Clases Control Estadistico de Procesos - CLASE

CONTROL ESTADISTICO DE PROCESOS
CONTROL ESTADISTICO DE PROCESOS

Profesor Jose Caceres Arroyo
jfcacer@gmail.com
Horario: Lunes y Viernes de 7.00 a 10.00
pm
durante 4 semanas.
Descanso de 15 minutos: En el horario de 8.20 a 8.45 pm
Requistos de aprobacion: -Aprobar el examen final.
-Inhabilitados con 2 inasistencias
Publicacion de notas: Sistema Info Senati
Bibliografa
Bibliografa
Control Estadstico de Calidad
1) Douglas Montgomery Control estadstico de la calidad
(2006)
2) Hitoshi Kume, Herramientas Estadsticas para el
mejoramiento de
la Calidad.
3) Humberto Gutirrez Pulido, Romn de la Vara Salazar.
Control
estadstico de Calidad y Seis Sigma. (2009).
4) Barca, R.G. Control estadstico del proceso.
Presupuesto y Mat.
financiera
Marco conceptual
Mejora de la
calidad
Historia del CEP
Mtodos utilizados
Marco conceptual
Mejora de la
calidad
Historia del CEP
Mtodos utilizados
Definicin de trminos
Medidas descriptivas
Ejercicios
Definicin de trminos
Medidas descriptivas
Ejercicios
Hoja de verificacin
Histograma
Diagrama de Pareto
Diagrama causa-efecto
Diagrama de flujo
Diagrama de
dispersin
Las cartas de Control
Hoja de verificacin
Histograma
Diagrama de Pareto
Diagrama causa-efecto
Diagrama de flujo
Diagrama de
dispersin
Las cartas de Control
Definiciones
Capacidad del proceso
ndice de capacidad
Definiciones
Capacidad del proceso
ndice de capacidad
Aspectos conceptuales
Cartas de control para para

variables
Cartas de control para atributos
Aspectos conceptuales
Cartas de control para para

variables
Cartas de control para atributos

Mapa conceptual del Mapa conceptual del
curso curso
Aspectos generales
Conceptos bsicos Conceptos bsicos
de estadstica de estadstica
Las 7 herramientas Las 7 herramientas
bsicas bsicas
Las cartas de Las cartas de
control control
Capacidad del Capacidad del
proceso proceso
Se siente
Se siente
usted
usted
agobiado por
agobiado por
alguno de
alguno de
estos
estos
problemas ?
problemas ?
Reprocesos por defectos?
Exceso de Desperdicios?
Problemas de llenado?
Sobrepeso?
Excesivas devoluciones?

Si su respuesta es...
Si su respuesta es...
NO !
NO !
Gracias por
Gracias por
su valioso
su valioso
tiempo...
tiempo...
Esto no es
Esto no es
para usted!
para usted!
Pero si su respuesta es...
Pero si su respuesta es...
SI !
SI !
El C.E.P.
El C.E.P.
(Control Estadstico de
(Control Estadstico de
Proceso )
Proceso )
La solucin es :
Qu es C.E.P.?
Qu es C.E.P.?
CONTROL: CONTROL: Mantener el proceso dentro de sus

lmites.
ESTADSTICO: ESTADSTICO: Con la ayuda de datos que

permita obtener conclusiones.
PROCESO: PROCESO: Operadores, mquinas, mtodos y

materiales unidos para producir un producto
o servicio
Control de calidad durante el

proceso de produccin,
utilizando los datos para
mantener el proceso en estado
de control estadstico (dentro
de su propia capacidad).
Qu es el C.E.P. ?
Qu es el C.E.P. ?
Qu es el C.E.P. ?
Qu es el C.E.P. ?
Un sistemtico y riguroso proceso

para identificar y ayudar a resolver
problemas
Una herramienta para mejorar la

calidad y productividad
Parte de una filosofa relacionada

con el mejoramiento continuo
$ $ $ $ $ $ $
Como trabaja el C.E.P....
Recolectando,
analizando e
interpretando los datos
que generan los mismos
procesos
Cambiando el nfasis de la
deteccin a la prevencin
Suministrando evidencia de como

el sistema est actuando (No
opiniones o memoria)
Diferenciando las causas

especiales y las causas comunes
de variacin.
NO ES SOLO UN ASUNTO DE
MANUFACTURA
Las tcnicas del CEP pueden y

Las tcnicas del CEP pueden y
han sido exitosamente utilizadas
han sido exitosamente utilizadas
en ambientes no manufactureros
en ambientes no manufactureros
Quines deben utilizarlo ?
La gente de Ventas necesita entender el

CEP para :
Comunicarse con los clientes y con la planta
Evaluar el proceso de ventas
Porque los clientes lo estn pidiendo y cada vez son

ms los que lo piden
Ingeniera para :
Incorporar la capacidad del proceso en

los diseos
Comunicarse con manufactura
Evaluar la ingeniera de procesos

Mantenimiento para:
Entender porqu los llaman a hacer

reparaciones ( aviso de fuera de control)
Comunicarse con la planta y la alta

Gerencia
Evaluar el proceso de mantenimiento

Porque la calidad es una exigencia para el

xito empresarial en el ambiente
competitivo de hoy
Las expectativas del cliente lo

demandan
Porque el mejoramiento de la calidad es la

mejor forma de mejorar la rentabilidad
El retorno de la inversin del

mejoramiento de la calidad no tiene
comparacin
Porqu usted necesita
C.E.P....
C.E.P....
Porque la informacin es la clave del

mejoramiento de la Calidad
Especialmente en manos de los empleados
Porque el C.E.P.. dirige la atencin al

proceso en lugar de al producto.
C.E.P....
C.E.P....
Para ayudar a decidir

cuando ajustar el
proceso, dejarlo quieto o
detenerlo
Para lograr costos bajos,

alta calidad, alta
productividad,
capacidad predecible,
disminucin del
desperdicio y reproceso.
Para qu implementar el C.E.P....
Para ayudar a medir el efecto que

tienen los cambios realizados en
los procesos.
Para ayudar a elevar la moral

porque la gente est ms
involucrada y dispuesta a hacer
un mejor trabajo
Para aumentar la satisfaccin de

cliente porque: de pocos errores,
mayores negocios
23
1. Introduccin
1. Introduccin
El control estadstico de procesos (CEO) es la

aplicacin de tcnicas estadsticas para
determinar si el resultado de un proceso
concuerda con el diseo del producto o servicio
correspondiente.
24
1. Calidad y Mejoramiento
1. Calidad y Mejoramiento
Calidad significa adecuacin para uso. Calidad significa adecuacin para uso.
La Calidad es inversamente proporcional a la La Calidad es inversamente proporcional a la

variabilidad. variabilidad.
El mejoramiento de calidad es la reduccin El mejoramiento de calidad es la reduccin

de la variabilidad en procesos y productos. de la variabilidad en procesos y productos.
Presentacin
Presentacin
Control de Calidad(QC) incluye actividades en los

proveedores, a travs de produccin, y hacia los
clientes.
Los materiales recibidos son analizados para

asegurarse de que cumplen con las
especificaciones adecuadas.
La Calidad de los productos parcialmente

terminados se analizan para determinar si el
proceso de produccin est funcionando
correctamente.
Los productos terminados y Servicios se estudian

para determinar si cumplen con las expectativas
del cliente.
Algunos productos, servicios y
expectativas del cliente
Hospital Hospital
El paciente recibe el tratamiento correcto? El paciente recibe el tratamiento correcto?
Pacientes tratados con cortesa por todo el Pacientes tratados con cortesa por todo el
personal? personal?
apoya todo el entorno del Hospital a que los apoya todo el entorno del Hospital a que los
pacientes se recuperen? pacientes se recuperen?
Banco Banco
las transacciones del cliente se completa con las transacciones del cliente se completa con
precisin? precisin?
Cumple el Banco con las reglamentaciones Cumple el Banco con las reglamentaciones
gubernamentales? gubernamentales?
Los estados de los clientes reflejan con Los estados de los clientes reflejan con
exactitud sus transacciones?
Fabrica de automoviles
Se desempea como se pretende?
Componentes dentro de las tolerancias de

fabricacin?
Es agradable su apariencia?
Aserradero
Maderos dentro de las tolerancias de

contenido de humedad?
Se clasifican correctamente los maderos?
Hay nudos, rajaduras, muchas superficies y

otros defectos en cantidad excesiva?
28
Desempeo Desempeo
Confiabilidad Confiabilidad
Durabilidad Durabilidad
Facilidad de servicio Facilidad de servicio
Esttica Esttica
Caractersticas incluidas Caractersticas incluidas
Calidad percibida Calidad percibida
Conformidad con los estndares Conformidad con los estndares

1.
1.
Dimensiones de la Calidad
Dimensiones de la Calidad
29
1. Fsicas:
1. Fsicas:
Longitud, peso, voltaje, viscosidad. Longitud, peso, voltaje, viscosidad.
2. Sensoriales:
2. Sensoriales:
sabor, apariencia, color. sabor, apariencia, color.
3. Orientadas al tiempo:
3. Orientadas al tiempo:
confiabilidad, confiabilidad,
durabilidad, facilidad de servicio. durabilidad, facilidad de servicio.
1.
1.
Caractersticas de la Calidad
Caractersticas de la Calidad
30
1... Antecedentes histricos
FREDERICK W. TAYLOR: FREDERICK W. TAYLOR: Administracin Cientfica, Administracin Cientfica,

ciencia para cada elemento del trabajo, seleccin del ciencia para cada elemento del trabajo, seleccin del
trabajador, capacitar, apego a procedimientos, trabajador, capacitar, apego a procedimientos,
divisin adm. obreros divisin adm. obreros
FRANK / LILLIAN GILBERTH: FRANK / LILLIAN GILBERTH: Afinan los movimientos, Afinan los movimientos,
resaltan la necesidad de inters por los trabajadores resaltan la necesidad de inters por los trabajadores
FORDISMO: FORDISMO: Lneas de produccin masiva, los Lneas de produccin masiva, los
trabajadores deben ser consumidores trabajadores deben ser consumidores
31
1... CEP en Occidente Western
1... CEP en Occidente Western
Electric
Electric
1924: 1924: WALTER SHEWHART WALTER SHEWHART realiz experimentos realiz experimentos
en base al Teorema del Lmite Central y en base al Teorema del Lmite Central y
desarroll las Cartas de Control del CEP desarroll las Cartas de Control del CEP
1926: 1926: HAROLD F. DODGE Y HARRY G. ROMIG HAROLD F. DODGE Y HARRY G. ROMIG, ,
desarrollaron las tcnicas de Muestreo desarrollaron las tcnicas de Muestreo
Estadstico Estadstico
D Durante la 2a. Guerra Mundial se expande el urante la 2a. Guerra Mundial se expande el
uso del CEP en la industria de manufactura uso del CEP en la industria de manufactura
La aplicacin de las tcnicas estadsticas ha La aplicacin de las tcnicas estadsticas ha

evolucionado a lo que hoy se conoce como evolucionado a lo que hoy se conoce como Seis Seis
Sigma Sigma, aplicada por Motorola, GE, Sony, etc. , aplicada por Motorola, GE, Sony, etc.
32
1... CEP en Japn
1... CEP en Japn
1950s: EDWARD DEMING / JOSEPH JURAN: 1950s: EDWARD DEMING / JOSEPH JURAN:
Entrenaron a lderes industriales en tcnicas Entrenaron a lderes industriales en tcnicas
del CEP del CEP
1950s: KAOURU ISHIKAWA: 1950s: KAOURU ISHIKAWA: Es un seguidor de Es un seguidor de

