este ejemplo el proceso es inestable porque los promedios de las distribuciones son muy
diferentes aun cuando las desviaciones estándar de ellas parecen no diferir mucho.

La figura siguiente nos describe un proceso inestable porque la dispersión de las muestras es diferente
aun cuando los promedios de las muestras son casi iguales.

68
 Figura 6.15: El proceso que se describe es inestable porque las distribuciones correspondientes a los
valores que forman las muestras tienen desviaciones estándar muy diferentes aun cuando sus
promedios son muy cercanos y casi alineados al promedio de los promedios.

La figura anterior nos describe un proceso inestable porque aun cuando los promedios de las muestras
coinciden o casi coinciden, los rangos de los valores son muy diferentes.

Para que un proceso se considere estable tanto los promedios como los rangos de las características
inherentes que se obtienen en las muestras tienen que mostrar que el proceso es estable. O sea que
̅, como la de rangos, R, tienen que mostrar que el proceso es estable.
tanto la carta de promedios, 𝒙

Debido a que muchas veces son pocos los datos, se tienen que hacer aproximaciones para obtener el
promedio de las muestras, 𝝁𝒙̅ = 𝝁, el límite de control superior 𝝁 + 𝟑𝝈𝒙̅ y el límite de control inferior,
𝝁 − 𝟑𝝈̅𝒙 . De hecho muchas veces ni siquiera se conocen los valores de 𝝁 ni de 𝝈, por eso se tienen
que hacer aproximaciones a esos valores. Los valores 𝝁 y 𝝈, se obtendrían si tuviéramos los valores de
las características inherentes de todos los productos fabricados con la misma materia prima, las
mismas máquinas, los mismos trabajadores, etcétera.

69
Capítulo 7

̅yR
7. Aproximaciones en Cartas 𝒙

∑𝑖=𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑥̅𝑖
𝑥̅̅ = 𝑖=0
(7.1)
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠

𝜇𝑥̅ = µ ≈ 𝑥̅̅ (7.2)

𝑅̅
Otra aproximación que se hace es 𝜎 ≈ , donde 𝑅̅ es el promedio de los rangos de las muestras que
𝑑2
∑𝑖=𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠
𝑅𝑖
tienen tamaño n, es decir. 𝑅̅ = 𝑖=0
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠

El parámetro d2 se obtiene de la tabla que aparece abajo y depende del tamaño de la muestra n.

𝜎 𝑅̅ 3𝑅̅ 3
Por lo tanto, 𝜎𝑥̅ = ≈𝑑 . Por lo que podemos escribir 3𝜎𝑥̅ ≈ = 𝐴2 𝑅̅ , donde A2 = 𝑑 𝑛. Así
√𝑛 2 √𝑛 𝑑2 √𝑛 2√
que, la línea central y los límites de control inferior y superior de la carta de control 𝑥̅ se pueden
aproximar como:

𝜎
LCS = 𝜇 + 3𝜎𝑥̅ = 𝜇 + 3 ≈ 𝑥̿ + 𝐴2 𝑅̅ (7.3)
√𝑛

LC = 𝜇𝑥̅ = 𝜇 ≈ 𝑥̿ (7.4)
𝜎
LCI = 𝜇 − 3𝜎𝑥̅ = 𝜇 − 3 ≈ 𝑥̿ − 𝐴2 𝑅̅ (7.5)
√𝑛

Donde A2 se obtiene de la Tabla que aparece abajo y que depende del tamaño de la muestra n.

7.1. Carta R y aproximaciones

Para la carta R los límites de control superior e inferior se aproximan de la manera siguiente.

LCS = 𝜇𝑅 + 3𝜎𝑅 = 𝑅̅ + 3𝜎𝑅 (7.6)

LC = 𝜇𝑅 = 𝑅̅ (7.7)

LCI = 𝜇𝑅 − 3𝜎𝑅 = 𝑅̅ - 3𝜎𝑅 (7.8)

𝑅̅
Aproximación: 𝜎𝑅 ≈ 𝑑3 𝜎 = 𝑑3
𝑑2

70
Por lo tanto:
𝑅̅ 𝑑
LCS = 𝑅̅ + 3𝜎𝑅 ≈ 𝑅̅ + 3𝑑3 = (1 + 3 𝑑3) 𝑅̅ =𝐷4 𝑅̅ (7.9)
𝑑2 2

LC = 𝜇𝑅 = 𝑅̅ (7.10)

𝑅̅ 𝑑
LCI = 𝑅̅ - 3𝜎𝑅 ≈ 𝑅̅ - 3𝑑3 = (1 − 3 𝑑3) 𝑅̅ = 𝐷3 𝑅̅ (7.11)
𝑑2 2

Donde los índices d2, d3, D3, y D4 se obtienen de la Tabla que se muestra a continuación, para el tamaño
de la muestra (n) considerada.
Tamañode
Carta Carta R Carta S Estimación de 𝝈
muestra,
n 𝐴2 𝐷2 𝐷3 𝐷4 𝐴2 𝑑2
2 1.883 0.853 0.0000 3.2656 0.7979 1.128
3 1.023 0.888 0.0000 2.5735 0.8862 1.693
4 0.729 0.880 0.0000 2.2822 0.9213 2.059
5 0.577 0.864 0.0000 2.1144 0.9400 2.326
6 0.483 0.848 0.0000 2.0039 0.9515 2.534
7 0.419 0.833 0.0758 1.9242 0.9594 2.704
8 0.373 0.820 0.1359 1.8641 0.9650 2.847
9 0.337 0.808 0.1838 1.8162 0.9693 2.970
10 0.308 0.797 0.2232 1.7768 0.9727 3.078
11 0.285 0.787 0.2559 1.7441 0.9754 3.173
12 0.266 0.778 0.2836 1.7164 0.9775 3.258
13 0.249 0.770 0.3076 1.6924 0.9794 3.336
14 0.235 0.763 0.3281 1.6719 0.9810 3.407
15 0.223 0.756 0.3468 1.6532 0.9823 3.472
16 0.212 0.750 0.3630 1.6370 0.9835 3.532
17 0.203 0.744 0.3779 1.6221 0.9845 3.588
18 0.194 0.739 0.3909 1.6091 0.9854 3.640
19 0.187 0.734 0.4031 1.5969 0.9862 3.689
20 0.180 0.729 0.4145 1.5855 0.9869 3.735
21 0.173 0.724 0.4251 1.5749 0.9876 3.778
22 0.167 0.720 0.4344 1.5656 0.9882 3.819
23 0.162 0.716 0.4452 1.5568 0.9887 3.585
24 0.157 0.712 0.4516 1.5484 0.9892 3.989
25 0.153 0.708 0.4597 1.5403 0.9896 3.931

Tabla 7.1 Valores de los parámetros para las aproximaciones de 𝝁, 𝝈 y otras variables para la
̅ y R. [13]
elaboración de las cartas de control 𝒙

71
Capítulo 8
8. Capacidad y Estabilidad
Un buen proceso tiene que ser capaz y estable. En la práctica se encuentran cuatro clases de proceso,
como se muestra en la siguiente figura.

Figura 8.1: Clases de procesos.

En la figura siguiente se muestra un proceso capaz.

𝐸𝑠 −𝐸𝑖
Figura 8.2: Variación real y variación tolerada. 𝐶𝑝 = > 1. El eje de las abscisas, x, es la medida
6𝜎
de la característica inherente.

Un proceso capaz o hábil se distingue porque las medidas de las características inherentes se
encuentran bien adentro de las especificaciones.

En la figura siguiente se muestra un proceso incapaz.

72
 𝐸𝑠 −𝐸𝑖
Figura 8.3: Variación real y variación tolerada. 𝐶𝑝 = < 1. El eje de las abscisas, x, es la medida
6𝜎
de la característica inherente.

Un proceso incapaz o inhábil se distingue porque las medidas de las características inherentes no se
encuentran bien adentro de las especificaciones. Parte de los productos se salen de las especificaciones
(las zonas en rojo en la figura).

En la siguiente se muestra un proceso estable.

Figura 8.4: Carta de control de un proceso estable.

Un proceso estable se distingue porque la variable que se estudia que es la que se grafica, no presenta
regularidad alguna, aparece como “ruido”. Los datos no presentan tendencia ni regularidad.

En las siguientes figuras se muestran procesos inestables.

73
Figura 8.5: Carta de control de un proceso inestable. Existen varios puntos consecutivos en las cartas
de control que aumentan en el tiempo.

Un proceso inestable se distingue porque la variable que se estudia que es la que se gráfica tiene
valores fuera de los límites de control, presenta tendencia o regularidad.

Figura 8.6: Carta de control de un proceso inestable. Los promedios de las muestras tienen una
tendencia decreciente en el tiempo.

Figura 8.7: Carta de control de un proceso inestable. Los promedios de las muestras tienen cierta
regularidad en el tiempo.

74
Las gráficas siguientes describen gráficamente un proceso capaz y estable:

Figura 8.8: Proceso con una capacidad del proceso mayor a 1. El ancho de especificaciones es mayor
que el ancho real.

Figura 8.9: Carta de control de un proceso estable.

Un proceso capaz e inestable se vería gráficamente como:

Figura 8.10: Gráfica que describe un proceso hábil o capaz.

75
 Figura 8.11: Carta de control de un proceso inestable.

Un proceso incapaz y estable se podría describir como:

Figura 8.12: Gráfica que describe un proceso inhábil o incapaz.

Figura 8.13: Carta de control que describe un proceso estable.

76
Un proceso incapaz e inestable se podría describir como:

Figura 8.14: Gráfica que describe un proceso inhábil o incapaz.

Figura 8.15: Carta de control de un proceso inestable.

8.1. Nota sobre especificaciones en el cálculo de la capacidad o habilidad de los

procesos y los límites de control en el caso de las cartas de control
Para el cálculo de la capacidad o habilidad de un proceso es necesario conocer las especificaciones. Las
especificaciones muchas veces las proporciona el Gobierno Federal (en el caso de productos de salud,
alimentos, azufre en la gasolina, emisiones de contaminantes en el caso de vehículos automotores,
etc.); en este caso el Gobierno las ordena a través de leyes (son las llamadas NOMs). Muchas veces las
proporciona el cliente al solicitar los productos que necesita (por ejemplo, el material de una ventana,
las dimensiones, adornos y color que debe tener). También sucede que el cliente las pone basándose
en normas internacionales como las de la ASTM (American Society for Testing and Materials) o las del
API (American Petroleum Institute). A veces el mismo productor se las impone (el tamaño de las
tortillas que hace), la salsa que le pone a los tacos, etcétera, porque conoce a sus clientes.

77
Para la elaboración de las cartas de control no se usan las especificaciones puesto que para hacerlas
solamente se necesitan los datos a graficar y de estos datos se obtiene el límite de control inferior, la
línea central y el límite de control superior.

Así que no es necesario conocer las especificaciones de un producto para hacer una carta de control,
así como tampoco es necesario conocer los límites de control para calcular la capacidad o habilidad de
un proceso. También debido a esto es que un proceso que es incapaz no necesariamente es inestable.
Un proceso que es incapaz o inhábil puede ser estable, en este caso tendríamos muchos productos
defectuosos que es lo que indicaría la incapacidad, pero además siempre seríamos consistentes y los
haríamos mal (estabilidad).

8.2. Signos de inestabilidad en las cartas de control

Un solo punto fuera de los límites de control. En la figura, el punto 16 está arriba del LCS (límite
de control superior).

Dos o tres puntos sucesivos están del mismo lado de la línea central y más allá de 2σ de la línea
central. En la figura, el punto 4 lanza esa señal.

Cuatro de cinco puntos sucesivos están del mismo lado de la línea central y más allá de 1σ de
distancia de la línea central. En la figura, el punto 11 lanza esa señal.

Ocho puntos consecutivos están del mismo lado de la línea central. O diez de once puntos, o bien
doce de catorce puntos, o dieciséis de veinte puntos. En la figura, el punto 21 es el octavo en
una serie arriba de la línea central.

Tendencias consistentes o persistentes que sugieren algo inusual de los datos y del proceso.
[14]

Figura 8.16: Carta de control que muestra varios tipos de inestabilidades.

78
Capítulo 9
9. Herramientas de Control de Calidad
Las herramientas de control de calidad se enseñan en las carreras de ingeniería para analizar y trata
de resolver problemas en la producción de bienes y en el desempeño de negocios de servicios. Estas
herramientas pueden ser usadas para analizar y entender muchos problemas. La pandemia del
coronavirus ha causado muchos problemas alrededor del mundo, como muchas personas infectadas
en aglomeraciones de personas en el transporte público, en celebraciones como fiestas, en mítines de
campañas políticas y en mercados públicos debido a que mucha gente no usa cubrebocas.

Un Diagrama de Pareto muestra claramente las comorbilidades más peligrosas en el caso de una
infección por covid-19. Muchas enfermeras y doctores se han contagiado en muchos países del mundo
en muchos casos debido a la falta de materiales para protegerlos apropiadamente contra el virus, con
suerte ojalá se sigan los procedimientos de higiene y seguridad (Check Lists) y mecanismos Poka Yoke
se estén creando y usando para reducir los contagios. Aquí se muestran y analizan algunos problemas
causados por la pandemia de covid-19 usando herramientas básicas de control estadístico de procesos
y para algunos casos se proponen soluciones.

Se muestra un análisis de la proporción de muertes con respecto al rango de edades usando un

Diagrama de Pareto para explicar el decremento de muertes en Estados Unidos de América si ciertos
grupos son vacunados primero. Se usa un Diagrama de Ishikawa para analizar el aprendizaje a distancia
poco efectivo en México. Se elabora un Check List para evitar contagios al ir de compras. También se
usa un Diagrama de Dispersión para encontrar una relación entre el número de contagios y el número
de muertes en muchos países del mundo. Se explican también otras herramientas brevemente y
algunos problemas que pueden ser analizados con ellas. Los ejemplos pueden aumentar el interés de
los alumnos en aprender a usar esas herramientas en un gran número de campos de las ciencias duras
y sociales.

Existen muchos ejemplos de la utilidad de las herramientas de control de calidad para analizar
problemas de la industria o hasta para encontrar soluciones a ellos. Por ejemplo, el accidente de
Chernóbil el 26 de abril de 1986 muestra que un Check List que reflejara su procedimiento de seguridad
nuclear pudo haber sido muy útil junto con un Poka Yoke (un sistema de doble contenedor del núcleo
del reactor) para evitar el accidente. El accidente nuclear de Fukushima en Japón el 11 de marzo de
2011 pudo posiblemente haber sido evitado usando paredes más altas contra las olas junto con
tanques de agua en torres colocadas cerca de los reactores nucleares (ambos dispositivos Poka Yoke).
También, un simple Check List sobre el sistema de medidas correcto para que se usara durante todo el
viaje a Marte pudo haber evitado el desastre de la cápsula Mars Climate el 23 de septiembre de 1999.

La pandemia covid-19 has causado alarma en muchos países por el número de contagios y muertes de
sus poblaciones. Estos países han seguido estrategias muy diferentes tratando de reducir los contagios,
hospitalizaciones y el número de muertes. En esta parte se usan las herramientas básicas de control
estadístico de procesos [13] para entender algunos de los problemas causados por la epidemia [15] y
para analizar algunos de los datos disponibles durante la epidemia. El objetivo principal es que los
estudiantes aprendan que estas herramientas puedan ser usadas para analizar problemas más allá de
la ingeniería.

79
7 Herramientas Básicas de Control Estadístico de Procesos

Diagrama de Ishikawa

Diagrama de Pareto

Diagrama de Dispersión

Histograma

Check List (Lista de verificación)

Estratificación

Cartas de Control Además estudiaremos:

Árbol de Decisiones

5 Por qués Poka Yoke

Aparte de las herramientas anteriores para analizar y proponer soluciones a los problemas de
control de calidad, existen otras más avanzadas.

Análisis y Diseño de Experimentos. Esta es una herramienta avanzada

Big Data o ciencia de datos. Es una herramienta muy avanzada que ya está en uso sobre todo en
manufactura, en la manufactura inteligente. En la manufactura inteligente aparte del Big Data se usan
otras herramientas como el internet de las cosas, automatización, Impresión 3-D, etc. [12]

80
Capítulo 10
10. Diagrama de Ishikawa
También llamado Diagrama de Pescado, Diagrama de Espinas de Pescado o Diagrama de Causa Efecto.
Conocemos el problema más importante a resolver o el problema que queremos resolver.

Figura 10.1: Diagrama de Ishikawa con 8 causas.

Un Ishikawa puede hacerse también con las soluciones a las causas o cómo prevenir o disminuir las
causas. También puede hacerse un Ishikawa con las consecuencias de lo que pasaría si se empeoran
esas causas (una vez que se encuentren).

Todas las causas son igualmente importantes.

Figura 10.2: Diagrama de Ishikawa con 2 causas.

Como estrategia a veces es mejor estudiar el problema opuesto. Por ejemplo, en lugar de tratar de
averiguar las causas del divorcio analizamos por qué la gente se enamora.

81
 Figura 10.3: La teoría triangular del amor de Sternberg. El efecto y sus causas. [16]

En la siguiente figura se identifican las causas de por qué los productos salen defectuosos. Se hace
notar que las causas son aquellas que cuestan para elaborar el producto.

Figura 10.4: Causas de por qué salen mal los productos en una fábrica.

Aunque en tiempos del Covid-19 se agregó otra causa: que partes de los productos no llegaban porque
se interrumpieron los viajes de mercancías debido a la pandemia, así que no se podían ensamblar. Es
una causa no considerada antes de la pandemia y que se solucionará quizá cambiando las cadenas de
suministro (aunque también hubo falta de contenedores). Muchas veces el Diagrama de Ishikawa no
es más que la descripción del proceso para el desarrollo del producto.

Figura 10.5: Análisis del problema de por qué reprueban los alumnos usando un Diagrama de
Ishikawa.

Siempre se debe estar atento a cambios que puedan ocurrir. En el caso anterior debido a la pandemia
del coronavirus que comenzó en todo el mundo a partir de principios del año 2020 las causas de por
qué reprueban los alumnos tienen otras causas no contempladas en el diagrama anterior, como por
ejemplo que no tienen electricidad, que el servicio de internet es pésimo por donde viven, que no
tienen espacio en casa y otras condiciones para estudiar. Es decir, el diagrama de Ishikawa anterior se
podría aplicar para situaciones pre-pandemia pero no para las actuales.

En la causa de l@s profesor@s deben señalarse como subcausas importantes: que al (a la) profesor@
le falta una formación didáctica o que le faltan conocimientos en el tema que está enseñando. En la
causa del tiempo disponible se puede señalar como subcausa que el (la) alumn@ quizá trabaja o tiene

82
tareas extras en casa como ayudar a los padres con los hermanos más pequeños (este sería el caso de
alumn@s con recursos económicos escasos). En conocimientos insuficientes se podría agregar como
subcausa que el (la) alumn@ no tuvo un buen aprendizaje en cursos que tomó anteriormente (por
diversas razones), o en la preparatoria o desde la secundaria. Es importante señalar que la formación
del (de la) alumn@ debe ser en todas las etapas de su educación, desde el kínder hasta la universidad.
Pero hay que agregar otras dos causas más que se han notado en el regreso a clases presenciales y es
el hecho de que en la UNAM, en el IPN y también en la UAM se ha notado que no hay cupo suficiente
en los cursos que se han abierto, también que no hay suficientes profesores, en pocas palabras no se
abren grupos suficientes para que los alumn@s avancen en sus carreras, además de que la
infraestructura escolar no es apropiada para evitar contagios, aparte de que en los laboratorios se
encuentra equipo descompuesto y revelan que la autoridades no planearon durante dos años y medio
el regreso a clases presenciales. Todavía a mediados de octubre de 2022 varias escuelas de la UNAM y
del IPN se encontraban en paro por estas últimas causas que se han listado y que se deben agregar al
diagrama de Ishikawa. La falta de profesor@s puede deberse a que algun@s desafortunadamente
fallecieron y las autoridades no han contratado más quizá para ahorrar recursos económicos, lo mismo
con el equipo de laboratorios, aunque las autoridades contaron con el presupuesto para equipo
durante la pandemia; definitivamente estos problemas revelan una falta de planeación [16a].

Desde luego que existe una cuestión muy importante al analizar este problema porque quizá el
problema que deberíamos analizar no es el de por qué l@s alumn@s reprueban sino por qué l@s
alumn@s no aprenden, porque pasar un curso no es lo mismo que aprender el curso. Muchas veces al
estar resolviendo un problema podemos darnos cuenta que quizá no es el problema que deberíamos
estar resolviendo.

Este problema también lleva a otro problema muy importante, que es, ¿aprender para qué?, para
obtener el título de ingeniero o para lograr un trabajo en el mercado laboral o para servir a la sociedad.
(Más adelante quizá podría hacerse un árbol de decisiones para conseguir un trabajo).

El Diagrama de Kaoru Ishikawa, o Diagrama de Causa Efecto, o Diagrama de Pescado, o Diagrama de

Espinas de Pescado es muy útil para analizar problemas. Aunque es un diagrama que se usa una vez
que sabemos cuál es el problema que queremos resolver [13][17]. Es un diagrama muy útil porque
ayuda a identificar las causas que originan un problema. En este diagrama deben identificarse
claramente las causas, además deben escribirse sucintamente lo que obliga a identificar muy bien las
raíces del problema con precisión.

En el diagrama de Ishikawa todas las causas encontradas tienen la misma prioridad y a cada causa se
le deben encontrar las sub-causas. Entre los errores básicos al hacer un diagrama de Ishikawa se
encuentran que a veces listamos sub-causas para una causa y pertenecen a otra causa. También
algunas veces se identifica una sub-causa y más bien esa es la causa, y la causa que teníamos debe
ponerse como la sub-causa.

Al elaborar un diagrama de Ishikawa se debe hacer un esfuerzo por poner todas las causas
apropiadamente, generalmente se tendrán entre 2 y 8; aunque en los casos en que un diagrama de
Ishikawa refleje el proceso las causas serán todos los pasos necesarios.

83
“Cuando conocemos el problema a resolver, llevamos la mitad del problema resuelto”. Porque muchas
veces no sabemos el problema que tenemos que resolver (para esto necesitamos el Diagrama de
Pareto). Cuando nosotros usamos el Diagrama de Ishikawa ya sabemos el problema a resolver. [13]

Existen varias maneras de organizar la información para hacer un Diagrama de Ishikawa. Por ejemplo,
se pueden distribuir post-its a los participantes y después conforme surgen ideas de cada un@ de l@s
participantes se van colocando en una pared o pizarrón por medio de post-its y después cada uno de
los post-its se va acomodando en las causas y sub-causas. O bien, se discuten primero las causas más
grandes y después se van acomodando post-its con las sub-causas. En cualquier procedimiento se van
haciendo correcciones continuamente sobre las causas y sub-causas.

Nunca debe olvidarse que muchas veces cuando tratamos de resolver un problema le pensamos todo
el tiempo -todo el tiempo- y muchas veces la solución viene porque de repente surge algún evento
(fluctuación) que nos da una buena idea (chispazo). Recordar por ejemplo el Eureka (“lo encontré”) de
Arquímides. Y aunque quizá no haya pasado así, existen algunas películas que narran situaciones que
podrían pasar en la realidad, ejemplos de esas situaciones se ven en A Beautiful Mind con John Nash
(“Si todos fuéramos por ella nos estorbaríamos y al final ninguno la tendría, y entonces iríamos por sus
amigas, pero nos darían la espalda pues a ninguno le gusta ser segunda opción… Pero que tal si nadie
va por la rubia no nos estorbaríamos, no insultaríamos a las demás chicas y ganamos todos ..”; o a Alan
Turin en The Imitation Game (“¿Cómo sabes que tu compañero alemán tiene una novia? … Todos sus
mensajes comienzan con las 5 mismas letras C, I, E, L, L. Y sospecho que CIELLY es el nombre de su
amada… Eso es imposible, los alemanes tienen órdenes de usar 5 letras al azar al principio … Pues este
señor no… El clima está despejado lluvia en la tarde Heil Hitler”).

10.1. Recomendaciones muy importantes a seguir durante la lluvia de ideas para

obtener el Diagrama de Ishikawa o en el uso de otras herramientas
Muchas de las recomendaciones tienen que ver con el desarrollo de habilidades blandas que l@s
alumn@s tienen que desarrollar con el fin de aumentar su éxito en su trabajo y en su vida diaria en
general. [18]

 Ninguna persona debe dominar la reunión, ni siquiera el moderador o líder.

 El líder debe ser escogido por el grupo de trabajo excepto cuando la compañía u
organización impone a alguna persona.
 Todas las personas deben sentirse libres de hablar abiertamente sobre el tema, esto es
responsabilidad del líder o moderador. La opinión de alguien tímido puede ser crucial
(recordar al contador en la película Los Intocables).
 Debe existir mucho respeto por las opiniones de los demás. Se debe procurar no decir
groserías, ni burlarse de alguna persona, etc, porque puede inhibir la participación además
de desvirtuar la reunión.
 Recordar que los participantes pueden venir de situaciones que no conozcamos y algunos
pudieran imaginarse cosas que no existen sobre el propósito del trabajo a realizar.
(Recordar la anécdota del ciego en el Metro. “Es que él tampoco puede ayudarte porque
es otro ciego como tú”.)
 Tratar de escuchar con mucha atención las opiniones, muchas veces oímos pero no
escuchamos. (Recordar la anécdota del niño de Tennessee de dos años. “Él si me está
diciendo algo, soy yo el que no entiendo”.)

84
  Tratar de explicar de una manera muy sencilla lo que decimos. (Recordar la anécdota de
¿Cómo es el mar? “El mar es como el río Balsas pero lleva tanta agua que no se le ve la
otra orilla, así es el mar”. )
 Se debe procurar que las participaciones sean breves y al punto, específicamente sobre el
problema que se discute. No necesitamos demasiadas palabras para hacer soñar o sentir
miserable a alguna persona.
 Antes de la reunión prepararnos buscando información en revistas, internet, libros,
familiares, asesores, etcétera.
 La manera en que hablamos, la manera en que nosotros caminamos, la manera en que
explicamos algunas cosas, la manera en cómo reaccionamos a comentarios, lo mal o bien
que escribimos, la calidad de nuestras tareas y exámenes, la manera en que nosotros nos
comportamos dice mucho de nosotros. Cuando hablamos es nuestra biografía la que
habla, cuando nosotros caminamos le decimos al mundo lo que somos, nuestra historia,
nuestras fortalezas y debilidades. Cuando caminamos le decimos al mundo lo mucho que
nos apreciamos, nuestro autoestima. (Recordar la anécdota de Don Gato que caminaba
por el centro del pasillo y no pegándose a la pared. “Soy Don Gato.”)
 Debemos ser honestos con nuestros colegas en nuestras opiniones. Recordar que tenemos
detectores de mentiras en nuestros, ojos (“te vi haciendo esto”), oídos (“te escuché
diciendo otra cosa”, ¿Por qué no me has llamado?”) y tacto (“tu apretón de manos o abrazo
me dice otra cosa”).
 Jamás tratar de intimidar a los demás en una reunión. Aparte de que se muestra una
debilidad: las personas intimidatorias generalmente son intimidables.
 Abstenerse de hablar con groserías en las reuniones porque algunos participantes pueden
sentirse intimidados u ofendidos y por lo tanto no participarían si se usan esas palabras
para la comunicación en el grupo.
 Siempre recordar que en las discusiones y en todas las demás situaciones en nuestras vidas
no existe nadie superior a nosotros; pero tampoco nosotros somos superiores a nadie. Lo
que sí existe es la preparación para un examen, para una entrevista de trabajo y para una
discusión en grupo.
 No menospreciar a las personas por las apariencias. Todas las personas son valiosas,
inteligentes, etc. (Recordar las anécdota de J. N. Álvarez. El militar le lleva un mensaje al
Presidente de México, al entrar a la hacienda le avienta las riendas del caballo y le ordena
a una persona de apariencia humilde que pasee a su caballo (Ves al que está con el caballo,
ése es el Presidente de México).
 Pedir ayuda, para resolver un problema, a veces nos llevamos sorpresas porque
encontramos que existen personas que nos quieren ayudar.
 Mírate al espejo. En situaciones difíciles al resolver un problema, recordar que antes
resolvimos problemas más difíciles. No nos sintamos muy especiales pensando que
nuestra situación tan mala nadie más la tiene.
 El moderador nunca debe hablar mal de los participantes, nunca debe hacer comentarios
negativos sobre ell@s con algun@ de l@s demás participantes y menos a todo el grupo
junto.

Ejemplo 10.1 Diagrama de Ishikawa, ¿Por qué hay basura en las calles de la Ciudad de México?

85
 Figura 10.6: Análisis del problema de la basura en las calles de la Ciudad de México usando un
Diagrama de Ishikawa. [19]

Ejemplo 10.2 Problema con los resortes de los sofás en una fábrica de salas

El mayor problema que existía era el de los resortes que sobresalían o estaban mal colocados.
Para realizar el diagrama Ishikawa se observa todo el proceso de resortes.

Figura 10.7: Diagrama de Ishikawa para analizar el problema de la mala calidad de resortes en los
colchones. (Gracia Espinosa Leonardo, Hernández González Josefina)

Tipo de cambio peso-dólar de diciembre 2019 al 27 de mayo de 2020.

A veces no es tan sencillo hacer un diagrama de Ishikawa porque no se pueden distinguir tan fácilmente
las causas que hacen que ocurra un evento, como en el caso del tipo de cambio del peso al dólar de
finales del año de 2019 al 27 de mayo del 2020. El dólar estaba como a $18.50 pesos por dólar a finales
del año de 2019, durante la crisis del coronavirus, el 23 de marzo de 2020, el dólar estaba como a
$25.34 pesos pero el 26 de mayo de 2020 había bajado a $22.26 pesos sin encontrarse causas muy
claras de todo ese fenómeno como se destaca en el artículo. [20]

En este caso lo que se tiene que hacer es un árbol de decisiones, funcionaría mejor. Pero también se
tiene que tomar en cuenta en este ejemplo que las causas más importantes cambian con el tiempo (las

86
exportaciones de México, las tasas de interés, el precio del barril del petróleo, la fortaleza de otras
monedas en el mundo, etc.)

Ejemplo 10.3: El quesadillón loco

Figura 10.8: Diagrama de Ishikawa sobre la ruptura de la masa para las quesadillas. (Duana
Cházaro Joshua Jared, Flores Hidalgo Brenda Lorena)

Subsidios a privados 239 compañías de PIE (Productores

autoabastecimiento Independientes
de Energía)

CFE compra sus CEL Fraudulentamente

tienen 77000 CFE compra toda
clientes su electricidad
CFE pone el respaldo a privados
Transmisión gratis
para CFE les compra en
su energía limpia. contratos de largo
CFE paga para evitar riesgos a red de plazo
transmisión ocasionada por fuentes Algunos generan lejos
renovables intermitentes de centros de consumo Son caros Problemas de
CFE
Menos competitividad a resolver con
y eficiencia de costos
CFE les compra en CFE tiene que iniciativa
contratos de largo comprar electricidad
Partes de CFE no pueden a privados
plazo
compartir recursos
CFE les compra en
Generadoras hidráulicas de contratos de largo
Despacho injusto
CFE no pueden planear uso de agua plazo
para CFE
en subastas de
Partes de CFE no pueden corto plazo
comprarse electricidad

CFE fracturada Plantas de CFE

Subastas
cerradas

Figura 10.9. Problemas que tiene la CFE debido a la participación de generadores privados
en el sector eléctrico mexicano [21].

87
 Economía Social Clima

Falta de empleo
Mala oferta Sequía
educativa
Salarios bajos

Condiciones de
Desastres
Malas condiciones de vida inseguras naturales como
trabajo huracanes

Cuidado pobre Pérdida de

Falta de beneficios de
de la salud tierra fértil
jubilación
Migración
Trabajadores
Violencia
calificados Envejecimiento de la
(Grupos criminales)
demandados en población de los
otros lugares países ricos
Persecución
Pérdida de
trabajos Discriminación
tradicionales Población joven de
países pobres
Guerras civiles

Cambio
Tecnológico Demografía Política

Figura 10.10: Causas de migración [22].

Material de
Profesores Infraestructura
enseñanza

Distancia
Incompetentes inaccesible
Obsoleta
Apagones
Insuficientes
Capacidad baja
Insuficiente de los campus

Falta de
resiliencia Obstáculos
para la
Escasez como valor educación
Inapropiada
Ideología individualista

Distribución sesgada
Insuficiente
Modelo capitalista

Consumo excesivo
Falta de
resiliencia
Sobreexplotación

Sistema socio- Tecnología de

económico la enseñanza

Figura 10.11: Obstáculos para la educación con efectos de cambio climático [22].

88
Capítulo 11

11. Los 5 Por qués

Esta herramienta consiste en hacer una pregunta y responderla y después a la respuesta convertirla a
pregunta y encontrarle la respuesta y así sucesivamente hasta que se encuentre la raíz del problema.
En muchas ocasiones al hacer alguna de las preguntas se encuentra que no existe una sola respuesta
y entonces ya no se tiene un 5 por qués sino un árbol de decisiones, que se explica con detalle un poco
más adelante.
Ejemplo 11.1: el monumento a Jefferson se estaba deteriorando más rápido que los demás
monumentos del Mall de la Ciudad de Washington D.C.

Figura 11.1: Análisis del deterioro del monumento a Jefferson en la Ciudad de Washington usando un
5 por qués.

La iluminación utilizada en el monumento a Jefferson era diferente a la de los demás monumentos y

facilitaba la reproducción de insectos y animales microscópicos.

Cambiaron la iluminación y solucionaron el problema.

Ejemplo: Encontrando el efecto de la pandemia de COVID-19

Al resolver un problema, los estudiantes deben ser imaginativos en cómo se puede usar una
herramienta. Existe una herramienta muy popular en control de calidad que se llama el Análisis de los
Cinco Por qués, que consiste en escribir un problema como una pregunta (¿Por qué?), y luego
encontrar la respuesta y luego plantear la respuesta como una pregunta (¿Por qué?) hasta que se
encuentre la causa raíz del problema. Los estudiantes deben aprender que las herramientas pueden
tener variantes. En el siguiente ejemplo se utiliza la pregunta ¿Qué podría pasar?, en lugar de la
pregunta ¿Por qué? para conocer los posibles efectos de la pandemia del COVID-19. Por lo tanto, el
primer enunciado es la ocurrencia de la pandemia, ver figura abajo, y luego se pregunta ¿Qué podría
pasar? La respuesta es, Detiene la movilidad física. Entonces se vuelve a hacer la pregunta ¿Qué podría
pasar? La respuesta es, No hay escuelas presenciales, etcétera. El hallazgo final es que la pandemia de

89
COVID-19 conduce a una mayor desigualdad social y económica, como se muestra en la siguiente
figura.

Pandemia COVID-19

Para movilidad física

Escuelas no presenciales

No se obtiene buena educación

Algunos graduados no calificarán para buenos

trabajos

Más desigualdad social y económica

Figura 11.2: Encontrando los efectos de la pandemia COVID-19. [23]

Así que se puede extender la pregunta a otras, como por ejemplo: ¿Qué tal si?, o ¿qué pasaría si?

