CONTROL ESTADSTICO DE LA CALIDAD Y SEIS SIGMA

GMEZ BOLAOS ALEX STEVEN

HERNANDEZ TORRES EYIBER STEVEN
PARRA HERRERA ANA MARA

UNIVERSIDAD DE CUNDINAMARCA
FACULTAD DE INGENIERIA
INGENIERA ELECTRNICA
FUSAGASUG
2017
CONTROL ESTADSTICO DE LA CALIDAD Y SEIS SIGMA
 GMEZ BOLAOS ALEX STEVEN
HERNANDEZ TORRES EYIBER STEVEN
PARRA ANA MARA

INFORME DE ELECTIVA SOCIO-HUMANISTICA

JUAN MANUEL MENDEZ

DOCENTE

UNIVERSIDAD DE CUNDINAMARCA
FACULTAD DE INGENIERIA
INGENIERIA ELECTRONICA
FUSAGASUG
2017
CONTENIDO

2
 Pg

1. INTRODUCCIN..
...4

2. RESUMEN ...5

3. OBJETIVOS...........................................................................................................6

3.1. OBJETIVO GENERAL....................................................................................6

3.2. OBJETIVOS ESPECFICOS...........................................................................6

4. DESARROLLO....7 a 59

5. CONCLUSIONES..60

6. RECOMENDACIONES........................................................................................61

7. BIBLIOGRAFA....................................................................................................62

3
 INTRODUCCIN

El control de la calidad se posesiona como una estrategia para asegurar el

mejoramiento continuo de la calidad. Programa para asegurar la continua
satisfaccin de los clientes externos e internos mediante el desarrollo permanente
de la calidad del producto y sus servicios.

Concepto que involucra la orientacin de la organizacin a la calidad manifestada

en la calidad de sus productos, servicios, desarrollo de su personal y contribucin
al bienestar general.

La definicin de una estrategia asegura que la organizacin est haciendo las

cosas que debe hacer para lograr sus objetivos.

La calidad de los procesos se mide por el grado de adecuacin de estos a lograr la

satisfaccin de sus clientes. Esto implica la definicin de requerimientos del cliente
o consumidor, los mtodos de medicin y estndares contra que comparar la
calidad.

En el siguiente trabajo mostraremos de manera general los pasos para el control

de la calidad, mostrando sus diferentes estrategias y diferentes formas de
representarlo.

El desarrollo de este trabajo se basa en el libro Control estadstico de la calidad y

Seis Sigma escrito por Humberto Gutirrez.

4
 RESUMEN

El presente trabajo est dedicado a hacer un anlisis del mundo de la estadstica,

y las estrategias que usan muchas empresas, economistas, y organizaciones en la
actualidad, con el fin de mejorar su da a da a nivel econmico, y social, utilizando
las nuevas estrategias que aplica este libro en relacin con el control estadstico y
seis sigma. En este trabajo se informan dichas estrategias que pueden llegar a ser
tiles en la solucin de problemas y en situaciones de crisis en las que se ven
afectados muchos, desde negocios pequeos hasta organizaciones y grandes
empresas; lo que propone este libro es una serie de etapas y distintas estrategias
tanto a nivel econmico como estadstico, que pueden evitar y a la vez mejorar las
caractersticas de un producto y un proceso por el cual se llevan a cabo. Aplicando
mtodos de la herramienta seis sigma como las 6M, y grficos estadsticos para
medir y comparar resultados y salir adelante con la empresa u organizacin.

ABSTRACT

The present work is dedicated to an analysis of the world of statistics, and the
strategies that many companies, economists, and organizations use today, to
improve their day to day economic and social level, using the new Strategies that
apply this book in relation to statistical control and six sigma. This paper reports on
such strategies that can be useful in solving problems and crisis situations in which
many are affected, from small businesses to organizations and large companies;
What this book proposes is a series of stages and different strategies both
economically and statistically, which can avoid and at the same time improve the
characteristics of a product and a process by which they are carried out. Applying
methods of the six sigma tool such as 6M, and statistical graphs to measure and
compare results and get ahead with the company or organization.

5
3. OBJETIVOS

3.1 OBJETIVO GENERAL

Conocer los principales mtodos estadsticos para la calidad y las herramientas de

la estrategia seis sigma, para aplicarlas en cualquier mbito econmico y laboral
en la actualidad.

3.2 OBJETIVOS ESPECFICOS

3.3. Conocer de manera detallada como es el proceso de calidad.

3.4. describir los mtodos de control estadstico para aplicarlos en la

productividad.

3.5. aprender estrategias descritas en este libro para aplicarlas al momento de

emprender nuestra propia idea de negocio o proyecto.

3.6 extraer nuevos conocimientos para utilidad de nuestra vida y carrera

universitaria.

6. DESARROLLO DEL PROYECTO

6
6.1 CAPITULO 1: CONCEPTOS BSICOS DE CALIDAD.