Deming y desarrolla el Diagrama de Ishikawa, Deming y desarrolla el Diagrama de Ishikawa,
los Crculos de calidad e impulsa el control de los Crculos de calidad e impulsa el control de
calidad total CWQC. calidad total CWQC.
Los japoneses implantaron el CEP y lograron Los japoneses implantaron el CEP y lograron
productos de alta calidad, Occidente retoma productos de alta calidad, Occidente retoma
los mtodos de CEP hasta despus de los los mtodos de CEP hasta despus de los
1980s. 1980s.
33
Control de calidad por inspeccin: Control de calidad por inspeccin: Con la Con la
divisin del trabajo, a divisin del trabajo, aparecen los parecen los
inspectores, inspeccin 100% inspectores, inspeccin 100%
C Control estadstico del proceso ontrol estadstico del proceso: : Shewhart, Shewhart,
Deming, Juran. Se usa en Japn (50s) y EUA Deming, Juran. Se usa en Japn (50s) y EUA
(80s) (80s)
A Aseguramiento de calidad seguramiento de calidad (ISO 9000): (ISO 9000):

Sistemas aislados EUA (40s), Europa, etc. Sistemas aislados EUA (40s), Europa, etc.
1... Mtodos estadsticos de control y
mejoramiento de calidad
A. A. LAS CARTAS DE CONTROL LAS CARTAS DE CONTROL
Tcnica til para el monitoreo de procesos Tcnica til para el monitoreo de procesos
Permiten identificar situaciones anormales Permiten identificar situaciones anormales

(causas especiales originadas por cambios en (causas especiales originadas por cambios en
las 6Ms) las 6Ms)
Sirven para p Sirven para preven revenir ir la produccin de defectivos la produccin de defectivos
0
5
10
15
LCS
Promedio
LCI
Perfil
Carta X
LSC
MEDIA
LIC
35
B. B. DISEO DE EXPERIMENTOS DISEO DE EXPERIMENTOS
Tcnica til para identificar las variables clave Tcnica til para identificar las variables clave
que afectan a la variabilidad de productos. que afectan a la variabilidad de productos.
Permite variar en forma sistemtica los factores Permite variar en forma sistemtica los factores
y analizar su efecto y analizar su efecto
Variables de Variables de Caracterstica Caracterstica
Entrada/Factores Entrada/Factores de calidad de calidad
Proceso Proceso
36
C. C. MUESTREO DE ACEPTACIN MUESTREO DE ACEPTACIN
Tcnica que permite calificar lotes de productos Tcnica que permite calificar lotes de productos
como conformes o no conformes como conformes o no conformes, por medio de , por medio de
una muestra representativa una muestra representativa sin inspeccionar al sin inspeccionar al
100% 100%
MUESTRA MUESTRAOK? OK?
LOTE LOTE
37
1... Administracin por Calidad Total
1... Administracin por Calidad Total
MODELOS Creacin de valor a las partes MODELOS Creacin de valor a las partes
interesadas interesadas
Premio Malcolm Baldrige EUA Premio Malcolm Baldrige EUA
Premio Europeo a la calidad Europa Premio Europeo a la calidad Europa
Premio Deming Japn Premio Deming Japn
Premio Nacional de Calidad -Mxico Premio Nacional de Calidad -Mxico
Premios Estatales a la calidad Premios Estatales a la calidad

38
1... Los costos de calidad
1... Los costos de calidad
CROSBY: CROSBY: La calidad se mide con el costo de La calidad se mide con el costo de
calidad calidad
COSTOS DE PREVENCIN COSTOS DE PREVENCIN
Planeacin de calidad Planeacin de calidad (manuales), (manuales),

Entrenamiento Entrenamiento
COSTOS DE APRECIACIN COSTOS DE APRECIACIN
Inspecciones Inspecciones, , pruebas pruebas y materiales de y materiales de

prueba prueba
COSTOS DE FALLA INTERNA COSTOS DE FALLA INTERNA
Desperdicios Desperdicios, , retrabajos retrabajos, reinspecciones , reinspecciones
COSTOS DE FALLA EXTERNA COSTOS DE FALLA EXTERNA
Garantas Garantas, , reclamaciones reclamaciones, demandas , demandas

legales, penalizaciones, campaas legales, penalizaciones, campaas
39
Factores de xito para la implantacin
Factores de xito para la implantacin
del CEP
del CEP
Liderazgo gerencial, Liderazgo gerencial, ser ser parte de un programa parte de un programa
mayor mayor
Enfoque de grupo de trabajo Enfoque de grupo de trabajo
Educacin y entrenamiento en todos los niveles Educacin y entrenamiento en todos los niveles
nfasis en la mejora continua nfasis en la mejora continua
Sistema Sistema de reconocimiento de reconocimiento
Apoyo tcnico de ing Apoyo tcnico de ingeniera o eniera o calidad calidad

40
2. Mtodos y filosofa
2. Mtodos y filosofa
del control estadstico de
del control estadstico de
proceso (CEP)
proceso (CEP)
No existen en la naturaleza
No existen en la naturaleza
dos cosas exactamente iguales,
dos cosas exactamente iguales,
ni siquiera los gemelos
ni siquiera los gemelos
, por tanto la
, por tanto la
variacin es inevitable y es analizada por
variacin es inevitable y es analizada por
la Estadstica
la Estadstica
Qu es Estadstica?
Qu es Estadstica?
41
42
2
2
..Definiciones
..Definiciones
Poblacin: Poblacin: Es la coleccin de todos los elementos Es la coleccin de todos los elementos
(piezas, personas, etc.). En nuestro caso sera un (piezas, personas, etc.). En nuestro caso sera un
nmero infinito de mediciones nmero infinito de mediciones de las caractersticas de las caractersticas
bajo estudio bajo estudio. .
Muestra: Muestra: Es una parte o subconjunto Es una parte o subconjunto
representativo de la poblacin, o sea un grupo de representativo de la poblacin, o sea un grupo de
mediciones mediciones de las caractersticas de las caractersticas. .
Variable aleatoria: Variable aleatoria: es una funcin o regla que asigna es una funcin o regla que asigna
uno y slo un valor de una variable " y" a cada uno y slo un valor de una variable " y" a cada
evento en el espacio muestral. En este caso evento en el espacio muestral. En este caso
representa una medicin particular. representa una medicin particular.
Distribucin Distribucin: : Es la forma del patrn de variacin Es la forma del patrn de variacin
observado. . observado. .
43
2
2
..Definiciones
..Definiciones
Estadstico: Estadstico: Es una medicin tomada en una muestra Es una medicin tomada en una muestra
que sirve para hacer inferencias en relacin con una que sirve para hacer inferencias en relacin con una
poblacin (media de la muestra, desviacin estndar de poblacin (media de la muestra, desviacin estndar de
la muestra).Normalmente es una variable aleatoria y la muestra).Normalmente es una variable aleatoria y
tiene asociada una distribucin. tiene asociada una distribucin.
Parmetro: Parmetro: Es el valor verdadero en una poblacin Es el valor verdadero en una poblacin
(media, desviacin estndar, se indican con letras (media, desviacin estndar, se indican con letras
griegas) griegas)
Datos continuos Datos continuos Los datos que tienen un valor real Los datos que tienen un valor real
(temperatura, presin, tiempo, dimetro, altura ) (temperatura, presin, tiempo, dimetro, altura )
Datos discretos: Datos discretos: Datos que toman valores enteros (1, 2, Datos que toman valores enteros (1, 2,
3, etc.) 3, etc.)
Datos por atributos: Datos por atributos: Bueno - malo, pasa - no pasa, etc. Bueno - malo, pasa - no pasa, etc.
Ejemplo de Estadsticos
Ejemplo de Estadsticos
2
: la media poblacional
: la proporcin poblacional
: la varianza poblacional
: la desviacin estndar poblacional
2
: la media muestral
: la proporcin muestral
: la varianza muestral
: la desviacin estndar muestral
x
p
s
s
Ejemplo de Parmetros
Ejemplo de Parmetros
Clasificacin de las variables
Clasificacin de las variables
45
Caso de Estudio
Caso de Estudio
1
1
46
Se distribuye un cierto numero de empresas segn Se distribuye un cierto numero de empresas segn
sus inversiones en millones de dlares. sus inversiones en millones de dlares.
5 7 6 7 9 8 5 7 8 10
7 6 6 5 6 7 9 7 10 8
6 9 7 6 6 5 11 10 7 8
Construya un cuadro de distribucin de frecuencias. Construya un cuadro de distribucin de frecuencias.
Distribuciones de frecuencia
Distribuciones de frecuencia
Caso de Estudio
Caso de Estudio
2
2
47
Se tiene los resultados de los exmenes tomados a Se tiene los resultados de los exmenes tomados a
30 estudiantes en un determinado curso. Los 30 estudiantes en un determinado curso. Los
puntajes son: puntajes son:
34 28.5 35.5 46 32 24.5
30 23 38 33.5 41 34
30.5 27 38 43 48 27
31 26.5 37 26 41 32.5
26 29 20 36 36.5 41.5
Construya un cuadro de distribucin de frecuencias. Construya un cuadro de distribucin de frecuencias.
48
1.Medidas de tendencia
1.Medidas de tendencia
central
central
Medidas descripticas
Medidas descripticas
Media aritmtica muestral
Media aritmtica muestral
La media aritmtica de un conjunto de La media aritmtica de un conjunto de n n

observaciones observaciones x x
1 1
, , x x
2 2
, ..., , ..., x x
n n
de una muestra es el de una muestra es el
promedio de las mediciones: promedio de las mediciones:
n
x
x
n
i
i
1
Media aritmtica poblacional
Media aritmtica poblacional
N
x
N
i
i
1

Media aritmtica para datos en
Media aritmtica para datos en
frecuencias
frecuencias
Si las observaciones muestrales y