Ejemplo: El quesadillón loco

Figura 11.3: Quesadilla terminada en el Quesadillón Loco (Medel Beltrán Victoria, García Alpizar
Uriel).

Problemática principal.

Debido al manejo descuidado de la masa para quesadilla en la plancha se originan rupturas en la

misma, esto causa la necesidad de “resanar” la masa con un “parche” en la parte rota o en casos
extremos se realiza un retrabajo de la tortilla completa, lo cual adiciona tiempo innecesario al proceso
productivo, provocando una disminución de la eficiencia del mismo.

Es importante reafirmar que existen diversas causas del problema, entre éstas se encuentran los
errores humanos o de mano de obra, los inherentes al método o la falta del mismo y otros más.

90
Figura 11.4: Aplicación de los 5 porqués sobre las posibles fallas al hacer quesadillas en el Quesadillón
Loco (Medel Beltrán Victoria, García Alpizar Uriel).

El problema principal que muestra el producto es la ruptura de masa, sin embargo, al hacer la
aplicación de los “5 por qués” se demuestra que la causa principal que origina este problema es la
ausencia de un método de trabajo estandarizado, cabe mencionar que aún se continúa utilizando un
método empírico de producción, es decir, no existe una secuencia de pasos a seguir para la elaboración
de quesadillas, además, la cantidad de ingredientes a incorporar no está estandarizada.

Lluvia de ideas de posibles fallas:

De acuerdo al análisis realizado al proceso del servicio en las taquillas del cine pudimos observar que
las posibles fallas o causas de la tardanza en la compra de boletos son las siguientes:

1. Los operadores no conocen el servicio.

2. - El sistema se vuelve lento.

3. - Las personas no tienen una planeación anticipada sobre los boletos que van a adquirir.

4. No están abiertas todas las cajas de servicio.

5. El personal tarda mucho en resolver los problemas que se presentan y comúnmente tiene que
llamar a un superior para solucionarlo.

6. - No existe una clasificación de cajas para clientes preferentes.

7. Algunos métodos de pago son más tardados que otros.

91
5 ¿Por qué?

Con la ayuda de la herramienta de los 5 ¿Por qué? vamos a analizar las posibles fallas descritas en la
lluvia de ideas.

Análisis 1

→ ¿Por qué existe tardanza en el servicio de las taquillas del cine? Porque los operadores no conocen
bien el proceso.

→ ¿Por qué los operadores no conocen bien el proceso? Porque no tuvieron una adecuada
capacitación.

→ ¿Por qué no están bien capacitados los operadores del cine? Porque hubo un sistema de
reclutamiento masivo.

→ ¿Por qué hubo un sistema de reclutamiento masivo? Porque hay temporada alta.

→ ¿Por qué hay temporada alta?

Porque hay estrenos de películas populares en la misma semana.

Análisis 2

→ - ¿Por qué existe tardanza en el servicio de las taquillas del cine? Porque el sistema se hace lento.

→ ¿Por qué el sistema de la taquilla del cine está lento? Por la saturación del sistema.

→ ¿Por qué se satura el sistema del cine?

Porque hay mucha demanda por parte de los operadores.

→ ¿Por qué hay mucha demanda en el sistema de la taquilla del cine? Porque hay muchos clientes
en horarios específicos.

→ ¿Por qué hay muchos clientes en la taquilla del cine en horarios específicos? Porque son horarios
en los que los clientes tienen tiempo libre.

Análisis 3

→ ¿Por qué existe tardanza en el servicio de las taquillas del cine?

Porque las personas no tienen una planeación anticipada sobre los boletos que van a adquirir.

→ ¿Por qué las personas no tienen una planeación anticipada?

Porque las personas son muy indecisas en la película que verán, horarios y asientos.

→ ¿Porque las personas son muy indecisas?

Porque las personas no revisan la cartelera antes de asistir al cine y tampoco optan por una
compra en línea.

→ ¿Por qué las personas no optan por una compra en línea de sus boletos? Porque no existe una
venta correcta de dicho canal de distribución.

92
 → ¿Por qué no existe una venta correcta de dicho canal de distribución?
Porque la empresa no le da un marketing adecuado y además una gran cantidad de usuarios no
saben utilizar la tecnología.

Análisis 4

→ ¿Por qué existe tardanza en el servicio de las taquillas del cine? Porque no todas las cajas están
abiertas.

→ ¿Por qué no todas las cajas están abiertas?

Porque el cine no tiene suficiente personal para atender las cajas.

→ ¿Por qué el cine no tiene suficiente personal para atender las cajas?
Porque no tienen una planeación del personar requerido según la demanda además de tener
una alta rotación de personal.

→ ¿Por qué no tienen una planeación del personar requerido según la demanda?
Porque no cuentan con el especialista que pueda realizar la planeación.
→ ¿Por qué no cuentan con el especialista que pueda realizar la planeación?
Porque la empresa no considera que sea un gasto prioritario.

Análisis 5

→ - ¿Por qué existe tardanza en el servicio de las taquillas del cine?

Porque el personal se tarda mucho en resolver los problemas que se presentan y comúnmente
tiene que llamar a un superior para ello.

→ ¿Por qué el personal se tarda mucho en resolver los problemas que se presentan? Porque no
están bien capacitados o existe gran rotación del personal que no da tiempo de capacitar a los
nuevos ingresos.

→ ¿Por qué existe una gran rotación del mismo?

Porque se enfocan en contratar personal de medio tiempo y sin experiencia.

→ ¿Por qué se enfocan en contratar personal de medio tiempo y sin experiencia?

Porque la empresa prefiere pagar bajos sueldos a su personal y no cubrir con buenas
prestaciones.

→ ¿Por qué la empresa prefiere pagar bajos sueldos a su personal y no cubrir con buenas
prestaciones?
Para ahorrar e invertir ese dinero en otras áreas.

Análisis 6

→ ¿Por qué existe tardanza en el servicio de las taquillas del cine?

Porque no existe una clasificación de cajas para clientes preferentes.

→ ¿Por qué no existe una clasificación de cajas para clientes preferentes?

93
 Porque el espacio del cine es reducido

→ ¿Por qué el espacio del cine es reducido?

Porque el cine se encuentra ubicado en una plaza comercial.

→ ¿Por qué el cine se encuentra ubicado en una plaza comercial?

Porque existe un gran flujo de personas dentro de la plaza.

Análisis 7

→ ¿Por qué existe tardanza en el servicio de las taquillas del cine?

Porque depende el método de pago del cliente a veces se pueden demorar más los cajeros.

→ ¿Por qué el método de pago influye en que los cajeros se puedan demorar más?
Porque pagar con tarjeta es más tardado y más si el cliente cuenta con una tarjeta de puntos.

→ ¿Por qué pagar con tarjeta es más tardado?

Porque se tiene que ingresar la tarjeta, realizar la transacción y firmar el recibo de pago, además
de realizar la acumulación de puntos en la tarjeta personal.
→ ¿Por qué hay que realizar la acumulación de puntos en la tarjeta personal?
Porque en su próxima visita puede aplicar descuentos o promociones dependiendo del número
de puntos acumulados.

→ ¿Por qué aplican descuentos o promociones dependiendo el número de puntos acumulados?

Porque así la empresa asegura la fidelidad de sus clientes.

94
Capítulo 12

12. Estratificación e Histograma

Consiste en realizar una clasificación de la población que estudiamos que permite un mejor análisis
del problema. Por ejemplo, al examinar un problema de las personas en México, se podría estratificar
(clasificar) por sexo, por edad, por preferencia sexual, por condición socioeconómica, por ciudad
donde viven, por nivel de estudios, etcétera. Durante la pandemia del COVID-19 fue importante
estratificar por sexo y edad, al hacerlo fue fácil concluir que murieron desafortunadamente más
hombres que mujeres y más de edades avanzadas que muy jóvenes.

Figura 12.1: Estratificación de la mortalidad por edades de las personas.[24]

95
 Figura 12.2: Histograma típico, aunque muchas veces se proporcionan dos histogramas al mismo
tiempo para analizar mejor los datos, eso ya incluye una estratificación. A veces también no se
presentan las columnas.

Muchas veces los datos no se nos presentan como un histograma sino de ciertas maneras que permiten
que tengamos más información detallada.

Figura 12.3: Estratificación por sexo e histogramas en la presentación de los datos de mortalidad por
covid-19.[25]

Figura 12.4: Análisis de mortalidad por covid-19 por sexo y edad.[26]

96
Las muertes por COVID-19 han sido relativamente altas en pacientes de 65 años o más. Se trató de
determinar la proporción de muertes por edad por el COVID-19. Las mujeres mueren por el COVID-19
menos que los hombres (de por sí las mujeres viven más que los hombres).

Los datos anteriores en esta sub-sección también muestran estratificación.

Coronavirus. Resumen al 2 de enero de 2021. 3:03 pm

Tabla 12.1: (Diagrama de Pareto, muertes por país, ver cuáles tienen más.) (Diagrama de dispersión,
relación población con número de infectados). [27]

Puede verlo en el siguiente link: [28]

Figura 12.5: Proporción acumulada de días relacionados con covid-19 por días desde el inicio de los
síntomas, por sexo, número de comorbilidades y grupo de edad.

97
Figura 12.6: Proporción acumulada de días relacionados con covid-19 por días desde el inicio de los
síntomas, por sexo, número de comorbilidades y grupo de edad.

PORCENTAJE DE MUERTES PORCENTAJE DE MUERTES

SEXO
Casos confirmados Todos los casos
Hombres 4.70% 2.80%
Mujeres 2.80% 1.70%

Tabla12.2: Tasa demortalidad detodos loscasos y de los casosconfirmados. [29]

98
Capítulo 13

13. Diagrama de Dispersión

El diagrama de dispersión nos permite concluir si existe una correlación lineal entre dos variables. O
sea, determinar que, si una de las variables crece la otra crece también linealmente, o que si una crece
la otra decrece linealmente. Si existe una correlación lineal entre dos variables solamente podremos
estudiar una de las variables porque ya sabemos cuál será el comportamiento de la otra. Los resultados
se pueden examinar gráficamente y también se pueden cuantificar determinando el valor del
coeficiente de correlación r.

Coeficiente de correlación lineal:

Sxy
r= (13.1)
√Sxx Syy

donde

(∑n n
i=1 xi )(∑i=1 yi )
Sxy = ∑ni=1 xi yi − n
(13.2)

2
(∑n
i=1 xi )
Sxx = ∑ni=1 xi 2 − (13.3)
n

2
(∑n
i=1 yi )
Syy = ∑ni=1 yi 2 − n
(13.4)

n es el número de pares de xi y de yi.

Figura 13.1: Las figuras muestran una correlación lineal entre las dos variables.

99
 Figura 13.2: Las figuras muestran que no existe una correlación lineal entre las dos variables.

Sin embargo si en la segunda gráfica consideramos como variable x 2 entonces existirá una correlación
lineal: y vs x 2 .

El crecimiento económico se nota en la carretera.

Con un 1% de incremento en el logaritmo del Producto Interno Bruto per cápita (PIB per cápita)
aumenta 1.07% el logaritmo de las toneladas km de carga transportada. Existe una correlación lineal
entre las dos variables. Así que si vemos muchos vehículos pesados en la carretera es que el país crece
económicamente. Durante la pandemia el transporte carretero bajó porque se transportó menos,
aunque el transporte por carretera de los tractocamiones no disminuyó tanto como el de los vehículos
ligeros de pasajeros porque las personas se resguardaron en sus casas para no contagiarse, pero tenían
que comer por eso es que los tractocamiones siguieron circulando.

Es importante aclarar que muchas veces existe una correlación lineal pero no entre dos variables sino
entre los logaritmos de las dos variables como ocurre en este caso. Tenemos que pensarle a cómo
manejamos los datos para entenderlos mejor.

Figura 13.3: La figura muestra una correlación lineal entre el logaritmo de las toneladas-kilómetro de
la carga transportada y el logaritmo del producto interno bruto per cápita de muchos países.

Condiciones de salud entre el decil más alto y bajo de los ingresos de las personas.

100
Las personas más pobres son las que tienen más enfermedades y conforme se hacen viejas son las que
tienen más comorbilidades (diabetes, alta presión, etc.) y por lo tanto mueren más jóvenes que las
más ricas. Las siguientes gráficas ilustran este hecho en Estados Unidos (en México el autor no ha
encontrado los datos). Las personas más ricas van al médico más seguido, con mejores médicos y se
atienden en mejores hospitales, por eso disminuyen el riesgo de morir por comorbilidades.

Figura 13.4: Las figuras muestran una correlación lineal entre las condiciones de salud y el ingreso de
las personas en las ciudades de Nueva York y Chicago.

101
 Figura 13.5: Las figuras muestran que existe una correlación lineal entre las condiciones de salud de
las personas y sus ingresos en varias ciudades de Estados Unidos de América.

Correlación precio de la gasolina magna y el precio del diésel en México.

Lista de precios al mayoreo (al 28 de mayo de 2020). Gasolina Magna (x), Gasolina Premium, Diésel (y).
Los precios de la Gasolina Magna corresponden a la primera columna (x) y los precios del diésel a la
segunda columna (y) de la tabla siguiente.

Pregunta: ¿Están correlacionados linealmente el precio de la gasolina magna con el del diésel?
https://petrointelligence.com/precios-de-la-gasolina-y-diesel-hoy.php

n = 45, que es el número de pares (x,y)

(∑n n
i=1 xi )(∑i=1 yi )
Sxy = ∑ni=1 xi yi − = 10703.4667 – 682.57∗703.61 = 10703.4667 -10672.512837777 =
n 45
30.953862223
2
(∑n
i=1 xi )
Sxx = ∑ni=1 xi 2 − = 10388.3409 – 465901.8049 = 10388.3409 – 10353.373442222 = 34.967457778
n 45

2
(∑n
i=1 yi )
Syy = ∑ni=1 yi 2 − = 11035.8843 – 495067.0321 = 11035.8843 – 11001.489602222 = 34.394697778
n 45

Sxy 30.953862223 30.953862223 30.953862223

r= = = = = 0.8925835
√Sxx Syy √34.967457778∗34.394697778 √1202.6951423392 34.679895362287

102
Tabla 13.1: Operaciones matemáticas para el cálculo del coeficiente de correlación lineal entre dos
variables.

103
 Figura 13.6: Los precios de la gasolina magna y el diésel se correlacionan casi linealmente. No
completamente porque los estímulos del IEPS a los precios cambian, a veces el estímulo al IEPS para
la magna es grande y para el diésel casi cero. El precio del diésel no bajó mucho durante la pandemia
debido a que el transporte de carga siguió funcionando al transportar mercancías (comida, etcétera).

Al presentar los resultados a nuestros clientes debemos explicar los resultados, hacer un intento muy
grande para entenderlos, sobre todo si a veces son un poco difíciles de entender.

En el siguiente ejemplo se puede hacer también un estudio de correlación de las muertes por covid-19
de las mujeres y los hombres. También se pueden hacer una estratificación y hacer histogramas por
separado de hombres y de mujeres.

Grupo de edad Hombres Mujeres Promedio

0a4 0.003 0.003 0.003
5a9 0.001 0.001 0.001
10 a 14 0.001 0.001 0.001
15 a 19 0.003 0.002 0.003
20-24 0.008 0.005 0.006
25 a 29 0.017 0.009 0.013
30 a 34 0.033 0.015 0.024
35 a 39 0.056 0.025 0.04
40 a 44 0.106 0.044 0.075
45 a 49 0.168 0.073 0.121
50 a 54 0.291 0.123 0.207
55 a 59 0.448 0.197 0.323
60 a 64 0.595 0.318 0.456
65 a 69 1.452 0.698 1.075
70 a 74 2.307 1.042 1.674
75 a 79 4.26 2.145 3.203
80 + 10.825 5.759 8.292

Tabla 13.2: Datos para el estudio de la correlación lineal entre la mortalidad y la edad estratificando
por sexo de las personas. [34]

104
Capítulo 14

14. Árbol de Decisiones

El árbol de decisiones, así como los 5 por qués surgen de preguntas. La misma pregunta conforme se
van bajando los niveles. Las preguntas pueden ser: ¿por qué?, ¿para qué?, ¿qué tal si?, ¿cómo es qué?
La misma pregunta se va haciendo en cada nivel una vez que las respuestas se convierten en preguntas.
Existen esquemas que parecen árboles de decisiones, pero no lo son, puesto que solamente son
clasificaciones que no usan preguntas y no se quiere llegar a las raíces de los problemas. Por ejemplo,
en la UAM podemos clasificar a la población en hombres, mujeres y otras personas con otros géneros;
en este caso tendríamos 3 grupos, después cada grupo lo podemos estratificar por rangos de edades
o por condición socioeconómica, etc.

Cuando la respuesta a cada pregunta solamente tiene una respuesta en cada nivel, el árbol de
decisiones se convierte en un 5 por qués.

Ejemplo: Problemas causados a profesores y estudiantes por la educación virtual.

Se utiliza un Árbol de Decisiones para analizar los problemas de la educación en línea causados a
profesores y estudiantes. También se causan problemas a los funcionarios y trabajadores
administrativos, pero en este ejemplo solo se consideran profesores y estudiantes para acortar el
análisis. Para los profesores uno de los problemas es que trabajan horas extra y eso genera más estrés
y menos tiempo en familia, lo que a su vez genera deterioro de la salud y problemas familiares. Los
resultados del análisis se muestran en la siguiente figura [19].

105
 Educación Virtual

Profesores Estudiantes

Pagan por Pagan por

Trabajan horas extras Condiciones
computadoras, computadoras,
en casa inapropiadas
internet, otros internet, otros

Financia a la escuela y
Más estrés menos Menos recursos para Más estrés, menos
menos dinero para la
tiempo familliar vivir tiempo para estudiar
familia

Problemas de salud,
Empeoran su calidad
Impactos a la salud, Empeora su calidad deserción,
de vida, problemas
problemas familiares de vida reprobación,
familiares
problemas familiares

Figura 14.1: Un árbol de decisiones se usa para analizar los problemas que el COVID-19 ha causado a
profesores y alumnos. [23]
El análisis muestra que algunos docentes y estudiantes pueden terminar con problemas de salud y
familiares, como divorcios, acoso y violencia y, en algunos casos, incluso pobreza.

Ejemplo: Algunos problemas para la Comisión Federal de Electricidad causados por la generación de
energía limpia por privados.

106
 Para generar energía
renovable limpia

Promesa de generar energía limpia y

barata

Reforma energética 2013

Subsidios de la CFE

Transmisión
Energía CEL para Energía de Despacho
Contratos a largo gratuita para
limpia de particulares respaldo para eléctrico
plazo de luz cara energía limpia de
subastas a del fuentes diario en base
por PIE empresas de
largo plazo Gobierno renovables a costos
autoabastecimiento
intermitentes variables

CFE tiene que CFE compra Injusto para la

CFE compra CFE toma las
comprarlo esa CFE lo paga CFE
el CEL pérdidas
electricidad

Figura 14.2: Árbol de decisiones para identificar como se benefician los privados de la CFE
[21].
En la figura anterior, CFE se refiere a la Comisión Federal de Electricidad, PIE a los Productores
Independientes de Energía y CEL a los Certificados de Energía Limpia.

Ejemplo: ¿Qué tecnologías del petróleo deberían desarrollar México al año 2025?

107
Figura 14.3: Estudio del futuro de la investigación y el desarrollo tecnológico para el Instituto
Mexicano del Petróleo. Líder del proyecto: Nicolás Domínguez Vergara. [31]

108
Figura 14.4: Uso del Árbol de Decisiones en la elaboración de la Prospectiva del Instituto Mexicano del
Petróleo

Figura 14.5: Definición de las áreas importantes a analizar para la prospectiva del Instituto Mexicano
del Petróleo.

Una vez que se encontraron las tecnologías necesarias para explorar, perforar, producir, transformar,
usar, monitorear, prevenir y monitorear los efectos negativos del uso del petróleo y el gas se realizan
estudios para determinar si las tecnologías deberían comprarse, adaptarse o desarrollarse en el país.

109
Después que se ha producido el petróleo se transforma en gas natural, butano, propano, gasolina,
diésel, turbosina, keroseno, combustóleo, etcétera. Es decir, se tienen que analizar las tecnologías de
refinación. Después se analizan las de petroquímica, después las tecnologías de uso como son las
automotrices, etcétera.

Figura 14.6: Consideraciones importantes para la vacunación, tanto la prevención de la morbilidad y

la mortalidad como la preservación del funcionamiento social son importantes.

Figura 14.7: Fases propuestas para la vacunación contra el covid-19 en Estados Unidos.

Figura 14.8: Uso del Árbol de Decisiones para decidir a quiénes vacunar primero contra el covid19 [3].

Ver también (para ver primeras semanas de vacunación) [33]:

Cambios en el sistema energético mundial después de la caída de los precios del petróleo [34].

Problemas a analizar:

110
  ¿Cuáles son lo desafíos de PEMEX y la CFE?
 ¿Cómo estará el mercado laboral en los próximos dos años? [35]

La industria del petróleo ha despedido a más de 100 mil trabajadores. Algunos negocios han cerrado
refinerías y hasta buscan declararse en bancarrota. Pero la crisis pandémica y la de cambio climático
hará menos atractiva la industria del gas y el petróleo

La industria del gas y el petróleo emplea a un millón de personas y las de las renovables a 370000.
Muchas compañías petroleras han suspendido o terminado proyectos, PEMEX no “está despidiendo
trabajadores y está debatiendo con qué agresividad debe alejarse del petróleo y el gas hacia las
energías renovables.” [5]

Problemas a analizar:

 ¿Cuáles son los desafíos más grandes del gobierno en el sector energético?
 ¿Cuál es el futuro de PEMEX?
 ¿Cuál fue la causa o cuáles fueron las causas del asalto al Congreso de Estados Unidos el 6 de
enero del año de 2021?

111
Capítulo 15

15. Check List (Lista de Verificación)

Se puede poner el proceso completo para fabricar un producto y en cada paso poner el check list.

Ejemplo: Teseo y el Rey de Creta (combinado con el Poka Yoke)

Teseo se embarca a terminar al minotauro. Su padre le pide que su embarcación lleve velas negras y si
acaba con el minotauro las cambie a blancas. En Creta el minotauro se encontraba en un laberinto del
que nadie podía salir (anteriormente Ícaro y Dédalo que construyeron el laberinto salieron volando).
Una ninfa le sugiere a Teseo llevar un hilo al adentrarse al laberinto que recoge después de terminar
con el minotauro. El hilo es un buen poka yoke. Teseo sale de laberinto, pero al llegar a casa su padre
el Rey Egeo se ha lanzado al mar en un despeñadero porque ya no quería vivir sin su hijo. A Teseo se
le había olvidado cambiar las velas de la embarcación a blancas. No hizo su check list.

Ejercicio: Elaborar el check list que debió haber hecho Teseo.

Debe ponerse en el check list quién es responsable de cada paso. Esto es importante. Por ejemplo en
las tareas de mantenimiento (caso del incendio del Metro el sábado 9 de enero de 2020) debió hacerse
el check list con los responsables y las fechas de mantenimiento y también reservando los recursos
económicos necesarios.

De paso se menciona que Teseo se encontró con Procusto. Procusto fue un gigante al que le dieron el
encargo de medir a los hombres de Atenas. Lo que hizo fue poner una cama (el “lecho de Procusto”) a
la entrada de la ciudad y a todos los que pasaban los obligaba a acostarse en el lecho, a los que se
pasaban del tamaño les cortaba para que midieran lo que midiera la cama y a los que eran más
pequeños, los estiraba. Así que cuando le preguntaban, “¿cuánto miden los hombres de Atenas?”,
contestaba “lo mismo”. Hasta que llegó Teseo, quien obligó a Procusto a acostarse en el lecho y lo hizo
medir lo mismo que los hombres de Atenas que había medido antes. Muchas veces el check list no es
más que la descripción del proceso para el desarrollo del producto.

Preguntas:

¿Cuál sería un check list para checar cada parte del vehículo, cada parte?

¿Cuál sería un check list para prevenir que no amputen la pierna buena? Puede ocurrir que un dentista
haga 3 endodoncias en lugar de 2 muelas (por error).

112
Ejemplo: El error más tonto de la NASA. La “Mars Climate” se estrelló en Marte porque la NASA no
tradujo kilómetros a millas. [36]

El error más tonto en la historia de la NASA. 9 meses de viaje 125 millones de dólares tirados al al
espacio. [37]

23 de septiembre de 1999. Le echaron a culpa al contratista Lockheed Martin

Figura 15.1: Fracaso del Mars Climate al estrellarse en la superficie del planeta Marte únicamente
porque los responsables no elaboraron un check list o lista de verificación.

Ejemplo: Chernóbil. Uso de procedimientos. Checar que son los expertos quiénes llevan a cabo los
experimentos o tareas.

Figura 15.2: Desastre en Chernobil ocasionado porque no se siguieron los procedimientos (check list) y
el núcleo del reactor solamente estaba contenido en un contenedor, no tuvo un poka yoke que
hubieran sido dos contenedores. https://www.youtube.com/watch?v=5YFEDSVCk2s

Ir de compras al supermercado – Check List

El Check List o Lista de Verificación puede evitar cometer grandes errores a pesar de que es una
herramienta extremadamente simple. A los estudiantes se les dan tareas para elaborar listas de
verificación para evitar los contagios al ir de compras durante la pandemia. Las listas de verificación
incluyen precauciones que deben tomarse al salir de clase, en el camino al mercado o supermercado,
en el mercado o supermercado y al regresar a casa, como se explica en la siguiente tabla. Un diagrama
con un Check List puede ser muy útil en lugar de una simple lista; sin embargo, algunas veces una
simple lista puede ser más fácil revisarla y usarla. Aunque la Check List debería ser muy detallada, en
este ejemplo, una lista genérica se elaboró para remarcar los pasos más importantes.

113
 Lista de control para la pandemia
1. Antes de salir del hogar SI NO
¿Lista de compras completa?
¿Está bien definido el lugar y el modo de transporte?
¿Pagará con tarjeta de débito o crédito
¿Ya tiene puesto cubrebocas y lleva gel?
Si viajará en auto particular, ¿Lo desinfectó?
Si viajará e transporte público, ¿Lleva cambio?
2. Durante el trayecto SI NO
Si viajará en transporte público, ¿sigue medidas de
higiene de ese transporte (cubrebocas, distancia entre
viajeros, vidrios subidos de las ventanillas, etc.)?
Si viaja en transporte público de pago en efectivo,
¿desinfectó el dinero de cambio antes y después de entrar
al vehículo?
3. En el supermercado SI NO
¿Sigue las medidas de higiene del lugar al entrar (limpiar
manubrio de carrito con gel, cubrebocas, distancia a otros
visitantes)?
¿Sigue las medidas de higiene al estar dentro del lugar
(cubrebocas, distancia a otros visitantes)?
¿Revisó antes de para que lleva todos los productos?
¿Sigue la medidas de higiene al pagar (cubrebocas,
distancia a otros visitantes)?
¿Desinfectó el dinero de cambio o sus trajetas de pago?
4. En el regreso SI NO
Si viaja en transporte público, ¿sigue medidas de higiene
de ese transporte (cubrebocas, distancia entre viajeros,
vidrios subidos de las ventanillas, etc.)?
Si viaja en transporte público de pago en efectivo,
¿desinfecta el dinero de cambio antes y después de entrar
al vehículo?
5. en casa SI NO
¿Desinfectó las llaves al entrar?
¿Se cambió de zapatos al entrar?
¿Desinfecto todo lo que trajo (mercancía, ropa, zapatos,
etc.)?

Tabla 15.1: Check list para no contagiarse al ir al supermercado. [21]

114
Capítulo 16

16. Poka Yoke

Soluciones a prueba de “tontos” que no pueden fallar. “No te puedes equivocar aunque quieras”.

Ejemplo: Teseo y el Minotauro. El hilo al meterse al laberinto.

Ejemplo: Hansel y Gretel. Mal Poka Yoke, el pan lo comen los pájaros.

Ejemplo: Lista del mandado para el supermercado.

Otros ejemplos:

Las abuelitas que no encuentran sus lentes y se las cuelgan en el cuello.

Las llaves en el auto.

El horno de microondas.

El usb.

Despertadores que caminan.

Caja de herramientas.

Mingitorios que ahorran agua porque no usan agua.

Máquinas con switch que se desconecta si el trabajador o la trabajadora no está pisando una
plataforma y evitan accidentes si el trabajador se desmaya.

Botón de caminadora para que se pare si el usuario se cae (por ejemplo por un ataque al
corazón o simplemente resbala).

Protectores de plástico en enchufes a la corriente eléctrica que evitan que los niños pequeños
meten cosas metálicas en ellos y se electrocuten.

Citas anotadas en el celular.

Roscas en frascos de medicinas para que los niños no los abran fácilmente. De hecho se
pusieron roscas porque una persona puso veneno en frascos de Tylenol Extra Strength
ocasionando la muerte de siete personas en 1982 en Estados Unidos (Amy E. Herman, Visual
Intelligence. Boston/EUA: Mariner Books, 2017, página 261, ).

Las pastillas anticonceptivas numeradas.

 Los reactores nucleares en buques construidos abajo del nivel del mar.

115
 Figura 16.1: Desastre nuclear en Fukushima Japón porque no tuvieron poka yokes (una barda más
alta, y agua en tanques que fluyera libremente por gravedad hacia abajo para enfriar el núcleo del
reactor. [38]

Desastre de 3 reactores nucleares en Fukushima Daiichi en marzo 11 del año 2011.

El tsunami fue una ola mayor que la altura alta de la cerca que se había construido para proteger a los
rectores en caso de tsunamis. Debido a la ola se interrumpió la energía eléctrica necesaria para enfriar
el núcleo de 3 reactores nucleares. Además, también impidió el funcionamiento de los motores diésel
para bombear el agua de enfriamiento, estos motores diésel era un mecanismo de redundancia para
enfriar a los núcleos de los reactores nucleares. Poka yoke, subir los tanques de agua a torres o
construir rectores cerca de una loma para que no sea necesario bombear el agua a los reactores, sino
que se mueva por gravedad.

Una alternativa que está surgiendo en llevar reactores nucleares en embarcaciones marítimas, así que
no están estacionados en algún lugar y los desechos radiactivos los llevan a otro lugar. Aparte de que
los reactores están abajo del nivel del mar por lo que no habrá problema de echarles agua del mar en
caso de que se quieran enfriar de emergencia. Esto incluye varios poka-yokes. Además de que se
preparan reactores de tercera y hasta de cuarta generación para ser construidos en algunos lugares
del mundo.

Ejemplo: Chernobil. Poka yoke, usar doble contenedor en los reactores nucleares para contener un
núcleo fundido.

Figura 16.2: Desastre en Chernobyl por falta de check lists y un doble contenedor (poka yoke) [39].

116
 Disputa de productores privados de fuentes renovables de energía (electricidad) y el
Centro Nacional de Control de Energía (y la Comisión Federal de Electricidad)

Figura 16.3: Vista panorámica de celdas fotovoltaicas para producir electricidad [40].

Figura 16.4: Vista panorámica de aspas que se mueven por el viento para generar electricidad [41].

Figura 16.5: Biomasa para producir combustibles orgánicos o electricidad [42].

En México existen Generadores de Electricidad por medio del viento y del sol (usando celdas
fotovoltaicas), pero estas fuentes son intermitentes y no generan electricidad las 24 horas del día, por
lo que el Centro Nacional de Control de Energía (CENACE) y la Comisión Nacional de Electricidad (CFE)
alegan que no existe calidad ni confiabilidad en la entrega de electricidad por parte de los privados y
que la CFE tiene que generar electricidad de respaldo usando sus plantas de combustibles fósiles (como
son las de ciclo combinado que usan gas natural y las de combustóleo). El día 26 de mayo de 2020 ya
un juez había otorgado la suspensión definitiva al decreto del CENACE por lo que las compañías
privadas seguirán obteniendo los beneficios que según el gobierno son muy grandes y que el pueblo
paga [8].

Como las fuentes de energía eólica y solar no funcionan todo el día se debe tener el poka yoke que
genere energía cuando aquellas no produzcan electricidad. Las fuentes que deben usarse son las de
combustibles fósiles y la nuclear (ésta también genera electricidad continuamente).

Existen 3 tipos de fuentes de electricidad: fósiles (carbón, gas natural, combustóleo, diésel, etc.) pero
producen mucho CO2, renovables (viento, sol, geotérmica, biomasa, etc.) “que no producen” CO2 y la
nuclear (fisión nuclear) que no produce CO2 [8].

117
En el problema del apagón de luz el 28 de diciembre de 2020 que duró 1 hora con 44 minutos y que le
quitó la luz al 10.3 millones de los usuarios. El poka yoke es muy simple: hacer mantenimiento, es decir
podar el pasto en el derecho de vía de la línea de transmisión para que no pueda haber incendios. O
quizá pavimentar con cemento el área del derecho de vía debajo de los cables. Otro problema que
señaló la CFE fue que las líneas de transmisión llevaban casi el 28.1% de la electricidad de fuentes
renovables y esto causó inestabilidad porque la electricidad de esas fuentes es intermitente. Poka-yoke
poner más líneas de transmisión, sobre todo de alto voltaje de fuentes directas. Otro Poka-yoke es
mejorar los controles, porque en California lo hacen bien todos los días desde hace tiempo.

118
Capítulo 17

17. Diagrama de Pareto

Es una herramienta que se utiliza para priorizar los problemas o las causas que los generan.

El nombre de Pareto fue dado por el Dr. Juran en honor del economista italiano Vilfredo Pareto (1848-
1923) quien realizó un estudio sobre la distribución de la riqueza, en el cual descubrió que la minoría
de la población poseía la mayor parte de la riqueza y la mayoría de la población poseía la menor parte
de la riqueza. El Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce como
la regla 80/20. Según este concepto, si se tiene un problema con muchas causas, podemos decir que
el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo resuelven el 20% del
problema. [13]

La filosofía detrás del diagrama de Pareto es muy simple, nunca trates de resolver todos los problemas,
solamente resuelve los más vitales, los más esenciales, los más importantes. No desperdicies recursos
en problemas triviales. Nunca se tienen recursos para resolver todos los problemas así que se debe
enfocar resolver primero los más importantes y urgentes.

Los problemas y las frecuencias con las que se presentan en una cadena cinematográfica se presentan
en la Tabla siguiente.

Tabla 17.1: Lista de problemas a resolver y la frecuencia en la que ocurren.(Martínez Reyes Luis
Gerardo, Zúñiga Sánchez Pedro).

En la Figura siguiente se muestran los problemas y las frecuencias con las que se presentan.

119
Figura 17.1: Descripción gráfica de los problemas que se presentan en la venta en el cine.

Tabla 17.2: Frecuencias ordenadas de mayor a menor y frecuencia acumulada.

120
En la gráfica siguiente se muestra el diagrama de Pareto.

Figura 17.2: Diagrama de Pareto para el problema analizado.