Si las observaciones muestrales y
1 1
, y
, y
2 2
,...,y
,...,y
k k

presentan frecuencias
presentan frecuencias
f
f
1 1
, f
, f
2 2
,..., f
,..., f
k k
, entonces:
, entonces:

k
i
i i
k
i
i i
h y
n
f y
1
1
Media aritmtica para datos
Media aritmtica para datos
agrupados
agrupados
Para datos agrupados en intervalos

Para datos agrupados en intervalos
Donde: Donde:
X X
i i
son las marcas de clase de los intervalos son las marcas de clase de los intervalos
de clase de clase
f f
i i
es la frecuencia absoluta del intervalo i es la frecuencia absoluta del intervalo i
n n es el nmero de datos es el nmero de datos
k k es el nmero de intervalos es el nmero de intervalos

k
i
i i
k
i
i i
k
i
i
k
i
i i
h X
n
f X
f
f X
x
1
1
1
1
Media aritmtica ponderada
Media aritmtica ponderada
La media aritmtica de y
La media aritmtica de y
1 1
, y
, y
2 2
,...,y
,...,y
k k

ponderada por los pesos
ponderada por los pesos
w
w
1 1
, w
, w
2 2
, ..., w
, ..., w
k k
es:
es:

k
i
i
k
i
i i
w
w y
x
1
1
Mediana (Me)
Mediana (Me)
Para un conjunto de observaciones Para un conjunto de observaciones x x

1 1
, x , x
2 2
,...,x ,...,x
n n
, ,
se ordenan las observaciones de menor a se ordenan las observaciones de menor a
mayor mayor
x x
[ [1 1] ]
, x , x
[ [ 2 2] ]
, ...,x , ...,x
[ [ n n] ]. .
La mediana se calcula como: La mediana se calcula como:
si n es impar es el valor central de los datos ordenados. si n es impar es el valor central de los datos ordenados.
si n es par es la semisuma de los dos datos centrales. si n es par es la semisuma de los dos datos centrales.
Depende del nmero de datos, no de los Depende del nmero de datos, no de los
valores de los datos por lo que no se ve valores de los datos por lo que no se ve
afectada por valores extremos. afectada por valores extremos.
Mediana (Me)
Mediana (Me)
La mediana de datos agrupados es:
La mediana de datos agrupados es:
,
_
+
1
2
m
m
m
m
F
n
f
W
L Me
Donde:
Lm : limite inferior de la clase mediana
Wm : ancho de clase de la clase mediana
n : total de datos
Fm-1 : frecuencia absoluta acumulada de la clase que precede
a la clase mediana
fm : frecuencia absoluta de la clase mediana
Moda (Mo)
Moda (Mo)
Es el dato que ms veces se repite Es el dato que ms veces se repite
No siempre es nica. No siempre es nica.

La moda de datos agrupados es:
La moda de datos agrupados es:
clase de ancho W
f f d
f f d
L
donde
W
d d
d
L Mo
i i
i i
i
i
,
_
+
+
+
1 2
1 1
2 1
1

modal intervalo del inferior lmite el es
Relacin entre media, mediana y
Relacin entre media, mediana y
moda
moda
Si la distribucin es simtrica, la media,

Si la distribucin es simtrica, la media,
mediana y moda tienen el mismo valor.
mediana y moda tienen el mismo valor.
Si es asimtrica de cola a la derecha:

Si es asimtrica de cola a la derecha:
Mo < Me < Media Mo < Me < Media
Si es asimtrica de cola a la izquierda:

Si es asimtrica de cola a la izquierda:
Mo > Me > Media Mo > Me > Media

Las Cuantilas
Las Cuantilas
Medidas descriptivas que pueden dividir al total Medidas descriptivas que pueden dividir al total
de datos en cierto numero de partes de datos en cierto numero de partes
igualmente numerosos y nace como igualmente numerosos y nace como
consecuencia del estudio de la mediana. Las consecuencia del estudio de la mediana. Las
principales son: principales son:
Cuartiles (Q Cuartiles (Qi i) )
Deciles (D Deciles (Di i) )
Percentiles (P Percentiles (Pi i) )

Las medidas de posicion no central
Las medidas de posicion no central
Para datos agrupados Para datos agrupados: :
,
_
+

Q
1 Q
Q Q
f
F
4
in
W L Qi
Donde:
LQ : limite inferior de la clase donde esta el cuartil
WQ : ancho de clase donde esta el cuartil
n : total de datos
i : numero que indica el cuartil deseado
FQ-1 : frecuencia absoluta acumulada de la
clase que precede a la clase del cuartil
fQ : frecuencia absoluta de la clase del cuartil
in /4 : Punto de posicin
Los Cuartiles (Q
Los Cuartiles (Qi i
)
)
Para datos no agrupados Para datos no agrupados: :
( )
4
1 n i +
Punto de posicin Punto de posicin
Donde:
i : numero que indica el cuartil deseado
n : total de datos
2. Medidas de dispersin o
2. Medidas de dispersin o
variabilidad
variabilidad
Son nmeros que miden el grado de

Son nmeros que miden el grado de
separacin de los datos con respecto a un
separacin de los datos con respecto a un
valor central.
valor central.
Las principales son:

Las principales son:
Rango Rango
Varianza y desviacin estndar Varianza y desviacin estndar
Coeficiente de variacin Coeficiente de variacin

Varianza
Varianza
Es la media aritmtica de los cuadrados de la

Es la media aritmtica de los cuadrados de la
diferencia de los datos respecto a su media
diferencia de los datos respecto a su media
aritmtica.
aritmtica.
n
x y
s
n
i
i
1
2
2
) (
2
1
2
x
n
y
n
i
i

Si se calcula a partir de una muestra es Si se calcula a partir de una muestra es

denotada denotada
por
por s s
2 2
y si es de una poblacin por y si es de una poblacin por
2 2
. .
Tiene unidades de medicin al cuadrado. Tiene unidades de medicin al cuadrado.
La La desviacin estndar desviacin estndar es la raz cuadrada de la es la raz cuadrada de la

varianza varianza
Varianza de datos tabulados
Varianza de datos tabulados
Para datos agrupados con marcas de clase x

Para datos agrupados con marcas de clase x
1 1
, x
, x
2 2
,...,x
,...,x
k k

y frecuencias
y frecuencias
f
f
1 1
, f
, f
2 2
,..., f
,..., f
k k
,:
,:
n
x x f
s
k
i
i i
1
2
2
) (
2
1
2
x
n
x f
k
i
i i

2
1
2
x x h
k
i
i i

k
i
i i
x x h
1
2
) (
Coeficiente de variacin
Coeficiente de variacin
Es una medida de dispersin relativa que se Es una medida de dispersin relativa que se
define como: define como:
El CV no tiene unidades de medida.

x
s
CV
Compara la variabilidad de dos o ms series de

datos que tengan unidades diferentes.
A mayor CV mayor dispersin
Cuando las medias son iguales basta comparar

las desviaciones estndar.
Si es unimodal y asimtrica: Si es unimodal y asimtrica:
(MediaMo) (MediaMo) es aproximadamente 3 es aproximadamente 3(MediaMe) (MediaMe)

s
Mo x
A
s

s
) Me x (
A
s

Es el nmero
Es el nmero
3.1 ndices de asimetra de Pearson

(A
(A
s s
)
)
3. Medidas de Asimetra
3. Medidas de Asimetra
Asimtrica positiva (o de cola a la Asimtrica positiva (o de cola a la
derecha) derecha) A A
s s
>0 >0
Asimtrica negativa (o de cola a la Asimtrica negativa (o de cola a la
izquierda) izquierda) A A
s s
<0 <0
Simtrica Simtrica A A
s s
=0 =0

(A
(A
s s
)
)
3.2 ndice de curtosis o
3.2 ndice de curtosis o
apuntamiento
apuntamiento
El apuntamiento se mide en relacin a la El apuntamiento se mide en relacin a la curva normal curva normal
o o mesocrtica mesocrtica
Es el nmero Es el nmero
10 90
1 3
2
1
P P
Q Q
K
Platicrtica Platicrtica K K < <

0 0
Leptocrtica Leptocrtica K K > >
0 0
P
10
P
90
Normal o mesocrtica Normal o mesocrtica K K = =
0 0
P
25
P
75
Gestin: Funcional x Procesos
Gestin: Funcional x Procesos
Inicio Inicio Fin Fin
z
0 1 2 3 -1 -2 -3
x x+ x+2 x+3 x- x-2 x-3
X
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
La distribucin Normal Estndar
La distribucin Normal Estndar
Caractersticas de la distribucin
Caractersticas de la distribucin
normal
normal
68%
34% 34%
95%
99.73%
+1s
+2s
+3s
68%
34% 34%
13.5% 13.5%
95%
68%
34% 34%
13.5% 13.5%
99.73%
68%
34% 34%
2.365% 2.365%
2...Proceso con media =100 y
desviacin estndar = 10
70 80 90 100 110 120 130
90 110
80 120
70 130
Causas Comunes
Variacin Aleatoria
El Proceso est en control

Fuentes de Variabilidad de los Procesos
Fuentes de Variabilidad de los Procesos
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
Causas Asignables
Causas sistemticas (no usuales)
El Proceso no est en control

Fuentes de Variabilidad de los
Procesos
Procesos
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
Procesos
Procesos
Causas Comunes
Causas Comunes
Suelen ser muchas y cada

una produce pequeas
variaciones.
Son parte permanente del

proceso
Son difciles de eliminar y

forman parte del sistema.
Afectan a todo el conjunto

de mquinas y operarios
Causas Asignables
Causas Asignables
Suelen ser pocas pero con

efectos importantes en la
variabilidad.
Aparecen
espordicamente.
Son relativamente fciles

de eliminar
Por lo general su efecto

est localizado en una(s)
mquina(s) u operario(s).
1. Hoja de verificacin (Lista de chequeo)
2. El histograma y otros
3. La grafica de Pareto
4. El diagrama de causa y efecto
5. El diagrama de flujo
6. Diagrama de dispersin
7. La carta de control
Las 7 herramientas estadsticas
Las 7 herramientas estadsticas
Tambin llamada Hoja de recogida de datos o Registro Tambin llamada Hoja de recogida de datos o Registro
1. Hoja de
1. Hoja de
Verificacin
Verificacin
Definir el problema Definir el problema
Definir datos necesarios Definir datos necesarios
Planificar recogida Planificar recogida
Recoger datos Recoger datos
Analizar e interpretar datos Analizar e interpretar datos
Presentar datos Presentar datos

Ii Xi fi hi Fi Hi
[60 66> 63 4 0.100 4 0.100
[66 72> 69 7 0.175 11 0.275
[72 78> 75 15 0.375 26 0.650
[78 84> 81 8 0.200 34 0.850
[84 90> 87 4 0.100 38 0.950
[90 96] 93 2 0.050 40 1.000
Total
40 1.000
0
2
4
6
8
10
12
14
16
60-66 66-72 72-78 78-84 84-90 90-96
Frec.
2.. El histograma
2.. El histograma
El histograma representa un grupo de piezas provenientes

de una operacin industrial. Esto muestra como se comporta
un proceso industrial en un momento determinado.
Es un medio eficaz para transmitir a otras personas

informacin sobre un proceso de forma precisa e inteligible.
Permite la comparacin de los resultados de un proceso con

las especificaciones previamente establecidas para el mismo.
En este caso, mediante el histograma puede determinarse en
que grado el proceso esta produciendo buenos resultados y
hasta que punto existen desviaciones respecto a los limites
fijados en las especificaciones.
El uso del Histograma en la
valoracin de la calidad
77
Estratificacin Estratificacin
Cuando los datos proceden de distintas maquinas, Cuando los datos proceden de distintas maquinas,
proveedores, lotes, turnos u operadores, pueden proveedores, lotes, turnos u operadores, pueden
encontrarse informacin valiosa si se hace un encontrarse informacin valiosa si se hace un
histograma por cada fuente (estratificar) con lo histograma por cada fuente (estratificar) con lo
que se podr determinar cual es la maquina o el que se podr determinar cual es la maquina o el
proveedor mas problemtico. proveedor mas problemtico.
Es recomendable que siempre que se realice un Es recomendable que siempre que se realice un
estudio de la salida de un proceso se utilice el estudio de la salida de un proceso se utilice el
histograma y este se interprete a detalle. De esa histograma y este se interprete a detalle. De esa
manera ser posible detectar situaciones manera ser posible detectar situaciones
problemticas y posibles soluciones para las problemticas y posibles soluciones para las
mismas. mismas.
2
2
.Histograma de Frecuencia
.Histograma de Frecuencia
Proporciona, mediante el estudio de la distribucin de los

datos, un excelente punto de partida para generar hiptesis
acerca de un funcionamiento insatisfactorio.
El histograma se usa en el control de calidad, para:

1. Valorar y especificar los procesos.
2. Indicar las necesidades de accin correctiva
3. Medir los efectos de las acciones correctivas
4. Comparar el comportamiento de las maquinas
5. Comparar los materiales
En otras palabras, es un medio para conocer la calidad por

medio de fotografas.
El uso del Histograma en la
valoracin de la calidad
Diagrama de tallo y hoja
El tallo se forma con el (los) primer (os) dgito del dato, mientras
que la hoja se forma con los dems dgitos siguientes.
Por ejemplo, el valor numrico 458 se dividira en 45-8 como se
muestra a continuacin:
Dgitos iniciales Dgitos sucesivos
45 8
Utilizados en la ordenacin Mostrados en la representacin
Supongamos la siguiente distribucin de frecuencias
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
que representan la edad de un colectivo de N = 20 personas y que vamos a
representar mediante un diagrama de Tallo y Hoja.
Comenzamos seleccionando los tallos que en nuestro caso son las cifras de
decenas, es decir 3, 2, 4, que reordenadas son 2, 3 y 4.
A continuacin efectuamos un recuento y vamos aadiendo cada hoja a su
tallo
Por ltimo reordenamos las hojas y hemos terminado el diagrama
Comparar dos distribuciones
Podemos comparar, mediante estos diagramas, dos distribuciones.
Supongamos una segunda distribucin.
35 38 32 28 30 29 27 19 48 40
39 24 24 34 26 41 29 48 28 22
De ella podemos elaborar sus diagrama de Tallos y Hojas y
compararla con la anterior.
Es una ayuda grfica para ver la variabilidad de los

datos.
( (Mediana Mediana
) )
Min Min
Q1
Q3
Q2
Escal
a
Max Max
Diagrama de caja
Diagrama de caja
Ejemplo: distribucin de edades Ejemplo: distribucin de edades
Utilizamos la ya usada distribucin de frecuencias (en tallos y
hojas), que representan la edad de un colectivo de 20
personas.
36 25 37 24 39 20 36 45 31 31
39 24 29 23 41 40 33 24 34 40
Para calcular los parmetros estadstico, lo primero es ordenar

la distribucin:
20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40
41 45
Diagrama de caja
Diagrama de caja
El bigote de la izquierda representa al colectivo de edades ( X
mn
,
Q
1
)
La primera parte de la caja a (Q
1
, Q
2
),
La segunda parte de la caja a (Q
2
, Q
3
)
El bigote de la derecha viene dado por (Q
3
, X
mx
).
Dibujar la caja y los Bigotes
Diagrama de caja
Diagrama de caja
24.25
Informacin del diagrama
La parte izquierda de la caja es mayor que la de la derecha;
ello quiere decir que las edades comprendidas entre el 25% y
el 50% de la poblacin est ms dispersa que entre el 50% y
el 75%.
El bigote de la izquierda (Xmm, Q
1
) es ms corto que el de la
derecha; por ello el 25% de los ms jvenes estn ms
concentrados que el 25% de los mayores.
El rango intercuartlico = Q
3
- Q
1
= 14,5; es decir, el 50% de
la poblacin est comprendido en 14,5 aos.
Diagrama de caja
Diagrama de caja
Ejemplos:
Comparar distribuciones
La mayor utilidad de los diagramas caja-bigotes es para
comparar dos o ms conjuntos de datos.
Comparacin distribucin de edades
Anlogamente a lo realizado con los diagramas de tallo y
hojas, comparamos, mediante estos diagramas, esta
distribucin con la del otro ejemplo de distribucin de
edades.
35 38 32 28 30 29 27 19 48 40
39 24 24 34 26 41 29 48 28 22
Diagrama de caja
Diagrama de caja
A partir de dicha comparacin puede obtenerse bastante
informacin de ambas distribuciones.
Diagrama de caja
Diagrama de caja
24.25
3.. Diagrama de
3.. Diagrama de
Pareto
Pareto
N
O

B
R
I
N
D
A
R

A
T
E
N
C
I
N
P
E
R
S
O
N
A
L
C
O
N
V
E
R
S
A
N
D
O
N
O

H
A
Y

P
E
R
S
O
N
A
L
H
A
C
I
E
N
D
O

A
C
T
I
V
I
D
A
D
E
S

N
O

L
A
B
O
R
A
L
E
S
M
A
L
O
S

M
O
D
A
L
E
S
F
A
L
T
A

D
E

C
A
P
A
C
I
T
A
C
I
N
C
O
N
D
U
C
T
A
S

D
E

U
N

M
A
L

S
E
R
V
I
C
I
O
0
25
50
75
100
125
100 %
80 %
60 %
40 %
20 %
P
O
R
C
E
N
T
A
J
E

D
E

C
O
M
P
O
S
I
C
I
N
Wilfredo Pareto deca que: Wilfredo Pareto deca que:
El 20% de los pases con El 20% de los pases con

economas fuertes, economas fuertes,
domina a los dems. domina a los dems.
El 20% de las personas El 20% de las personas

que aportan con su que aportan con su
trabajo, sostienen al 80% trabajo, sostienen al 80%
de la poblacin. de la poblacin.
La abundancia en una La abundancia en una

sociedad, la posee y sociedad, la posee y
administra slo el 20% administra slo el 20%
de la poblacin. de la poblacin.
La mejora de la calidad La mejora de la calidad

se logra al resolver el se logra al resolver el
20% las causas que 20% las causas que
generan el 80% de los generan el 80% de los
problemas. problemas.
89
Como Construir un Diagrama de
Como Construir un Diagrama de
Pareto
Pareto
1. Recolectar los datos.
2. Ordenar los datos.
3. Etiquetar el Eje Vertical Izquierdo.
4. Etiquetar el Eje Horizontal.
5. Dibuje una barra para cada categora.
6. Determinar cantidades acumuladas.
7. Agregar lnea vertical de acumulacin porcentual.
Tipo de Defecto Tipo de Defecto Cantidad de Cantidad de
defectos (f defectos (f i i) )
Fractura Fractura 10 10
Rayado Rayado 42 42
Mancha Mancha 6 6
Tensin Tensin 104 104
Rajadura Rajadura 4 4
Burbuja Burbuja 20 20
Otros Otros 14 14
Total Total 200 200
Diagrama de Pareto: ejemplo
Diagrama de Pareto: ejemplo
4.. Diagrama de Causa - Efecto
4.. Diagrama de Causa - Efecto
(Ishikawa o Espina de Pescado)
(Ishikawa o Espina de Pescado)
Representa las relaciones entre un efecto y sus causas

potenciales.
Las principales causas se organizan en subcategoras,

de tal forma que su representacin grfica es parecida al
esqueleto de un pez (espina de pescado).
Analiza las relaciones de causa y efecto.
Comunica las relaciones de causa y efecto.
Facilita la solucin del problema desde los sntomas