El diagrama de Pareto nos muestra que los problemas que deberíamos resolver son el B (Las charolas
de nachos llevan más productos del que deben lo que representa una pérdida constante para la
empresa) y el A (La palomita no explota bien y sale pequeña lo que ocasiona que el cliente pida que se
le rellene nuevamente). Los problemas B y A son los que se encuentran abajo del 80% de las frecuencias
acumuladas porcentuales.

De acuerdo con las causas y su frecuencia de ocurrencia detectadas en el análisis del proceso de
compra de boletos en la taquilla del cine, vamos a encontrar la relación 80-20 con la ayuda del diagrama
de Pareto, es decir, cuales causas ocasionan el 80% de los problemas.

Tabla 17.3: Registro de ocurrencias. Registro de las ocurrencias de varios problemas. Los problemas
se reordenan de acuerdo a la frecuencia con que ocurren y se presenta la frecuencia acumulada.
(Medel Beltrán Victoria, García Alpizar Uriel)

121
 Figura 17.3: Diagrama de Pareto del problema analizado.

De acuerdo con el análisis realizado de las nueve causas que provocan la tardanza en el servicio de
taquilla del cine, solo cinco son las que afectan más el proceso por lo que se tienen que priorizar la
solución de éstas.

Tabla 17.4: Datos de los problemas y la frecuencia con la que se presentan, se calcula también la
frecuencia acumulada. (Montoya Sánchez Karen Guadalupe, Peña Jardon Daniel).

122
 Figura 17.4: Diagrama de Pareto para los problemas analizados.

Utilizando un diagrama de Pareto para proponer una solución al problema que analizamos, podemos
ver que se tendría que poner más atención a los problemas de los puntos A, B, E y D. A es el prioritario
y el menos importante el D. De igual manera, se recomendaría que quien supervise a los individuos
ponga más atención al momento de que los alumnos realicen estas pruebas, y en caso de que sea
necesario, se le capacite en las cuestiones que se consideren apropiadas para su función dentro del
laboratorio.

Análisis de Pareto: Se identificaron los principales defectos de los productos y se estratificaron para
hacer el análisis el Diagrama de Pareto (80-20).

Tabla 17.5: Problemas y la frecuencia con la que se presentan. (Alcántara Rodríguez Yoselin
Guadalupe, Luis Alejandro Ordóñez Colín).

Tabla 17.6: Reordenamiento de los problemas de acuerdo a la frecuencia con la que se presentan.

123
 Figura 17.5: Diagrama de Pareto de la situación analizada.

A veces es necesario usar un Pareto de segundo y hasta de tercer nivel. A veces la frecuencia con que
se presentan los problemas no es lo importante sino esa frecuencia multiplicada por la pérdida en
pesos que ocasionan, por lo que lo que se usa no es la frecuencia sino la frecuencia multiplicada por la
pérdida.

Las herramientas se usan conjuntamente, a veces un Pareto y luego un Ishikawa. A veces un árbol de
decisiones y Paretos e Ishikawas. No hay reglas, pero es muy importante usar el sentido común para el
uso y la interpretación de los resultados.

Una vez que encontramos por medio del Diagrama de Pareto que problemas debemos resolver, a cada
uno de esos problemas les podemos aplicar un diagrama de Ishikawa o por lo menos al problema más
importante. Así podemos usar un Pareto y luego un Ishikawa.

También una vez que hicimos un Diagrama de Pareto, a cada uno de los problemas más importantes
les podemos hacer otro Diagrama de Pareto, es decir un Pareto de segundo nivel.

A veces usamos una sola herramienta, pero muchas veces cuando analizamos problemas usamos varias
herramientas, por ejemplo, podemos comenzar con un Diagrama de Pareto, de aquí podemos obtener
el problema principal y luego al problema principal lo podemos analizar usando un Diagrama de
Ishikawa. Muchas veces usamos una herramienta dos o tres veces consecutivamente, dependiendo
del estudio que realicemos, por ejemplo, podemos analizar el problema de por qué tenemos mucha
variabilidad en nuestro producto haciendo un Diagrama de Pareto considerando las máquinas, la
materia prima, la mano de obra y otras causas y posteriormente hacemos un Diagrama de Pareto de
segundo nivel para las máquinas. En el Diagrama de Pareto de segundo nivel consideraríamos la
máquina A, la máquina B, la máquina C, etcétera para identificar cuál es la que produce más productos
defectuosos.

124
 Fuentes de Electricidad Porcentaje % Acumulados
Natural gas 60.3 60.3
Petrolíferos 10.4 70.7
Carbón 9 79.7
Hidro 7.6 87.3
Eólica 5.3 92.6
Nuclear 3.5 96.1
Solar PV 2.1 98.2
Geotérmica 1.7 99.9
Otras fuentes 0.2 100.1
100.1

Tabla 17.7: Contribución en porcentaje de las diversas fuentes de electricidad en México. [21]

Figure 17.6: Generación de electricidad por Fuente en México [21].

En la figura siguiente se muestran las muertes por el cambio climático (en miles) 225 por desnutrición,
85 por enfermedades diarréicas, 35 por golpes de calor o de frío, 30 por meningitis, 20 por
enfermedades transmitidas, 2.75 por inundaciones y desprendimientos de tierra y 2.5 por
tempestades.

125
Figure 17.7: Muertes adicionales en el mundo debidas al cambio climático en el año 2010. [21]

126
Capítulo 18

18. Uso de Herramientas de Control de Calidad en el análisis de

problemas ocasionados por Covid-19

Figura 18.1: Tasas de mortalidad en Estados Unidos en el año 2002. Hombres (puntos), mujeres (línea
continua). [43]

Nótese en la figura anterior la “joroba de los accidentes”. De los 15 a los 27 años existe un salto, sobre
todo por accidentes de los jóvenes. Aunque también porque quizá toman trabajos muy arriesgados
como en la construcción. También porque son más atrevid@s (“a mayor riesgo mayor placer”, aunque
eso puede ser muy peligroso).

Los hombres van muriendo más que las mujeres. Al parecer en Australia las cosas podrían ser un
poco diferentes.
Quizá como en 30 años los hombres vivan tanto como las mujeres.

127
 Figura 18.2: La fuerza de mortalidad. La fuerza de mortalidad empieza alta y después alcanza un
mínimo alrededor de la edad de 10. [44]

Se nota la importancia del “minuto de oro”.

Figura 18.3: Curva de muertes. [44]

La mayoría de las muertes ocurren entre los 83 y 84 años. Se nota también la importancia del “minuto
de oro”.

“La edad es prioritaria para el estado, considerando que el 77 por ciento de las muertes en Virgina del
Oeste han sido mayores de 70 años.” [45]

También puede consultar la información en: “Los adultos mayores son 20% de la población, pero
vacunarlos reduce 80% la mortalidad.” Esto no es tan cierto en México, pero si lo es en Estados Unidos.

Figura 18.4: Figura poblacional de México, 2020. [46]

128
 Figura 18.5: Pirámide poblacional de México, 2021.

En México el 7.6% de la población tiene 65 años o más. El 11.2% de la población tiene 60 años o más.
Hay más mujeres que hombres a partir de los 30 años de edad.

En Estados Unidos, las personas de 75 años o más son “muy pocas” aunque más que en México. Por lo
que lo que si se vacunan se evitarían muchas muertes por covid-19 y de seguro hospitalizaciones. De
hecho el porcentaje de las personas mayores de 75 años es de acuerdo a la figura anterior de 6.8%, la
cantidad en millones de personas se puede leer en la parte derecha de la figura anterior. En Estados
Unidos el porcentaje de personas que tienen 65 años o más es de 16.5%. En ese país las personas
mayores a 60 años es de 22.%. [47]

En Estados Unidos, las mujeres viven más que los hombres a partir de los 55 años. En México, las
mujeres viven más que los hombres a partir de los 30 años.

El porcentaje de mexicanos mayores a 65 años es de 7.6%. El porcentaje de estadounidenses mayores

a 65 años es de 16.5%. O sea que el efecto de vacunar a las personas mayores de 65 años es mayor en
Estados Unidos por tener más población con más años. La población de México es “más joven”.

Figura 18.6: Pirámide poblaciónal de Estados Unidos de América. [47]

Las figuras de las pirámides poblacionales que se muestran arriba también muestran una
estratificación. Es fácil distinguir que las mujeres viven más tiempo que los hombres (quizá de ahí
vienen cuentos o leyendas no justificadas de “viudas negras”.)

129
 Figura 18.7: Estados Unidos. Incidence de COVID-19 es más alta en adultos jóvenes. O sea que los
jóvenes se contagian más, aunque no mueren muchos de ellos. [62]

Estimado nacional de muertes por COVID-19 por grupo de edad –

datos hasta el 16 de diciembre, 2020
Grupo de edad (años)

Muertes por 100,000 habitantes

Figura 18.8: Las tasas de mortalidad en Estados Unidos son más altas en adultos más viejos.
O sea que la mayoría de las muertes ocurre en personas mayores. Como también se muestra en otros
datos que aparecen para otras herramientas. [62]

130
 Porcentajes de muertes por rango de edad – Diagrama de Pareto.

El Diagrama de Pareto es muy útil para identificar cuáles son los problemas más importantes que
tenemos que resolver en una situación que se nos presente (Gutierrez de la Vara, 2013). A este
diagrama también se le llama Diagram 80-20 porque en el clásico ejemplo, el 80% de la frecuencia
acumulada de los problemas es causado solamente por el 20% de ellos. O sea, existen muchos
problemas triviales pero solamente unos cuantos vitales, el 20% de los problemas, y se recomienda
que estos sean resueltos. [13]

En muchos casos, el clásico Diagrama de Pareto no es lo que resulta de nuestro análisis, o sea, que no
es exactamente el 20% de los problemas los que son vitales. En esos casos, los tomadores de decisiones
tienen que decidir que problemas tienen que resolver dependiendo de los recursos humanos y
materiales que dispongan. También, algunas veces es necesario considerar otros asuntos como en el
ejemplo que se estudia abajo. Los estudiantes aprenden que se tiene que realizar alguna investigación
con el fin de entender mejor el problema que se analiza.

En este ejemplo se usa un Diagrama de Pareto sobre la decisión de que parte de la población se tiene
que vacunar primero en Estados Unidos de América. Se ha alcanzado la determinación en muchos
países que el personal médico tiene que ser primero y después los ancianos porque mueren muchos
de estos últimos.

La primera columna de la tabla que sigue contiene el rango de edad, la segunda columna las tasas de
mortalidad en muertes por cada 100,000 habitantes en Estados Unidos de América (USA) (US Center
for Disease Control and Prevention, 2020) y la tercera columna es el porcentaje de las razones de
mortalidad acumuladas.

Proporción de
Rango de edad F.A.(%) F(%)
muertes
85 más 1118.3 65.66647093 100
75-84 366.2 21.50322959 34.33352907
65-74 143.2 8.408690546 12.83029947
50-64 50.6 2.971227246 4.421608925
40-49 15.7 0.921902525 1.450381679
30-39 6.3 0.369935408 0.528479154
18-29 2.2 0.129183793 0.158543746
5-17 0.2 0.011743981 0.029359953
0-4 0.3 0.017615972 0.017615972

Tabla 18.1: Tasas de mortalidad por el covid-19 por rango de edad en USA y su frecuencia acumulada.

El correspondiente Diagrama de Pareto de los datos de la tabla anterior se muestra en la figura

siguiente.

131
 Figura 18.9: Diagrama de Pareto de las razones de mortalidad por covid-19 en USA. [21]

De la figura anterior, se nota que el 65.67% de las muertes podrían evitarse si la población de 85 años
y más se vacuna primero. Si la meta es reducir el 87.18% de las muertes, se deberían de vacunar a los
adultos de 75 años o más. Realizar estas vacunaciones no es tan formidable porque la gente en USA de
75 años y más son solamente el 6.8% de la población. [47]
De esta manera las hospitalizaciones se reducirían enormemente dejando espacio para el resto de la
población más vulnerable.

Sin embargo, el Diagrama de Pareto cambiaría dramáticamente si la esperanza de vida se considerara

en USA. Un argumento que podría hacerse es que la gente vieja no vivirá más que unos cuantos años
más mientras que la gente joven en el rango de los 20 a los 40 años de edad todavía vivirá más del
doble de la edad que tiene. [48] Si los “años perdidos” se toman en consideración, la columna del
número de muertos podría multiplicarse por los años potenciales de vida que se perderían y entonces
el Diagrama de Pareto resultaría muy diferente; por lo que la priorización de la vacunación cambiaría.
Los estudiantes aprenden que hay muchos aspectos que deben considerarse cuando se analiza
cualquier problema, principalmente durante la pandemia del covid-19 en que la economía se tiene que
comparar contra la salud de la población.

Una vez que el Diagrama de Pareto se ha construido, los problemas vitales pueden ser analizados
usando otras herramientas, o un Diagrama de Pareto se puede elaborar para cada uno de los
problemas vitales. Por ejemplo, se podrían elaborar Diagramas de Pareto para la razón de mortalidad
para los grupos de edades de 85+ y de 75-84 para los estados de USA, para las morbilidades, por razas,
condiciones socioeconómicas, el grado de urbanización de las poblaciones, infraestructura hospitalaria
regional, recursos médicos o tomando en cuenta otras variables.

132
Esto es de suma importancia en países que no son ricos, por ejemplo, en México, porque en México la
letalidad por covid-19 es más grande en zonas marginadas (12.4%) que el promedio en el país (8.8%).
Otra opción sería que la vacunación fuera para el personal médico de todo el país y después para los
viejos de las regiones donde hay más fallecidos o contagiados. Estos diagramas de Pareto podrían ser
muy útiles porque se detectarían diferencias notables y si hubiera falta de recursos estos análisis extra
podrían ayudar a disminuir en gran medida las muertes más efectivamente.

De la figura vemos que se puede evitar la mayor parte de las muertes si se atiende a la población que
tiene 85 años o más porque se evitaría al 66% de las muertes. Si se quiere eliminar al 87% de las
muertes se debería vacunar a la población de 75 años y con más años. Esto no es algo formidable
porque si vemos la pirámide poblacional de Estados Unidos “son muy pocas” las personas que tienen
75 años o más años (solamente el 6.8%). (Este diagrama todavía no está analizado con todo detalle.)

Entonces, si en Estados Unidos se quieren evitar muchas muertes o si se quieren reducir las
hospitalizaciones se deben vacunar primero a las personas de mayor edad. La ventaja que se tiene es
que no son muchos (en México la proporción de los más viejos es menor). [49]

Falta incluir el Pareto de muertes por nivel educativo de los fallecidos.

Falta incluir el Pareto de fallecidos por raza para el caso de Estados Unidos.

Existen muchos factores que aumentan la posibilidad de fallecimientos, por ejemplo en África el
número de fallecidos es desproporcionalmente menor que en Latinoamérica, dos de las razones a
explorar es que en África la población puede ser más joven que en Latinoamérica y a que existen menos
obesos. En países en donde la población es más obesa pueden existir muchos más fallecimientos.

Muchos fallecimientos en Estados Unidos se dieron entre minorías porque no tenían seguros médicos
y además tenían enfermedades crónicas, a diferencia de los blancos.

Las herramientas de control de calidad nos permiten analizar estos problemas difíciles que involucran
a la ciencia, la ética y la logística de la distribución de vacunas. ).[38]

Figura 18.10: Factores importantes al considerar las partes de la población a vacunar primero.

Por ejemplo, si se salva a un viejo de 75 años quizá viva un par de años más (la esperanza de vida en
México es como de 77 años). Pero si se salva un joven de 25 años, este podría vivir 50 años más; por
lo que algunos discuten los años perdidos no solamente las vidas perdidas. [48]

Hacer este Pareto para mostrar las diferencias en los resultados.

133
¿O, qué? Si se multiplicara a las personas por el número de dependientes que tienen se tendría un
criterio en el cual se consideraría el número de afectados; el problema no es sencillo y muchas
autoridades ya propusieron como lo harán o está haciendo.

Además, los adultos mayores no producen tanto sino más bien consumen (pues están pensionados o
jubilados o bien son sostenidos por sus familias). En cambio los jóvenes trabajan y pagan impuestos.
En muchos países no hay dinero para las pensiones, porque la población de viejos está creciendo
mucho y la de jóvenes no tanto como antes (con el tiempo la pirámide poblacional se revertirá). Aparte
de que los salarios de los jóvenes ahora no son tan buenos como antes y lo que pagan de impuestos es
menor a lo que pagaban antes.

Debido a esto último han surgido teorías de conspiración (infundadas) de que el virus se creó para
deshacerse de la población más vieja y así los gobiernos no tienen por qué pagar tanto de pensiones;
además de que el mundo está sobrepoblado en algunas regiones y los recursos naturales “no
alcanzan”.

El problema de a quiénes vacunar primero cuando no hay suficientes vacunas no es tan simple de
analizarlo y resolverlo. Los países lo resolverán de acuerdo a varias cosas incluyendo la corrupción
como en México, en donde un funcionario hizo que se vacunara a toda su familia en lugar de que se
vacunara antes que ellos al personal médico como estaba programado. La religión y las costumbres
también serán tomadas en cuenta en algunos países.

De hecho, ya para el 2 de enero de 2020 estaba decidido que en algunos países se vacunaran primero
al personal médico, a los trabajadores esenciales y a los mayores a 65 años. (Durante la pandemia, en
Estados Unidos la mitad de los trabajadores esenciales era mayor a 40 años.)

Figura 18.11: Nuevos contagios en México. Efecto en los contagios en México del Puente Guadalupe-
Reyes y el Buen Fin. [50]

En México el Covid-19 tiene más letalidad que en ningún otro país (¿O es que no se realizan suficientes
pruebas?

Los datos nos revelan muchas cosas. Tenemos que pensarle, es decir interpretarlos para sacarle “todo
el jugo a la información”. Por ejemplo, en la figura siguiente vemos el efecto del puente Guadalupe-
Reyes más el Buen Fin. [50] Durante estos dos eventos se tuvo un incremento importante en el número

134
de contagios porque la gente salió a las calles a pesar de que se pedía que se quedaran en casa. Muchos
hasta vacacionaron.

Muertes confirmadas por covid-19 versus contagios – Diagrama de Dispersión

En clase se explican varios diagramas de dispersión y se dejan tareas para que los estudiantes
practiquen su uso. Una de las variables podría ser el efecto y la otra la causa. O ambas variables podrían
ser efectos o causas que podrían estar relacionadas.

También, los estudiantes tienen que aprender que algunas veces es necesario no considerar a una de
las variables o a las dos variables directamente sino hasta después de alguna transformación
matemática. En el siguiente ejemplo se explora la relación entre el número de contagios y el número
de fallecimientos para muchos países. En lugar de usar las variables directamente, se usa el logaritmo
de base 10 de las dos variables. Los resultados se muestran en el Diagrama de Dispersión de la figura
siguiente.

Los resultados en la figura muestran que existe una relación lineal entre las dos variables consideradas.
Los estudiantes tienen que aprender a explorar transformaciones matemáticas de las variables y a
tratar adecuadamente los datos. Por ejemplo, en México las autoridades afirmaron basándose en
información muy incompleta desde el mes de abril del año 2020 que la pandemia estaba bajo control
y en el mes de agosto de 2020 realizaron alguna extrapolación para declarar que la pandemia estaba
extinguiéndose cuando las peores semanas estaban por venir durante el mes de enero de 2021. Las
conclusiones erróneas que dio el gobierno de México se debieron a que usaron datos insuficientes y
además de que no realizaron un buen análisis de los datos.

Figura 18.12: Diagrama de dispersión de las dos variables transformadas. Datos del 30 de enero de
2021, tomados del sitio. [51]

La figura nos dice que entre más contagios haya habrá más muertos en una relación lineal cuando se
consideran los logaritmos de base 10 de las 2 variables. Si hacemos el cálculo de las dos variables el
coeficiente de correlación linear nos daría:

135
El coeficiente de correlación lineal se puede obtener de EXCEL usando: = COEF.DE.CORREL(F3 :
F194,G3 : G194.

Cuando se usa una correlación lineal se supone que la recta pasa por el origen y en este caso vemos
que claramente ese no es el caso, por lo que es mejor considerar que existe una relación lineal entre
los logaritmos de las dos variables que estudiamos. En este caso obtenemos la figura siguiente. Los
datos corresponden al 30 de enero de 2021 y a los primeros 192 países de la lista en la referencia. [52]

Número de muertes vs Número de contagios

Número de muertes

Número de contagios

Figura 18.13: Análisis de regresión. Las dos variables transformadas están relacionadas linealmente.
[21]

Poka Yokes: Lavarse las manos (o usar gel), no asistir a lugares concurridos, usar cubrebocas, aplicarse
la vacuna.

Tarea: Analizar los resultados que existen usando cartas de control.

Tarea: hacer 5 por qués: por qué la gente no usa cubrebocas?

Uno de los grandes errores en México ha sido y es no hacer pruebas suficientes. Aparte de que al
principio de la epidemia el gobierno fue muy laxo en la prevención y contención. Aparte de los

136
mensajes confusos de los políticos dirigentes en México. “Usa cubrebocas” y ellos no lo usaban. “No
salgas de casa” y el Presidente se iba de gira y el sub-secretario de salud se fue a una playa de
vacaciones.

Proporción de fatalidades por COVID-19, por comorbilidad.

*Tasa de mortalidad = (número de muertes / número de casos) = probabilidad de morir si está
infectado por el virus (%). Esta probabilidad difiere dependiendo de la condición preexistente. El
porcentaje que se muestra a continuación NO representa de ninguna manera la proporción de muertes
por condición preexistente. Más bien, representa, para un paciente con una determinada condición
preexistente, el riesgo de morir si se infecta con COVID-19.

Tasa de muertes Tasa de muertes

Condición preexistente
(Casos confirmados) (Todos los casos)

Enfermedades cardiovasculares 13.20% 10.50%

Diabetes 9.20% 7.30%
Enfermedades crónicas respiratorias 8.00% 6.30%
Hipertensión 8.40% 6.00%
Cáncer 7.60% 5.60%
Sin condición preexistente 0.90%

Tabla 18.2: Comorbilidades y tasa de mortalidad. (Con los datos también se podría hacer un diagrama
de Pareto)

Ejemplo, ¿Nos lavamos las manos al regresar de compras?

Figura 18.14: Lista de verificación para disminuir el riesgo de contagio al covid-19.

Tarea: Hacer lista de verificación para sacar dinero de los cajeros automáticos de un banco para evitar
contagio y robo. [53]

Tarea: ¿Por qué han aumentado los contagios en la Ciudad de México?

137
Porque las fiestas no pararon completamente. Por pobreza o bajos recursos económicos, muchas
personas necesitaban trabajar. Porque no se hicieron pruebas suficientes. México tuvo un número de
pruebas por millón de habitantes inferior al de muchos países.
Porque las personas no usaron cubrebocas (nuestros gobernantes no dieron un buen ejemplo a seguir,
...) O no lo usaron apropiadamente. Porque en los hospitales no había o hay los insumos suficientes
para evitar contagios (mucho del personal médico se contagió, es más México destaca en personal
médico contagiado o fallecido.)

Tarea: ¿Cómo se espera que cambien las cadenas de suministro en el mundo por el Covid-19?

Se acortarán las cadenas de suministro. Quizá se cambie del Just in time al Just in case. [48]

Mayor digitalización. Mayor energía verde. Buscar un beneficio colectivo y no tanto el individual
Sustentabilidad y mayor salud. Es posible que Estados Unidos recupere en parte su potencial
manufacturero, quitándole a China parte de lo que le ha dado. China manufactura productos
inventados en Estados Unidos. Lo mismo pasa con Inglaterra, que ha inventado la vacuna Oxford-
AstraSeneca, pero la vacuna se fabrica en China y depende de China para las dosis que puede tener.

También es posible que China pare de exportar tanto, como lo hizo Japón y se concentre en producir
para su consumo interno. Después de todo la población de China ya tiene un nivel de vida bueno. Así
como Japón que ya no exporta tanto pero la gente tiene un nivel de vida muy bueno, de hecho es un
país con bajo nivel de desigualdad y la gente rica no ostenta cosas caras (se ve mal haciéndolo), o sea
no se consumen cosas muy caras. [48]

Figura 18.15:

138
 Figura 18.16:

Problema para aprender a distancia en México - Diagrama de Ishikawa.

Algunas veces, una vez que se ha realizado un análisis de Pareto, se elabora un Diagrama de Ishikawa
para cada uno de los problemas vitales. En un Diagrama de Ishikawa el problema se considera el efecto
y se buscan las causas, también para cada causa se buscan las subcausas. Una vez que se ha construido
un Diagrama de Ishikawa otro diagrama se puede elaborar con las soluciones para resolver el problema
(el efecto).

En el siguiente ejemplo, se usa un Diagrama de Ishikawa para analizar el problema de porqué el

aprendizaje a distancia no ha sido muy exitoso en México. [7] En este ejemplo no se consideran cursos
que todavía no pueden ser enseñados a distancia fácilmente como son laboratorios para carreras de
ingeniería, medicina, odontología y química. Además, no se incluyen otros problemas, como por
ejemplo apagones (“se va la luz”), debido a que aunque son muy importantes, son esporádicos (quizá
un apagón cada dos meses, con una duración de unos 2 horas en promedio). [7]

Figura 18.17: Problemas para aprender a distancia. [21]

139
Un Diagrama de Pareto muy útil se puede construir muy fácilmente si se forma un equipo muy
competente y conocedor del problema (efecto). Por ejemplo, en USA las prioridades para vacunar a la
población (efecto) lo logró un grupo multidisciplinario que consideró a la Ciencia, la Ética y la
Implementación (la logística) que pueden considerarse como las causas. [62]
En clase también se ha explicado usando Diagramas de Ishikawa cómo reducir los contagios en casa y
porqué en México el número de muertes ha sido desproporcionadamente alto (debido a faltas de
pruebas durante el año de 2020 y en muchos meses del año 2021, a los mensajes confusos del gobierno
a la población y a otras causas.)

A los estudiantes se les recomienda usar la estratificación de los datos cuando analizan los problemas.
Por ejemplo, es muy importante al estudiar los fallecimientos por covid-19 realizar una estratificación
por sexo de las personas, es fácil notar que las mujeres mueren mucho menos que los hombres. Al
estudiar la pirámide población de Estados Unidos se encuentra que de 0 a 39 años de edad hay más
hombres que mujeres pero después de los 55 años hay más mujeres que hombres. [47]
En México hay más mujeres que hombres en las edades de 0 a 24 años pero a partir de los 34 años de
edad hay más mujeres que hombres (De Wulf, 2019). [47]

De Por lo tanto, aparentemente las mujeres resisten más que los hombres en la vejez y el impacto del
coronavirus en las muertes no es diferente porque también durante esa pandemia los ancianos han
muerto más que las ancianas. Arriba se llevó a cabo una estratificación por edad de la población.

Hay muchos ejemplos con estratificaciones que se han elaborado para explicar que las muertes por el
coronavirus han sido desproporcionales en las minorías de Estados Unidos o para mostrar que las
minorías se están quedando atrás al usar el modo remoto de enseñanza. La combinación de una
estratificación y un histograma deberían mostrar que las minorías en Estados Unidos (hispanos,
afroamericanos, asiáticos, etc.) en trabajos esenciales se han contagiado más si se realiza la
clasificación por actividad del trabajo, por edad y por raza.

Un árbol de decisiones es muy útil para analizar las consecuencias de las decisiones de las autoridades.
Por ejemplo, en México nunca se prohibieron que llegaran vuelos de otros países, tampoco que
desembarcaran buques de otros lugares, las pruebas para detectar contagios de la población fueron
de las bajas del mundo y el uso del cubrebocas nunca se mandató, pues hasta el Presidente de la
República rehusó usarlo.

El efecto de las medidas que tomó el gobierno durante la pandemia podría examinarse usando un árbol
de decisiones. Las cartas de control de Shewhart son también muy útiles para detectar eventos no-
aleatorios durante la observación de las variables que se estudian en determinados periodos de tiempo
(como la proporción de muertes en un país), Algunos ejemplos de esas cartas se muestran en el texto.
[13]

También algunos dispositivos Poka Yoke deberían crearse para contener o evitar los contagios.Hasta
ahora los mejores Poka Yokes son el distanciamiento social, el lavado clínico de manos, el uso de
cubrebocas y definitivamente el mejor y más importante de todos ellos es la vacuna. [13]

Las herramientas de control de calidad son muy útiles para analizar problemas formidables y hacer
recomendaciones útiles e importantes más allá de la ingeniería.

140
Algunas observaciones y recomendaciones sobre la pandemia COVID-19

Es necesario que los estudiantes aprendan el uso de herramientas de control de calidad para resolver
problemas en las fábricas, la industria de servicios y en otros sectores económicos. Los estudiantes
están resistiendo a muchos problemas causados por la pandemia del COVID-19 o están sintiendo los
que está sufriendo la sociedad y pueden practicar lo aprendido en clase para analizar, explicar o
proponer soluciones a algunos de esos problemas.

Si los políticos mexicanos utilizaran herramientas como las utilizadas en este trabajo, se podrían evitar
desastres trágicos con daños mortales y la población estaría más segura. Muchos desastres como los
de Chernobyl y Fukushima podrían haberse previsto y evitado utilizando herramientas de control de
calidad como listas de verificación, Poka Yokes y Árboles de Decisiones.

Existen otras herramientas avanzadas que se utilizan actualmente en el mundo como el Big Data para
analizar grandes cantidades de información. Probablemente en los próximos meses salgan resultados
muy importantes del análisis de esa poderosa herramienta que nos mostrará detalles de lo que estaba
pasando en la educación en todo el mundo durante la pandemia del COVID-19. Esos resultados sin
duda ayudarán a avanzar en la educación en línea.

Las inscripciones en todos los niveles educativos deberían ser gratuitas durante las pandemias, en todo
el mundo. Los gobiernos de los países deberían pagarlas tanto para las instituciones públicas como
para las privadas. Los gobiernos no deberían imponer medidas de austeridad durante las pandemias
porque conducen a la precariedad en la educación. Se debe proporcionar seguro médico para
estudiantes y maestros durante las pandemias. Se debería tener un Ingreso Mínimo Universal para
estudiantes y profesores temporales durante crisis como la provocada por la pandemia de COVID-19.

141
Capítulo 19
̅yR
19. Cartas de Control 𝒙
Estas son dos cartas de variables continuas.

Ejemplo general:

Tomamos 11 muestras. A las muestras también les llamamos subgrupos o lotes. Primero se toma en
el tiempo la primera muestra, después la muestra 2, etcétera hasta analizar la muestra 11. Cada
muestra es de 5 unidades, n = 5.

Muestras Medidas característica inherente n=5

𝑥𝑖 𝑅𝑖
1 1 1 1 1
1 Muestra 1 1 2 3 4 5 𝑥1 𝑅1
2 2 2 2
2 Muestra 2 1 2
2 4 5 𝑥2 𝑅2
3
3 3 3 3 3
3 Muestra 3 1 2 3 4 5 𝑥3 𝑅3
4 4 4 4 4
4 Muestra 4 1 2 3 4 5 𝑥4 𝑅4
5 5 5 5 5
5 Muestra 5 1 2 3 4 5 𝑥5 𝑅5
6 6 6 6 6
6 Muestra 6 1 2 3 4 5 𝑥6 𝑅6
7 7 7 7 7
7 Muestra 7 1 2 3 4 5 𝑥7 𝑅7
8 8 8 8 8
8 Muestra 8 1 2 3 4 5 𝑥8 𝑅8
9 9 9 9 9 x̿𝑥
9 Muestra 9 1 2 3 4 5 9 𝑅9
10 10 10 10 10
10 Muestra 10 1 2 3 4 5 𝑥10 𝑅10
11 11 11 11 11
11 Muestra 11 1 2 3 4 5 𝑥11 𝑅11
𝑥̿ R̅

Tabla 19.1: Medidas individuales, promedios de las medidas de la muestras y rangos de las medidas
de las muestras.

Primero se toman los 5 valores de la muestra 1 que son 𝑥11 , 𝑥21 , 𝑥31 , 𝑥41 y 𝑥51 , después se saca su
promedio que es 𝑥̅1 también se saca el rango de los 5 valores y se obtiene R1. Una vez que se tienen
todos los promedios de las muestras y sus rangos, se obtiene el promedio de los promedios, 𝒙 ̿ y el
̅.
promedio de los rangos, 𝑹

Las cartas 𝑥̅ y R se distinguen porque se tienen muchos datos, es decir se pueden conseguir muchos
valores de la característica inherente x para poder hacer las cartas. La variable x es una variable
continua.

Ejemplo

Ahora mostramos un ejemplo en el que tomamos 9 muestras, subgrupos o lotes y en el que cada
muestra consta de 5 medidas, o sea que n = 5. Para este ejemplo obtenemos los valores de 𝐴2 , 𝐷3 ,
y 𝐷4 , de la Tabla para n = 5. Debido a que tenemos 9 muestras, en las cartas de control de 𝑥̅ y R
aparecerán 9 puntos.

142
Las cartas de control 𝑥̅ y R siempre se hacen juntas y se calculan con los mismos datos. En el ejemplo,
supongamos que la característica inherente es el diámetro de tortillas de una tortillería. En este
ejemplo se estudia la estabilidad del proceso de hacer tortillas estudiando los promedios de los
diámetros con los que salen y los rangos de los diámetros. Las medidas son inventadas y con el único
propósito de mostrar cómo se usan las cartas de control de promedios y rangos.

Datos para las cartas 𝒙

̅ yR
Lote 𝒙 𝒙 𝒙𝟑 𝒙 𝒙 ∑𝒙 𝒙
̅ 𝑹
1 9.6 9.5 10.7 10.3 9.9 50 10.00 1.2
2 11.3 9.7 10.8 9.8 9.8 51.4 10.28 1.6
3 9.6 10.4 9.7 11.3 10.7 51.7 10.34 1.7
4 10.4 11.3 9.8 10.3 8.9 50.7 10.14 2.4
5 10.8 10.7 11.2 10.7 9.7 53.1 10.62 1.5
6 11.9 11.4 11.1 9.6 11.5 55.5 11.10 2.3
7 9.8 11 10.4 9.6 10.6 51.4 10.28 1.4
8 10.6 9.8 9.7 9.9 11.7 51.7 10.34 2
9 11.4 10.7 11.2 10.6 9.6 53.5 10.7 1.8
∑ 𝒙̅ ∑𝑹 93.80 15.90
̅
̿ 𝑹
𝒙 10.42 1.77

Tabla 19.2: Cálculos para elaborar la carta de control.

LCS ≈ 𝑥̿ + 𝐴2 𝑅̅
Carta 𝑥̅ → (19.1)
LC ≈= 𝑥̿
LCI ≈ 𝑥̿ − 𝐴2 𝑅̅

LCS ≈ 𝐷4 𝑅̅

Carta R LC ≈ 𝑅̅ (19.2)

LCI ≈ 𝐷3 𝑅̅

143
Figura 19.1: Carta de control de promedios.

Figura 19.2: Carta de control de rangos.

144
Capítulo 20

20. Carta de Control c o Carta de Defectos

Esta es una carta de atributos.

La carta o gráfica de control c es una gráfica de la variable que estudiamos, en este caso la variable c,
que representa el número de defectos con los que van saliendo los productos que fabricamos.