hasta la solucin de sus causas.
DESCRIPCIN
APLICACIN
P P
R R
O O
C C
E E
D D
I I
M M
I I
E E
N N
T T
O O
Definir el efecto de manera clara y concisa. Definir el efecto de manera clara y concisa.
Definir las principales categoras de las posibles causas. Definir las principales categoras de las posibles causas.
Definir el efecto en un cuadro en el extremo derecho. Definir el efecto en un cuadro en el extremo derecho.
Dibujar el diagrama escribiendo todos los niveles de sus causas. Dibujar el diagrama escribiendo todos los niveles de sus causas.
Seleccionar un pequeo numero de las causas que tengan mayor Seleccionar un pequeo numero de las causas que tengan mayor
influencia en el efecto y demanden acciones adicionales. influencia en el efecto y demanden acciones adicionales.
FACTORES AL CONSIDERAR LAS POSIBLES CAUSAS: FACTORES AL CONSIDERAR LAS POSIBLES CAUSAS:
Ambiente Ambiente
Maquinaria o Equipo Maquinaria o Equipo
Materiales Materiales
Mediciones Mediciones
Mtodos Mtodos
Personal. Personal.
Diagrama de Causa - Efecto
Diagrama de Flujo es una representacin grfica de la secuencia de
etapas, operaciones, movimientos, decisiones y otros eventos que
ocurren en un proceso. Esta representacin se efecta a travs de
formas y smbolos grficos utilizados usualmente:
5.. Diagrama de flujo
5.. Diagrama de flujo
Smbolos Para Elaborar Diagramas De
Smbolos Para Elaborar Diagramas De
Flujo
Flujo
Conector. Reprsenta una conexin o enlace de una parte del
diagrama de flujo con otra parte lejana del mismo.
Conector de pgina. Representa una conexin o enlace con otra
hoja diferente, en la que contina el diagrama de flujo.
Archivo. Indica que se guarda un documento en forma temporal o
permanente.
Decisin o alternativa. Indica un punto dentro del flujo en donde se
debe tomar una decisin entre dos o ms alternativas.
Documento. Representa un documento en general que entre, se
utilice, se genere o salga del procedimiento.
Actividad. Describe las funciones que desempean las personas
involucradas en el procedimiento.
Inicio o trmino. Indica el principio o el fin del flujo, puede ser accin
o lugar, adems se usa para indicar una unidad administrativa o
persona que recibe o proporciona informacin.
REPRESENTA SIMBOLO
Diagrama de formato horizontal
Diagrama de formato horizontal
FECHA DE ELABORACIN AUTORIZ FORMUL
PROCEDIMIENTO DE ADQUISICIN DE MATERIALES PROCEDIMIENTO DE ADQUISICIN DE MATERIALES
GERENCIA CENTRAL DE LOGISTICA GERENCIA CENTRAL DE LOGISTICA
Pide material
mediante solicitud
de material
INICIO
Soicita material
mediante requ-
isicin de compra
Pide material
mediante orden
de compra
Comunica
deficiencia al
proveedor
Surte material
FIN
Origen del materia?l
Existencia suficiente?
B
A
A
Comunica
deficiencia al
almacn
B
SI
Proveedor
NO
NO
SI
Almacn
SI
DEPARTAMENTO SOLICITANTE ALMACEN DEPARTAMENTO DE COMPRAS PROVEEDOR
Surte material
Surte material
Utiliza material
Material requerido? Material requerido?
NO
6.. Diagrama de dispersin
6.. Diagrama de dispersin
Es el estudio de dos variables
Las variables pueden ser:
Una caracterstica de calidad y un

factor que afecta
Dos caractersticas de calidad

relacionadas
Dos factores relacionados con

una sola caracterstica de calidad
Coeficiente de Correlacion (
r
r
)
)
El coeficiente de correlacin, El coeficiente de correlacin, r, r, explica la explica la

importancia relativa de la relacin entre importancia relativa de la relacin entre x x e e y y. .
El signo de El signo de r r indica la direccin de la relacin. indica la direccin de la relacin.
El valor absoluto de El valor absoluto de r r muestra la fuerza de la muestra la fuerza de la

relacin. relacin.
r r puede tomar cualquier valor entre -1 y +1. puede tomar cualquier valor entre -1 y +1.
2 2 2 2
( ) ( )
n xy x y
r
n x x n y y
1 1
] ]

r r se calcula por: se calcula por:
Significados de varios valores de Significados de varios valores de r r: :

-1 -1 una relacin negativa perfecta (cuando una relacin negativa perfecta (cuando x x
aumenta, aumenta, y y disminuye en una unidad, y viceversa) disminuye en una unidad, y viceversa)
+1 +1 una relacin positiva perfecta (como una relacin positiva perfecta (como x x sube, sube, y y
sube en una unidad, y viceversa) sube en una unidad, y viceversa)
0 0 no existe relacin entre no existe relacin entre x x e e y y
+0.3 +0.3 una relacin positiva dbil una relacin positiva dbil
-0.8 -0.8 una relacin negativa fuerte una relacin negativa fuerte
r
r
)
)
100
En un grfico de correlacin representamos cada En un grfico de correlacin representamos cada
par X, Y como un punto donde se cortan las par X, Y como un punto donde se cortan las
coordenadas de X e Y: coordenadas de X e Y:
Por ejemplo, en el siguiente grfico podemos ver la Por ejemplo, en el siguiente grfico podemos ver la
relacin entre el contenido de Humedad de hilos de relacin entre el contenido de Humedad de hilos de
algodn y su estiramiento: algodn y su estiramiento:
Las cartas de control
Las cartas de control
El promedio y los lmites de control se calculan a partir de los

datos.
Los datos se grafican en orden secuencial en el tiempo

(conforme ocurren). Se trata de detectar los cambios.
Los puntos graficados dependen del tipo de Carta: promedio,

rango, fraccin defectiva, etc.
Una Carta de Control es como un historial del
proceso...
... En donde ha estado.
... En donde se encuentra.
... Hacia donde se puede dirigir
Introduccin
Introduccin
Ejemplos de caractersticas de calidad. Ejemplos de caractersticas de calidad.
Peso promedio Peso promedio
Longitud promedio Longitud promedio
Dimetro promedio Dimetro promedio
Tiempo promedio de servicio Tiempo promedio de servicio
Proporcin de tems no conformes Proporcin de tems no conformes
Nmero de inconformidades en la unidad. Nmero de inconformidades en la unidad.

Variables
Atributos
Pasos para establecer un Grfico de Control
Pasos para establecer un Grfico de Control
1. Elegir una caracterstica a graficar. 1. Elegir una caracterstica a graficar.
2. Elegir el tipo de grfico de control. 2. Elegir el tipo de grfico de control.
3. Decidir la lnea central a utilizar. 3. Decidir la lnea central a utilizar.
4. Seleccionar el subgrupo racional 4. Seleccionar el subgrupo racional
5. Proporcionar un sistema de recoleccin de 5. Proporcionar un sistema de recoleccin de
datos. datos.
6. Calcular los lmites de control. 6. Calcular los lmites de control.
7. Graficar los datos e interpretar los 7. Graficar los datos e interpretar los
resultados. resultados.
Tamao de subgrupo Tamao de subgrupo
En relacin a la magnitud del cambio del parmetro En relacin a la magnitud del cambio del parmetro
del proceso. del proceso.
Cambios grandes en el parmetro del proceso Cambios grandes en el parmetro del proceso
pueden ser detectados con muestras pequeas. pueden ser detectados con muestras pequeas.
Si es importante detectar cambios pequeos en el Si es importante detectar cambios pequeos en el

parmetro del proceso se necesitan muestras de parmetro del proceso se necesitan muestras de
mayor tamao. mayor tamao.
Seleccin de Subgrupos
Seleccin de Subgrupos
En la planta del proveedor mientras los En la planta del proveedor mientras los
productos son producidos. productos son producidos.
En la zona de recepcin de productos En la zona de recepcin de productos
Justo antes de un Cuello de Botella del proceso Justo antes de un Cuello de Botella del proceso
Antes de operaciones costosas Antes de operaciones costosas
Cuando la produccin ha sido completada Cuando la produccin ha sido completada
Antes del despacho a los clientes Antes del despacho a los clientes
Cuando y donde inspeccionar
Cuando y donde inspeccionar
UCL
LCL
Advertencia
Advertencia
Reglas para identificar procesos
fuera de control
fuera de control
Regla 1:
Un proceso se supone fuera de control si un punto esta fuera

de los lmites de control.
Regla 2:
Un proceso se supone fuera de control si dos de tres puntos

consecutivos se localizan fuera de los lmites de advertencia
en el mismo lado de la lnea central.
Regla 3: Regla 3:
-
Un proceso se supone fuera de control si 4 de 5 puntos Un proceso se supone fuera de control si 4 de 5 puntos
consecutivos consecutivos
caen fuera del lmite 1 caen fuera del lmite 1 del mismo lado de la lnea central. del mismo lado de la lnea central.
UCL
LCL
Lmite un
sigma
Lmite un
sigma
fuera de control
fuera de control
Regla 4: Regla 4:
- Un proceso se supone fuera de control si ocho o mas puntos - Un proceso se supone fuera de control si ocho o mas puntos
consecutivos se ubican del mismo lado de la lnea central. consecutivos se ubican del mismo lado de la lnea central.
UCL
LCL
fuera de control
fuera de control
Determinacin de causas asociadas a
puntos fuera de control
La tarea del usuario de las cartas de control no La tarea del usuario de las cartas de control no
termina identificando puntos fuera de control. termina identificando puntos fuera de control.
Es importante identificar las causas que hacen que Es importante identificar las causas que hacen que
los puntos estn fuera de los lmites de control. los puntos estn fuera de los lmites de control.
Conocimiento del proceso. Conocimiento del proceso.
Esfuerzo conjunto. Esfuerzo conjunto.
Diagrama de causa y efecto. Diagrama de causa y efecto.