En esta carta se analiza el número de defectos con el que salen los productos conforme avanza el
tiempo. Por ejemplo, se pueden analizar el número de defectos que van saliendo en cada camisa que
se fabrica.
Muestra Número de
Subgrupo defectos 𝑐𝑖
1 3
2 2
3 1
4 4
5 2
6 5
7 1
8 6
9 4
10 5
11 1
12 6
13 1
14 3

Tabla 20.1: Lista de las muestras y número de defectos en las muestras.

En la Tabla anterior en la muestra 1, subgrupo 1 o lote 1, que representa a la camisa 1 se encuentra

que ésta tiene 3 defectos. En la camisa 2, o muestra 2 se encuentra que tiene 2 defectos. En el lote
14, o sea la camisa 14 se encuentra que tiene 3 defectos.

Los defectos que aparecen se distribuyen de acuerdo con una distribución de Poisson, que tiene un
promedio 𝑐̅ y una desviación estándar 𝜎𝑐 = √𝑐̅.

La carta de control se construye determinando la Línea Central (LC), el Límite de Control Inferior
(LCI) y el Límite de Control Superior (LCS).

LCS = 𝑐̅ + 3σc = 𝑐̅ + 3√𝑐̅ (20.1)

LC = 𝑐̅ (20.2)

LCI = 𝑐̅ -3σc = 𝑐̅ - 3√𝑐̅ (20.3)

145
En la tabla siguiente se muestran los cálculos para elaborar la carta c.

Muestra Número de
LCI Calc LCI 0 LC LCS
Subgrupo defectos Ci
1 3 -2.1755744 0 3.14285714 8.46128871
2 2 -2.1755744 0 3.14285714 8.46128871
3 1 -2.1755744 0 3.14285714 8.46128871
4 4 -2.1755744 0 3.14285714 8.46128871
5 2 -2.1755744 0 3.14285714 8.46128871
6 5 -2.1755744 0 3.14285714 8.46128871
7 1 -2.1755744 0 3.14285714 8.46128871
8 6 -2.1755744 0 3.14285714 8.46128871
9 4 -2.1755744 0 3.14285714 8.46128871
10 5 -2.1755744 0 3.14285714 8.46128871
11 1 -2.1755744 0 3.14285714 8.46128871
12 6 -2.1755744 0 3.14285714 8.46128871
13 1 -2.1755744 0 3.14285714 8.46128871
14 3 -2.1755744 0 3.14285714 8.46128871

̅ 3.1429
𝝈 1.7728
LCI -2.1756
LC 3.1429
LCS 8.4613

Tabla 20.2: Cálculos para la elaboración de la carta c.

En la carta c, cuando el Límite de Control Inferior es menor que 0, este límite se pone como 0, puesto
que no existen número de defectos negativos.

La gráfica c, aunque se llama de defectos, la variable c que estudiamos puede representar cualidades,
nada más que a la carta se le llama de número de defectos.

146
 Figura 20.1: Carta de control c.

Otro ejemplo que se podría hacer es el siguiente, ¿Cuántos errores se cometen en cada pedido que
usted hace por Rappi al ordenar su despensa?

La carta C se caracteriza porque los lotes son de una sola unidad. Una sola unidad puede ser una
camisa, una casa, un edificio de departamentos, una fábrica o un país, etcétera.

147
Capítulo 21

21. Carta de Control p o Carta de Proporción de Artículos Defectuosos

Esta es una carta de atributos.

La carta o gráfica de control p es una gráfica de la variable que estudiamos, en este caso la variable p,
que representa la proporción de productos defectuosos que van saliendo.

En esta carta se analiza la proporción de artículos defectuosos con el que salen los productos
conforme avanza el tiempo. Por ejemplo, se puede analizar la proporción de camisas defectuosas que
van saliendo de lotes de diferentes tamaños.

Tabla 21.1: Muestras, tamaño de las muestras y número de artículos defectuosos en las muestras.

En la Tabla anterior en la muestra 1, subgrupo 1 o lote 1, se tiene un lote que tiene 320 productos y
de estos 20 son productos defectuosos. En el lote 2, o muestra 2 se encuentra que tiene 340 productos
y de éstos 7 son productos defectuosos. El lote 12 tiene 329 productos de los cuales 14 son productos
defectuosos.

La proporción de productos defectos se distribuyen de acuerdo a una distribución Binomial, que tiene
𝑝̅ (1−𝑝̅ ) ∑𝑖 𝑑𝑖 ∑ 𝑛
un promedio 𝑝̅ y una desviación estándar 𝜎𝑝 = √ , donde 𝑝̅ =
∑𝑖 𝑛𝑖
y n=𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠.
𝑛
La carta de control p, se construye determinando la Línea Central (LC), el Límite de Control Inferior
(LCI) y el Límite de Control Superior (LCS).

𝑝̅ (1−𝑝̅ )
LCS =𝑝̅ + 3𝜎𝑝 = 𝑝̅ + 3√ (21.1)
𝑛

LC = 𝑝̅ (21.2)

𝑝̅ (1−𝑝̅ )
LCI = 𝑝̅ - 3𝜎𝑝 = 𝑝̅ - 3√ (21.3)
𝑛

148
En la tabla siguiente se muestran los cálculos para elaborar la carta p.

Muestra
𝒑
subgrupo
1 320 20 0.0625
2 340 7 0.02059
3 310 10 0.03226
4 318 15 0.04717
5 335 7 0.0209
6 310 18 0.05806
7 317 2 0.00631
8 318 15 0.04717
9 324 11 0.03395
10 314 9 0.02866
11 310 13 0.04194
12 329 14 0.04255

LCI 0 LCI calc LC LCS

0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114
0 0.00517087 0.036671 0.06817114

∑ni 3845 LCS 0.0682

∑di 141 LC 0.0367
𝒑
̅ 0.0367 LCI 0.0052
n 320.4167
𝝈𝒑 0.0105
𝒑
̅( − 𝒑
̅) 0.0353
Tabla 21.2: Cálculos para obtener la carta p.

En la carta p, cuando el Límite de Control Inferior es menor que 0, este límite se pone como 0, puesto
que no existen proporciones de artículos defectuosos negativos, aunque eso no ocurre en este
ejemplo en particular.

149
 Figura 21.1: Carta p.

Otro ejemplo que se podría hacer es el siguiente, ¿Cuántos productos equivocados le traen en sus
pedidos de muchos productos que ordena usted por Rappi para abastecer su despensa en todos estos
días?

Una carta P se caracteriza porque los lotes tienen diferente tamaño y cada uno de estos lotes tiene
un diferente número de productos defectuosos. Por ejemplo, si en el lote uno se tiene 340 manzanas
se proporciona el número de manzanas defectuosas o podridas que tiene ese lote. Se proporciona el
número de productos defectuosos y no el número de defectos que tienen las 340 manzanas.

Para una carta de control con límites de control variables tenemos:

𝑝̅ (1−𝑝̅ )
LCS =𝑝̅ + 3𝜎𝑝 = 𝑝̅ + 3√ (21.1)
𝑛𝑖

LC = 𝑝̅ (21.2)

𝑝̅ (1−𝑝̅ )
LCI = 𝑝̅ - 3𝜎𝑝 = 𝑝̅ - 3√ (21.3)
𝑛𝑖

150
Figura 21.2: Carta p, con límites de control variables.

151
Capítulo 22

22. Carta de Control u o Carta del Número de Defectos por Unidad

Esta es una carta de atributos.

La carta o gráfica de control u es una gráfica de la variable que estudiamos, en este caso la variable u,
que representa los defectos por unidad con los que van saliendo los productos que fabricamos.

En esta carta se analiza el número de defectos con el que salen los lotes de los productos conforme
avanza el tiempo. Por ejemplo, se puede analizar el número de defectos con los que van saliendo lotes
de diferentes tamaños.

Muestra Proporcion
subgrupo de defectos
Lote en el lote
1 320 20
2 340 7
3 310 10
4 318 15
5 335 7
6 310 18
7 317 2
8 318 15
9 324 11
10 314 9
11 310 13
12 329 14
Tabla 22.1: Datos para la carta u.

En la Tabla anterior en la muestra 1, subgrupo 1 o lote 1, se tiene un lote que tiene 320 productos y
estos tienen 20 defectos. En el lote 2, o muestra 2 se encuentra que tiene 340 productos y éstos tienen
7 defectos. El lote 12 tiene 329 productos que tienen 14 defectos.
La proporción de productos defectos se distribuyen de acuerdo a una distribución de
̅
𝑢 ∑𝑖 𝑐𝑖
Poisson, que tiene un promedio 𝑢̅ y una desviación estándar 𝜎𝑢 = √ , donde 𝑢
̅= y
𝑛 ∑𝑖 𝑛𝑖
∑ 𝑛
n=𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠.

La carta de control u, se construye determinando la Línea Central (LC), el Límite de Control Inferior
(LCI) y el Límite de Control Superior (LCS).

̅
𝑢
LCS =𝑢̅ + 3𝜎𝑢 = 𝑢̅ + 3√𝑛 (22.1)

152
 LC = 𝑢̅ (22.2)

̅
𝑢
LCI = 𝑢̅ - 3𝜎𝑢 = 𝑢̅ - 3√𝑛 (22.3)

En la tabla siguiente se muestran los cálculos para elaborar la carta u.

Muestra Proporcion
subgrupo de
Lote defectos
1 320 20 0.0625
2 340 7 0.02058824
3 310 10 0.03225806
4 318 15 0.04716981
5 335 7 0.02089552
6 310 18 0.05806452
7 317 2 0.00630915
8 318 15 0.04716981
9 324 11 0.03395062
10 314 9 0.02866242
11 310 13 0.04193548
12 329 14 0.04255319

∑ 3845 ∑ 141

̅ 0.03667 LCI 0.00457691

n 320.417 LC 0.036671
̅ 0.00011 LCS 0.06876509
𝝈 0.0107

Tabla 22.2: Cálculos para obtener la carta u.

En la carta u, cuando el Límite de Control Inferior es menor que 0, este límite se pone como 0, puesto
que no existen proporciones de número de defectos negativos, que no es el caso en este ejemplo.

153
 Figura 22.1: Carta u.

Otro ejemplo que se podría hacer es el siguiente, ¿Cuál fue la proporción de defectos en cada entrega
de diferentes tamaños que ordenó a Rappi para su despensa en todos estos días?

Una carta u se caracteriza porque los lotes tienen diferente tamaño y cada uno de estos lotes tiene
un número diferente de defectos. Por ejemplo, si el lote uno tiene 340 manzanas se proporciona el
número de defectos que tiene ese lote, defectos como: están pequeñas, no tienen sabor, están
verdes, no tienen color, etc. Se proporciona el número de defectos y no el número de manzanas
defectuosas que están en las 340 manzanas del lote.

También para la carta u podríamos realizar una carta con límites de control variables en la que la
deviación estándar se calculara con el tamaño del lote y no con el promedio de los tamaños de los
lotes.

154
Capítulo 23
23. Carta de Control np o Carta del Número de Defectuosos

Esta es una carta del número de productos defectuosos.

Esta es una carta de atributos.

La carta o gráfica de control np es una gráfica de la variable que estudiamos, en este caso la variable
𝑑𝑖
𝑛𝑖 𝑝𝑖 = 𝑛 ∗ = 𝑑𝑖 que representa el número de artículos defectuosos con los que van saliendo los
𝑛
productos que fabricamos. En este caso todos los lotes son del mismo tamaño, 𝑛𝑖 = 𝑛.

En esta carta se analiza el número de artículos defectuosos con el que salen los productos conforme
avanza el tiempo. Por ejemplo, se puede analizar el número de camisas defectuosas que van saliendo
de lotes del mismo tamaño.

Luego se distingue esta carta np porque todos sus lotes son del mismo tamaño y la variable que
estudiamos es el número de artículos defectuosos.

Tabla 23.1: Datos para obtener la carta np.

En la Tabla anterior en la muestra 1, subgrupo 1 o lote 1, se tiene un lote que tiene 320 productos y de
estos 20 son productos defectuosos. En el lote 2, o muestra 2 se encuentra que tiene 320 productos y
de éstos 7 son productos defectuosos. El lote 12 tiene 320 productos de los cuales 14 son productos
defectuosos.

El número de productos defectos se distribuyen de acuerdo a una distribución Binomial, que tiene un
∑𝑖 𝑑𝑖 ∑ 𝑛
promedio 𝑝̅ y una desviación estándar 𝜎𝑛𝑝 = √𝑛𝑝̅ (1 − 𝑝̅ ), donde 𝑝̅ =
∑𝑖 𝑛𝑖
y n=𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠.

155
 ∑ 𝑛 ∑ 𝑑 ∑ 𝑑
̅̅̅̅ = 𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠 * ∑𝑖 𝑛𝑖 = 𝑁ú𝑚𝑒𝑟𝑜𝑖 𝑑𝑒𝑖 𝑙𝑜𝑡𝑒𝑠 = 𝑑̅. O sea que la línea central será igual a: 𝑑̅
Por lo tanto: 𝑛𝑝
𝑖 𝑖
∑𝑖 𝑑𝑖
= 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠
.

La carta de control np, se construye determinando la Línea Central (LC), el Límite de Control Inferior
(LCI) y el Límite de Control Superior (LCS).

LCS = 𝑑̅ + 3𝜎𝑛𝑝 = 𝑑̅ + 3√𝑛𝑝

̅̅̅̅(1 − 𝑝̅ ) = 𝑑̅ + 3√𝑑̅(1 − 𝑝̅ ) (23.1)

LC = 𝑑̅
(23.2)

LCI = 𝑑̅ - 3𝜎𝑛𝑝 = 𝑑̅ - 3√𝑛𝑝

̅̅̅̅(1 − 𝑝̅ ) = 𝑑̅ - 3√𝑑̅(1 − 𝑝̅ ) (23.3)

En la tabla siguiente se muestran los cálculos para elaborar la carta np.

LCI 0 LCI calc LC LCS

0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792
0 1.657082078 11.75 21.84291792

∑ 3840 ∑ 141
𝒑
̅ 0.036719 LCI 1.65708208
n 320 LC 11.75
𝒑(1 - 𝒑
̅ ̅) 0.03537 LCS 21.8429179
𝒑 =̅ 11.75
𝝈 𝒑 3.364306

Tabla 23.2: Cálculos para obtener la carta np.

En la carta np, cuando el Límite de Control Inferior es menor que 0, este límite se pone como 0, puesto
que no existe un número de artículos defectuosos negativo, aunque eso no ocurre en este ejemplo en
particular.

156
 Figura 23.1 Carta np.

Otro ejemplo que se podría hacer es el siguiente, si cada semana usted le pide a Rappi el mismo número
de productos del mercado, ¿en cuántos productos se equivocan por pedido? O sea, ¿cuál es el número
de productos defectuosos en los lotes del mismo tamaño?

Una carta np se caracteriza porque los lotes tienen el mismo tamaño y cada uno de estos lotes tiene
un diferente número de productos defectuosos. Por ejemplo, en el lote uno se tiene 340 manzanas y
se proporciona el número de manzanas defectuosas o podridas que tiene ese lote. Se proporciona el
número de productos defectuosos y no el número de defectos que tienen las 340 manzanas.

157
Capítulo 24

24. Carta x o Carta de Medidas Individuales

Esta es una carta de variables continuas.

Se usa cuando las medidas tardan mucho en salir, como por ejemplo el alcohol en un vino, como los
kilowatts-hora (kWh) que tenemos que pagar mensualmente, o la cantidad de agua bimestralmente
que pagamos.

La x es la característica inherente. Pongamos por ejemplo el caso del grado del alcohol en un vino.

Tabla 24.1: Datos para obtener la carta x.

Para la carta de medidas individuales de la característica inherente x, el valor de la línea central es el

∑𝑖 𝑥𝑖
promedio de las medidas, o sea 𝑥̅ = . Para obtener la desviación estándar se usa que
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠
𝑅̅
𝜎𝑥 = 𝜎 ≈ ,, donde d2 se obtiene de la Tabla 7.1 para n=2, porque los rangos se obtienen
𝑑2
considerando dos números consecutivos de las 𝑥𝑖 . Entonces la línea central, el límite de control
superior y el límite de control inferior se calculan como:
𝑅̅
LCS =𝑥̅ +3𝜎𝑥 = 𝑥̅ +3𝜎 ≈ 𝑥̅ +3𝑑 (24.1)
2

LC ≈ 𝑥̅ (24.2)

𝑅̅
LCI =𝑥̅ -3𝜎𝑥 = 𝑥̅ -3 𝜎 ≈ 𝑥̅ -3𝑑 (24.3)
2

158
En la tabla siguiente se muestra el procedimiento para los cálculos de la carta x, con un ejemplo.

Subgrupo 𝒙 LCI LC LCS

1 8.2 5.80369 8.60833 11.413
2 9.4 1.2 5.80369 8.60833 11.413
3 7.7 1.7 5.80369 8.60833 11.413
4 8.7 1 5.80369 8.60833 11.413
5 8.6 0.1 5.80369 8.60833 11.413
6 9.2 0.6 5.80369 8.60833 11.413
7 9.3 0.1 5.80369 8.60833 11.413
8 7.9 1.4 5.80369 8.60833 11.413
9 9.1 1.2 5.80369 8.60833 11.413
10 7.8 1.3 5.80369 8.60833 11.413
11 9.4 1.6 5.80369 8.60833 11.413
12 8 1.4 5.80369 8.60833 11.413

Promedios 8.60833 1.05455

d2 1.128
LCI 5.80369
LC 8.60833
LCS 11.413

Tabla 24.2: Cálculos para obtener la carta x.

159
Los resultados para la carta x se grafican enseguida.

Figura 24.1: Carta x (de medidas individuales).

La carta x se caracteriza porque se estudia directamente a la característica inherente, pero son muy
pocas las medidas que se pueden hacer de ella.

160
Capítulo 25
25. Despliegue de la Función de Calidad (DFC)
El Despliegue de la Función de Calidad es una herramienta de planeación que permite escuchar la voz
del cliente o sea los requerimientos del cliente pasarlos a la empresa u organización que realizará el
producto o servicio y traducir los requerimientos del cliente en acciones concretas que deben realizarse
en cada parte del proceso.

Por medio de la casa de la calidad se identifican los qués (del cliente) y se definen los cómos para
lograrlos y así satisfacer las necesidades del cliente. Es una manera de correlacionar los qués con los
cómos por medio de una matriz [62].

Figura 25.1: Despliegue de la Función de Calidad.

Forma básica de la casa o matriz de la calidad para relacionar objetivos (qués) con los cómos. Del libro
de Gutiérrez Pulido de Control Estadístico de la Calidad y Seis Sigma.

161
 Tabla 25.1: Matriz cliente-proveedor.

Ejemplo de la matriz DFC para relacionar las variables de interés con las etapas de un proceso de
elaboración de harina de maíz. (Del libro de Gutiérrez Pulido de Control estadístico de la calidad y seis
sigma.)

Lo que ofrece una escuela presencial

Durante las clases presenciales, los estudiantes asisten físicamente a las instalaciones de las
universidades para aprender, aprobar exámenes, socializar, usar laboratorios, usar las computadoras
de la escuela, obtener servicio de internet de alta calidad, imprimir textos, comer en la escuela, usar
libros, hacer ejercicio físico y también relajarse en los jardines libres de acoso. La escuela física también
brinda tutorías presenciales por parte de los profesores, interacción entre los alumnos en las aulas, en
los jardines y en otros lugares. Entonces, es fácil ver que una escuela física es mucho más que un
edificio frío, sino un lugar donde además de aprender y enseñar, hay muchas interacciones humanas
y donde todos los días se toman millones de decisiones que impactan en los aspectos académicos y
sociales de los estudiantes.

Una escuela es como una pequeña ciudad alegre poblada en su mayoría por jóvenes. En un salón de
clases no hay interrupciones por parte de los padres, hermanos u otras personas. Además, los
estudiantes no están presionados para hacer tareas domésticas o cuidar a sus hermanos, contestar
llamadas telefónicas de familiares o esperar que el camión de basura se deshaga de la basura de la
casa. Una vez dentro de un aula los alumnos pueden concentrarse en la clase, es una isla de
tranquilidad, aislada del ruido de las calles.

Los estudiantes socializan en la escuela y hacen relaciones para toda la vida. Antes de la pandemia del
COVID-19 muchos de los estudiantes de Instituciones de Educación Superior públicas (IES) en México

162
no tenían computadora y la escuela era el lugar donde podían usar una y además contaban con servicio
gratuito de internet de alta calidad. Además, algunos de los estudiantes dependían de las comidas en
las escuelas; en las IES públicas, las comidas son muy baratas y los estudiantes pueden permitirse
comprar tres comidas al día. En la UAM la comida principal se compra a $0.13 dólares. Este es un
servicio invaluable porque algunos estudiantes muy pobres pueden vivir con $50 dólares
estadounidenses al mes. Algunos estudiantes pueden sentirse incluso más seguros en la escuela que
en casa. Por supuesto que ha habido casos de denuncias de acoso sexual y otras agresiones dentro de
las escuelas, pero son raros.

El Despliegue de la Función de Calidad se utiliza para analizar lo que los estudiantes quieren de una
escuela física (aprender, aprobar cursos, usar computadoras y libros, socializar, comer y obtener
servicios médicos) y lo que ofrece la escuela (profesores presenciales, aulas físicas, laboratorios de
computación y biblioteca, cafeterías, gimnasio y canchas deportivas, servicio médico y jardines).

En la primera columna de la Tabla 25.2 se enumeran las necesidades de los estudiantes (los qué) y en
la primera fila los servicios de la escuela física (los cómo). Las necesidades de los estudiantes se
priorizan con números del 1 al 5 (segunda columna), siendo 5 la necesidad más importante (aprender)
y obtener servicio médico con 1 por considerar que es la menos importante.

Laboratorios de Gimnasio y
Necesidades de estudiantes/ Profesores Salones
Prioridad computación y Cafeterías campo Servicio médico Jardines
Servicios escolares presenciales físicos
biblioteca deportivo

Aprender 5 5 5 4 2 1 2 1
Aprobar cursos 4 5 4 4 2 1 2 1
Usar computadoras y libros 3 2 2 5 1 0 0 0
Socializar 2 2 3 2 2 3 0 2
Comer 2 0 0 0 5 0 0 2
Tener servicio médico 1 0 0 0 0 3 0 0
Importancia 55 53 45 35 19 18 17
Importancia relativa 10 9 8 7 6 5 4

Tabla 25.2: Despliegue de la Función de Calidad para relacionar las necesidades de los estudiantes
presenciales con los servicios que presta una escuela presencial. [23]

Hay una calificación de 0 a 5 para cada uno de los servicios relacionados con cada una de las
necesidades de los estudiantes; por ejemplo, los profesores presenciales impactan mucho en el
aprendizaje de los estudiantes, por lo tanto su calificación es 5 en esa necesidad (de aprender), pero
no impactan en la necesidad de comer y su calificación en esa necesidad es cero. Luego, las
calificaciones de cada columna se multiplican por la prioridad y los resultados se suman y se escriben
en la fila de Importancia. Como último paso se establece la Importancia relativa asignando un 10 a la
columna con el número más alto en Importancia. La conclusión es que los profesores presenciales y
las aulas físicas son los servicios más importantes que se brindan a las necesidades de los estudiantes.

163
Para los profesores una escuela física ofrece una interacción más colegiada además de computadoras
con servicio de internet de alta calidad, laboratorios, servicios de imprenta, cafetería, biblioteca,
librerías, gimnasio, servicio médico y muchos jardines. Dentro de un salón de clases, el profesor está
libre de interrupciones y seguro al enseñar.

Lo que ofrece una escuela en línea

Durante la educación en línea, la escuela proporciona profesores que enseñan en línea y hay recursos
virtuales para los estudiantes. En la educación en línea no hay contacto humano en absoluto. En este
caso los alumnos no buscan gimnasios, cafetería, jardines o amigos físicos para charlar.

En la escuela en línea se pierde la seguridad de enseñar y aprender en un salón de clases, porque el

hogar no siempre es un refugio seguro para todos los alumnos y docentes. En México, hubo un caso
de violencia física y verbal contra una maestra por parte de su pareja porque estaba usando la
computadora de su pareja para enseñar; y hay muchos otros casos similares. El Despliegue de la
Función de Calidad se utiliza para hacer coincidir las necesidades de los estudiantes con los servicios
de la escuela en línea. Los resultados se muestran en la Tabla 25.3, y se ha encontrado que los servicios
más importantes para los estudiantes son los profesores en línea y las tecnologías que brinda la escuela
(en los casos en que se brinda servicio de tabletas e internet a los estudiantes).

Necesidades de los Material de

Profesores Tecnologías Biblioteca
estudiantes/Servicios Prioridad cursos
en línea disponibles virtual
de la escuela apropiados

Aprender 5 5 5 5 2
Aprobar cursos 4 5 5 4 2
Usar libros 2 2 2 3 5
Socializar 1 2 1 0 0
Importancia 51 50 39 28
Importancia relativa 10 9 8 7

Tabla 25.3: Despliegue de la Función de Calidad para relacionar las necesidades de los estudiantes en
línea con los servicios de la escuela a distancia. [23]

Requisitos (abajo)/
Prioridad FV E H G N GN P C D
Tecnología (derecha)

Accesible 6 4 4 5 4 4 5 5 4 5
Limpia (CO2) 3 5 5 5 5 5 4 2 1 1
Saludable 6 5 5 5 5 3 4 2 1 1
Suficiente 3 2 2 3 3 3 4 5 4 4
Continua 5 0 0 5 5 5 5 5 5 5
Confiable 4 0 0 5 5 5 5 5 5 5
Segura 2 5 4 5 5 4 5 4 4 4
Importancia 85 83 139 133 119 133 116 98 104
Importancia relativa 4 3 10 9 8 9 7 5 6

Tabla 25.4: Fuentes de electricidad y requerimientos de la electricidad. [21]

En la tabla anterior FV se refiere a Fotovoltaicas, E a Eólica, H a Hidroeléctrica, G a Geotérmica, N a

164
Nuclear, GN a Gas Natural, P a Petróleo (Combustóleo), C a Carbón y D a Diésel.

Misiones de las Compañías

Condiciones
escuelas (abajo)/ Prioridad Gobierno industriales Sociedad
climáticas
Actores (derecha) y servicios

Cobertura 5 4 4 2 4
Pertinencia 4 5 3 4 3
Calidad 3 3 5 3 2
I&D 2 2 2 5 0
Importancia 53 51 45 38
Importancia relativa 10 9 8 7

Tabla 25.5. Despliegue de la Función de Calidad para las misiones de las instituciones de educación
superior y los actores [22].

En la tabla anterior I&D se refiere a Investigación y desarrollo.

Usted podría hacer un análisis usando el DFC preguntándose lo que sus padres esperan de usted (qués)
y lo que hace usted para satisfacer los deseos de sus padres (cómos). Por ejemplo los padres quizá
desearían que usted asistiera a la Universidad, cumpliera con sus tareas, tuviera buena conducta,
pasara los exámenes, en casa que mantuviera limpio y ordenado su habitación, que ayudara con los
quehaceres de la casa, que su círculo de amigos no lo distrajeran de sus objetivos, etcétera. Desde
luego que usted tendría que listar las cosas que hace en la escuela y en casa para que los deseos de
sus padres se cumplieran.

Capítulo 26
26. Calidad de Mediciones (Repetibilidad y Reproducibilidad)
[13]

Mediciones: Números asignados a un objeto por el sistema o proceso de medición. Variación

observada: Variación propia de los objetos que son medidos más la variación o error atribuible al
sistema de medición.
2 2 2 2
𝜎𝑡𝑜𝑡𝑎𝑙 = 𝜎𝑝𝑟𝑜𝑑 + 𝜎𝑜𝑝𝑒𝑟 + 𝜎𝑖𝑛𝑠𝑡𝑟 (26.1)

Precisión: Es la variación o error que presentan las mediciones medidas repetidas del sistema de
medición sobre el mismo mensurando. Se compone de la repetibilidad y la reproducibilidad.

Repetibilidad: Variación o error de las mediciones sucesivas sobre el mismo objeto con un instrumento
bajo las mismas condiciones (un operador).

2
𝜎𝑖𝑛𝑠𝑡𝑟 (26.2)

Reproducibilidad: Variabilidad o error de las mediciones sobre el mismo objeto con un instrumento
bajo condiciones cambiantes (diferentes operadores).

165
 2 2
𝜎𝑜𝑝𝑒𝑟 = 𝜎𝑟𝑒𝑝𝑟𝑜𝑑 (26.3)

Estudio R&R: Permite evaluar la repetibilidad y reproducibilidad en forma separada.

La variabilidad de las mediciones está dada por:

2 2 2
𝜎𝑅&𝑅 = 𝜎𝑟𝑒𝑝𝑒𝑡𝑖 + 𝜎𝑟𝑒𝑝𝑟𝑜𝑑 (26.4)

Figura 26.1: .Situaciones de precisión y exactitud.

166
Capítulo 27

27. Análisis de Modo y Efecto de las Fallas (AMEF)

Tabla 27.1: Ejemplo de un AMEF.

La salida de un AMEF es el “Número Prioritario de Riesgo” también conocido como NPR. Severidad: es
la estimación de la gravedad del efecto del modo de falla del cliente. ... Detección: es una valor para
clasificar la probabilidad de encontrar la falla antes de que la parte llegue al cliente. [54]

167
 Tabla 27.2: Otro ejemplo de AMEF.

De la página 24 del manual de Ford 2008 de AMEF.

168
 Tabla 27.3: Ejemplos de modos de falla potenciales.

Severidad (S) (d)

La severidad es el valor asociado con el efecto más severo para un modo de falla dado. La severidad es
un ranking relativo dentro del marco del AMEF individual.

Criterios de evaluación sugeridos.

El equipo debe estar de acuerdo en los criterios de evaluación y en un sistema de ranking y aplicarlos
constantemente, aun si se modifican para el análisis de procesos individuales. (Ver tabla Cr1 para
lineamientos de criterios en el manual de FEMA).

No se recomienda modificar los criterios los valores del ranking de los criterios de 9 y 10. Los modos
de falla con un ranking de severidad de 1 ya no se les debería de analizar más.

169
 Tabla 27.4: Página 37 del manual de Ford 2008 de AMEF.

¿Qué podría fallar en el sector eléctrico mexicano?

La respuesta a esta pregunta se encuentra en la referencia [21].

La pregunta planteada en el subtítulo se responde utilizando un Análisis de Modo y Efecto de las Fallas
reducido [23]; es decir, tomar las principales preguntas que plantea el análisis y responderlas. Las
necesidades son energía eléctrica limpia, saludable, suficiente, continua, confiable y segura y para
satisfacerlas es necesario contar con fuentes eléctricas adecuadas y una buena red de transmisión
eléctrica lo que requiere no solo de una buena planificación del sector eléctrico sino también de
inversiones para desarrollarlo.

¿Cuáles son las funciones, propósitos y requisitos? Un sistema eléctrico nacional que proporcione
energía eléctrica limpia, saludable, suficiente, continua, confiable y segura.

170
¿Qué podría estar mal? Leyes inapropiadas podrían conducir a una planificación defectuosa y falta de
inversión para asegurar la generación de electricidad adecuada y una red de transmisión confiable,
segura y suficiente para satisfacer los requisitos.

¿Qué tan grave es? Los apagones y los altos precios de la electricidad pueden producir pobreza
energética, inflación y malestar social. Las grandes emisiones de CO2 contribuyen al cambio climático.
La planificación defectuosa de las fuentes de electricidad intermitentes puede causar tensión en la red
de transmisión y hacerla poco confiable.

¿Cuáles son las causas? Los privados buscan ganancias a través de subsidios y cabildeos para destruir
a la CFE (fracturándola y obligándola a pagarles subsidios) y la mala planificación del sistema eléctrico
nacional, como se documenta en los muchos permisos de generación de fuentes intermitentes
(muchos más de los necesarios), lejos de los centros de consumo.

¿Con qué frecuencia ocurre la falla? Tantas veces como las leyes resultan del cabildeo de los privados
y la corrupción de los tomadores de decisiones (como se alega fue la forma en que se aprobó la reforma
energética de 2013).

¿Cómo se podría prevenir o detectar? Promulgar buenas leyes a través de tomadores de decisiones
informados (en el congreso mexicano) y partes interesadas (la población, la industria y el sector social).

¿Qué se puede hacer? Elaborar leyes que aseguren la planificación y financiamiento del sistema
eléctrico, evitando subsidios a privados para asegurar recursos para financiar una red de transmisión
confiable, segura y suficiente y potenciando en su lugar a la empresa pública.

¿Qué indicadores serán apropiados? El precio de la energía eléctrica, cobertura de energía eléctrica en
el país, porcentaje de energía eléctrica proveniente de fuentes renovables limpias y el avance hacia
tener la energía eléctrica como un derecho humano.

¿Quiénes serán los responsables? El gobierno mexicano es responsable de planear, regular y controlar
el sector eléctrico y en particular el poder legislativo para dictar leyes que beneficien el desarrollo del
país, fortaleciendo a la empresa pública porque a las privadas les importa sobre todo ganar dinero para
sus accionistas. El gobierno mexicano debe asegurar una transición energética ordenada y gradual de
combustibles fósiles a fuentes de energía renovables limpias y desarrollar, adoptar o adaptar
tecnologías para almacenar energía de fuentes intermitentes.

171
Capítulo 28
28. Muestreo
En los temas de Muestreo y de Confiabilidad seguiremos muy de cerca el libro de Gutiérrez Pulido con
el fin de que sea más fácil estudiar estos temas para los alumnos. Desafortunadamente, por el tiempo,
no se cubrirán todos los temas.

Muestreo:

El muestreo se realiza para evitar comprar productos defectuosos. Se lleva a cabo para rechazar lotes
que contienen muchos productos defectuosos. [13]

Existen muchos clientes que deciden que si un solo producto es defectuoso rechazan todo el lote.

Cuando llega un lote de productos se realiza un muestreo para decidir si se acepta o no todo el lote de
productos.

Existen 3 clases de muestreo:

Muestreo al 0%. Consiste en no realizar inspección alguna.

Muestreo al 100%. Consiste en revisar o inspeccionar cada uno de los productos del lote.

Muestreo de Aceptación. Consiste en revisar solamente una muestra y en base a esa inspección
decidir si se acepta o no el lote.

El muestreo al 0% se realiza cuando se conoce al proveedor que siempre ha entregado productos que
no causan gran pérdida al comprador. O también cuando los productos no cuestan mucho, de tal
manera que si se adquieren algunos productos defectuosos no es grande la pérdida.

El muestreo al 100% se realiza cuando no se conoce mucho al proveedor y se desconoce la calidad de

los productos, por lo que si sus lotes contienen muchos productos defectuosos pueden causar un daño
económico grande al comprador. O también cuando los productos cuestan mucho y con unos cuantos
productos defectuosos que se adquieran pueden ocasionar una pérdida considerable. Una inspección
al 100% muchas veces es cara porque al inspeccionar los productos se les puede dañar por lo que a
veces una inspección al 100% se vuelve una inspección al 200%. Desde luego que no es conveniente
cuando para saber con certeza si funciona o no un producto se tiene que destruir.

El muestreo de aceptación consiste en una inspección intermedia entre las dos anteriores. En el
muestreo de aceptación solamente se inspecciona una muestra aleatoria de tamaño n, de un lote que
tiene un tamaño N. Y se tiene una regla de aceptación del lote que es: si al revisar la muestra de tamaño
n, se encuentra que en ella hay 0 o 1 o 2 o 3 o hasta c productos defectuosos se acepta todo el lote; si
existen c+1 productos defectuosos se rechaza todo el lote. Al número c, se le llama número de
aceptación.

Se denomina Plan de Muestreo a los 3 números: N, n y c. Es decir, un Plan de Muestreo consiste del
tamaño del lote (N), del tamaño de la muestra (n) y del número de aceptación (c).

Ejemplo. Plan de Muestreo: N=500, n=10, c=2. Este plan de muestreo tiene un lote de 500 productos
en el que se toma una muestra aleatoria de 10 productos. Solamente se inspeccionan, revisan o
prueban los 10 elementos de la muestra tomada aleatoriamente. Si al revisar esta muestra se

172
encuentran 0 artículos defectuosos, un artículo defectuoso o dos artículos defectuosos se acepta todo
el lote de 500 productos. Si al revisar la muestra de 10 productos se encuentran 3 o más artículos
defectuosos se rechaza todo el lote.

Otro ejemplo. Plan de Muestreo: N=10, n=2, c=1. En este plan de muestreo el lote tiene 10 elementos
y se toma una muestra aleatoriamente de 2 de esos 10 elementos. Solamente se inspeccionan los 2
elementos de la muestra. Si en esa muestra de 2 productos hay 0 productos defectuosos se acepta
todo el lote de 10 productos. Si en la muestra de 2 productos hay 1 producto defectuoso se acepta
todo el lote de 10 productos. Si en la muestra de 2 productos hay 2 productos defectuosos se rechaza
todo el lote.

En lo siguiente consideraremos solamente el caso de lotes grandes. La definición de lote grande es:

𝑛 1
< 10 (28.1)
𝑁

O sea que un lote grande es cuando el tamaño de la muestra es menor que la décima parte del
tamaño del lote. ¿Cuál es la probabilidad, Pa de aceptar un lote?

𝑃𝑎 (𝑛, 𝑐) = 𝑃(𝑛, 0) + 𝑃(𝑛, 1) + 𝑃(𝑛, 2) + ⋯ … . . +𝑃(𝑛, 𝑐) (28.2)

O sea que la probabilidad de aceptar un lote será igual a la probabilidad de encontrar 0 artículos
defectuosos en la muestra de tamaño n, más la probabilidad de encontrar 1 articulo defectuoso en la
muestra n, más la probabilidad de encontrar 2 artículos defectuosos en la muestra n, hasta sumarle la
probabilidad de encontrar c productos defectuosos en la muestra n.
Ejemplo. Plan de Muestreo: N=110, n=6, c=2. Éste es el caso de un lote grande. ¿Cuál es la probabilidad
de aceptar el lote de 110 productos?

Figura 28.1: Lote de tamaño N=110 con 10 productos defectuosos. Muestra de tamaño 6.

N= 110 productos

De los 110 productos hay d=10 productos defectuosos, representados por los puntos rojos.

173
Proporción de artículos defectuosos:
𝑑 10
𝑝= = = 0.0909
𝑁 110
(p minúscula)

Tomamos una muestra de tamaño 6.

Cuál es la probabilidad de que en la muestra de tamaño 6:

¿haya 0 defectuosos?, ¿1 defectuoso?, ¿2 defectuosos?, ¿3 defectuosos?, ¿4 defectuosos?, ¿5

defectuosos? o ¿6 defectuosos?,

Figura 28.2: Todas las muestras posibles de tamaño 6 que pueden resultar.

La probabilidad de aceptar todo el lote, es la probabilidad de que en la muestra se encuentre 0

defectuosos, 1 defectuoso o 2 defectuosos, que matemáticamente se escribe como:

𝑃𝑎 (𝑛 = 6, 𝑐 = 2) = 𝑃(6,0) + 𝑃(6,1) + 𝑃(6,2) (28.3)

O sea que la probabilidad de aceptar el lote será igual a la probabilidad de encontrar 0 artículos
defectuosos en la muestra de tamaño 6, más la probabilidad de encontrar 1 artículo defectuoso en la
muestra de tamaño 6 y más la probabilidad de encontrar 2 artículos defectuosos en la muestra de
tamaño 6. Solamente existen 3 términos porque c=2.

En general, ¿cómo calculamos la probabilidad de que en una muestra de tamaño n encontremos r

productos defectuosos? Lo hacemos usando una distribución binomial (porque el lote es grande).

174
 𝑛!
𝑃(𝑛, 𝑟) = (𝑛−𝑟)!𝑟!
𝑝𝑟 (1 − 𝑝)𝑛−𝑟 (28.4)

Donde la p minúscula es la proporción de artículos defectuosos en el lote (no en la muestra).

𝑃𝑎 (𝑛 = 6, 𝑐 = 2) = 𝑃(6,0) + 𝑃(6,1) + 𝑃(6,2)

6! 0 6−0 6! 1 6−1 6!
= (6−0)!0!
𝑝 (1 − 𝑝) + (6−1)!1!
𝑝 (1 − 𝑝) + (6−2)!2!
𝑝2 (1 − 𝑝)6−2

Suponemos que en el lote de 110 productos, existen 10 productos defectuosos. Entonces la p

10
minúscula que es la proporción de artículos defectuosos en el lote es igual a: p=110 =0.091. Por lo tanto
la probabilidad de aceptar todo el lote sería de:

6! 6!
𝑃𝑎 (𝑛 = 6, 𝑐 = 2) = (6−0)!0!
0.0910 (1 − 0.091)6−0 + (6−1)!1! 0.0911 (1 − 0.091)6−1
6!
+ (6−2)!2! 0.0912 (1 − 0.091)6−2
6! 6! 6!
=6!0! 0.0910 (0.909)6 + 0.0911 (0.909)5 + 0.0912 (0.909)4
5!1! 4!2!

Recordemos que: 0! = 1, 1!=1 y que a0 = 1 (cualquier número elevado a la 0 es 1)

Además recordar que: n!=n(n-1)!=n(n-1)(n-2)!=n(n-1)(n-2)(n-3)! Ejemplo: 6! = 6x5!=6x5x4! = 6x5x4x3!

= 6x5x4x3x2! = 6x5x4x3x2x1 Por lo tanto:

6𝑥5
𝑃𝑎 (𝑛 = 6, 𝑐 = 2)= (0.909)6 + 6𝑥0.0911 (0.909)5 + 2!
0.0912 (0.909)4

= (0.909)6 + 6𝑥0.091𝑥(0.909)5 + 15𝑥0.0912 (0.909)4 =

0.564135+0.546x0.62061+0.124215x0.68274 = 0.564135 + 0.33885306 + 0.08481 = 0.98779806

Así que la probabilidad de aceptación del lote depende del tamaño de la muestra, n, y del número de
aceptación, c. Más adelante usaremos las tablas de Cameron para obtener el tamaño de la muestra y
el número de aceptación en un muestreo. Por el momento calcularemos la probabilidad de aceptar
todo el lote dado un tamaño de la muestra y el número de aceptación.

Muestreo doble

Lo anterior es lo que se denomina muestreo simple. También existe el muestreo doble, veámoslo.

En este caso se proporcionan los valores:

N: tamaño del lote

𝑛1 : tamaño de la primera muestra

𝑐1: número de aceptación para la primera muestra

𝑛2 : tamaño de la segunda muestra

𝑐2 : número de aceptación para la segunda muestra

175
La primera muestra que se toma es menor que la muestra del muestreo simple. Tomemos el siguiente
ejemplo (Gutiérrez Pulido) para ilustrar el muestreo doble:

N :5000

𝑛1 : 40

𝑐1:2

𝑛2 :40

𝑐2 :5

O sea que el lote tiene 5000 elementos. Se toma una primera muestra de 40 productos del lote y se
inspecciona cada uno de los elementos de la muestra. En base a los resultados de la inspección de esa
primera muestra se toman las siguientes decisiones.

1. Aceptar el lote cuando la cantidad de unidades defectuosas sea menor o igual que 𝑐1 =2.
2. Rechazar el lote cuando el número de piezas defectuosas sea mayor que 𝑐2 =5.

3. Tomar una segunda muestra de 𝑛2 = 40 unidades cuando no ocurra ninguno de los dos casos
anteriores. Si la suma de la cantidad de unidades defectuosas en las dos muestras es menor o
igual que 𝑐2 = 5, el lote es aceptado; pero si es mayor, el lote es rechazado.

Supuestamente en el muestreo doble se requiere menos inspección, pero se tiene más trabajo en su
administración.”

La probabilidad de aceptación entre un muestreo simple y doble es casi la misma para ciertos valores
de la proporción de artículos defectuosos. [13]

176
Capítulo 29

29. Curva Característica de Operación (CCO)

La probabilidad de aceptación de todo el lote, 𝑃𝑎 , depende de la proporción de artículos defectuosos
en el lote, p, por lo que generalmente se gráfica la probabilidad de aceptación, 𝑃𝑎 , contra la proporción
de artículos defectuosos, p. A la gráfica 𝑃𝑎 versus p se le llama curva característica de operación. La
curva característica de operación nos muestra el desempeño del plan, es decir que tan bueno es el plan
para descartar lotes que tengan una proporción de productos defectuosos que no es pequeña. La curva
característica de operación muestra que tan estricto es el plan. Si el plan es muy estricto es posible que
una compañía no encuentre proveedor, aunque actualmente se espera que las compañías sean de
clase mundial y que casi no tengan productos defectuosos pero en realidad no es así, todavía hay
muchas compañías que generan una proporción de artículos defectuosos de más del 3% (p ≥ 0.03).

En general la probabilidad de aceptar un lote grande, 𝑃𝑎 , dada la proporción de artículos defectuosos

p que tiene, al tomar una muestra de tamaño 6 (n=6) y un número de aceptación 0 (c=0) es:

6!
𝑃𝑎 (𝑛 = 6, 𝑐 = 0) = 𝑃(6,0) = 𝑝0 (1 − 𝑝)6−0 = (1 − 𝑝)6
(6 − 0)! 0!

Si el número de aceptación es 1 (c=1).

𝑃𝑎 (𝑛 = 6, 𝑐 = 1) = 𝑃(6,0) + 𝑃(6,1)
6! 6!
= (6−0)!0!
𝑝0 (1 − 𝑝)6−0 + (6−1)!1! 𝑝1 (1 − 𝑝)6−1 = (1 − 𝑝)6 +6 𝑝(1 − 𝑝)5

Si el número de aceptación es 2 (c=2).

𝑃𝑎 (𝑛 = 6, 𝑐 = 2) = 𝑃(6,0) + 𝑃(6,1) + 𝑃(6,2)

6! 6! 6!
= 𝑝0 (1 − 𝑝)6−0 + 𝑝1 (1 − 𝑝)6−1 + 𝑝2 (1 − 𝑝)6−2
(6 − 0)! 0! (6 − 1)! 1! (6 − 2)! 2!
𝑃𝑎 (𝑛 = 6, 𝑐 = 2) = (1 − 𝑝)6 + 6𝑝(1 − 𝑝)5 + 15𝑝2 (1 − 𝑝)4

La probabilidad de aceptación, 𝑃𝑎 , depende de la proporción de artículos defectuosos, p. El resultado

se muestra gráficamente en la siguiente figura para c=0, c=1 y c=2.

177
 Figura 29.1: Curvas características de operación para lotes grandes. Para los planes de muestreo
(n=6, c=0), (n=6, c=1), y (n=6, c=2)

Veamos otros ejemplos de curvas características de operación. Consideremos un tamaño de la muestra

igual a 70 y números de aceptación c = 0, 1, 2, 3, 4, 5.
𝑃𝑎 (70, 𝑐 = 0) = 𝑃(70,0) =
70! 70!
= (70−0)!0!
𝑝0 (1 − 𝑝)70−0 = 𝑝0 (1 − 𝑝)70−0 = (1 − 𝑝)70
70!

𝑃𝑎 (70, 𝑐 = 0) = (1 − 𝑝)70

𝑃𝑎 (70, 𝑐 = 1) = 𝑃(70,0) + 𝑃(70,1)

70! 70!
= 𝑃(70,0) + (70−1)!1!
𝑝1 (1 − 𝑝)70−1 = 𝑃(70,0) + 69! 𝑝(1 − 𝑝)69 = 𝑃𝑎 (70, 𝑐 = 0) +
70𝑝(1 − 𝑝)69
𝑃𝑎 (70, 𝑐 = 1) = 𝑃𝑎 (70, 𝑐 = 0) + 70𝑝(1 − 𝑝)69

𝑃𝑎 (70, 𝑐 = 2) = 𝑃(70,0) + 𝑃(70,1) + 𝑃(70,2)

70! 70!
= 𝑃(70,0) + 𝑃(70,1) + (70−2)!2!
𝑝2 (1 − 𝑝)70−2 = 𝑃(70,0) + 𝑃(70,1) + 68!2 𝑝2 (1 − 𝑝)68 =
70(69) 2
𝑃(70,0) + 𝑃(70,1) + 𝑝 (1 − 𝑝)68 = 𝑃(70,0) + 𝑃(70,1) + 35(69)𝑝2 (1 − 𝑝)68
2

𝑃𝑎 (70, 𝑐 = 2) = 𝑃𝑎 (70, 𝑐 = 1) + 2415𝑝2 (1 − 𝑝)68

𝑃𝑎 (70, 𝑐 = 3) = 𝑃(70,0) + 𝑃(70,1) + 𝑃(70,2) + 𝑃(70,3) = 𝑃(70,0) + 𝑃(70,1) +

70! 70𝑥69𝑥68 3
𝑃(70,2) + (70−3)!3! 𝑝3 (1 − 𝑝)70−3= 𝑃𝑎 (70, 𝑐 = 2)+ 𝑝 (1 − 𝑝)67 = 𝑃𝑎 (70, 𝑐 = 2)+
3𝑥2
70𝑥23𝑥34𝑝3 (1 − 𝑝)67

178
𝑃𝑎 (70, 𝑐 = 3)= 𝑃𝑎 (70, 𝑐 = 2)+ 54740𝑝3 (1 − 𝑝)67
70! 70!
𝑃𝑎 (70, 𝑐 = 4)= 𝑃𝑎 (70, 𝑐 = 3)+ (70−4)!4! 𝑝4 (1 − 𝑝)66 = 𝑃𝑎 (70, 𝑐 = 3)+ 66!4! 𝑝4 (1 − 𝑝)66 =
70𝑥69𝑥68𝑥67
𝑃𝑎 (70, 𝑐 = 3)+ 𝑝4 (1 − 𝑝)66 = 𝑃𝑎 (70, 𝑐 = 3)+ 35𝑥23𝑥17𝑥67𝑝4 (1 − 𝑝)66 =
4𝑥3𝑥2

𝑃𝑎 (70, 𝑐 = 4) = 𝑃𝑎 (70, 𝑐 = 3)+ 916895𝑝4 (1 − 𝑝)66

70! 70!
𝑃𝑎 (70, 𝑐 = 5) = 𝑃𝑎 (70, 𝑐 = 4)+ 65!5! 𝑝5 (1 − 𝑝)65 = 𝑃𝑎 (70, 𝑐 = 4)+ 65!5! 𝑝5 (1 − 𝑝)65 =
70𝑥69𝑥68𝑥67𝑥66 916895𝑥66
𝑃𝑎 (70, 𝑐 = 4)+ 𝑝5 (1 − 𝑝)65 = 𝑃𝑎 (70, 𝑐 = 4)+ 𝑝5 (1 − 𝑝)65 =
5𝑥4! 5

𝑃𝑎 (70, 𝑐 = 5) = 𝑃𝑎 (70, 𝑐 = 4)+ 12103014𝑝5 (1 − 𝑝)65

179
Tabla 29.1: Valores de p y de Pa para elaborar las curvas características de operación para los planes
de muestreo (n=70, c=0), (n=70, c=1), (n=70, c=2), (n=70, c=3), (n=70, c=4) y (n=70, c=5), usando la
distribución binomial.

180
En la última columna aparecen los valores de p (proporción de artículos defectuosos en el lote) y en
las otras columnas la probabilidad de aceptar el lote(Pa) para los números de aceptación c=0, c=1, c=2,
c=3, c=4 y c=5.

En la figura que sigue se presentan los resultados gráficamente.

Figura 29.2: Curvas características de operación para lotes grandes. Para los planes de muestreo
(n=70, c=0), (n=70, c=1), (n=70, c=2), (n=70, c=3), (n=70, c=4) y (n=70, c=5) usando la distribución
binomial

Figura 29.3: Curvas características de operación para lotes grandes. Para los planes de muestreo
(n=70, c=0), (n=70, c=1), (n=70, c=2), (n=70, c=3), (n=70, c=4), y (n=70, c=5). (Alargamiento de la
figura anterior.)

Veamos el efecto de aumentar el tamaño de la muestra y el número de aceptación.

Tomemos:

n= 60, c = 1

n= 120, c = 2

n= 240, c = 4

181
Entonces:

𝑃𝑎 (60, 𝑐 = 1) = (1 − 𝑝)60 + 60𝑝(1 − 𝑝)59

𝑃𝑎 (120, 𝑐 = 2) = (1 − 𝑝)120 + 120𝑝(1 − 𝑝)119 + 7140𝑝2 (1 − 𝑝)118
𝑃𝑎 (240, 𝑐 = 4)= (1 − 𝑝)240 + 240𝑝(1 − 𝑝)239 + 28680𝑝2 (1 − 𝑝)238 +2275280𝑝3 (1 −
𝑝)237 + 134810340𝑝4 (1 − 𝑝)236

Figura 29.4: Curvas características de operación para planes de muestreo en los que se aumenta el
tamaño de la muestra y el número de aceptación proporcionalmente, usando la distribución binomial.

Figura 29.5: Un alargamiento de la Figura 6.

Si aumentamos el tamaño de la muestra y el número de aceptación en el mismo factor nos resulta un

mejor plan de muestreo (n=240, c=4) porque la probabilidad de aceptación es mayor que las otras dos
para proporciones de artículos defectuosos pequeñas pero la probabilidad de aceptación para
proporciones de artículos defectuosos grandes es más pequeña que las otras dos. Así que de la gráfica
anterior concluimos que el mejor plan de muestreo de los 3 estudiados es el que corresponde a n=240,
c=4.

Pregunta: Si la proporción de artículos defectuosos es de 2% y usted es muy estricto, ¿qué plan

escogería? El de n=240 y c=4 porque para p=0.02 es el que tiene menor Pa.

Pregunta: Si la proporción de artículos defectuosos es de 2.5% y usa un plan de muestreo de n=60 y

c=1 y le llegan 880 lotes, ¿cómo cuántos de esos lotes terminaría aceptando? Para p=0.025 la
probabilidad de aceptar un lote es aproximadamente como 0.6, o sea que la fracción de lotes que

182
podría ser aceptada sería de 0.6. Si llegan 880 lotes, se aceptarían aproximadamente 0.6*880 = 528
lotes.

(Si la probabilidad de casarse que tienen un@ alumn@ es de 60% eso quiere decir que la fracción de
alumn@s que se casará será aproximadamente 0.60. Si se tienen 1500 alumn@s como 0.60*1500
alumn@s, o sea como 900 alumn@s se casarían.)

Pregunta: ¿Cómo sería la curva característica de operación para los lotes de una empresa de clase
mundial?

183
Capítulo 30

30. Cálculo del Plan de Muestreo y de la Curva Característica de

Operación usando las Tablas de Cameron

Hemos revisado lo que es un Plan de Muestreo y lo que es una Curva Característica de Operación.
También el efecto de cambiar el tamaño de la muestra, n, y el número de aceptación, c, en un Plan de
Muestreo. Lo que revisaremos enseguida es cómo obtener el Plan de Muestreo o sea el tamaño de la
muestra, n, y el número de aceptación, c, para lotes grandes usando las tablas de Cameron.

Primero se necesita hacer algunas definiciones para obtener el Plan de Muestreo. El proveedor (o
vendedor) y el consumidor (o comprador) definen el Nivel de Calidad Aceptable (NCA o AQL en inglés)
y el Nivel de Calidad Límite (NCL o LQL en inglés). El NCA es el valor de p, que todavía se considera que
es una proporción de productos defectuosos aceptable, o sea que el valor de las proporciones de
artículos defectuosos de 0 a NCA se consideran buenas. El NCL es el valor de p, a partir del cual la
proporción de productos defectuosos se considera que ya no es tan aceptable, o sea que las
proporciones de artículos defectuosos en el lote de NCL a 1.0 no se consideran aceptables.

Después entre el proveedor y el consumidor acuerdan cuál debe ser la probabilidad de aceptación de
un lote que tenga una proporción de productos defectuosos igual a NCA, esta probabilidad se escribe
como 1 − 𝛼 donde 𝛼 , es una fracción muy pequeña, de tal manera que la probabilidad de aceptar un
lote que tenga una proporción de artículos defectuosos igual a NCA es casi 1. A la cantidad 𝛼 se le llama
riesgo del proveedor.

También el proveedor y el consumidor acuerdan cuál es la probabilidad de aceptar un lote que tenga
una proporción de artículos defectuosos igual a NCL, esta probabilidad se denota como 𝛽 que es una
fracción muy pequeña, de tal manera que la probabilidad de aceptar un lote que tenga una proporción
de artículos defectuosos igual a NCL es muy pequeña. 𝛽 es el riesgo del comprador. NCA en inglés es
AQL. NCL en inglés es LQL.

AQL en inglés quiere decir Acceptable Quality Level. LQL en inglés quiere decir Limiting Quality Level.

Las coordenadas (NCA , 1 − 𝛼 ) y (NCL , 𝛽 ) se muestran en la Figura siguiente.

184
 Figura 30.1 Curva Característica de Operación que muestra NCA, 1 − 𝛼, NCL y 𝛽.

La Curva Característica de Operación pasa por 4 puntos: (0,1), (NCA, 1 − 𝛼), (NCL, 𝛽) y (1,0).

30.1. Uso de la Tablas de Cameron para obtener el Plan de Muestreo

La Tabla de Cameron para construir el Plan de Muestreo se muestra enseguida:

Tabla 30.1: Tabla de Cameron para diseñar planes de muestreo simple. (Tabla tomada del libro de
Gutiérrez Pulido. Gutiérrez Pulido, Control Estadístico de la Calidad y Seis Sigma.)

Para obtener el Plan de Muestreo usando la Tablas de Cameron necesitamos definir los valores de NCA,
1 − 𝛼 , NCL y 𝛽 . Después seguimos el siguiente procedimiento:

185
Definimos:

𝑁𝐶𝐴
𝑝1 = (30.1)
100

𝑁𝐶𝐿
𝑝2 = (30.2)
100

𝑝2
𝑅𝑐 = (30.3)
𝑝1

Posteriormente se consulta la Tabla de Cameron para establecer qué columna de la Tabla usaremos.
La columna que usaremos es aquella que tiene la 𝛼 y la 𝛽 de nuestros datos. Una vez que ya
conocemos la columna de la Tabla de Cameron que usaremos nos fijamos en el valor de R en la
columna que es más próxima a 𝑅𝑐 . Una vez que tenemos la R más cercana a la 𝑅𝑐 , nos fijamos a la
izquierda para saber qué valor de c le corresponde, es decir cuál es el valor del número de aceptación.
También nos fijamos a la derecha de la R que hemos encontrado para saber qué valor le corresponde
de 𝑛𝑝1 . Una vez que tenemos el valor de 𝑛𝑝1 lo dividimos entre 𝑝1 para obtener el valor de n. Con
este procedimiento hemos obtenido el Plan de Muestreo que no es más que los valores de n y de c.
Veamos un ejemplo.

Supongamos que el proveedor y el comprador acuerdan lo siguiente:

NCA = 1.94286%

NCL = 14.280021%

𝛼 = 0.05
𝛽 =0.01
Entonces:

𝑁𝐶𝐴
𝑝1 = = 0.0194286
100
𝑁𝐶𝐿
𝑝2 = = 0.14280021
100
𝑝2 0.14280021
𝑅𝑐 = = =7.35
𝑝1 0.0194286

Con lo anterior nos vamos a la Tabla de Cameron. Escogemos la columna que tiene 𝛼 = 0.05 y 𝛽 =0.01.
En esa columna buscamos la R que se acerque más al valor de 𝑅𝑐 = 7.35. El valor que más se acerca a
este valor es el de R=7.35. Buscamos el valor de c a la izquierda de 7.35 y resulta ser c=3. Buscamos a
la derecha de R=7.35 para encontrar el valor de 𝑛𝑝1 que le corresponda y este valor es de 𝑛𝑝1 = 1.36.

186
 Tabla 30.2: Recorte de Tabla 2 con la información necesaria para el ejemplo.

Dividimos 𝑛𝑝1 = 1.36 entre 𝑝1 .

𝑛𝑝1 1.36
= = 69.99989
𝑝1 0.0194286

n = 70

Por lo tanto, ya tenemos el Plan de Muestreo que es:

n = 70 y c = 3

Ahora bien, ahora tenemos que hacer la Curva Característica de Operación del Plan de Muestreo y lo
hacemos usando la otra tabla de Cameron. Hagámoslo.

Tabla 30.3: Tabla de Cameron para determinar la Curva Característica de Operación. (Tabla tomada
del libro de Gutiérrez Pulido). [13]

La curva característica de operación es la gráfica de la probabilidad de aceptar el lote, 𝑃𝑎 versus p, la

proporción de artículos defectuosos en el lote.

Para hacer la Curva Característica de Operación correspondiente al Plan de Muestreo n=70, c=3
buscamos en la Tabla anterior (del libro de Gutiérrez Pulido) el renglón que corresponde a c=3.

En el renglón superior aparecen los valores de la probabilidad de aceptar el lote, 𝑃𝑎 .

187
O sea que en la Tabla de Cameron anterior para hacer la curva característica de operación solamente
nos fijamos en los dos renglones que aparecen en la tabla siguiente.

Tabla 30.4: Recorte de la Tabla 30.3 con la información que necesitamos.

Estos dos renglones los escribimos en Excel como en la tabla siguiente:

Tabla 30.5: Información de la Tabla 5 escrita en Excel.

Para obtener los valores de p, o sea de la proporción de artículos defectuosos en el lote, dividimos los
números que aparecen el renglón de debajo de las 𝑃𝑎 entre el tamaño de la muestra (n), que en este
caso es 70.

Tabla 30.6: Valor de p obtenido dividiendo el renglón de c=3 de la Tabla de Cameron entre el tamaño
de la muestra n=70. El valor de p es el que aparece en el cuarto renglón.

En resumen tenemos el renglón de las 𝑃𝑎 que es el primer renglón y el cuarto renglón que es el de la
p.

El resultado de la p y la 𝑃𝑎 los colocamos en columnas en lugar de renglones. El resultado se muestra

en la Tabla siguiente.

Tabla 30.7: Recorte de la Tabla 30.6 con la información necesaria para hacer la curva característica
de operación para el plan de muestreo (n=70, c=3), usando las tablas de Cameron.

188
 Tabla 30.8: Valores de p y de 𝑃𝑎 para hacer la curva característica de operación para el plan de
muestreo (n=70, c=3).

En la figura siguiente se muestran los resultados gráficamente.

Figura 30.2: Curva característica de operación para el plan (n=70, c=3) usando las tablas de Cameron.

También para comprobar los resultados podemos hacer las operaciones para la distribución binomial
para n=70 y c=3 que ya hicimos arriba.

Figura 30.3: Curvas características de operación para el plan de muestreo (n=70 y c=3) usando el
cálculo de la distribución binomial y las Tablas de Cameron. La diferencia es mínima.

189
Las Tablas de Cameron son muy útiles para obtener rápidamente los planes de muestreo y las curvas
características de operación, como lo demostramos enseguida en la obtención de las curvas
características de operación para n=70 y varios valores de c. Las curvas características de operación ya
habían sido obtenidas usando la distribución binomial.

Valores de la tabla de Cameron (Tabla 30.3) que tomaremos para hacer las curvas características
para varios planes de muestreo.

Tabla 30.9: Parte de la Tabla 30.3 que tomamos para hacer las curvas características de operación
para n=70 y varios valores de c.

Enseguida se presentan los resultados para hacer las curvas características de operación usando las
tablas de Cameron.

Tabla 30.10: Valores de p y 𝑃𝑎 para elaborar las curvas características de operación de los planes de
muestreo (n=70, c=0), (n=70, c=1), (n=70, c=2), (n=70, c=3), (n=70, c=4) y (n=70, c=5), usando la Tabla
de Cameron para hacer las curvas características de operación.

Las curvas de operación para esos 5 planes de muestreo ya las habíamos obtenido, pero usando la
distribución binomial, ahora las obtenemos usando las tablas de Cameron, como se muestra en la
Figura 30.4.

Para n=70 las curvas de la Binomial y de Cameron coinciden:

190
 Figura 30.4: Comparación de las curvas características de operación para los planes de muestreo
(n=70, c=0), (n=70, c=1), (n=70, c=2), (n=70, c=3), (n=70, c=4) y (n=70, c=5), obtenidas usando la
distribución binomial y la Tabla de Cameron para hacer curvas características de operación. Las
curvas características de operación usando la distribución binomial las tomamos de una figura
anterior.

Las curvas obtenidas usando la distribución binomial y las tablas de Cameron proporcionan los mismos
resultados cuando la proporción de artículos defectuosos p es pequeña, pero difieren a medida que la
p es mayor debido a que las tablas de Cameron están elaboradas usando la distribución de Poisson (las
distribuciones binomial y de Poisson aproximan sus resultados a medida que la p es más pequeña.)
Otro ejemplo del uso de las tablas de Cameron:

NCA = 0.5%

NCL = 1.5%

𝛼 = 0.01

𝛽 = 0.05

Entonces:

𝑁𝐶𝐴
𝑝1 = = 0.005
100
𝑁𝐶𝐿
𝑝2 = = 0.015
100
𝑝2 0.015
𝑅𝑐 = = =3
𝑝1 0.005

191
Con lo anterior nos vamos a la Tabla de Cameron. Escogemos la columna que tiene 𝛼 =0.01 y 𝛽 =0.05.
En esa columna buscamos la R que se acerque más al valor de 𝑅𝑐 = 3. El valor que más se acerca a este
valor es el de R=3.04. Buscamos el valor de c a la izquierda de 3.04 y resulta ser c=13. Buscamos a la
derecha de R=3.04 para encontrar el valor de 𝑛𝑝1 que le corresponda y este valor es de 𝑛𝑝1 = 6.78.

Tabla 30.11: Recorte de Tabla 30.3 con la información necesaria para el ejemplo.

Dividimos 𝑛𝑝1 = 6.78 entre 𝑝1 .

𝑛𝑝1 6.78
= 0.005 = 1356
𝑝1
n = 1356

Por lo tanto, ya tenemos el Plan de Muestreo que es:

n = 1356 y c = 13

Ahora bien, ahora tenemos que hacer la Curva Característica de Operación del Plan de Muestreo y lo
hacemos usando la otra tabla de Cameron. Hagámoslo.

Tabla 30.12: Recorte de la Tabla 30.11 con la información que necesitamos.

Estos dos renglones los escribimos en Excel como en la tabla siguiente:

Tabla 30.13: Información de la Tabla 30.12 escrita en Excel.

192
Para obtener los valores de p, o sea de la proporción de artículos defectuosos en el lote, dividimos los
números que aparecen en el renglón de debajo de las 𝑃𝑎 entre el tamaño de la muestra (n), que en
este caso es 1356.

Tabla 30.14: Valor de p obtenido dividiendo el renglón de c=13 de la Tabla de Cameron entre el
tamaño de la muestra n=1356. El valor de p es el que aparece en el cuarto renglón

En resumen tenemos el renglón de las 𝑃𝑎 , que es el primer renglón y el cuarto renglón que es el de la
p.

Tabla 30.15: Recorte de la Tabla 30.14 con la información necesaria para hacer la curva característica
de operación para el plan de muestreo (n=1356, c=13), usando las tablas de Cameron.

El resultado de la p y la 𝑃𝑎 los colocamos en columnas en lugar de renglones. El resultado se muestra

en la Tabla siguiente.

Tabla 30.16:
En la figura siguiente se muestran los resultados gráficamente:

Figura 30.5: Curva característica de operación para el plan (n=1356, c=13) usando las tablas de
Cameron.

193
Pregunta: ¿Y si el 𝑅𝑐 cae entre dos valores de R?
Se puede escoger el que más favorezca al proveedor, es decir a los resultados de la línea de abajo que
es la que tiene un número de aceptación mayor, a pesar de que implica más trabajo para el comprador
porque el tamaño de la muestra es mayor. Pero si el primer lote se rechaza entonces los siguientes
lotes podrían tener los resultados con la línea de arriba, que tiene una c menor. Desde luego que lo
mejor sería hacer las curvas características de operación y ver cual conviene tanto al proveedor como
al comprador.

Cada mañana se despierta un león y una gacela en la selva, para sobrevivir el león necesita ser más
rápido que la gacela más lenta que se encuentre. Para sobrevivir, la gacela necesita ser más rápida que
el león más rápido que se encuentre. Sus necesidades son muy diferentes. En el caso de cliente-
proveedor, es más simple, porque se puede llegar a un acuerdo en NCA, NCL, α y β.

Pregunta: ¿Cómo le hace el proveedor para proponer una NCA?

El proveedor ya sabe cuál es la proporción de artículos defectuosos en sus lotes, p0.

Entonces le conviene que la NCA que se acuerde sea un poquito más grande que p0.
Al proveedor le convendrá que la NCA y la NCL sean lo más grandes posibles.
Referencias [13] [55].

194
Capítulo 31

31. Military Standard 105 E

Para obtener los planes de muestreo aplicando el MIL STD 105E se procede de acuerdo a los siguientes
pasos (Gutiérrez Pulido):

1. Determinar el tamaño del lote.

2. Especificar el NCA (AQL) en porcentaje.

3. Escoger el nivel de inspección (usualmente el nivel II, que puede ser cambiado si la situación lo
justifica).

4. Dada la información anterior, en la tabla se muestra la letra código correspondiente para el

tamaño de la muestra. [55]

Si al buscar el plan de muestreo se encuentra una flecha, se sigue la flecha hasta llegar a un renglón
donde se tenga un plan de muestreo.