A. A. Cambio en el comportamiento Cambio en el comportamiento
de los puntos (salto). de los puntos (salto).
1. 1. Cambio en la calidad de Cambio en la calidad de
materia prima y partes por materia prima y partes por
el cambio de un proveedor. el cambio de un proveedor.
2. 2. Cambio de operador Cambio de operador
3. 3. Error en la calibracin de Error en la calibracin de
componente de medicin. componente de medicin.
4. 4. Falla en algn componente Falla en algn componente
del equipo. del equipo.
5. 5. Desgaste de una Desgaste de una
herramienta. herramienta.
B. B. Tendencia Tendencia
1. 1. Operador aprendiendo Operador aprendiendo
el trabajo. el trabajo.
2. 2. Deterioro gradual de la Deterioro gradual de la
maquinaria o partes. maquinaria o partes.
3. 3. Cambio gradual en la Cambio gradual en la
presin o temperatura. presin o temperatura.
Errores al hacer inferencias
Errores al hacer inferencias
considerando cartas de control
considerando cartas de control
Error tipo I Error tipo I: Inferir que el proceso esta fuera de : Inferir que el proceso esta fuera de
control cuando en realidad esta bajo control control cuando en realidad esta bajo control
estadstico. estadstico.
Error tipo II Error tipo II: Inferir que el proceso esta bajo : Inferir que el proceso esta bajo
control estadstico cuando en realidad no lo control estadstico cuando en realidad no lo
esta. esta.
Especial: el desperfecto es el desperfecto es
provocado por un desgaste provocado por un desgaste
natural relativamente menor en la natural relativamente menor en la
maquina. maquina.
Los trabajadores pueden reducir Los trabajadores pueden reducir
o eliminar el problema ajustando o o eliminar el problema ajustando o
reemplazando las partes afectadas reemplazando las partes afectadas
del equipo. del equipo.
Error 2 Error 2: creer que el problema es comn : creer que el problema es comn
(hojalata de mala calidad) y no hacer a la (hojalata de mala calidad) y no hacer a la
maquina los ajustes necesarios en maquina los ajustes necesarios en
forma oportuna. forma oportuna.
Comn: Las latas salen me- Las latas salen me-
lladas porque la administracin lladas porque la administracin
compra hojalatas de menor calidad, compra hojalatas de menor calidad,
quizs en un esfuerzo por reducir quizs en un esfuerzo por reducir
costos. costos.
No hay nada que los operarios No hay nada que los operarios
puedan hacer por el problema. Solo puedan hacer por el problema. Solo
la administracin tiene la facultad la administracin tiene la facultad
de cambiar la poltica de compras. de cambiar la poltica de compras.
Error 1 Error 1: : cuando la lnea de montaje arroje cuando la lnea de montaje arroje
una lata defectuosa, la reaccin podra una lata defectuosa, la reaccin podra
llevar al operario a ajustar la maquinaria. llevar al operario a ajustar la maquinaria.
Pero el problema esta en el material; por Pero el problema esta en el material; por
lo tanto, el ajuste puede descomponer el lo tanto, el ajuste puede descomponer el
sistema y empeorar las cosas, y esto sistema y empeorar las cosas, y esto
producir nuevos y mas graves problemas. producir nuevos y mas graves problemas.
Mientras tanto, la verdadera fuente del Mientras tanto, la verdadera fuente del
inconveniente (material) pasara inadvertida. inconveniente (material) pasara inadvertida.
Tipo de causa Tipo de causa Accin Accin
Posibles errores Posibles errores
Fuentes de variabilidad de los procesos:
Fuentes de variabilidad de los procesos:
Ejemplo
Ejemplo
Construccin de cartas
de control para variables
116
Tipos de cartas de control
Las cartas de control se dividen en dos categoras, Las cartas de control se dividen en dos categoras,
diferenciadas por el tipo de datos bajo estudio- diferenciadas por el tipo de datos bajo estudio-
variables y atributos variables y atributos. .
Las Cartas de Control para datos variables son Las Cartas de Control para datos variables son
utilizadas para caractersticas que tienen una utilizadas para caractersticas que tienen una
magnitud variable. Ejemplo: magnitud variable. Ejemplo:
- Longitud - Longitud
- Ancho - Ancho
- Profundidad - Profundidad
- Peso - Peso
- Tiempo de ciclo - Tiempo de ciclo
- Viscosidad - Viscosidad
117
Las cartas para atributos son las que tienen Las cartas para atributos son las que tienen
caractersticas como aprobado/reprobado, caractersticas como aprobado/reprobado,
bueno/malo o pasa/no pasa. Algunos ejemplos bueno/malo o pasa/no pasa. Algunos ejemplos
incluyen: incluyen:
- Nmero de productos defectuosos - Nmero de productos defectuosos
- Fraccin de productos defectuosos - Fraccin de productos defectuosos
- Numero de defectos por unidad de producto - Numero de defectos por unidad de producto
- Nmero de partes daadas - Nmero de partes daadas
- Pagos atrasados por mes - Pagos atrasados por mes
1. Para variables
a) Grficos X-barra y R
b) Grficos X-barra y S
c) Grficos X (Valores individuales)
d) Grfico CUSUM y de promedios ponderados.
e) Grficos para caractersticas de calidad
relacionadas.
2. Para atributos
a) Grficos p
b) Grficos np
c) Grficos para no conformidades (c y u)
Teorema del Lmite Central
La distribucin de las medias de las muestras La distribucin de las medias de las muestras
tienden a distribuirse en forma normal tienden a distribuirse en forma normal
Por ejemplo los 300 datos (cuyo valor se Por ejemplo los 300 datos (cuyo valor se
encuentra entre 1 a 9) pueden estar encuentra entre 1 a 9) pueden estar
distribuidos como sigue: distribuidos como sigue:
0
10
20
30
40
50
1 2 3 4 5 6 7 8 9
Frec.
Tomando muestras de 10 datos, calculando su Tomando muestras de 10 datos, calculando su

promedio y graficando estos promedios se promedio y graficando estos promedios se
tiene: tiene:
0
2
4
6
8
10
3,5 4,5 5,5 6,5
Frec.
PREMISAS PREMISAS
Si la variable aleatoria X tiene cualquier distribucin Si la variable aleatoria X tiene cualquier distribucin
con media con media y desviacin estndar y desviacin estndar . .
Seleccionando muestras de tamao n de la poblacin Seleccionando muestras de tamao n de la poblacin

se tiene: se tiene:
CONCLUSIONES CONCLUSIONES
La distribucin de todas las medias o promedios de las La distribucin de todas las medias o promedios de las
muestras X-media, tienden a distribuirse normalmente muestras X-media, tienden a distribuirse normalmente
La media de las medias de las muestras ser La media de las medias de las muestras ser . .
La desviacin estndar de las medias de las muestras La desviacin estndar de las medias de las muestras
ser ser
/ / n. n.
Este par de cartas se utilizan para monitorear procesos

con datos variables. Una para las medias y otra para los
rangos.
Los datos de 3 a 6 piezas consecutivas forman subgrupos

o muestras de los cuales se calcula la media y el rango.
La Carta X-media monitorea los promedios de las

muestras del proceso monitoreando tendencias en la
media del proceso.
La grfica R monitorea los rangos de las muestras del

proceso monitoreando la variabilidad del proceso.
Carta X, R
Carta X, R (Datos variables) (Datos variables)
Procedimiento:
Identificar la caracterstica crtica a controlar y tamao Identificar la caracterstica crtica a controlar y tamao
de subgrupo (n = 3 a 6) de subgrupo (n = 3 a 6)
Iniciar la recoleccin de aprox. 25 subgrupos (k), Iniciar la recoleccin de aprox. 25 subgrupos (k),
tomando partes consecutivas en cada uno. tomando partes consecutivas en cada uno.
Decidir cmo y cundo colectar la informacin de los Decidir cmo y cundo colectar la informacin de los
subgrupos, de tal forma de detectar cambios. subgrupos, de tal forma de detectar cambios.
Elaborar la grfica con los datos. Elaborar la grfica con los datos.
Analizar las cartas de control Analizar las cartas de control

Carta X, R
Carta X, R
Limites de control de Limites de control de
carta X carta X
Limites de control de Limites de control de
carta R carta R
n A
2
A
3
d
2
D
3
D
4
B
3
B
4
2 1.880 2.659 1.128 0 3.267 0 3.267
3 1.023 1.954 1.693 0 2.575 0 2.568
4 0.729 1.628 2.059 0 2.282 0 2.266
5 0.577 1.427 2.326 0 2.115 0 2.089
6 0.483 1.287 2.534 0 2.004 0.030 1.970
7 0.419 1.182 2.704 0.076 1.924 0.118 1.882
8 0.373 1.099 2.847 0.136 1.864 0.185 1.815
9 0.337 1.032 2.970 0.184 1.816 0.239 1.761
10 0.308 0.975 3.078 0.223 1.777 0.284 1.716
11 0.285 0.927 3.173 0.256 1.744 0.321 1.679
12 0.266 0.886 3.258 0.283 1.717 0.354 1.646
13 0.249 0.850 3.336 0.307 1.693 0.382 1.618
14 0.235 0.817 3.407 0.328 1.672 0.406 1.594
15 0.223 0.789 3.472 0.347 1.653 0.428 1.572
Anlisis:
La grfica R debe estar en control antes de interpretar La grfica R debe estar en control antes de interpretar
la grfica X-media. la grfica X-media.
Interpretar la grfica X-media para puntos que no Interpretar la grfica X-media para puntos que no
estn aleatoriamente distribuidos estn aleatoriamente distribuidos
La clave consiste en eliminar la variacin excesiva La clave consiste en eliminar la variacin excesiva
antes de tratar de identificar tendencias en los promedios antes de tratar de identificar tendencias en los promedios
de los subgrupos del proceso de los subgrupos del proceso
Carta X, R
Carta X, R
1. En la siguiente 1. En la siguiente
tabla se muestran tabla se muestran
los pesos de los los pesos de los
sobres de un sobres de un
determinado determinado
alimento. Cada alimento. Cada
media hora se media hora se
realizan 4 realizan 4
mediciones por mediciones por
muestra muestra, sumando , sumando
un total de 20 un total de 20
muestras. muestras.
Carta X, R (ejemplos)
Carta X, R (ejemplos)
x = 0.4983
R = 0.0250
0.028
2
Primero debemos calcular las medias, tanto de cada Primero debemos calcular las medias, tanto de cada
muestra (X doble raya) como la de su amplitud o muestra (X doble raya) como la de su amplitud o
recorrido (R) recorrido (R)
donde: X (doble raya) = 0,4983 y R (raya) = 0,025 donde: X (doble raya) = 0,4983 y R (raya) = 0,025
Para construir los Grficos de Control por variables, se Para construir los Grficos de Control por variables, se
tiene que tener en cuenta que al determinar si un proceso tiene que tener en cuenta que al determinar si un proceso
est bajo est bajo control estadstico", control estadstico", siempre se debe analizar siempre se debe analizar
primero la grfica R. Como los lmites de control en la primero la grfica R. Como los lmites de control en la
grfica X (raya) dependen de la amplitud promedio, grfica X (raya) dependen de la amplitud promedio,
podran haber causas especiales en la grfica R que podran haber causas especiales en la grfica R que
produzcan comportamientos anmalos en la grfica X produzcan comportamientos anmalos en la grfica X
(raya), an cuando el centrado del proceso est bajo (raya), an cuando el centrado del proceso est bajo
control. control.
Carta X, R (Ejemplos)
Para el grfico R Para el grfico R, se tiene que: , se tiene que:
Lmite Central (LC) = R (raya)= 0,025 Lmite Central (LC) = R (raya)= 0,025
Lmite Superior de Control (LSC) Lmite Superior de Control (LSC)
LSC = 0,057, el LSC = 0,057, el valor valor de D de D4 4 se consigue en una tabla se consigue en una tabla estadstica estadstica
(para (para
este caso es 2,282 con un tamao de este caso es 2,282 con un tamao de grupo grupo n = 4). n = 4).
Lmite Inferior de Control (LIC): LIC = 0 Lmite Inferior de Control (LIC): LIC = 0

= 0.025 x 0 = 0.025 x 0 = 0 0
= 0.025 x 2.282 = 0,057
= 0.025
n A
2
A
3
d
2
D
3
D
4
B
3
B
4
2 1. 880 2.659 1.128 0 3. 267 0 3.267
3 1. 023 1.954 1.693 0 2. 575 0 2.568
4 0. 729 1.628 2.059 0 2. 282 0 2.266
5 0. 577 1.427 2.326 0 2. 115 0 2.089
6 0. 483 1.287 2.534 0 2. 004 0.030 1.970
7 0. 419 1.182 2.704 0.076 1. 924 0.118 1.882
8 0. 373 1.099 2.847 0.136 1. 864 0.185 1.815
9 0. 337 1.032 2.970 0.184 1. 816 0.239 1.761
10 0. 308 0.975 3.078 0.223 1. 777 0.284 1.716
11 0. 285 0.927 3.173 0.256 1. 744 0.321 1.679
12 0. 266 0.886 3.258 0.283 1. 717 0.354 1.646
13 0. 249 0.850 3.336 0.307 1. 693 0.382 1.618
14 0. 235 0.817 3.407 0.328 1. 672 0.406 1.594
15 0. 223 0.789 3.472 0.347 1. 653 0.428 1.572
Para el grfico X (raya), se tiene que: se tiene que:
Lmite Central (LC) = X (doble raya)= 0,4983 Lmite Central (LC) = X (doble raya)= 0,4983
Lmite Superior de Control (LSC) Lmite Superior de Control (LSC)