Tabla 31.1: Letras código para el tamaño de muestra (MIL STD 105E). [13]

195
 Letra Tamaño Nivel de calidad aceptable
código de la 0.010 0.015 0.025 0.040 0.065 0.100 0.150 0.250 0.400 0.650
para el muestra Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
A 2
B 3
C 5
D 8
E 13
F 20 01
G 32 01
H 50 01
J 80 01 12
K 125 01 12 23
L 200 01 12 23 34
M 315 01 12 23 34 56
N 500 01 12 23 34 56 78
P 800 01 12 23 34 56 78 10 11
Q 1250 01 12 23 34 56 78 10 11 14 15
R 20000 12 23 34 56 78 10 11 14 15 21 22

(NCA o AQL), en porcentaje

1.0 1.5 2.5 4.0 6.5 10 15 25 40 65 100 150 250 400
Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
01 12 23 34 56 78 10 11 14 15
01 12 23 34 56 78 10 11 14 15 21 22
01 12 23 34 56 78 10 11 14 15 21 22 30 31
01 12 23 34 56 78 10 11 14 15 21 22 30 31 44 45
01 12 23 34 56 78 10 11 14 15 21 22 30 31 44 45
12 23 34 56 78 10 11 14 15 21 22
12 23 34 56 78 10 11 14 15 21 22
12 23 34 56 78 10 11 14 15 21 22
23 34 56 78 10 11 14 15 21 22
34 56 78 10 11 14 15 21 22
56 78 10 11 14 15 21 22
78 10 11 14 15 21 22
10 11 14 15 21 22
14 15 21 22
21 22

Tabla 31.2: Para inspección normal. Muestreo simple (MIL STD 105E). [13]

La NCA que aparece en las tablas está en porcentaje.

196
 Letra Tamaño Nivel de calidad aceptable
código de la 0.010 0.015 0.025 0.040 0.065 0.100 0.150 0.250 0.400 0.650
para el muestra Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
A 2
B 3
C 5
D 8
E 13
F 20
G 32 01
H 50 01
J 80 01
K 125 01 12
L 200 01 12 23
M 315 01 12 23 34
N 500 01 12 23 34 56
P 800 01 12 23 34 56 89
Q 1250 01 12 23 34 56 89 12 13
R 20000 01 12 23 34 56 89 12 13 18 19
S 3150 12

(NCA o AQL), en porcentaje

1.0 1.5 2.5 4.0 6.5 10 15 25 40 65 100 150 250 400
Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
01 12 23 34 56 89 12 13
01 12 23 34 56 89 12 13 18 19
01 12 23 34 56 89 12 13 18 19 27 28
01 12 23 34 56 89 12 13 18 19 27 28 41 42
01 12 23 34 56 89 12 13 18 19 27 28 41 42
12 23 34 56 89 12 13 18 19
12 23 34 56 89 12 13 18 19
12 23 34 56 89 12 13 18 19
| 23 34 56 89 12 13 18 19
23 34 56 89 12 13 18 19
34 56 89 12 13 18 19
56 89 12 13 18 19
89 12 13 18 19
12 13 18 19
18 19
Tabla 31.3: Para inspección severa. Muestreo simple (MIL STD 105E). [13]

La NCA que aparece en las tablas está en porcentaje.

197
 Letra Tamaño Nivel de calidad aceptable
código de la 0.010 0.015 0.025 0.040 0.065 0.100 0.150 0.250 0.400 0.650
para el muestra Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
A 2
B 2
C 2
D 3
E 5
F 8 01
G 13 01
H 20 01
J 32 01 02
K 50 01 02 13
L 80 01 02 13 14
M 125 01 02 13 14 25
N 200 01 02 13 14 25 36
P 315 01 02 13 14 25 36 58
Q 500 01 02 13 14 25 36 58 7 10
R 800 02 13 14 25 36 58 7 10 10 13

(NCA o AQL), en porcentaje

1.0 1.5 2.5 4.0 6.5 10 15 25 40 65 100 150 250 400
Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re
01 12 23 34 56 78 10 11 14 15
01 02 13 24 35 56 78 10 11 14 15
01 02 13 14 25 36 58 7 10 21 22 14 17
01 02 13 14 25 36 58 7 10 10 13 14 17 21 24
01 02 13 14 25 36 58 7 10 10 13 14 17 21 24
02 13 14 25 36 58 7 10 10 13
02 13 14 25 36 58 7 10 10 13
02 13 14 25 36 58 7 10 10 13
13 14 25 36 58 7 10 10 13
14 25 36 58 7 10 10 13
25 36 58 7 10 10 13
36 58 7 10 10 13
58 7 10 10 13
7 10 10 13
10 13

Tabla 31.4: Para inspección reducida. Muestreo simple (MIL STD 105E). [13]

La NCA que aparece en las tablas está en porcentaje.

En el libro de Gutiérrez Pulido. Gutiérrez Pulido, Control Estadístico de la Calidad y Seis Sigma.
Muestreo simple (MIL STD 105E), se pueden consultar las reglas de cambio para pasar de una
inspección severa a una normal y de una normal a una reducida (y viceversa). Muchas veces no se
realizan estos cambios, sino solamente se usa la inspección normal.

Ejemplos del uso de la Military Estándar 105E.

La NCA que aparece en las tablas está en porcentaje.

198
En el plan de muestreo anterior que resultó con n= 50 (Ac=0, Re=2), quiere decir que si en la muestra
de n=50 se encuentran 0 defectuosos se acepta todo el lote. Si en la muestra de 50 se encuentran 2 o
más defectuosos se rechaza todo el lote. Si en la muestra se encuentra 1 defectuoso se acepta todo el
lote, pero la próxima inspección debe pasarse a inspección normal.

En el plan de muestreo anterior que resultó con n= 80 (Ac=1, Re=3), quiere decir que si en la muestra
de n=80 se encuentran 1 o 0 defectuosos se acepta todo el lote. Si en la muestra de 80 se encuentran
2 o más defectuosos se rechaza todo el lote. Si en la muestra se encuentran 2 defectuosos se acepta
todo el lote pero la próxima inspección debe pasarse a inspección normal.

199
ANEXO AL TEMA DE MUESTREO. Tablas de Cameron más completas tomadas de un libro
de Schilling.

Tabla 31.5: Tablas tomadas del libro de Schilling. [55]

200
Tabla 31.6: Tomada del libro de Schilling. [55]

201
Capítulo 32

32. Confiabilidad

La confiabilidad es la probabilidad de que un producto, componente o sistema funcione por un tiempo

determinado de acuerdo a su diseño.

La confiabilidad se podrá medir porque es una probabilidad y por lo tanto es un número entre 0 y 1. La
probabilidad de que un producto funcione de acuerdo a su diseño quiere decir que no se le puede
hacer funcionar a un producto fuera del rango de parámetros para el que fue diseñado y fabricado. Por
ejemplo, a un refrigerador no se podrá ponerlo a funcionar con mucha más comida dentro de la
recomendada por el fabricante. A un vehículo no se le podrá hacer funcionar con más revoluciones por
minuto de las recomendadas para el motor. Las llantas de un vehículo se fabrican de acuerdo al
pavimento de la carretera por la que transitará el vehículo. Una vacuna que necesita refrigeración
debajo de 70 grados centígrados bajo cero, como la primera de Pfizer contra el covid-19, no podrá
guardarse en ambientes arriba de esa temperatura. Ductos que transportan gas natural no podrán
funcionar a temperaturas a menos de 5 grados centígrados (caso de los gasoductos de Texas en la
semana del 13 al 21 de febrero de 2021).

Cuando un producto se descompone o sea que ya no funciona de acuerdo a su diseño se dice que el
producto ha fallado. Una falla se refiere a que el producto ya no funciona.

El cálculo de la confiabilidad es muy importante porque nos servirá para determinar la garantía de
funcionamiento de un producto. El fabricante determinará la garantía al vender un producto
basándose en la fracción de productos que fallarán al tiempo de la garantía. Por ejemplo, calculará que
al tiempo que expira la garantía solamente le regresen el 0.1% de los productos que fabricó debido a
que fallaron. Si las otras características de calidad de un producto de diferentes proveedores son las
mismas, el cliente comprará el producto del proveedor que le ofrezca la garantía más larga en el
tiempo. Así que el proveedor tratará de ofrecer la garantía más larga, pero si se equivoca en el cálculo
de la garantía es muy posible que le regresen muchos más productos que fallaron y esto puede
ocasionar una pérdida muy grande. Como los productos son muy diferentes las garantías lo serán, por
ejemplo, un refrigerador quizá tendrá una garantía de 10 o 20 años, pero la de un glucómetro podrá
ser por un tiempo indefinido.

En confiabilidad existe el concepto de censura, que se refiere a que no se registra en el tiempo cuando
los productos han fallado. Así que se dice que se tiene censura por la derecha cuando se han estado
observando los productos hasta determinado tiempo t0 y los productos se descomponen después de
ese tiempo. Censura por la izquierda se refiere a que los productos se descomponen antes de que
comiencen a observarse. Censura por intervalos se refiere al caso en que se observa el funcionamiento
de los productos pero no continuamente y los productos fallan precisamente en los intervalos en los
que no se está observando su funcionamiento.

Existen varios modelos matemáticos para estudiar la confiabilidad. Estos modelos matemáticos se
aplican a diferentes productos porque no todos ellos duran lo mismo ni van fallando de la misma
manera. No todos los productos envejecen de la misma manera, ni todos ellos tienen la misma
probabilidad de fallar en determinado tiempo. Algunos productos tienen el riesgo de fallar más grande

202
justo cuando se acaban de fabricar y luego su riesgo va disminuyendo en el tiempo, mientras que otros
tienen su mínimo riesgo justo al momento de haberse fabricado y después su riesgo de fallar crece en
el tiempo, es decir envejecen continuamente. También existen productos para los cuales el riesgo no
cambia en el tiempo, a estos productos se les clasificará como productos con falta de memoria.

Lo que es un hecho es que todo producto fallará tarde o temprano. Sólo es cuestión de tiempo para
que todos los productos que se fabriquen fallen. “Aunque sea de jade se quiebra, aunque sea de oro se
rompe” (Nezahualcóyotl). El tiempo lo destruye todo. Todo por servir se acaba y acaba por no servir.

Figura 32.1: Cafetera en mal estado después de dos años de uso diario.

Figura 32.2: Planta industrial con corrosión por lo que necesita mantenimiento, por desgaste o
envejecimiento.

203
 Figura 32.3: Hasta la vida se acaba después de una etapa esplendorosa. “Aunque sea de jade se
quiebra, aunque sea de oro se rompe, aunque sea plumaje de quetzal se desgarra” - Nezahualcoyotl.

Las personas también sufren fallas es decir se enferman y hasta mueren. Las personas después de
determinada etapa empiezan a envejecer y es en esta parte cuando el riesgo de fallar es más grande.
El riesgo cambia en una persona únicamente porque vive, es decir, respira, come, camina, trabaja,
etcétera. Desde luego que una persona también puede fallar porque ocurren eventos aleatorios, como
por ejemplo que les caiga un rayo, sufran un accidente o que les afecte una epidemia como el
coronavirus covid-19.

También se conoce que las mujeres viven más tiempo que los hombres, al menos hasta ahora.
Alrededor de 5 años, pero esto depende de los países. Por lo anterior el riesgo a fallar de las mujeres
y de los hombres es diferente. Quizá las mujeres viven más que los hombres porque sus hormonas las
protegen más. También podría ser porque tienen mejores hábitos higiénicos. Además, porque cuidan
más su salud, de hecho podría ser que un hombre que viva con una compañera viva más tiempo que
aquél que no la tiene. Durante la epidemia se observa que el número de fallecimientos de mujeres es
como la mitad del de los hombres para edades mayores a 50 años.

32.1. Modelos de Confiabilidad

Los modelos matemáticos para estudiar la confiabilidad se basan en los siguientes conceptos.

f(t): Función de distribución. Al ser una función de distribución, tendrá dos propiedades

∞
∫0 𝑓(𝑡)𝑑𝑡 = 1 (32.1)

𝑓(𝑡) ≥ 0 (32.2)

El tiempo, t, será una variable importante al estudiar la confiabilidad. Se considera que un producto se
fabrica al tiempo t=0, por lo que el tiempo va de cero a infinito.
F(t): Función de distribución acumulada. Es la probabilidad de que un producto ya haya fallado al
tiempo t, o sea la proporción de productos que ya haya fallado al tiempo t.

𝑡
𝐹(𝑡) = ∫0 𝑓(𝑡 ′ )𝑑𝑡′ (32.3)

La variable t′ es una variable muda, se pudo haber usado cualquier otra letra para ella, como u, v, w,
etc.

La confiabilidad o supervivencia, C(t), se define como:

∞ 𝑡
𝐶(𝑡) = ∫𝑡 𝑓(𝑡 ′ )𝑑𝑡 ′ = 1 − ∫0 𝑓(𝑡 ′ )𝑑𝑡 ′ = 1 − 𝐹(𝑡) (32.4)

204
La confiabilidad o supervivencia es la probabilidad de que un producto siga funcionando al tiempo t, o
sea, es la fracción de productos que todavía sigue funcionando al tiempo t.

De la ecuación anterior obtenemos que:

𝐶(𝑡) + 𝐹(𝑡) = 1 (32.5)

O sea que la probabilidad de que un producto siga funcionando más la probabilidad de que un
producto ya se haya descompuesto es igual a 1. O sea que, la fracción de productos que sigue
funcionando más la fracción de productos que ya se descompuso es igual a 1. Un producto, sigue
funcionando o ya se descompuso.
Riesgo instantáneo h(t):

𝑓(𝑡)
ℎ(𝑡) = 𝐶(𝑡)
(32.6)
El riesgo instantáneo es la propensión a que falle el producto.

El riesgo acumulado se define como:

𝑡
𝐻(𝑡) = ∫0 ℎ(𝑡 ′ )𝑑𝑡 ′ (32.7)

La función cuantil se define como:

t = F−1(t) (32.8)
O sea, es el tiempo, t, al cual ya se descompuso una fracción F(t) de productos.

La vida media de un producto se define como:

∞
< 𝑡 >= ∫0 𝑡𝑓(𝑡)𝑑𝑡 (32.9)

Realmente no se usa mucho, puesto que lo más usado es la función cuantil.

205
32.2. Modelo Exponencial
La función de distribución en el modelo exponencial se expresa en la fórmula siguiente.

f(t) = λ𝑒 −𝜆𝑡 (32.21)

Entonces:
𝑡 𝑡 ′ 𝑡 −1 𝑑 ′
𝐹(𝑡) = ∫0 𝑓(𝑡 ′ )𝑑𝑡 ′ = ∫0 𝜆𝑒 −𝜆𝑡 𝑑𝑡 ′ = ∫0 𝜆 ( 𝜆 ) 𝑑𝑡′ 𝑒 −𝜆𝑡 𝑑𝑡 ′ = (32.22)

𝑡 𝑡
′ ′
− ∫ 𝑑(𝑒 −𝜆𝑡 ) = [−𝑒 −𝜆𝑡 ]0 = −𝑒 −𝜆𝑡 + 1 = 1 − 𝑒 −𝜆𝑡 = 𝐹(𝑡) = 1 − 𝑒 −𝜆𝑡
0

La confiabilidad o supervivencia C(t), es:

C(t) = 1 − F(t) = 1 − (1 − e−λt) = e−λt (32.23)

Tenemos que:
C(t) + F(t) = 1 (32.24)

Riesgo instantáneo h(t):

𝑓(𝑡) 𝜆𝑒 −𝜆𝑡
ℎ(𝑡) = = =𝜆 (32.25)
𝑐(𝑡) 𝑒 −𝜆𝑡

O sea que el riesgo, λ, es constante, no depende del tiempo. El riesgo no aumenta ni disminuye con el
tiempo en el modelo exponencial.

ℎ(𝑡)∆𝑡 = 𝑃(𝑡 < 𝑇 < 𝑡 + ∆𝑡|𝑇 > 𝑡), en el lím∆𝑡 → 0 (32.26)

O sea que h(t)∆t es la probabilidad condicional de que falle el producto al tiempo t+∆t si no ha fallado
al tiempo t.
El riesgo acumulado se define como:

𝑡 𝑡
𝐻(𝑡) = ∫0 ℎ(𝑡 ′ )𝑑𝑡 ′ = ∫0 𝜆𝑑𝑡 ′ = 𝜆𝑡 (32.27)

O sea que, aunque el riesgo instantáneo es constante, el riego acumulado no lo es y crecerá con el
tiempo linealmente, lo que implica que los productos que obedecen este modelo también fallarán
tarde o temprano.

𝑡 = 𝐹 −1 (𝑡) (32.28)

𝐹(𝑡) = 1 − 𝑒 −𝜆𝑡 (32.29)

206
 1 – 𝑒 −𝜆𝑡 = 𝐹(𝑡) (32.30)

𝑒 −𝜆𝑡 = 1 − 𝐹(𝑡) (32.31)

𝑙𝑛𝑒 −𝜆𝑡 = 𝑙𝑛(1 − 𝐹(𝑡)) (32.32)

− 𝜆𝑡 = 𝑙𝑛(1 − 𝐹(𝑡)) (32.33)

1
𝑡 = − 𝜆 𝑙𝑛(1 − 𝐹(𝑡)) (32.34)

En lugar de t escribimos tp y en lugar de F(t) escribimos p. Entonces podemos escribir la ecuación

anterior como:
1
𝑡𝑝 = − 𝑙𝑛(1 − 𝑝) (32.35)
𝜆

Donde tp es el tiempo al cual ya se descompuso una fracción p de productos. Entonces esta fórmula
nos servirá para obtener las garantías que debemos darles a los productos. Porque la garantía tp será
al tiempo al cual ya se descompuso una proporción p de productos. El tiempo de garantía será aquel
en el que nos regresarán una proporción p de productos que ya se descompusieron.

La vida media:

∞ ∞ ∞ 𝑑
< 𝑡 >= ∫0 𝑡𝑓(𝑡)𝑑𝑡 = ∫0 𝜆𝑡𝑒 −𝜆𝑡 𝑑𝑡 = − ∫0 𝑡 𝑑𝑡 (𝑒 −𝜆𝑡 ) 𝑑𝑡 = (32.36)

∞ 𝑑 𝑑𝑡 ∞ ∞1 𝑑
= − ∫0 (𝑑𝑡 (𝑡𝑒 −𝜆𝑡 ) − 𝑒 −𝜆𝑡 𝑑𝑡) 𝑑𝑡 = ∫0 (𝑒 −𝜆𝑡 )𝑑𝑡 = − ∫0 𝜆 𝑑𝑡
(𝑒 −𝜆𝑡 ) 𝑑𝑡 = (32.37)

1 ∞ 1 1 1
= [− 𝜆 𝑒 −𝜆𝑡 ] = 0 + 𝜆 = 𝜆 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 < 𝑡 >= 𝜆 (32.38)
0

O sea que λ es el inverso de la vida media del producto.

1
𝜆= (32.39)
<𝑡>

1
Veamos gráficamente estas funciones para 𝜆 = 5 𝑎ñ𝑜𝑠

207
Figura 32.4: Función de Distribución Acumulada, F(t) y Función de Confiabilidad, C(t) versus tiempo en
años.

Pregunta: ¿Qué garantía tengo que dar si quiero que me regresen cuando mucho como el 20% de los
productos?

Contestar analizando la gráfica o realizando la operación:

1
𝑡𝑝 = − 𝜆 ln(1 − 𝑝) (32.40)

Con p=0.20, que corresponde al 20% de productos que ya fallaron.

1
𝑡𝑝 = − ln(1 − 0.2) (32.41)
𝜆

tp = −(5 años)ln(0.8) = 5años(−0.22314) (32.42)

tp = 1.1157 años (32.43)

O bien, en la gráfica nos fijamos en el eje de las ordenadas en donde está el 0.2 y vemos en donde
corta a la gráfica de la F(t) y de ahí nos bajamos al eje de las abscisas y determinamos el tiempo de la
garantía. También podemos fijarnos en 0.80 (si ha fallado una fracción 0.2 quiere decir que sigue
funcionando una fracción 0.8) y vemos en donde corta a la gráfica de la C(t) y de ahí nos bajamos al
eje de las abscisas y determinamos el tiempo de la garantía.
Las curvas C(t) y F(t) se cortan cuando una de ellas vale 0.5. Si una vale 0.5 la otra también pues
C(t)+F(t) = 1. Las dos curvas se cortan cuando la fracción de productos que funciona es 0.5.

Figura 32.5: Función de distribución de riesgo acumulado y función de confiabilidad. Se intersectan

cuando la mitad de los productos ya falló, o sea, cuando la mitad de los productos sigue funcionando.

208
 Figura 32.6: Función de riesgo instantáneo para productos con falta de memoria.

La función de riesgo instantáneo para productos que se comportan de acuerdo al modelo exponencial
es constante, o sea su riesgo instantáneo no cambia con el tiempo. A estos productos se les dice que
tienen falta de memoria. Son productos de alta calidad que se descomponen por fallas aleatorias, es
decir, que no tienen que ver con que estén funcionando (o “viviendo”).

Figura 32.7: Función de riesgo acumulado para productos que se comportan de acuerdo con el
modelo exponencial de confiabilidad.

Los productos con falta de memoria también fallan eventualmente (todos).

Curva de bañera, ciclo de vida de un producto.

Figura 32.8: Curva de bañera o de ciclo de vida de un producto.

Es necesario conocer los riesgos de nuestros productos para poder extenderles su vida útil. Si son
productos que están en la etapa de envejecimiento o desgaste realizamos un programa de
mantenimiento. Generalmente, los productos se “quemarán” o se acelerará su uso para estudiar cómo
se comporta su riesgo.

209
Un producto que envejece se distingue rápidamente porque su riesgo aumenta con el tiempo. Si al
tiempo t su riesgo es h(t), al tiempo t+dt su riesgo será h(t)+dh(t), donde dh(t) es mayor que cero.

Si no se realiza mantenimiento al producto cuando envejece, solamente es cuestión de tiempo para

que falle. Las compañías siempre calculan el riesgo en sus instalaciones y desafortunadamente muchas
de ellas a veces no les dan un mantenimiento adecuado y se generan accidentes que quizá podrían ser
prevenidos.

Por ejemplo, en las industrias de refinación y petroquímica los recipientes de presión necesitarán un
mantenimiento cuidadoso. Lo mismo sucede con ciertos productos como los automóviles. Los
fabricantes conocen los riesgos de falla que tienen sus automóviles y calculan aproximadamente
cuántas personas podrían morir debido a esas fallas y hacen un cálculo de las pérdidas por demandas
debidas a esas muertes. Muchas compañías, de hecho, calculan las muertes que pueden ocurrir por las
fallas que puede haber en sus instalaciones o que pueden provocar sus productos

“El artículo usó el memo de Ford y otro documento interno de Ford para probar que Ford sabía del
problema antes de vender el Pinto en el Mercado. Sin embargo, el estudio del costo-beneficio sugirió
en primer lugar que sería “más barato” compensar a las víctimas de las quemaduras y a sus
sobrevivientes que modificar el tanque de combustible para prevenir el fuego. El artículo del Mother
Jones mostró que Ford era dueño de una patente de un tanque de gasolina mejor diseñado, pero que
al considerar cambios en el estilo y el costo impedían cualquier cambio en el diseño del tanque del
Pinto.” [56] (Traducido por el profesor).

Generalmente los daños son en pérdidas de vidas humanas, en daños a instalaciones o casas cercanas
y en pérdidas de prestigio que pueden llevar a la bancarrota a las compañías (ver el caso de Union
Carbide en Bopal, India, 1984). Todos los daños se cuantifican en dinero. A veces las vidas no se pagan
muy bien, por lo que mejor es alejarse de las instalaciones que podrían estar en alto riesgo de fallar
(PEMEX ha llegado a pagar como 100 000 pesos por personas fallecidas debido a accidentes).

Además, desafortunadamente, la vida de las personas no vale monetariamente lo mismo. En un

siniestro puede no pagarse lo mismo por un joven, un adulto o un anciano afectado.

Generalmente las compañías harán un diagrama de riesgo contra consecuencia para determinar las
prioridades de atención de los riesgos. Los problemas más importantes de atender serán aquellos que
tienen mayores riesgos y mayores consecuencias.

210
 Figura 32.9: Gráfica de riesgo contra consecuencia (daños a edificios, personas, prestigio). Los
problemas más urgentes para atender serán aquellos que presentan mayor riesgo y tienen peores
consecuencias.

Figura 32.10: El riesgo en la parte de mortalidad infantil disminuye con el tiempo. El riesgo durante la
parte de falta de memoria se mantiene constante. El envejecimiento se caracteriza porque el riesgo
aumenta a medida que aumenta el tiempo.

Cuando el riesgo disminuye en el tiempo se tiene muerte temprana. Siempre que el riesgo aumenta el
producto envejece. Si el riesgo se mantiene constante el producto tiene falta de memoria.

En la gráfica anterior se muestra el caso del ser humano. Cuando nace su riesgo su riesgo de morir es
muy grande, tanto que los doctores le llaman al primer minuto de vida, el “minuto de oro”. Después
con el tiempo el riesgo disminuye y luego continúa constante. Posteriormente viene el envejecimiento.
Dependiendo de la vida que lleve la persona el riesgo podría aumentar más aceleradamente en la etapa
de envejecimiento. Lo que se hace en cierta etapa de la vida, muchas veces se paga al final de ella.

En México se tiene que en la parte de envejecimiento se tienen muchas enfermedades como la

diabetes, la hipertensión y la obesidad que evitan una buena calidad de vida. Por lo tanto, el riesgo se
puede disminuir dejando de comer comida chatarra que tiene mucha sal o mucho azúcar. También
evitar fumar y evitar tener muchas parejas sexuales.

El riesgo en la primera etapa de la vida puede disminuir mucho, con mejor atención médica a la madre
antes de dar a luz, al momento de dar a luz y después de dar a luz. También con muchos cuidados al
bebé antes de nacer, al nacer y después de nacer. O sea que los riesgos se pueden disminuir si
conocemos cuáles son.

En México el riesgo ha disminuido mucho durante los nacimientos por las instalaciones hospitalarias
que se tienen, por los doctores, etc.; sin embargo, existen países en los que los riesgos son mucho
menores (como Cuba y Estados Unidos). También existen países, como en África donde esos riesgos
son mucho mayores que en nuestro país.

El riesgo se puede disminuir muchas veces.

211
 Figura 32.11: Diferentes curvas de bañera. El riesgo se puede disminuir.

No es lo mismo riesgo que peligro.

Cuando el riesgo aumenta es cuando se debe hacer mantenimiento. De hecho, toda tecnología, todo
producto hecho por la humanidad necesita mantenimiento, se desgasta, se les acaba la batería. No
son como las montañas que no necesitan mantenimiento. [22]

32.3. Modelo Weibull

El modelo Weibull es aquél en el que la función de distribución es:

𝑡 𝛽
𝛽 𝑡 𝛽−1 −(𝜂)
𝑓(𝑡) = (
𝜂 𝜂
) 𝑒 (32.31.1)

η tiene unidades de tiempo (días, semanas, meses, años), β no tiene unidades. La variable β determina
la forma de la curva, por eso se le llama factor de forma y la variable η únicamente cambia la escala en
el tiempo, por lo que se le llama factor de escala.
Entonces:
𝛽 𝛽
𝛽−1 −(𝑡′ ) 𝑡′
𝑡 𝑡 𝛽 𝑡′ 𝑡 𝑑 −( )
𝐹(𝑡) = ∫0 𝑓(𝑡 ′ )𝑑𝑡 ′ = ∫0 ( )
𝜂 𝜂
𝑒 𝜂 𝑑𝑡 = ′
− ∫0 ′ (𝑒 𝜂
𝑑𝑡
) 𝑑𝑡 ′ = (32.32.1)

𝛽 𝛽 𝑡
𝑡 𝑡′ 𝑡′ 𝑡 𝛽 𝑡 𝛽 𝑡 𝛽
−( ) −( ) −( ) −0 −( ) −( )
= −∫ 𝑑 (𝑒 𝜂 )= − [𝑒 𝜂 ] = −𝑒 𝜂 +𝑒 = −𝑒 𝜂 +1=1− 𝑒 𝜂
0
0

𝑡 𝛽
−( )
𝐹(𝑡) = 1 − 𝑒 𝜂 (32.33.1)

La confiabilidad o supervivencia C(t) es:

𝑡 𝛽 𝑡 𝛽
−( ) −( )
𝐶(𝑡) = 1 − 𝐹(𝑡) = 1 − (1 − 𝑒 𝜂 )=𝑒 𝜂 (32.34.1)

𝑡 𝛽
−( )
𝐶(𝑡) = 𝑒 𝜂 (32.35.1)

212
Tenemos que:
C(t) + F(t) = 1 (32.36.1)

Riesgo instantáneo h(t) :

𝑡 𝛽
𝛽 𝑡 𝛽−1 −(𝜂)
𝑓(𝑡) ( )
𝜂 𝜂
𝑒 𝛽 𝑡 𝛽−1
ℎ(𝑡) = 𝑐(𝑡)
= 𝑡 𝛽
= 𝜂 (𝜂) (32.37.1)
−( )
𝑒 𝜂

𝛽 𝑡 𝛽−1
ℎ(𝑡) = 𝜂 (𝜂) (32.38.1)

O sea que para muchos valores de β el riesgo depende del tiempo. Si 0 < β < 1, el producto tiene
mortalidad infantil. Si β = 1, el producto tiene falta de memoria. Si β > 1, el producto envejece. El riesgo
acumulado será:
𝛽−1 𝛽−1 𝛽−1
𝑡 𝛽 𝑡′ 𝛽 𝑡 𝑡′ 𝑡 𝑡′ 𝑡′
𝐻(𝑡) = ∫0 𝜂 ( 𝜂 ) = 𝜂
∫0 ( 𝜂 ) 𝑑𝑡 ′ = 𝛽 ∫0 ( 𝜂 ) 𝑑 (𝜂 ) = (32.39.1)
𝑡
𝜂 𝑢𝛽 𝑡 𝑡 𝑡 𝛽
= 𝛽 ∫ (𝑢)𝛽−1 𝑑(𝑢) = 𝛽 (𝑢 = ) = 𝑢𝛽 (𝑢 = ) = ( )
0 𝛽 𝜂 𝜂 𝜂

𝑡 𝛽
𝐻(𝑡) = (𝜂) (32.40.1)

O sea que el riego acumulado crecerá con el tiempo.

La función cuantil se define como:

t = F−1(t) (32.41.1)

𝑡 𝛽
−( )
𝐹(𝑡) = 1 − 𝑒 𝜂 (32.42.1)

𝑡 𝛽
−( )
1−𝑒 𝜂 = 𝐹(𝑡) (32.43.1)

𝑡 𝛽
−( )
𝑒 𝜂 = 1 − 𝐹(𝑡) (32.44.1)

𝑡 𝛽
−( )
𝑙𝑛𝑒 𝜂 = ln(1 − 𝐹(𝑡)) (32.45.1)

213
 𝑡 𝛽
− (𝜂) = ln(1 − 𝐹(𝑡)) (32.46.1)

𝑡 𝛽
(𝜂) = −ln(1 − 𝐹(𝑡)) (32.47.1)

1
1
𝑡 𝛽 𝛽
[(𝜂) ] = [−ln(1 − 𝐹(𝑡))]𝛽 (32.48.1)

Ecuación B
1
𝑡
= [−ln(1 − 𝐹(𝑡))]𝛽 (32.49.1)
𝜂

1
𝑡 = 𝜂[−ln(1 − 𝐹(𝑡))]𝛽 (32.50.1)

En lugar de t escribimos tp y en lugar de F(t), escribimos p. Entonces podemos escribir la ecuación

anterior como:
1
𝑡𝑝 = 𝜂{− 𝐿𝑛 (1 − 𝑝)}𝛽 (32.51.1)

Donde tp es el tiempo al cual ya se descompuso una fracción p de productos. Entonces, esta fórmula
nos servirá para obtener las garantías que debemos darles a los productos. Porque la garantía tp será
al tiempo al cual ya se descompuso una proporción p de productos. El tiempo de garantía será aquél
en el que nos regresarán una proporción p de productos que ya se descompusieron.

La vida media:
𝑡 𝛽
∞ ∞ 𝛽 𝑡 𝛽−1 −(𝜂) 1
< 𝑡 >= ∫0 𝑡𝑓(𝑡)𝑑𝑡 = ∫0 𝑡 ( )
𝜂 𝜂
𝑒 𝑑𝑡 = 𝜂 ∗ Γ (1 + 𝛽) (32.52.1)

Donde Γ es la función gamma que se define a continuación.

∞
Γ(x) = ∫0 𝑡𝑥−1 𝑒−𝑡 𝑑𝑡 (32.53.1)

Veamos gráficamente las funciones del Modelo Weibull.

Ecuación D´
𝑡 𝛽
𝛽 𝑡 𝛽−1 −(𝜂)
𝑓(𝑡) = ( )
𝜂 𝜂
𝑒 (32.54.1)

𝑡 𝛽
−(𝜂)
𝐹(𝑡) = 1 − 𝑒 (32.55.1)

214
 𝑡 𝛽
−(𝜂)
𝐶(𝑡) = 𝑒 (32.56.1)

𝛽 𝑡 𝛽−1
ℎ(𝑡) = 𝜂 (𝜂) (32.57.1)

𝑡 𝛽
𝐻(𝑡) = (𝜂) (32.58.1)

Entonces para β = 1

𝑡
1 −
𝑓(𝑡) = 𝜂 𝑒 𝜂 (32.59.1)

𝑡
−
𝐹(𝑡) = 1 − 𝑒 𝜂 (32.60.1)

𝑡
−
𝐶(𝑡)= 𝑒 𝜂 (32.61.1)

1
ℎ(𝑡) = 𝜂 (32.62.1)

𝑡
𝐻(𝑡) = 𝜂 (32.63.1)

1
O sea que el Modelo de Weibull se reduce al Modelo Exponencial cuando 𝛽 = 1 𝑦 𝜂
=𝜆

Para β = 2.

𝑡 2
2𝑡 −( )
𝑓(𝑡) = 𝜂 𝜂 𝑒 𝜂 (32.64.1)

𝑡 2
−( )
𝐹(𝑡) = 1 − 𝑒 𝜂 (32.65.1)

𝑡 2
−( )
𝐶(𝑡) = 𝑒 𝜂 (32.66.1)

2𝑡
ℎ(𝑡) = 𝜂 𝜂 (32.67.1)

𝑡 2
𝐻(𝑡) = (𝜂) (32.68.1)
Para β = 0.5

215
 𝑡 0.5
0.5 𝑡 −0.5 −( )
𝑓(𝑡) = ( ) 𝑒 𝜂 (32.69.1)
𝜂 𝜂

𝑡 0.5
−( )
𝐹(𝑡) = 1 − 𝑒 𝜂 (32.70.1)

𝑡 0.5
−( )
𝐶(𝑡) = 𝑒 𝜂 (32.71.1)

0.5 𝑡 −0.5
ℎ(𝑡) = (𝜂 ) (32.72.1)
𝜂

𝑡 0.5
𝐻(𝑡) = (𝜂) (32.73.1)
Para graficar proponemos η = 5 años.

Figura 32.12: Función de distribución.

Figura 32.13: Función de riesgo instantáneo.

216
 Figura 32.14: Función de riesgo acumulado.

Figura 32.15: Función de distribución acumulada.

Pregunta:

¿Qué garantía tengo que darle a un producto si quiero que me regresen cuando mucho el 10% de los
productos?
1
Se analiza la gráfica para F(t)=0.10 (que corresponde al 10%), o bien de la fórmula 𝑡𝑝 =𝜂{− 𝐿𝑛 (1 − 𝑝)}𝛽

Figura 32.16: Función de confiabilidad o supervivencia.