LSC = 0,5165, el valor de A2 se consigue en una tabla estadstica LSC = 0,5165, el valor de A2 se consigue en una tabla estadstica
(para (para
este caso el valor es 0,729 con un tamao n =4). este caso el valor es 0,729 con un tamao n =4).
Lmite Inferior de Control (LIC) Lmite Inferior de Control (LIC) = 0,4800 = 0,4800
R A x LIC
x LC
R A x LSC
2
2

+
= 0.4983+0.729(0.025) =
0.5165
= 0.4983
= 0.4983 - 0.729(0.025) =
0.480
2. La direccin de la empresa ABC esta preocupada por la 2. La direccin de la empresa ABC esta preocupada por la
produccin de un tornillo de metal especial que usan produccin de un tornillo de metal especial que usan
algunos de los clientes mas importantes de la empresa. El algunos de los clientes mas importantes de la empresa. El
dimetro del tornillo es critico. Los datos de cinco muestras dimetro del tornillo es critico. Los datos de cinco muestras
aparecen en la tabla adjunta. El tamao de la muestra es 4. aparecen en la tabla adjunta. El tamao de la muestra es 4.
Esta el proceso bajo control? Esta el proceso bajo control?
Numero de Numero de
muestra muestra
1 1 2 2 3 3 4 4 R R X X
1 1 0.5014 0.5014 0.5022 0.5022 0.5009 0.5009 0.5027 0.5027
2 2 0.5021 0.5021 0.5041 0.5041 0.5024 0.5024 0.5020 0.5020
3 3 0.5018 0.5018 0.5026 0.5026 0.5035 0.5035 0.5023 0.5023
4 4 0.5008 0.5008 0.5034 0.5034 0.5024 0.5024 0.5015 0.5015
5 5 0.5041 0.5041 0.5056 0.5056 0.5034 0.5034 0.5047 0.5047
Este es un par de Cartas muy similar a las grficas X - R.

La diferencia consiste en que el tamao de la muestra
puede variar y es mucho ms sensible para detectar mucho ms sensible para detectar
cambios en la media o en la variabilidad del proceso. cambios en la media o en la variabilidad del proceso.
El tamao de muestra n es mayor a 9.
La Carta X monitorea el promedio del proceso para vigilar

tendencias.
La Carta S monitorea la variacin en forma de desviacin

estndar.
Como se dijo anteriormente, las cartas se dividen en zonas.

Aqu estn divididas en intervalos de 1 sigma.
Carta X y S
Carta X y S
S A x LIC
x LC
S A x LSC
3
3

+
m
S
S y
m
x
x
m
i
i
m
i
i

1 1
S B LIC
S LC
S B LSC
3
4
Carta S Carta S
n A
2
A
3
d
2
D
3
D
4
B
3
B
4
2 1.880 2.659 1.128 0 3.267 0 3.267
3 1.023 1.954 1.693 0 2.575 0 2.568
4 0.729 1.628 2.059 0 2.282 0 2.266
5 0.577 1.427 2.326 0 2.115 0 2.089
6 0.483 1.287 2.534 0 2.004 0. 030 1.970
7 0.419 1.182 2.704 0.076 1.924 0. 118 1.882
8 0.373 1.099 2.847 0.136 1.864 0. 185 1.815
9 0.337 1.032 2.970 0.184 1.816 0. 239 1.761
10 0.308 0.975 3.078 0.223 1.777 0. 284 1.716
11 0.285 0.927 3.173 0.256 1.744 0. 321 1.679
12 0.266 0.886 3.258 0.283 1.717 0. 354 1.646
13 0.249 0.850 3.336 0.307 1.693 0. 382 1.618
14 0.235 0.817 3.407 0.328 1.672 0. 406 1.594
15 0.223 0.789 3.472 0.347 1.653 0. 428 1.572
Carta X Carta X
Carta X y S
Carta X y S
Mediciones del dimetro interior (mm) de los anillos para pistones de
motores de automviles
K (muestras) x Si
25 = 1,850.028 0.2350
x = 74.001 s = 0.0094
n = tamao de la muestra = 5
Se toman k muestras de tamao n.
Se calcula la media y la desviacin estndar de cada muestra:
( )
1
1
2
1

1

n
X x
i
n
j
ij i
n
j
i ij
S x
n
X
Ejemplo 1
134
En muchas situaciones, el tamao de la muestra usado para
monitorear el proceso es n= 1 ; es decir la muestra consta de
una unidad individual. Algunos ejemplos son:
1.Se usa la tecnologa de inspeccin y medicin
automatizada, y se analiza cada unidad manufacturada, por
lo que no hay ninguna base racional para hacer subgrupos.
2.La velocidad de produccin es muy lenta, y no es
conveniente dejar que se acumulen tamaos de la muestra
de n 1 antes del anlisis.
3.Las mediciones repetidas del proceso difieren nicamente
por el error de laboratorio o de anlisis, como en muchos
procesos qumicos.
4.Se hacen mediciones mltiples en la misma unidad del
producto, como la medicin del espesor de oxido en varios
sitios diferentes de una oblea en la manufactura de
semiconductores.
Carta de control Individuales
135
Resumiendo, tenemos que los grficos de control de Datos
Individuales y Rangos Mviles (X-Rm), quedaran.
Para el grfico de Datos Individuales:
Y para el grfico de Rangos Mviles:
1. La viscosidad de una pintura tapaporo para aviones, es una
caracterstica de calidad importante. El producto se produce por
lotes, y debido a que la produccin de cada lote se lleva varias
horas, la velocidad de produccin es demasiada lenta para permitir
tamaos de la muestra mayores que uno.

N de la Viscosidad Rango Mvil
Tanda x MR
1 33.75
2 33.05 0.70
3 34.00 0.95
4 33.81 0.19
5 33.46 0.35
6 34.02 0.56
7 33.68 0.34
8 33.27 0.41
9 33.49 0.22
10 33.20 0.29
11 33.62 0.42
12 33.00 0.62
13 33.54 0.54
14 33.12 0.42
15 33.84 0.72
1

i i
x x MR
48 . 0 MR 52 . 33 X
137
Formulas :
MR D LSC
MR 4
MR D LIC
MR 3

2
3
d
MR
x LSC +
2
3
d
MR
x LIC
24 . 32
128 . 1
48 . 0
3 52 . 33
80 . 34
128 . 1
48 . 0
3 52 . 33 +
( ) 57 . 1 48 . 0 267 . 3
( ) 0 48 . 0 0 . 0
138
Mediciones a la resistencia a la tensin
x/mm2 MR x/mm2 MR x/mm2 MR
186.0 183.9 6.9 181.2 11.2
185.5 0.5 185.8 1.9 184.8 3.6
194.9 9.4 183.8 2.0 187.6 2.8
183.3 11.6 189.3 5.5 185.4 2.2
183.2 0.1 195.1 5.8 186.6 1.2
190.8 7.6 192.4 2.7 188.5 1.9
Ejemplo 2
Caractersticas de calidad de tipo discreto: producto

conforme, no conforme, nmero de defectos o no
conformidades.
p (proporcin o fraccin de artculos defectuosos)
np (nmero de unidades defectuosas)
c (nmero de defectos)
u (nmero de defectos por unidad) .

Tipos de Carta de control para
Tipos de Carta de control para
atributos
atributos

Carta p
Carta p ( (proporcin de artculos proporcin de artculos
defectuosos) defectuosos)
Muestra las variaciones en la fraccin o proporcin de artculos

defectuosos por muestra o subgrupo.
En esta carta se toma una muestra o subgrupo de n artculos, que

puede ser la totalidad o una parte de las piezas de un pedido, un
lote.
Se revisa cada uno de estos n artculos y se encuentra cuantos de

estos fueron defectuosos por lo que la carta grafica la proporcin de
artculos defectuosos.
Lmites de control
p : fraccin promedio de no conformes
n : tamao de la muestra
k : nmero de muestras
np o D : nmero de unidades no conformes en una
muestra
p : fraccin de unidades no conformes en una muestra =
D / n
n
D
p con
m
p
n m
D
p
i
i
m
i
i
m
i
i

1 1
Ejemplo: Algunos componentes no pasaron la inspeccin final. Los datos
de falla se registraron semanalmente tal como se muestra a continuacin.
# de
componentes
inspeccionados
Componentes
defectuosos
Fraccin de
componentes
defectuosos
7 0 0.000
7 0 0.000
15 2 0.133
14 2 0.143
48 6 0.125
22 0 0.000
18 6 0.333
7 0 0.000
14 1 0.071
9 0 0.000
14 2 0.143
12 2 0.167
8 1 0.125
n n D p p
K = 13 semanas
Carta p
Carta p
10 5 0
0.5
0.4
0.3
0.2
0.1
0.0
Nmero de muestra
P
r
o
p
o
r
c
i
n
Grfica P para Fraccin Defectiva

P=0.1128
3.0SL=0.358
-3.0SL=0.000
Carta p
Carta p
Por qu el LIC es siempre cero?
Qu pas en la muestra 7? (33.3% defectos)
Qu oportunidades para mejorar existen?,
Podemos aprender algo de las muestras 1, 2, 6, 8,

y 10?
p
LSC
LIC
Ejemplo:
Numero de Numero de
muestra muestra
Nmeros de Nmeros de
cuenta cuenta
equivocados equivocados
1 15
2 12
3 19
4 2
5 19
6 4
7 24
8 7
9 10
10 17
11 15
12 3
Total 147
1. El gerente de operaciones del Dpto.
de servicios de registros del Hometown
Bank se siente preocupado por la gran
cantidad de errores que comete el
personal de ese banco al registrar los
nmeros de cuenta de los clientes.
Cada semana se toma una muestra
aleatoria de 2,500 depsitos y se anota
la cantidad de nmeros de cuenta
registrados incorrectamente. Los
resultados de las 12 ultimas semanas
aparecen en la siguiente tabla. Esta
fuera de control este proceso? Use
acotamientos de control tres sigma.

Carta p
Carta p

(Ejemplo
(Ejemplo
)
)
Cuando el tamao de la muestra en las cartas p es constante, es

ms conveniente usar la carta np, en la que se grafica el nmero de
artculos defectuosos por muestra en lugar de la proporcin.
los lmites de control para la carta np se obtiene bajo el supuesto

de la distribucin binomial.
Lmites de control:
Carta np
Carta np
n p = # de productos defectuosos en una muestra
n = tamao de la muestra
k = Nmero de muestras o subgrupos
p = Suma de productos defectuosos / Total inspeccionado [n * k]
n np
# de partes inspeccionadas
# de partes
defectuosas
4000 2
4000 3
4000 3
4000 2
4000 4
4000 2
4000 3
4000 3
4000 6
4000 8
4000 3
4000 4
4000 4
4000 7
4000 6
K=15 lotes
Ejemplo 1: en un proceso se inspeccionan K = 15 lotes tomando n = 4000
partes de cada lote, se rechazan algunas partes por tener defectos, como sigue:
Carta np
Carta np
15 10 5 0
10
5
0
Nmero de muestras
N
o
.

D
e

f
e
c
e
t
i
v
o
s

Carta np de nmero de defectivos o defectuosos
3.0
LSC=10.0
-3.0
El tamao de la muestra (n) es constante
Los lmites de control LSC y LIC son constantes

np
LIC
Ejemplo 1:
LIC=0.0
Np =4.0
Carta np
Carta np
Ejemplo:
Una manufacturera de esponjas de gasa toma una muestra de 600
esponjas diariamente, las inspecciona y registra el nmero de
esponjas defectuosas. En total hay 9 muestras de esponjas,
representados en la siguiente tabla:
Carta np
Carta np
El objetivo de esta carta es analizar la variabilidad del nmero de

defectos. En esta carta se grafica c i que es el nmero de defectos en
la i-sima muestra.
La carta c es aplicable donde el tamao de muestra puede verse

como una constante( una semana, una pieza, 100 artculos, un metro
de tela, etc.).
Lmites de control:
Carta c
Carta c
Mesa Numero de
defectos
Mesa Numero de
defectos
Mesa Numero de
defectos
1 7 11 6 21 3
2 5 12 7 22 10
3 10 13 8 23 6
4 2 14 4 24 6
5 6 15 5 25 7
6 5 16 12 26 4
7 4 17 8 27 5
8 9 18 10 28 6
9 7 19 4 29 8
10 5 20 7 30 5
Total
191
1. En una fabrica de muebles se inspecciona a detalle el acabado de
las mesas cuando salen del dpto. de laca. La cantidad de defecto que
son encontrados en cada mesa son registrados con el fin de conocer y
mejorar el proceso. En la sgte tabla se muestran los defectos
encontrados en las ultimas 30 mesas. Es claro que estamos ante una
variable que debe ser analizada con la carta c, debido a que una
misma mesa puede tener varios defectos de diferentes tipo adems,
los defectos son relativamente menores, y aunque influyen en la
calidad final del producto, no causan que la mesa sea rechazada.
Carta C
Carta C (ejemplos)
2. La empresa Trupal fabrica papel para la industria de los
peridicos. En la fase final del proceso, el papel pasa por una
maquina que mide varias caractersticas de calidad. Cuando el
proceso esta bajo control, el promedio es de 20 defectos por cada
rollo de papel.
a. Elabore una grafica de control para el numero de defectos
por rollo. Use acotamientos de control dos sigma.
b. Los dos primeros rollos contenan 27 y 5 defectos,
respectivamente. Se encuentra este proceso bajo control?
Carta C
Carta C (ejemplos)
Cuando en las cartas c el tamao de muestra no es constante o an

cuando sea constante, se prefiere cuantificar el nmero promedio de
defectos por unidad en lugar del total de defectos en la muestra, se
usa la carta u.
Para cada muestra se grafica el nmero promedio de defectos por

unidad, ui, que se obtiene al dividir el total de defectos encontrados
en la muestra entre el total de unidades .
Carta u
Carta u
Ci es la cantidad de defectos en la muestra i y n es el tamao de la

muestra i.
Lmites de control:
Ejemplo 1: Un proceso de soldadura suelda 50 PCBs por semana.
Los defectos visuales observados se registran cada semana.
# PCB
Soldados
Defectos
Visuales
Observados DPU
50 305 6.1
50 200 4.0
50 210 4.2
50 102 2.0
50 198 4.0
50 167 3.3
50 187 3.7
50 210 4.2
50 225 4.5
50 247 4.9
50 252 5.0
50 215 4.3
n n c u c u
k=12 semanas
Carta u
Carta u
Observe como los lmites de control permanecen constantes

cuando se utiliza un tamao de muestra constante igual a 50
Cules son las dos observaciones de mayor inters?

Ejemplo 1:
10 5 0
6
5
4
3
2
Nmero de Muestras
C
o
n
t
e
o

d
e

m
u
e
s
t
r
a
s

Grfica U para Defectos
1
1
U=4.197
u
Cartas U
Cartas U

LSC = 5.066
LIC = 3.328
Capacidad del Proceso
Capacidad del Proceso
Aptitud del proceso para cumplir con las especificaciones
Preguntas tpicas en un estudio de capacidad del

proceso son:
a) Cul es la media del proceso?
b) Cunta es la variabilidad del proceso?
c) Desempeo del proceso relativo a las
especificaciones es aceptable?
d) Qu porcentaje de producto cumple las
especificaciones?
e) Qu factores contribuyen a la variabilidad?
Capacidad del Proceso: Usos

Predecir el grado en que el proceso cumplir con las

especificaciones o
tolerancias.
Seleccionar el proceso ms adecuado.
Ayudar a establecer intervalos de muestreo y controles de

proceso.
Especificar requisitos para equipos nuevos.
Elegir entre diferentes proveedores.
Reducir la variabilidad.
Asignar los equipos a los tipos de trabajo para los cuales son
ms
adecuados.
Capacidad del Proceso: Pasos bsicos

1. Elegir una mquina o parte representativa del proceso.
2. Definir las condiciones del proceso.
3. Seleccionar un operador representativo.
4. Proporcionar material estndar y en cantidad suficiente
para un
estudio sin interrupciones.
5. Especificar la metodologa de medicin y recopilacin de
datos.
ndices de Capacidad del Proceso :
CP
LIE - LSE
CP
6
CP > 1.33 : El proceso es capaz

CP < 1.00 : El proceso no es capaz
1.00 CP 1.33 : El proceso es capaz, pero
debera ser vigilado a
medida que CP 1.00
ndices de Capacidad del Proceso :
CPK
'
LIE - Media
,
- Media LSE
Min CPK
3 3
CPK > 1 : Proceso es capaz
CPK < 1 : Proceso no es capaz
Tamao de la Muestra
Minimiza probabilidad
de detectar variaciones
dentro de la muestra.
Costo bajo
No es buena si distribucin
no es normal

Mayor capacidad para

detectar
pequeas variaciones en las
caractersticas del proceso.
Mayor costo
Mejor si distribucin no es
normal.
Pequea Grande
Tamao de la Muestra

En la prctica se ha encontrado que muestras

de
aproximadamente 5 mediciones (n = 5)
funcionan
bien para detectar cambios de 2 desviaciones
estndar o mayores.
Para detectar cambios menores deben

utilizarse
muestras de tamao ms grande, de 15 a 25
observaciones.
Tamao de la Muestra
Ejemplo:
Ejemplo:
Evaluacion de la capacidad de proceso Evaluacion de la capacidad de proceso
en el caso de la produccion de bombillas para en el caso de la produccion de bombillas para
iluminacion iluminacion
En el proceso de fabricacin de bombillas para
iluminacin se producen bombillas con una vida
promedio de 900 horas y una desviacin estndar de
48 horas.
El valor nominal del rango de tolerancia es de 1,000
horas, con una especificacin superior de 1,200 horas y
una especificacin inferior de 800 horas. El gerente de
operaciones desea averiguar si ese proceso es capaz de
producir las bombillas de acuerdo con las
especificaciones de diseo.

Clases Control Estadistico de Procesos - CLASE

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clases Control Estadistico de Procesos - CLASE

Cargado por

Copyright:

Formatos disponibles

CONTROL ESTADISTICO DE PROCESOS

CONTROL ESTADISTICO DE PROCESOS

Historia del CEP

Historia del CEP

Las cartas de Control

Las cartas de Control

Capacidad del proceso

Capacidad del proceso

Cartas de control para para

Cartas de control para atributos

Cartas de control para para

Cartas de control para atributos

Reprocesos por defectos?

CONTROL: CONTROL: Mantener el proceso dentro de sus

ESTADSTICO: ESTADSTICO: Con la ayuda de datos que

PROCESO: PROCESO: Operadores, mquinas, mtodos y

Control de calidad durante el

Un sistemtico y riguroso proceso

Una herramienta para mejorar la

Parte de una filosofa relacionada

Suministrando evidencia de como

Diferenciando las causas

Las tcnicas del CEP pueden y

La gente de Ventas necesita entender el

Comunicarse con los clientes y con la planta

Evaluar el proceso de ventas

Porque los clientes lo estn pidiendo y cada vez son

Incorporar la capacidad del proceso en

Comunicarse con manufactura

Evaluar la ingeniera de procesos

Entender porqu los llaman a hacer

Comunicarse con la planta y la alta

Evaluar el proceso de mantenimiento

Porque la calidad es una exigencia para el

Las expectativas del cliente lo

Porque el mejoramiento de la calidad es la

El retorno de la inversin del

Porque la informacin es la clave del

Especialmente en manos de los empleados

Porque el C.E.P.. dirige la atencin al

Para ayudar a decidir

Para lograr costos bajos,

Para ayudar a medir el efecto que

Para ayudar a elevar la moral

Para aumentar la satisfaccin de

El control estadstico de procesos (CEO) es la

La Calidad es inversamente proporcional a la La Calidad es inversamente proporcional a la

El mejoramiento de calidad es la reduccin El mejoramiento de calidad es la reduccin

Control de Calidad(QC) incluye actividades en los

Los materiales recibidos son analizados para

La Calidad de los productos parcialmente

Los productos terminados y Servicios se estudian

El paciente recibe el tratamiento correcto? El paciente recibe el tratamiento correcto?

Se desempea como se pretende?

Componentes dentro de las tolerancias de

Maderos dentro de las tolerancias de

Se clasifican correctamente los maderos?

Hay nudos, rajaduras, muchas superficies y

Facilidad de servicio Facilidad de servicio

Caractersticas incluidas Caractersticas incluidas

Calidad percibida Calidad percibida

Conformidad con los estndares Conformidad con los estndares

FREDERICK W. TAYLOR: FREDERICK W. TAYLOR: Administracin Cientfica, Administracin Cientfica,

La aplicacin de las tcnicas estadsticas ha La aplicacin de las tcnicas estadsticas ha