217
32.4. Método para obtener β y η de los datos de las fallas.
De la Ecuación B de arriba tenemos que:
𝑡 𝛽
(𝜂) = −ln(1 − 𝐹(𝑡)) (32.41.2)

Sacamos logaritmo natural de los dos lados de la ecuación.

𝑡 𝛽
𝑙𝑛 [(𝜂) ] = ln[−𝑙𝑛(1 − 𝐹(𝑡))] (32.42.2)

𝑡𝛽
𝑙𝑛 [(𝜂𝛽)] = ln[−𝑙𝑛(1 − 𝐹(𝑡))] (32.43.2)

𝑙𝑛 {𝑡𝛽 } - 𝑙𝑛 {𝜂𝛽 }= 𝑙𝑛{ − 𝑙𝑛 (1 − 𝐹(𝑡))} (32.44.2)

O sea:
𝛽𝑙𝑛(𝑡) − 𝛽𝑙𝑛(𝜂) = 𝑙𝑛{ − 𝑙𝑛 (1 − 𝐹(𝑡))}
(32.45.2)
Que podemos escribir como:

βX + A = Y (32.46.2)
Donde:

A = −βln(η) (32.47.2)

X= ln(t) (32.48.2)

Y = ln[−ln(1 − F(t))] (32.49.2)

O sea que si hacemos los cambios de variables anteriores, tenemos una línea recta.

Y = βx + A (32.50.2)

Donde en lugar del tiempo, t, usamos ln(t) y en lugar de F(t), usamos ln[−ln(1 − F(t))].

Existe un tipo de papel llamado Weibull en el que ya están hechas estas transformaciones y no
necesitamos llevarlas a cabo algebraicamente.

De la ecuación D.
𝑡 𝛽
−( )
𝐹(𝑡) = 1 − 𝑒 𝜂 (32.51.2)
Por lo que cuando t = η

1 1
𝐹(𝑡 = 𝜂) = 1 − 𝑒 −1 = 1 − = 1 − = 1 − 0.36787944 = 0.63212055 (32.52.2)
𝑒 2.7182818284

218
 F(t = η) = 0.63212055 (32.53.2)

Por lo tanto, el valor de F igual a 0.632120558820 ocurre cuando t = η, para cualquier valor de β.

32.5. Uso del papel Weibull para el cálculo de los valores de β y η.

Los valores de β y de η se calculan usando el papel Weibull de la manera siguiente. Consideremos el
caso en el que n=6 productos fallan consecutivamente en los siguientes tiempos: 16, 34, 53, 75, 93 y
120 (horas). Entonces hacemos la siguiente tabla (Gutiérrez Pulido).

Orden de Tiempo Posición de la graficación

la falla (i) de la falla
− .
en horas

1 16 0.083
2 34 0.250
3 53 0.416
4 75 0.583
5 93 0.750
6 120 0.916

Tabla 32.1: Orden de las fallas, su tiempo de falla y su posición de graficación.

Entonces, graficamos los siguientes puntos en la gráfica que sigue:

(16, 0.083), (34,0.250), (53, 0.416), (75, 0.583), (93, 0.750), (120, 0.916)

219
Figura 32.17: Papel Weibull.

220
 Figura 32.18: Gráfica en papel Weibull para encontrar β y η.

El resultado es:

β = 1.6

η = 74

Con estos resultados ya podemos obtener todas las gráficas que necesitamos.

221
 Figura 32.19: Función de distribución acumulada y Función de confiabilidad o supervivencia para β =
1.6 y η = 74.

Figura 32.20: Función de riesgo acumulado para β = 1.6 y η = 74.

También podemos calcular las garantías que podemos dar al vender el producto ya sea usando la Figura
32.19 o de la fórmula: con β = 1.6 y η = 74:

1
𝑡𝑝 = 𝜂{− 𝐿𝑛 (1 − 𝑝)}𝛽 (32.54.2)

1
𝑡𝑝 = 74[− 𝑙𝑛 (1 − 𝑝)]1.6 (32.55.2)

Si, por ejemplo, queremos que nos regresen solamente el 5% de los productos, la garantía debe ser:

1
𝑡𝑝 = 74[− 𝑙𝑛 (1 − 𝑝)]1.6 = 74(0.051293)0.625 = (74)(0.15624) = 11.56176 (32.56.2)

Si los datos que nos dieron de los tiempos de falla están en horas, η está en horas. Por lo tanto, el
tiempo de garantía estará en horas.
Si los datos que nos dieron de los tiempos de falla están en meses, η está en meses. Por lo tanto, el
tiempo de garantía estará en meses.
Si los datos que nos dieron de los tiempos de falla están en años, η está en años. Por lo tanto, el tiempo
de garantía estará en años.

222
Figura 32.21: Hoja Weibull para que los alumnos la usen para tareas o exámenes.

223
Capítulo 33

33. Análisis y Diseño de Experimentos

Diseño completamente aleatorio.

Problema: Resistencia a la tensión cuando aumenta la concentración de madera.

Tabla 33.1:

Tabla 33.2:

Diseño aleatorizado por bloques completos.

Problema: Resistencia de la tela cuando se cambia la sustancia y la muestra de la tela.

224
 Tabla 33.3:

Diseño de cuadro latino.

El diseño de cuadro latino se usa para eliminar dos fuentes de variabilidad perturbadora; es decir
permite hacer la formación de bloques sistemáticos en dos direcciones.

Problema: Probar el efecto de las formulaciones A, B, C, D y E considerando 5 lotes diferentes de

materia prima que son preparadas por 5 operadores con habilidades y experiencias diferentes.

Tabla 33.4:

225
Diseño de cuadro grecolatino.

Es un cuadro latino al cual se le superpone otro cuadro latino. Controla sistemáticamente tres fuentes
de variabilidad, para hacer la formación de bloques en tres direcciones. Permite investigar cuatro
factores (renglones, columnas, letras latinas y letras griegas), cada una con p niveles en p2 corridas.

Problema: Agregamos un factor al cuadro latino como concentración (alfa puede se concentración al
1%, beta concentración al 3.5%, etc.)

Tabla 33.5:

Aparece la tabla ANOVA.

226
Experimento con dos factores.

Problema: Se aplican pinturas tapaporos para aeronaves en superficies de alumnio, con dos métodos:
immersión y rociado. Se prueban tres pinturas tapaporos. Se mide como resultado la fuerza de
adhesión.

Tabla 33.6:

Es un experimento de 2 factores que tiene una variable dependiente (la fuerza de cohesión), que son
los números en la tabla que salen de repetir el experimento 3 veces (3 réplicas) con cada método. La
variable dependiente es también lo que se llama Response Variable.

227
Capítulo 34

34. Estrategia de Seis Sigma

Hacemos en gran parte de este apartado un resumen de lo contenido en el libro de Gutiérrez Pulido y
de la Vara, Control estadístico de la calidad y Seis Sigma.

Ciclo de Deming, como referencia.

Figura 34.1: Ciclo de Deming.

Características (principios) de Seis Sigma.

1. Liderazgo comprometido de arriba hacia abajo.

2. Seis Sigma se apoya en una estructura directiva que incluye gente de tiempo completo.

3. Entrenamiento.

4. Acreditación.

5. Orientada al cliente y con enfoque a procesos.

6. Seis Sigma se dirige con datos.

7. Seis Sigma se apoya en una metodología robusta.

8. Seis Sigma se apoya en entrenamiento para todos.

9. Los proyectos realmente generan ahorros o aumento de ventas.

10. El trabajo por Seis Sigma se reconoce.

11. Seis Sigma es una iniciativa con horizonte de varios años, por lo que no desplaza otras iniciativas
estratégicas, por el contrario, se integra y las refuerza.

12. Seis Sigma se comunica.

Proceso Seis Sigma: Definir, Medir, Analizar, Mejorar y Controlar.

228
 Figura 34.2: Proceso Seis Sigma. De Gutiérrez Pulido y de la Vara, Control estadístico de la calidad y
seis sigma.

Seis Sigma lean.

Con meta de que el proceso sea esbelto, sin mucho desperdicio.

Entender siempre al cliente.

Organizar el proceso para que sea el cliente quien jale valor desde el productor (Kanban).

Implantación de la estrategia 6σ.

Etapa 1. Diagnóstico organizacional.

Etapa 2. Planeación directiva.

Etapa 3. Talleres de mejora Seis Sigma.

Etapa 4. Evaluación y profundización del cambio.

229
Capítulo 35

35. El Big Data o la Ciencia de Datos en Control de Calidad

Actualmente existe una enorme capacidad de memoria para guardar datos, de hecho muchos de los
datos se guardan en la nube.

Además existen procesadores cada vez más poderosos que hacen posibles que se realicen análisis de
muchos datos en microsegundos. Es decir se pueden realizar muchas operaciones matemáticas en
microsegundos. Estos procesadores están incorporados a nuestros teléfonos celulares que son
pequeñas computadoras, a laptops que usamos ahora cotidianamente, en grandes computadores y en
muchos otros dispositivos en nuestras casas o lugares de trabajo.

Nuestros dispositivos tienen programadas tareas y se encuentran conectados a otros dispositivos que
mueven máquinas, es decir que realizan tareas repetitivas pero a veces hasta tareas para las cuáles “se
necesita pensar”. Así pues, tenemos una enorme variedad de instrumentos “inteligentes”. Todo esto
hace posible lo que llamamos el internet de las cosas, la inteligencia artificial, la impresión 3-D, la
realidad virtual y la realidad aumentada que se usan en juegos, en nuestros hogares y desde luego en
la industria en el control de la calidad.

Con la adquisición de muchos datos y con el análisis rápido de ellos lo que tenemos es que se pueden
hacer análisis descriptivo, prescriptivo y predictivo muy útiles para las compañías. Estos análisis que
llevan a cabo programas de computación (software) involucran a la probabilidad y la estadística.

Por medio del análisis de los datos se pueden hacer estimaciones de las mejores rutas para manejar
en la ciudad, para estimar el tiempo del trayecto de un viaje en ciudad o carretera. Para saber cuáles
son las mejores maneras de colocar unos productos junto a otros. Para poder “predecir” si alguna
persona que vista una tienda es posible que esté embarazada (caso de Best Buy en Estados Unidos).

En el futuro mucho del análisis que logren hacer las máquinas reemplazará a los humanos de tal suerte
que quizá nos encontremos en algunas compañías avisos como “no es necesario que las personas
soliciten el empleo”. [12]

230
Capítulo 36

36. Normas ISO 9000 e ISO 9001

“ISO (Organización Internacional de Normalización) es una federación mundial de organismos

nacionales de normalización (organismos miembros de ISO). El trabajo de preparación de las normas
internacionales normalmente se realiza a través de los comités técnicos de ISO. Cada organismo
miembro interesado en una materia para la cual se haya establecido un comité técnico, tiene el
derecho de estar representado en dicho comité. Las organizaciones internacionales, públicas y
privadas, en coordinación con ISO, también participan en el trabajo. ISO colabora estrechamente con
la Comisión Electrotécnica Internacional (IEC) en todas las materias de normalización electrotécnica.”

NORMA ISO9000 (2015)

“Esta Norma Internacional proporciona los conceptos fundamentales, los principios y el vocabulario
para los sistemas de gestión de la calidad (SGC) y proporciona la base para otras normas de SGC. Esta
Norma Internacional está prevista para ayudar al usuario a entender los conceptos fundamentales, los
principios y el vocabulario de la gestión dela calidad para que pueda ser capaz de implementar de
manera eficaz y eficiente un SGC y obtener valor de otras normas de SGC.”

“2.2.2 Sistemas de gestión de la calidad.

Un SGC comprende actividades mediante las que la organización identifica sus objetivos y determina
los procesos y recursos requeridos para lograr los resultados deseados.

El SGC gestiona los procesos que interactúan y los recursos que se requieren para proporcionar valor
y lograr los resultados para las partes interesadas pertinentes.

EL SGC posibilita a la alta dirección optimizar el uso de los recursos considerando las consecuencias
de sus decisiones a largo y corto plazo.

Un SGC proporciona los medios para identificar las acciones para abordar las consecuencias previstas
y no previstas en la provisión de productos y servicios.”

Definiciones:

3.2.4 Cliente
Persona u organización (3.2.1) que podría recibir o que recibe un producto (3.7.6) o un servicio
(3.7.7) destinado a esa persona u organización o requerido por ella.

3.2.5 Proveedor
Organización (3.2.1) que proporciona un producto (3.7.6) o un servicio (3.7.7).

3.3.4 Gestión de la calidad

Gestión (3.3.3) con respecto a la calidad (3.6.2).

3.3.7 Control de la calidad

Parte de la gestión de la calidad (3.3.4) orientada al cumplimiento de los requisitos de la calidad

231
(3.6.5).

3.4.1 Proceso
Conjunto de actividades mutuamente relacionadas que utilizan las entradas para proporcionar un
resultado previsto.

3.4.2 Proyecto
Proceso (3.4.1) único, consistente en un conjunto de actividades coordinadas y controladas con
fechas de inicio y de finalización, llevadas a cabo para lograr un objetivo (3.7.1) conforme con
requisitos (3.6.4) específicos, incluyendo las limitaciones de tiempo, costo y recursos.

3.4.5 Procedimiento
Forma especificada de llevar a cabo una actividad o un proceso (3.4.1).

3.5.4 Sistema de gestión de la calidad

Parte de un Sistema de Gestión (3.5.3) relacionada con la calidad (3.6.2).

3.5.9 Política de la calidad

Política relativa a la calidad (3.5.8) (3.6.2).

3.5.10 Visión
<organización> aspiración de aquello que una organización querría llegar a ser, tal como lo expresa la
alta dirección (3.1.1) (3.2.1).

3.5.11 Misión
<organización> propósito de la existencia de la organización , tal como lo expresa la alta dirección
(3.2.1)(3.1.1).

3.5.12 Estrategia
Plan para lograr un objetivo a largo plazo o global (3.7.1).

3.6.2 Calidad
Grado en el que un conjunto de características inherentes de un objeto cumple con los requisitos.
(3.10.1) (3.6.1) (3.6.4).

3.6.4 Requisito
Necesidad o expectativa establecida, generalmente implícita u obligatoria.

3.6.9 No conformidad
Incumplimiento de un requisito (3.6.4).

3.6.11 Conformidad
Cumplimiento de un requisito (3.6.4).

3.7.6 Producto

232
Salida de una organización (3.2.1) que puede producirse sin que se lleve a cabo ninguna transacción
entre la organización y el cliente (3.2.4) (3.7.5).

3.7.7 Servicio
Salida de una organización (3.2.1) con al menos una actividad, necesariamente llevada a cabo entre la
organización y el cliente (3.2.4) (3.7.5).

3.7.10 Eficiencia
Relación entre el resultado alcanzado y los recursos utilizados.

3.7.11 Eficacia
Grado en el que se realizan las actividades planificadas y se logran los resultados planificados.

3.8.1 Datos
Hechos sobre un objeto (3.6.1).

3.8.2 Información
Datos que poseen significado (3.8.1).

3.8.5 Documento
Información y el medio en el que está contenida (3.8.2).

233
 Figura 36.1: Relación de conceptos en la Norma ISO9000. [57]

NORMA ISO9001 (2015)

234
Índice

Prólogo

0 Introducción

1 Objeto y campo de aplicación

2 Referencias normativas

3 Términos y definiciones

4 Contexto de la organización
4.1 Comprensión de la organización y de su contexto.
4.2 Comprensión de las necesidades y expectativas de las partes
interesadas.
4.3 Determinación del alcance del sistema de gestión de la calidad.
4.4 Sistema de gestión de la calidad y sus procesos.

5 Liderazgo
5.1 Liderazgo y compromiso
5.1.1 Generalidades
5.1.2 Enfoque al cliente
5.2 Política
5.2.1 Establecimiento de la política de la calidad
5.2.2 Comunicación de la política de la calidad
5.3 Roles, responsabilidades y autoridades en la organización

6 Planificación
6.1 Acciones para abordar riesgos y oportunidades
6.2 Objetivos de la calidad y planificación para lograrlos
6.3 Planificación de los cambios

7 Apoyo
7.1 Recursos
7.1.1 Generalidades
7.1.2 Personas
7.1.3 Infraestructura
7.1.4 Ambiente para la operación de los procesos
7.1.5 Recursos de seguimiento y medición
7.1.6 Conocimientos de la organización
7.2 Competencia
7.3 Toma de conciencia
7.4 Comunicación
7.5 Información documentada
7.5.1 Generalidades
7.5.2 Creación y actualización

235
 7.5.3 Control de la información documentada

8 Operación
8.1 Planificación y control operacional
8.2 Requisitos para los productos y servicios
8.2.1 Comunicación con el cliente
8.2.2 Determinación de los requisitos para los productos y servicios
8.2.3 Revisión de los requisitos para los productos y servicios 8.2.4
Cambios en los requisitos para los productos y servicios
8.3 Diseño y desarrollo de los productos y servicios
8.3.1 Generalidades
8.3.2 Planificación del diseño y desarrollo
8.3.3 Entradas para el diseño y desarrollo
8.3.4 Controles del diseño y desarrollo
8.3.5 Salidas del diseño y desarrollo
8.3.6 Cambios del diseño y desarrollo 8.4 Control de los procesos,
productos y servicios suministrados externamente
8.4.1 Generalidades
8.4.2 Tipo y alcance del control
8.4.3 Información para los proveedores externos
8.5 Producción y provisión del servicio 8.5.1 Control de la producción y de la
provisión del servicio 8.5.2 Identificación y trazabilidad 8.5.3 Propiedad
perteneciente a los clientes o proveedores externos
8.5.4 Preservación
8.5.5 Actividades posteriores a la entrega 8.5.6 Control de los cambios
8.6 Liberación de los productos y servicios
8.7 Control de las salidas no conformes

9 Evaluación del desempeño

9.1 Seguimiento, medición, análisis y evaluación
9.1.1 Generalidades
9.1.2 Satisfacción del cliente 9.1.3 Análisis y evaluación
9.2 Auditoría interna
9.3 Revisión por la dirección 9.3.1 Generalidades
9.3.2 Entradas de la revisión por la dirección
9.3.3 Salidas de la revisión por la dirección

10 Mejora
10.1 Generalidades
10.2 No conformidad y acción correctiva
10.3 Mejora continua

236
Anexo A

A. Instrucciones para realizar el Proyecto Final

Tema: Control de Calidad en empresas de todos tamaños.

Lineamientos:

1. El escrito tendrá una extensión de entre una y diez páginas.

2. Tamaño de letra en computadora es 12, Arial o Times New Roman, a un

espacio. Si se escribe a mano, en tinta azul o negro y visible.

3. El escrito debe ser original y no haber sido publicado antes en ninguna parte.
No hacer collage de Internet (copiar y pegar partes de ahí).

4. Se pueden consultar todas las fuentes pertinentes para su elaboración

(Internet, expertos, parientes, libros, revistas, gerentes, etc.). Listar al final del
trabajo las fuentes consultadas importantes.

5. El trabajo debe realizarse en equipos de dos personas.

6. Formato libre (por ejemplo, pueden ser escritos en forma de ensayo o como
un artículo técnico).

7. Colocar pies de figura y títulos de tablas así como hojas enumeradas.

8. El escrito debe enviarse por correo electrónico al profesor.

9. Entregar a más tardar el viernes de la semana 9.

10. El trabajo debe contener el proceso que se sigue para la realización del
producto o servicio completo o solamente una parte del proceso (de la que
trata el análisis del trabajo).

Puntos a calificar:
1. ¿Se usaron las herramientas aprendidas en el curso que se podían usar para
examinar los datos?

2. ¿Las herramientas se usaron bien?

3. ¿Los resultados están mal interpretados, equivocados o no se explican?

4. ¿Se explica bien el problema en su conjunto? ¿Se entiende el reporte? ¿Están

incompletos algunos textos?

5. ¿Existen aseveraciones que no están respaldadas en el reporte?

6. ¿Todas las gráficas están explicadas? (Cada gráfica que no se explique es un

punto menos).

237
 7. ¿Contiene las conclusiones? (Si no tiene conclusiones es un punto menos).

Recomendaciones:

a) Comenzar el trabajo antes de la semana quinta del trimestre. Se pueden

consultar los ejemplos en estas notas para tener ideas de qué tipo de
problemas se resuelven y comenzar el trabajo cuanto antes. También existe
un ejemplo en CAMVIA.
b) Consultar al profesor las veces que sean necesarias en caso de dudas.
c) No se podrá consultar al profesor sobre el trabajo la semana de entrega del
mismo.

Sugerencias (que no se calificarán pero que es deseable incluirlas):

En las soluciones que proponga haga un estimado del costo que tendrían o
mejor aún, podría hacer un estimado grueso del costo beneficio. Proponga
soluciones que la compañía sí pueda hacer.
En el trabajo pueden proponerse algunas soluciones usando herramientas
aprendidas (distribución de planta, 5’s) en otros cursos, pero sin explicarlas
demasiado.

Haga un estimado de cuánto cobraría por el trabajo que ha realizado. Esto puede
hacerse considerando las horas trabajadas en la realización del trabajo.

Exposición:

Si alcanza el tiempo, los alumnos expondrán sus trabajos en 10-15 minutos. Para la
presentación no es necesario elaborar material extra aparte del escrito. La exposición
no contará para la calificación. El alumn@ podría realizar un video y subirlo a un sitio
para verlo todo el grupo o compartirlo en la pantalla en clase virtual. (No contará para
la calificación.)

238
Anexo B

B. Tareas a realizar con fecha específica

Todas las tareas se entregarán en CAMVIA. Fechas límites para la entrega de tareas.
Tareas 1 a la 7. Viernes de la tercera semana.
Tareas de la 8 a la 14. Viernes de la quinta semana.
Tareas de la 15 a la 20. Viernes de la séptima semana.
Tareas 21 y 22. Viernes de la octava semana.
No se permitirán tareas atrasadas, se cerrará el sitio para recibirlas después de las fechas límites, pero
se podrán entregar antes de las fechas límites. Se recomienda entregarlas con anticipación.

1. Escribir el ensayo: Calidad. (Esta tarea consiste en hacer un resumen de la discusión que se hará
en clase sobre las respuestas a las preguntas sobre Calidad).

2. Realizar una visita (si el curso es a distancia la visita debe ser virtual) al Departamento de Control
de Calidad de una compañía productora de bienes o servicios y hacer varias preguntas. Las que
siguen son preguntas que se sugieren, son solo sugerencias, las alumnas o alumnos puede quitar
o agregar algunas: (Esta tarea debe hacerse en equipos de dos personas). Buscar alguna empresa
o problema que tenga la empresa para que sobre eso se hagan tareas y el trabajo final. Si se
hacen las tareas sobre la empresa o el problema, el trabajo final será más fácil. De preferencia
las tareas en azul que se hagan sobre esa empresa o problema.

a) ¿Qué productos o servicios realizan? b) ¿Qué proceso se sigue para obtener su producto
(o productos)? c) ¿Qué profesionales trabajan en el Departamento de Calidad?
d) ¿Qué herramientas de Control de Calidad usan? e) ¿Qué porcentaje de productos
defectuosos generan? f) ¿Cuál es la causa de generación de productos defectuosos?
¿Cuántas personas trabajan en la compañía? g) ¿Cuántas personas trabajan en el
Departamento de calidad? h) ¿Son apreciables los costos de la no-Calidad? i) ¿Cuesta
elaborar productos de Calidad? j) ¿Cuáles son las razones principales por las que los
productos resultan defectuosos? (materia prima, mano de obra, maquinaria, etc.) k) ¿Cuál
es el organigrama de la Empresa? l) ¿Cómo está organizado el Departamento de Control
de Calidad? m) ¿Están certificados a ISO 9000? Si la respuesta es no, ¿por qué no? n) ¿Sus
clientes son locales, nacionales o internacionales? o) ¿Su principal competidor se
encuentra en México? ¿Cómo se ven en 5 años? Con las respuestas elabore un reporte.

3. Elabore un ensayo de cómo cambiaron algunos negocios en México debido a la pandemia covid-
19 que estalló a principios del año 2020. ¿Qué negocios prosperaron? ¿Qué negocios sufrieron
más? ¿Qué nuevos productos surgieron? ¿Qué nuevos servicios surgieron? ¿Qué negocio nuevo
se le ocurre que puede ser exitoso en éste y el siguiente año que usted pudiera comenzar?
¿Cuáles son los planes de trabajo que tiene para cuando se gradúe?

4. Ensayo sobre algún producto de mala Calidad que el alumno haya comprado. ¿Por qué lo
compró? ¿Qué defecto tenía? ¿Cómo se dio cuenta que el producto era malo? ¿Pudo regresar
el producto? ¿Volvería a comprar un producto de esa marca? De acuerdo al (a la) alumn@ ¿Que
se debería hacer a fin de mejorar la Calidad de ese Producto? Ensayo de no más de una página.

239
5. Escribir un ensayo sobre los costos de la Calidad. ¿Cuesta hacer productos de Calidad? ¿Cuesta
hacer productos sin Calidad? Consultar revistas, libros o sitios de Internet al respecto y citar estas
referencias en el trabajo. Ensayo de no más de una página.

6. Leer un artículo sobre Calidad o Control de Calidad en alguna revista (Expansión, Forbes,
contenido, etc.) que se pueda consultar en algún sitio de internet, y elaborar un resumen de no
más de media página.

7. Ensayo sobre las principales aportaciones de los siguientes personajes a la calidad: Edwards W.
Deming, Joseph Juran, Philip Crosby, Armand Feigenbaum, Ishikawa, Shigeo Shingo y Robert
Galvin de Motorola. Haga un resumen de no más de 2 páginas.

8. Ensayo sobres los 14 puntos de Deming. Un resumen original de dos páginas cuando mucho.

9. Analice el siguiente problema usando un diagrama de Ishikawa.

¿Por qué las parejas (hombre-mujer, mujer-mujer, hombre-hombre, etcétera) se “divorcian”?
Divorciarse se refiere al rompimiento de las parejas porque no necesariamente están casadas.
Considere que quizá es mejor cambiar el problema y mejor analizar el por qué las parejas se
enamoran.

10. Analice el siguiente problema usando un diagrama de Ishikawa.

¿Cómo evitaría que las personas se contagien de coronavirus covid-19? (Considere que quizá es
mejor analizar primero el problema de por qué las personas se contagian de coronavirus? Para
después proponer soluciones.)
O este problema se puede hacer sobre la empresa o el problema para el trabajo final.

11. Elabore un check list de cualquiera de las situaciones siguientes (solamente una) que suponga
ocurren durante la pandemia del coronavirus.

a) Usted compra su despensa a través Rappi, Uber o el supermercado que se la llevan a

su casa. Desde que hace el pedido hasta que coloca las cosas en su cocina, baño, etc.
b) Usted va directamente al mercado o supermercado a comprar su despensa. Desde que
se prepara para salir de casa hasta que coloca las cosas en su cocina, baño, etc.

El check list se puede hacer sobre la empresa o el problema para el trabajo final.

12. Cálculo del promedio, desviación estándar y estandarización de datos.

Suponga que las medidas de la característica inherente, x, de un producto son:

240
 a) Calcule el promedio (µ), la desviación estándar (σ), µ − σ, µ + σ, µ − 2σ, µ + 2σ, µ − 3σ
(límite real inferior) y µ + 3σ (límite real superior).
 Haga una gráfica y marque las posiciones de todos los datos. También marque las
posiciones en el eje x de µ, µ − σ, µ + σ, µ − 2σ, µ + 2σ, µ − 3σ y µ + 3σ. c) ¿Cuál es el valor
de la variación real (ancho real) de los datos, 6 σ?
𝑥𝑖 −𝜇
d) Estandarice los datos (𝑧𝑖 = ) ¿Cuánto vale el promedio de los valores
𝜎
estandarizados? ¿Cuánto vale la desviación estándar de los datos estandarizados? Marque
en el eje z (la variable estandarizada) los valores de los datos estandarizados y de 0, −1, +1,
−2, +2, +3 y −3. Estandarizar quiere decir pasar de la variable x a la z.

13. La característica inherente de un producto se puede describir por una distribución normal que
tiene un promedio de µ = 2.00 metros y una desviación estándar de σ = 0.05 metros. Las
especificaciones son de que la característica inherente no mida menos de 1.85 metros ni más de
2.12 metros. Se fabricaron 8648 piezas y cada una de ellas cuesta $56.00 pesos.

a) ¿Cuál es el valor de la variación real de los datos del producto, 6σ?

b) ¿Cuánto vale la variación tolerada o sea el ancho de las especificaciones, ES − EI?
𝐸𝑠 −𝐸𝑖
c) ¿Cuál es el valor del índice de la capacidad potencial del proceso, 𝐶𝑝 = 6𝜎
?
𝜇−𝐸𝑖
d) ¿Cuál es el valor del índice de capacidad para la especificación inferior, 𝐶𝑝𝑖 = 3𝜎
?
𝐸𝑠 −𝜇
e) ¿Cuál es el valor del índice de capacidad para la especificación superior 𝐶𝑝𝑠 = 3𝜎 ?
f) ¿Cuánto vale el índice de la capacidad real del proceso Cpk = Min{Cpi,Cps}?
𝜇−𝑁
g) ¿Cuánto vale el índice de centrado del proceso, 𝐾 = (𝐸 −𝐸 )
donde N es el valor
( 𝑠 𝑖 )
2
𝐸𝑠 −𝐸𝑖
objetivo, 𝑁 = 2
?
𝐸𝑠 −𝐸𝑖
h) ¿Cuánto vale el índice de Taguchi 𝐶𝑝𝑚 = 6𝜏
donde 𝜏 = √𝜎 2 + (𝜇 − 𝑁)2
i) ¿El proceso está centrado?
j) ¿Cuánto dinero no podrá obtener el proveedor debido a que algunos de sus productos
no cumplen con las especificaciones?
k) Grafique la distribución normal y marque en ella las especificaciones.

Si se tienen datos de la empresa o problema para el trabajo final hacer la tarea con esos datos.

14. Ensayo: 7 herramientas del Control Estadístico de Procesos. Un resumen de cuatro páginas
cuando mucho.

15. Diez ejemplos de dispositivos Poka Yoke. Si se tiene la empresa o el problema hacer alguno o
varios Poka Yoke para esa empresa o problema.

16. Hacer un ensayo sobre cartas de control. Un resumen de dos páginas cuando mucho. También
se pueden hacer las cartas de control sobre la empresa o problema si se tienen los datos.

17. Usar el Despliegue de la Función de Calidad (DFC) para algún problema. El problema puede ser
sobre la empresa o problema para el proyecto final.

241
18. Describa: a) El proceso para hacer tortillas en una máquina de hacer tortillas. b) Las
características inherentes de las tortillas. c) De las herramientas vistas en clase. ¿Cuáles usaría
para analizar la calidad de las tortillas? d) ¿Qué datos tomaría y como los tomaría para usar las
herramientas vistas en clase?
En lugar de tomar este problema se puede tomar el proceso para algún producto que analice
para el proyecto final o para el problema que analiza para el proyecto final.

19. Use el Análisis de modo y efecto de las fallas (AMEF) para analizar algún problema. El problema
puede ser sobre la empresa o problema para el proyecto final.

20. Ensayo sobre la norma ISO 9000. Un resumen de dos páginas cuando mucho.

21. Hacer un ensayo de dos páginas sobre la norma ISO 9001. Un resumen de dos páginas cuando
mucho.

22. Ensayo sobre la Metodología de Seis Sigma.

242
Anexo C

C. Relación entre la 𝑪𝒑 y proporción de artículos defectuosos

Al aumentar el valor de Cp, proporción de artículos defectuosos disminuye.

Así es que preferimos productos con valores mayores de Cp porque tendrán menos productos
defectuosos.

Figura C.1: Relación entre la capacidad potencial del proceso y la proporción de artículos defectuosos.

243
Figura C.2: Relación entre la capacidad potencial del proceso y la proporción de artículos defectuosos.

244
Figura C.3: Relación entre la capacidad potencial del proceso y la proporción de artículos defectuosos.

245
Figura C.4: Relación entre la capacidad potencial del proceso y la proporción de artículos defectuosos.

A este caso se le llama Calidad 3 sigma, cuando el Cp es igual a 1 (Cp = 1). En este caso se tendrán
1000000x0.0026 productos defectuosos en un millón, es decir 2600 productos defectuosos en un
millón. 2600 productos defectuosos en la actualidad son muchos, así que muchos clientes protestarían
y se podrían perder clientes y también puede haber otras pérdidas (dinero y reputación).). Lo que una
compañía tendría que hacer es llegar a Calidad 6 sigma, es decir a Cp = 2.
En el ejemplo que sigue se examina un proceso que tiene Calidad 6 sigma Cp = 2.

246
 Figura C.5: Capacidad potencial del proceso igual a 2 y proporción de artículos defectuosos.
Desplazamiento del promedio en una vez y media la desviación estándar.

Cuando los productos se producen de un proceso que tiene Cp ≥ 2, podemos decir que no habrá
productos defectuosos porque habrá cuando mucho 2 productos defectuosos en mil millones de
productos. En el caso en el que Cp = 2 tenemos lo que se llama Calidad 6 sigma, es decir tenemos cero
productos defectuosos o casi no tenemos productos defectuosos.

Muchas veces se multiplica la fracción de productos por un millón para tener el número de productos
defectuosos en un millón (o partes por millón fuera de especificaciones). Los resultados son (ya
sabemos cómo sacar las fracciones y tomamos más resultados del libro Control Estadístico de la
Calidad y Seis Sigma. [13]

247
 Tabla C.1: Capacidad potencial de un proceso y porcentaje del producto fuera de especificaciones.

Ahora bien, los resultados que hemos sacado anteriormente se obtienen usando una desviación
estándar de corto plazo, es decir que se obtienen en un tiempo en el cual no hay efectos externos. Sin
embargo, cuando se venden los productos, son productos que se obtienen en un periodo largo de
tiempo en el cual se tiene el efecto de cambios de turno y por lo tanto de máquinas, trabajadores,
materia prima, etc., por lo que al considerar la desviación estándar ésta será más grande y la Cp de largo
plazo será menor que la Cp de corto plazo.

Existen muchos estudios en los que se concluye que en los procesos la media del proceso puede
moverse hasta en 1.5 la desviación estándar del proceso. Esto debe tomarse en cuenta, por lo tanto,
en la realidad un proceso de calidad 6 sigma tendrá más productos defectuosos. Enseguida, hacemos
el
cálculo del porcentaje de productos defectuosos de un proceso 6 sigma en el cual el promedio se
mueve hasta 1.5 veces la desviación estándar.

248
Figura C.6: Cálculo de la proporción de productos defectuosos en un proceso con capacidad potencial
del proceso igual a 2 con desplazamiento del promedio en una vez y media la desviación estándar.

Por lo que concluimos que en la práctica un proceso de corto plazo que tenga dos productos
defectuosos en mil millones en la práctica tendrá 3.4 productos defectuosos en un millón de productos
manufacturados, que no es mucho, es un resultado bastante competitivo. En el caso en que no hubiera
corrimiento del promedio la Cp es igual a la Cpk (Cp = Cpk = 2) pero cuando existe un corrimiento del
promedio la Cp no es igual a la Cpk y éste valor disminuye a Cp = 1.5.

249
Anexo D

D. Promedio de Muestras
Ejemplo de los resultados del teorema del límite central.

Supongamos que la población de las medidas de la característica inherente que estamos estudiando
consiste solamente de 3 números: -1, 0 y +1. Estos 3 números no forman una distribución normal.

𝑥1 + 𝑥2 + 𝑥3 −1 + 0 + 1
𝜇= = =0
𝑛 3

(𝑥1 − 𝜇)2 + (𝑥2 − 𝜇)2 + (𝑥3 − 𝜇)2 (−1 − 0)2 + (0 − 0)2 + (1 − 0)2 2
𝜎=√ =√ =√
3 3 3

Obtenemos ahora todas las muestras de tamaño 2 posibles.

Tabla D.1: Todas las muestras de tamaño dos de la población -1, 0 y +1.

Son 9 muestras de tamaño n=2 que se pueden obtener, ellas son (-1,-1), (-1,0), (- 1,1), (0,-1), (0,0), (0,1),
(1,-1), (1,0) y (1,1). Ahora obtenemos los promedios de las muestras.

Tabla D.2: 2 Cálculo de los promedios de las muestras.

Resumiendo:

Tabla D.3: Valores de los promedios de las muestras

Los 9 promedios de las muestras son: 𝑥̅1 = −1, 𝑥̅2 = −0.5, 𝑥̅3 = 0, 𝑥̅4 = −0.5, 𝑥̅5 = 0, 𝑥̅6 = 0.5, 𝑥̅7 = 0, 𝑥̅8 =
0.5 y 𝑥̅9 = 1.

250
Sacamos ahora el promedio de los promedios de las muestras.

𝜇𝑥̅ =𝑥̅1+𝑥̅2+𝑥̅ 3+⋯𝑥̅ 1+𝑥̅𝑁−2+𝑥̅𝑁−1+𝑥̅𝑁=−1−0.5+0−0.5+0+0.5+0+0.5+1=0

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 0

Por lo tanto 𝜇𝑥̅ = 0

Que es también el valor de µ por lo que verificamos que se cumple que:

𝜇𝑥̅ = 𝜇

Ahora sacamos la desviación estándar de los promedios de las muestras:

(𝑥̅1 − 𝜇𝑥̅ )2 + (𝑥̅2 − 𝜇𝑥̅ )2 + (𝑥̅3 − 𝜇𝑥̅ )2 + ⋯ … … … … + (𝑥̅9 − 𝜇𝑥̅ )2

𝜎𝑥̅ = √
9

(𝑥̅1 )2 + (𝑥̅2 )2 + (𝑥̅3 )2 + ⋯ … … … … + (𝑥̅9 )2

=√
9

Hemos usado que µ𝑥̅ = µ = 0

(−1)2 + (−0.5)2 + (0)2 + (−0.5)2 + (0)2 + (0.5)2 + (0)2 + (0.5)2 + +(1)2

𝜎𝑥̅ = √
9

1 + 0.25 + 0 + 0.25 + 0 + 0.25 + 0 + 0.25 + 1 3 1

=√ =√ =√
9 9 3

O sea que:

1 1 2 2 1 1 𝜎 𝜎
𝜎𝑥̅ = √ = √ √ = √ √ = 𝜎 √ = =
3 3 2 3 2 2 √2 √𝑛

Hemos verificado que:

𝜎
𝜎𝑥̅ =
√𝑛

donde n es el tamaño de la muestra, n=2.

251
Figura D.1: Población que solamente tiene 3 valores, -1, 0 y 1. (Valores de la característica inherente.)
El promedio de los valores de la población es µ = 0, la desviación estándar de la población es de

2
𝜎=√
3

Figura D.2: Valores de los promedios de las muestras de tamaño 2. Son 9 muestras. Los promedios de
las muestras son: -1, -0.5, -0.5, 0, 0, 0, 0.5, 0.5 y 1. El promedio de los promedios de las muestras es µx
1
= µ = 0. La desviación estándar de los promedios de las muestras es 𝜎 = √
3

Así que los valores de los promedios de las muestras tendrán su promedio en

𝜇𝑥̅ = 𝜇
Y su desviación estándar será:
𝜎
𝜎𝑥̅ =
√𝑛

Además no se debe olvidar que todos valores o casi todos los valores de los promedios de las muestras
se encontrarán entre:
𝜇𝑥̅ − 3𝜎 𝑦 𝜇𝑥̅ + 3𝜎

O sea que todos los valores de los promedios de las muestras se encontrarán entre:

𝜎 𝜎
𝜇𝑥̅ − 3 𝑦 𝜇𝑥̅ + 3
√𝑛 √𝑛

Por lo que será muy improbable encontrar un valor de un promedio de las muestras fuera del rango.

252
 𝜎 𝜎
[𝜇𝑥̅ − 3 , 𝜇𝑥̅ +3 ] porque no habrá o casi no habrá valores fuera de ese rango.
√𝑛 √𝑛

De la misma manera que casi todos los valores de las características inherentes se encontrarán entre
µx − 3σ y µx + 3σ.

Otro ejemplo:
Tomemos a la población: -1, 0, +1, +2. No se distribuyen en una distribución normal.

Figura D.3: Población que consiste de los números -1, 0, +1 y +2.

Promedio de la población:
−1 + 0 + 1 + 2 2
𝜇= = = 0.5
4 4
Desviación estándar de la población:

(−1 − 0.5)2 + (0 − 0.5)2 + (1 − 0.5)2 + (2 − 0.5)2 2.25 + 0.25 + 0.25 + 2.25

𝜎=√ =√
4 4

5
=√
4

Si de esta población tomamos muestras de tamaño 3. n=3.

Resultan las siguientes muestras:

253
Tabla D.4: Muestras y promedio de las muestras de tamaño 3 de la población que consiste de 4
números.

254
Promedio de los promedios = 0.5

𝜇 𝑥̅ +𝑥̅ +𝑥̅ …………..𝑥̅1 +𝑥̅𝑁−2 +𝑥̅63 +𝑥̅64 −1−0.666+⋯………….+1.666+2

𝑥̅ = 1 2 3 = =0.5
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 64

Tabla D.5: Promedios de los valores de la muestra y el número de veces que se repiten.

Promedio de los promedios=0.5

𝜇 𝑥̅ +𝑥̅ +𝑥̅ …………..𝑥̅1 +𝑥̅𝑁−2 +𝑥̅63 +𝑥̅64 −1−0.666+⋯………….+1.666+2

𝑥̅ = 1 2 3 = =0.5
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 64

Ahora sacamos la desviación estándar del promedio de las muestras:

(𝑥̅1 − 𝜇𝑥̅ )2 + (𝑥̅2 − 𝜇𝑥̅ )2 + (𝑥̅3 − 𝜇𝑥̅ )2 + ⋯ … … … … + (𝑥̅64 − 𝜇𝑥̅ )2

𝜎𝑥̅ = √
64

(−1 − 0.5)2 + (−1.666 − 0.5)2 + ⋯ … + ⋯ … … … … (2 − 0.5)2

=√
64

Hemos usado que µ = µ = 0.5

2.25 + 4.69444 + ⋯ … … … … + 2.25 5 √5 𝜎

4
𝜎𝑥̅ = √ == √ = =
64 12 √3 √𝑛

255
Anexo E
E. Videos de Google Classroom

Cartas de Control (Introducción)

Cp y fracción de artículos defectuosos

Cartas de Control (2)

Cartas x barra y R

Carta P

Carta U

Carta x

Inestabilidad de procesos

Carta np

Muestreo

Muestreo 2

Cameron

Curvas de Operación

Military 1

MIlitary 2

Confiabilidad

Modelo Exponencial

Weibull 2

256
 F. Práctica en grupos de soft skills y storytelling
Es común que un profesor divida el grupo en subgrupos para ciertas actividades. El profesor siempre
recomienda a los alumnos que hagan equipo con aquellos que creen que son diferentes a ellos
(físicamente, socialmente, etc.), si es posible que los alumnos identifiquen las diferencias. Este tipo de
acciones es principalmente para demostrar que, a veces, tememos lo que no conocemos (recordando
una de las observaciones del Dr. Martin King). Esta es una forma útil de practicar nuestras habilidades
blandas, especialmente cuando necesitamos trabajar y comunicarnos con personas que no conocemos
o casi no conocemos.

A la mayoría de nosotros nos gustan las historias. Durante la clase, la mayoría de los estudiantes
prestan mucha atención cuando se les cuentan historias. Para poder explicar puntos clave que los
estudiantes deben aprender, en esta sección se pueden encontrar algunas historias dichas en clases o
vividas en un día cualquiera [18].

i) Todos los participantes deben sentirse libres de expresar sus opiniones.

En clase, las discusiones se llevan a cabo en subgrupos y se aconseja a los estudiantes que todos los
participantes deben sentirse libres para hablar abiertamente sobre el tema y que es responsabilidad
del líder o moderador coordinar a los subgrupos. La opinión de alguien tímido puede ser crucial
(recordemos al contador de la película Los Intocables).

ii) Debe haber respeto mutuo entre los participantes.

Al trabajar en equipo o tener una reunión, se aconseja a los estudiantes que deben respetar las
opiniones de los demás. Se recomienda enfáticamente no decir groserías o burlarse de alguien, porque
puede inhibir la participación de personas importantes para la actividad y también puede desviar el
propósito de la reunión. A veces, una simple broma puede no gustar a algunos participantes, y puede
alienar a algunos de ellos contra el moderador, ya que podría considerarse una broma discriminatoria,
sexista o de mal gusto. Se aconseja que el moderador tal vez haga una lista de verificación de las cosas
que no debe hacer o decir en una actividad que considere muy importante. Se advierte a los
estudiantes que las oportunidades de liderazgo de equipo en la escuela representan una oportunidad
única para que practiquen, por lo tanto, deben aprovecharse.

iii) A veces solo tocamos una pata del elefante.

Se enfatiza a los estudiantes que trabajan en grupos considerar que algunos participantes en las
discusiones posiblemente provengan de situaciones que nos son desconocidas; tal vez pasaron por un
evento serio emocional antes de la reunión. O tal vez otros están pasando por una situación por la que
no desean colaborar. Además, por difícil que parezca, cualquier participante podría tener el propósito
de sabotear la reunión. La siguiente es una anécdota de una situación vivida por uno de los autores, y
que se cuenta a los alumnos: un ciego en un andén del metro pierde la oportunidad de subirse al último
vagón del tren porque nadie lo ayuda (en México, los mendigos suelen abordar el último vagón y
caminar hasta el primer vagón dentro del tren, pidiendo dinero). El ciego grita que alguien lo ayude a
subir al último vagón del tren. El profesor se acerca lentamente al ciego y se ofrece a ayudarlo a subir
al vagón del próximo tren que pase. El ciego comienza a maldecir, porque asegura que la gente no
quiere ayudar a los demás cuando lo necesitan. Su molestia lo lleva a ser grosero hasta con el maestro.
A pesar de eso, el maestro reitera que lo ayudará, mientras el ciego continuaba maldiciendo a todos.
De repente, el ciego le pregunta al maestro: ¿hay una persona cerca de nosotros? El profesor responde
que, efectivamente, hay una persona a unos cinco metros de ellos. Esa otra persona estaba sentada

257
en el suelo apoyada contra la pared. El ciego vuelve a maldecir, pero más fuerte, y le dice al maestro:
Te lo dije, hay gente a la que no le gusta ayudar. El maestro entonces aclara que la persona que está
cerca de ellos no pudo ayudarlo. El ciego responde enojado: ¿por qué no pudo ayudarme? El profesor
responde: porque es otro ciego como tú. Con esto, el ciego por fin se calma, llega el tren, el maestro
lo ayuda a subir al vagón y el ciego agradecido le derrama muchas bendiciones. A veces no somos
conscientes de la situación por la que atraviesan las personas, pero decidimos juzgarlas sin sentido,
porque somos rápidos para deducir situaciones erróneas en ese momento, en lugar de considerar el
cuadro completo.

iv) Puede que oigamos, pero no escuchamos.

Debemos tratar de entender las opiniones de los demás porque muchas veces los oímos, pero no los
escuchamos. La siguiente situación ocurrió cerca de una carretera en Tennessee, hace unos 29 años.
Un padre y su hijo, de poco más de dos años, están viendo aterrizar unos globos aerostáticos a unos
cientos de metros de ellos. Cerca de ellos hay una persona asiática. El niño se divierte mucho y con
entusiasmo comienza a balbucear cosas a la persona asiática. Este hombre se interesa mucho en los
signos y sonidos del niño. El padre le menciona al hombre que el niño no está diciendo nada
importante, porque todavía no habla bien el inglés. El niño continúa con sus gestos y sus balbuceos
hacia el desconocido, que empieza a inclinar la cabeza hacia el niño con gran interés. El padre le pide
al hombre que ignore al niño porque su hijo sigue balbuceando palabras sin sentido, ya que no habla
inglés. La persona asiática se vuelve, molesta, hacia el padre y afirma: tu hijo me está diciendo algo, yo
soy el que no entiende. Al fin y al cabo, era el padre el que no había entendido que el niño
efectivamente decía algo y se comunicaba. A veces no nos damos cuenta de que debemos intentar
escuchar y, por tanto, comprender lo que se nos comunica.

v) En las reuniones y otras actividades, nuestras explicaciones deben ser claras, para que todos puedan
entenderlas.

El siguiente intercambio es de un estudiante de doctorado de la Universidad de Texas en Austin, con

un niño campesino en el sur de México, cerca del río Balsas. Esta historia fue presenciada en algún
momento en el año 1981 o 1982 por el profesor. El niño tenía curiosidad sobre el origen nacional del
estudiante de doctorado.

El niño pregunta: ¿De dónde eres?

El estudiante responde: De Puerto Rico.

El niño pregunta: ¿Qué es Puerto Rico?

El estudiante responde: Es una isla.

El niño pregunta: ¿Qué es una isla?

El alumno responde: Es un lugar rodeado por el mar.

El niño pregunta: ¿Y cómo es el mar?

El alumno responde: El mar es como el río Balsas, pero lleva tanta agua que no se ve la otra orilla.

Con esta última respuesta, el niño campesino ha satisfecho su curiosidad y obtenido respuestas muy
claras a todas sus preguntas, especialmente a la relativa a qué era el mar.

258
Se debe asegurar que las intervenciones en los grupos sean breves y concisas, para evitar desviaciones
del tema o pérdidas de tiempo, específicamente durante la discusión de los problemas. Muchas veces,
solo necesitamos unas pocas palabras para hacer que alguien sueñe o se sienta miserable. Antes de
cualquier reunión, es importante prepararse buscando información en revistas, Internet, libros,
familiares, asesores, etc., para buscar explicaciones precisas y suficientes para los demás. La forma en
que hablamos, la forma en que caminamos, la forma en que explicamos las cosas, la forma en que
reaccionamos a los comentarios, lo mal o bien que escribimos, la calidad de nuestras tareas y
exámenes, y la forma en que nos comportamos, dice mucho sobre nosotros. Cuando hablamos, es
nuestra biografía la que habla. Cuando caminamos, le decimos al mundo lo que somos, nuestra
historia, nuestras fortalezas y debilidades. Cuando paseamos por los pasillos de la escuela, le decimos
al mundo cuánto nos apreciamos y comunicamos nuestra autoestima. Los colores que usamos
descubren quiénes somos.

vi) Debemos ser honestos con nuestros colegas en nuestras opiniones.

Poseemos detectores de mentiras en nuestros ojos ("Te vi haciendo esto"), oídos ("Te escuché decir
algo más", "¿por qué no me has llamado?") y tacto ("tu apretón de manos o abrazo dice algo
diferente").

vii) Nunca intente intimidar a otros en una reunión.

Además de mostrar una debilidad, aquellos que intimidan a los demás generalmente son personas
intimidables. Siempre debemos recordar que en las discusiones y en todo tipo de situaciones, en
nuestra vida no hay nadie superior a nosotros; y tampoco somos superiores a nadie. Por eso es
importante encontrar la preparación correcta para un examen, para un discurso, para una entrevista
de trabajo y para una discusión en grupo. De esta manera, siempre podemos manifestar lo mejor de
nosotros.

viii) Si no habla, Dios no puede ayudarlo.

El pedir ayuda, ante cualquier problema, puede que nos depare sorpresas únicas, porque podemos
encontrarnos con personas que quieren y pueden ayudarnos.

Perseo necesitaba acabar con el Kraken antes de que este monstruo destrozara a su prometida. Estaba
desesperado porque el Kraken era invencible, entonces buscó consejo sobre cómo derrotarlo; nadie
sabía pero le contaron de 3 brujas que podrían aconsejarlo. Las 3 brujas le dijeron que sí había una
manera de vencer al Kraken aunque esa solución quizá más difícil de lograr que vencer al monstruo.
Le aconsejaron conseguir la cabeza de la medusa que en lugar de cabello tenía serpientes; este
monstruo convertía en piedra al que le viera la cara.

ix) Mírate en el espejo.

Durante esas situaciones difíciles con un problema presente, es importante recordar que hemos
resuelto problemas aún más difíciles antes en la vida. No adoptemos un enfoque erróneo que lleve a
pensar que nuestra situación es tan mala, hasta el punto de que nadie más la ha presentado. Muchas
veces, la solución "aparece" después de pensar mucho en el problema, como fue el caso de
Arquímedes al bañarse en una tina. O tal vez podamos compararlo con la anécdota de la película Una
Mente maravillosa, en la que John Nash, después de buscar desesperadamente una solución a su
problema, de repente se le ocurre la idea de que todos pueden ganar en una negociación adecuada,
en lugar de tener un solo vencedor. A veces se le piensa tanto a un problema que una situación puede

259
dar la pista para resolver el problema que tratamos de resolver; por ejemplo, ver la película The
imitation game sobre el análisis de una enorme cantidad de mensajes usando la máquina
decodificadora Enigma. También el caso de cómo surgió la idea de algunos primeros detectores de
partículas elementales mientras se tomaba una cerveza.

x) Imaginar que la meta está cerca.

A veces, para alcanzar una meta difícil, es necesario dar pasitos de bebé sin rendirse. Hace algún
tiempo, el profesor con algunos familiares subió a la cima de un lugar llamado Los Cuatro Dínamos, en
la montaña Ajusco, al sur de la Ciudad de México. Es una caminata empinada de más de 3 horas desde
el estacionamiento hasta la cima pero, en ese momento, los caminantes no sabían qué tan lejos estaba
la cima. Después de una hora y media, estaban cansados. Le preguntaron a un grupo de personas que
regresaban cuánto tardarían en llegar a la cima. La respuesta: en aproximadamente una hora más o
menos. Después de otra media hora, estaban cansados una vez más y le preguntaron a otro grupo de
personas cuánto tiempo les llevaría caminar hasta la cima. La respuesta fue 20 minutos. Se
entusiasmaron porque la meta se sentía muy cerca. Después de otros diez minutos, otro grupo de
personas les dijo que faltaban unos veinte minutos para la meta, lo que escucharon con incredibilidad,
pero muy animados porque, una vez más se sentían cerca de la meta. Después de unos minutos, otro
grupo de personas les dijo que estaban a unos 20 minutos de la cima. Saber que estaban tan cerca les
hizo renovar sus esfuerzos para llegar a la meta. Aún con el cansancio, no dejaban de caminar, aunque
lentamente (a su propio ritmo). Imaginar la vista desde arriba les hizo adquirir suficiente energía para
continuar. Es una buena estrategia imaginar que la cima está al alcance, aunque nos encontremos en
el valle.

xi) Las habilidades blandas dependen de la experiencia y el trabajo.

Un locutor de televisión ha desarrollado sus habilidades de comunicación verbal hacia un público en

general más que un astrofísico o astrónomo. Si un locutor tiene que dar una noticia, intentará no
involucrar explicaciones muy técnicas. Sin embargo, un astrofísico sería esencial para presentar las
preguntas técnicas precisas si fuera necesario. El locutor de televisión será lo más cualitativo posible,
mientras que el astrofísico será lo más cuantitativo posible. Quizás un ejemplo de una situación, que
puede no ser real, pero que refleja las habilidades de estos profesionales en su comunicación al público
en general, ocurre en la película Don’t Look Up, en la que los presentadores de televisión transmiten
al público que una colisión tierra-cometa es posible. Comunican en broma que un cometa chocará
contra la tierra, desconociendo la gravedad del asunto y evitando canalizar el pánico a la audiencia.
Por otro lado, los científicos tratan de establecer los hechos técnicos, incluso si el público está lejos de
comprenderlos; sin embargo, transmiten la gravedad de la colisión a la humanidad sin ninguna duda.
Los locutores son profesionales de la comunicación verbal y trabajan para una empresa interesada en
las noticias de última hora, mientras que al astrofísico le interesa mostrar sin cuestionamientos lo que
determina la ciencia.

xii) Deben prepararse las preguntas adecuadas para obtener respuestas completas.

El Rey griego Craso enfrentaría a los persas dirigidos por Ciro (más tarde Ciro el Grande), queriendo
saber de antemano el resultado de la batalla visitó al Oráculo de Delfos (no había internet ni Big Data).
Craso preguntó qué ejército ganaría la batalla, la respuesta fue “se destruirá un gran imperio”. Craso
se fue feliz pensando que destruiría al ejército de Ciro, pero perdió la batalla. Derrotado y destronado
fue a preguntar el por qué le habían dado una respuesta equivocada; sin embargo, le contestaron que

260
la culpa la tenía él porque no había preguntado qué imperio sería destruido. Craso no había planteado
las respuestas correctas. (De billions and billions).

Otro ejemplo que ilustra el punto es un relato en el libro Hitchhiker’s guide to the Galaxy de Douglas
Adams en el que se construye una computadora para que proporcione la respuesta última a lo que es
La vida, el universo y todo. Después de siete y medio millones de años de computación y de checar la
respuesta, con ansia se le pide la respuesta a la máquina. La respuesta es: 42 (el número 42).
Desconcertados e incrédulos los creadores de la computadora le preguntan los detalles de cómo llegó
a la respuesta, pero la computadora contestó que eso no fue lo que se le encomendó, por lo
recomendó construir otra máquina para contestar la nueva pregunta, lo que llevaría otro número
significativo de años.

De hecho, en el mismo libro existe otro pasaje que es interesante porque se recomienda estar
preparado para situaciones totalmente inesperadas después de los viajes en el universo a través de
gusanos. Este pasaje se puede adaptar a nuestros estudiantes porque el mundo está cambiando
mucho y la sociedad y el mercado laboral pueden requerir habilidades y conocimientos que se tienen
que estar aprendiendo constantemente (mediante el aprender a aprender). En estos tiempos inciertos,
como está escrito en ese libro, “you’ll never be sure where you’ll end up … it’s therefore important to
dress accordingly” (no estás seguro donde saldrás … por lo tanto es importante vestir apropiadamente).

xii) Podrás adivinar el futuro, pero nadie te a creer

Casandra, hija de Priamo, hermana de Héctor y Paris era sacerdotisa de Apolo. Apolo le concedió el
don de adivinar el futuro como un soborno para recibir sus favores. Casandra pudo adivinar el futuro
pero nadie le creía por la maldición de Apolo. (Billions and billions, Esquilo)

xiii) El General Juan N. Álvarez (Presidente de México) se encontraba en la puerta de su hacienda “La
Providencia” cuando llega a todo galope un oficial del ejército.

“Llegó el oficial, apeóse violentamente, y al ver la humilde actitud y el traje sencillo de aquel hombre, le arrojó
las riendas del caballo y le dijo con brusquedad: -Paséalo. Don Juan se levantó, tomó las bridas y comenzó a
pasear al animal. Entretanto, el portador de los pliegos había entrado a la casa de la hacienda y al preguntar por
don Juan Álvarez, una pobre le había dicho: -Ahí está, el que cuida el caballo de usted. El oficial, confuso,
comprendiendo la abrumadora situación en que se hallaba, salió, al acercarse a don Juan Álvarez, comenzó a
ensayar una disculpa en estos términos: -Mi general… Álvarez lo interrumpió y le dijo sonriendo, tomándole el
hombro: -No tengas cuidado, muchacho; aquí todos somos iguales.”

Juán Álvarez. El hombre, su historia y su tiempo. Universidad Autónoma de Guerrero. Páginas 152-153.
https://issuu.com/mediatecaguerrero/docs/juan__lvarez_completo

xiv) Yo soy Don Gato

Era un ingeniero muy alegre quizá tendría en ese tiempo como 50 años y en una ocasión me detuvo
en el pasillo para comentarme. “¿Ves como camina la mayoría de la gente? Se mueven por las orillas
de los pasillos, no lo hacen como yo, pues camino siempre por el centro del pasillo, yo soy Don Gato.”

261
Bibliografía
[1] Nava Carbellido. 2005. ¿Qué es la calidad? Ed. Limusa:
[2] NMX-CC-9000-INMC-2000
[3] Federico Engels. El origen de la familia, la propiedad privada y el estado.
[4] Película Ford vs Ferrari. También la película Rush (Pasión y Gloria).
[5] F. Colmenares, F. Barbosa, N. Domínguez. Pemex Presente y Futuro, Ed. Plaza y Valdés, UAM.
[6] Fukuyama, El fin de la historia.
[7] Domínguez Pérez D. N., Domínguez-Vergara N., From the lessons of coronavirus, a whole new
world in education? Proceedings of the 12th International Conference on Education and New
Learning Technologies. Spain. 6-7 of July, 2020. pp. 6412-6421.
[8] Domínguez Vergara N. La dependencia tecnológica en la Reforma Energética. Revista Alegatos.
No. 91. Enero de 2016. pp. 611-636. http://132.248.9.34/hevila/Alegatos/2015/no91/7.pdf
[9] Sun Tzu, The Art of War (libro o documental).
[10] Nicolás Domínguez Vergara, El mundo ante el coronavirus,
https://www.cronica.com.mx/notas-el_mundo_ante_el_coronavirus-1151188-2020.html
[11] Dominguez-Perez D.N., Dominguez-Vergara N., Dominguez-Perez R.M., Pantoja-Gallegos J.L.
A future of isolation: control and automation in the developing countries. ICERI2017. Proceedings
of the 10th International Conference of Education, Research and Innovation. Seville, Spain. 16th,
17th and 18th of November, 2017. pp. 7964-7973. ISBN: 978-84-697-6957-7.
[12] J. Resnikoff, Labor’ End. Urbana/IL: University of Illinois Press, 2022.
[12b] N. Dominguez-Vergara, R. S. Ruiz Salvatierra, R. M. Dominguez-Perez, The 2019 strike and its
impact in the future of the UAM, EDULEARN 2019 Proceedings, pp. 7327-7336, 2019.
[12c]
[13] Gutiérrez Pulido, H. y De la Vara Salazar, R. (2013). Control Estadístico de Calidad y Seis Sigma.
3ª. Ed., McGraw Hill. Tercera
Edición.https://es.slideshare.net/PabloBenavides11/control−estadisticodelacalidadyseissigmaguti
errez2da
[14] https://asq.org/quality-resources/control-chart
[15] Dominguez-Vergara, N., Dominguez-Perez, D. N. (2021). Effects and Consequences of Covid19
to Higher Education in Mexico. Journal of Higher Education Theory and Practice, 21(3), 58-68.
https://doi.org/10.33423/jhetp.v21i3.4142
[16] https://psicologiaymente.com/pareja/teoria-triangular-amor-sternberg
[16a] N. Dominguez-Vergara, Lack of normalcy planning in higher education in mexico, ICERI 2022.
[17] Burgasi Dayanara, Cobo Valeria, Pérez Tatiana, Pilacuan Leonardo, Rocha Belén, El diagrama
de Ishikawa como herramienta de calidad en la educación: una revisión de los últimos años. Revista
electrónica TAMBARA, abril-julio 2021. Edición 14, No. 84, pp. 1212-1230.
[18] N. Dominguez-Vergara, D.N. Dominguez-Perez, A.B. Dominguez-Perez. Experiences in teaching
some soft skills in engineering. INTED 2022. Proceedings of the 16th International Technology,
Education and Development Conference. Virtual. Valencia, Spain. 7-8 of march, 2022. pp. 10216-
10225.
[19] Pantoja-Gallegos J.L., Dominguez-Vergara N., Dominguez-Perez D.N. Some new strategies to
teach a few engineering courses during the COVID-19 pandemic. ICERI 2021. Proceedings of the

262
14th International Conference of Education, Research and Innovation, 2021.
[20] https://www.eleconomista.com.mx/opinion/No-eres-tu-soy-yo...-el-dolar-sedebilitao-el-
peso-se-fortalece–20200527-0023.html
[21] Nicolas Dominguez-Vergara. Teaching basic quality control tools by analyzing the electricity
sector. END 2022. Education and New Developments 2022, Volume 1, Edited by Mafalda Carmo.
Lisboa, Portugal. 18-20 of June, 2022. pp. 302-306.
[22] N. Dominguez-Vergara, D.N. Dominguez-Perez, A.B. Dominguez-Perez, G.A. Dominguez-
Perez. Is it too early to start preparing for climate change survival? INTED 2022. Proceedings of the
16th International Technology, Education and Development Conference. Virtual. Valencia, Spain. 7-
8 of march, 2022. pp. 10206-10215.
[23] Dominguez-Vergara N., Dominguez-Perez D.N., What works to keep students focused during
the COVID-19 pandemic? EDULEARN 2021. Proceedings of the 13th International Conference on
Education and New Learning Technologies, 2021. pp. 2524-2533
[24] https://es.statista.com/grafico/20867/mortalidad-del-coronavirus-por-edad/
[25] https://www.abc.es/sociedad/abci-mueren-mas-mayores-coronavirus-porquesiempre-
muerenmas-ancianos-202004070156_noticia.html
[26] https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-020-09826-8Fig1
[27] https://www.worldometers.info/coronavirus/
[28] https://covid19.who.int/?gclid=Cj0KCQiAwf39BRCCARIsALXWETxTJUEdqRewity
VoSKOlWKebic8ZICmpPqJHsLeByQHMoUZ6LFT4JYaAmVhEALw_wcB
[29] https://www.worldometers.info/coronavirus/coronavirus-age-sex-demographics/
[30]
[31] Instituto Mexicano del Petróleo, Prospectiva de la Investigación y el desarrollo tecnológico del
sector petróleo al año 2025. Junio 2001. IMP.
[32]
[33] US Center for Disease Control and Prevention, Phased allocation of covid-19 vaccines,
December 2020. Accessed 14 February, 2021.
Retrieved from https://www.cdc.gov/vaccines/acip/meetings/downloads/slide s-2020-12/slides-
12-20/02-COVIDDooling.pdf
[34] Yergin Daniel. The New Map. (2020). Penguin Ramdom House.
[35] https://www.nytimes.com/2021/01/03/business/oil-industrycareers.html?action=clic
k&module=News&pgtype=Homepage
[36] https://elpais.com/diario/1999/10/02/sociedad/ 938815207_850215.html
[37] https://blogs.elconfidencial.com/tecnologia/no-me-creas/2013-1 2-02/el-error-mastonto-en-
la-historia-de-la-nasa_61243/
[38] https://sites.suffolk.edu/jstraka/2015/10/30/fukushima-daiichi-nuclear-disaster/
[39] https://www.youtube.com/watch?v=5YFEDSVCk2s
[40] https://www. energy.gov/science-innovation/energy-sources/renewableenergy/solar
[41] https://www.energy.gov/science-innovation/energy-sources/renewable-energy/wind
[42] https://www.ener gy.gov/science-innovation/clean-energy
[43] David C. M. Dickson, Mary R. Hardy and Howard R. Waters. Cambridge University Press. 2014.
pp. 50.
[44] Bowers, Gerber, Hickman, Jones and Nesbitt. Actuarial mathematics. Edwards Brohters. Ann
Arbor, Michigan. 1997. pp. 64.

263
[45] https://www.newsandsentinel.com/news/local-new s/2020/12/west-virginia-racingtowards-
covid-vaccinations-for-older-residents/
[46] https://www.populationpyramid.net/ es/m%C3%A9xico/2020/
[47] De Wulf, M., (December 2019). Pirámides de población del mundo desde 1950 hasta 2100,
Estados Unidos. Retrieved 14 February, 2021, from:
https://www.populationpyramid.net/es/estados-unidos/2020
[48] Schwab, K., Malleret, T. (2020). Covid-19
[49] ACIP Covid-19 Vaccines working group. Phased allocation of covid-19 vaccines 143 Kathleen
Dooling, MD, MPH. ACIP meeting. December 20, 2020
[50] https://www.worldometers.info/coronavirus/country/mexico/
[51] https://ourworldindata.org/mortality-risk-covid
[52] Worldometer. (2021). Covid-19 coronavirus pandemic. Retrieved February 14, 2021, from:
https://www.worldometers.info/coronavirus/
[53] 20/03-COVID-Oliver.pdf
[54] https://www.google.com/search?q=npr+amefoq=npr+amefaqs=chrome..69i57j0j0i433j0l
7.7724j0j4sourceid=chromeie=UTF
[55] Edward G. Schilling, Dean v. Neubauer. (2008).Acceptance Sampling in Quality Control. Second
Edition. CRC Press.. New York, USA.
[56] Nader R., Smith W.(1996), No Contest, Random House. New York, USA. pp.70.
[57] Norma ISO9000, versión 2015.
[58] Nicolas Dominguez-Vergara, Daniel Nicolas Dominguez-Perez & Adriana Berenice Dominguez-
Perez. Education-to-go in the future in developing countries? END 2022. Education and New
Developments 2022 Conference. Virtual. Lisboa, Portugal. 18-20 of June, 2022. pp. 308-312.
[59] Carl Sagan. Billions and billions.
[59] Douglas Adams. Hitchhiker’s guide to the Galaxy.
[60] Universidad Autónoma de Guerrero. Juan Álvarez, el hombre, su historia y su tiempo. Páginas
152-153. https://issuu.com/mediatecaguerrero/docs/juan__lvarez_completo

264
 Problemas para discutir en grupo

Problema 1. Survival bias image Los puntos rojos, son impactos de ametralladoras
de los aviones que regresaban de combate. ¿Qué partes reforzaría usted?
https://en.wikipedia.org/wiki/Survivorship_bias

Problema 2. Mientras llueve mucho, Juan pasa en su auto y ve en la parada del

camión a su mejor amigo, a una ancianita y a una joven con la que le gustaría salir.
¿A quién salva de la lluvia si solamente puede llevar a una de esas 3 personas? (De
WhatsApp)

Problema 3. Arme un equipo de 10 personas. Tome una bolita (puede ser una
canica). La bolita tiene que pasar por todas las manos de las 10 personas. Haga el
ejercicio con su equipo en el menor tiempo posible. ¿Cuál es el mínimo tiempo en
el que lo pueden hacer? (De un taller)

Problema 4. Se tienen 3 paquetes. Los 3 pesan lo mismo, excepto uno. Usando una
balanza, ¿cómo identificaría al que no pesa lo mismo que los demás usando la
balanza un mínimo de veces? (De amigos)

265