El punto de vista de los clientes respecto a una empresa es satisfacer las

necesidades material o inmaterialmente dependiendo la empresa, el cual conlleva
un proceso para generar insumos.

Las caractersticas de la calidad, se divide en variables:

Dimensiones
Propiedades fsicas y/o qumicas
Caractersticas superficiales
Propiedades elctricas
Sabor, color, textura

Calidad segn Juran: Calidad es que un producto sea adecuado para su uso. As
la calidad, consiste en la ausencia de deficiencias en aquellas caractersticas que
satisfacen los clientes (Juran, 1990).

Variables de entrada del proceso:

Son las que definen las condiciones de operacin del proceso en las que incluyen
las variables de control y las que, aunque no son controladas, influyen en el
desempeo del mismo.

Variables de salida del proceso. GRAFICA 1.

7
Son las caractersticas de calidad en las que se reflejan los resultados obtenidos
en un proceso.

Esquema de planeacin. GRAFICA 2.

La competitividad de una empresa y las satisfacciones del cliente se determina por

tres factores: la calidad del producto, el precio y la calidad del servicio. Se es ms
competitivo cuando se ofrece mejor calidad a bajo precio y mediante un buen
servicio, cuando es innovador y con un tiempo de entrega justo.

Cuando alguno de los tres factores falla o todos juntos, puede pasar que:
Reprocesos, desperdicios y retrasos en la produccin.
Pagar por elaborar productos malos.
Paros y fallas en el proceso.
Una inspeccin excesiva para tratar que los productos de mala calidad no
salgan al mercado.
Re inspeccin y eliminacin de rechazo.
Ms capacitacin, instrucciones y presin a los trabajadores.
Gastos por fallas en el producto y devoluciones.
Problemas con proveedores.

8
 Ms servicios de garanta.
Clientes insatisfechos y prdidas de ventas.
Problemas y diferencias dentro de la empresa.

Y todo eso en comn implica ms gastos, as cmo menos produccin y ventas.

Es necesario implementar estrategias de mejora, cmo Seis Sigma, que al reducir

los costos de NO calidad e incrementar productividad, se vuelven atractivos desde
el punto de vista econmico.

PRODUCTIVIDAD:

Mejorar la productividad es optimizar el uso de los recursos y maximizar

resultados, de aqu se divide en dos componentes:
Eficiencia: Relacin entre los resultados logrados y los recursos
empleados. Se mejora optimizando recursos y reduciendo tiempos
desperdiciados por paros de equipo, falla de material, retrasos, etc.
Eficacia: Grado con el cul las actividades planeadas son realizadas y los
resultados previstos son logrados. Se atiende maximizando resultados.

Ciclo de la calidad. GRAFICA 3.

9
El reto es buscar la mejora continua, ya sea mediante los siguientes procesos:

Acciones preventivas:
Son aquellas que se implementan para eliminar la causa de una inconformidad u
otra situacin potencial indeseable.

Acciones correctivas:
Se emplean para eliminar la causa de una NO conformidad detectada. Es decir,
estn orientadas a prevenir recurrencias.

MEDICIN DEL DESEMPEO DE UNA EMPRESA

Segn Harrington: La popularidad que distingue a los seres humanos de los otros
seres vivos es su capacidad de observar, medir, analizar y utilizar informacin para
generar cambios. (Harrington, 1998)

Medicin del desempeo de una empresa. GRAFICA 4.

VARIABILIDAD:

Se refiere a la diversidad de resultados de una variable o de un proceso.

10
Reducir la variacin de los procesos de un objetivo clave del control estadstico y
de Seis Sigma.

LAS 6M:

Son los materiales, mano de obra, mediciones, medio ambiente, mquinas y

mtodos que conforman un proceso.

La variabilidad es un proceso. Cada M aporta una parte, no necesariamente igual,

de la variacin total observada.

La variabilidad de un proceso. GRAFICA 5.

Es indispensable apoyarse en tcnicas y el pensamiento estadstico, ya que

proporcionan metodologas que facilitan la planeacin, el anlisis y la toma de
decisiones a travs de:

Identificar dnde, cmo, cundo y con qu frecuencia se presentan los

problemas.
Analizar los datos precedentes de las guas clave del negocio.
Detectar con rapidez, y a bajo costo anormalidades en el proceso.
Ser objetivos en la planeacin y toma de decisiones.
Expresar los hechos en forma de datos.
Enfocarse a los problemas realmente importantes.

11
 Analizar de manera lgica, sistemtica y ordenada la bsqueda de mejoras.

PENSAMIENTO ESTADSTICO:

A dnde se dirige la organizacin? (Estratgico)

Crear estrategias y las comunica.

Emplea datos de varias fuentes para dirigir.
Desarrollar sistemas de medicin para dirigir el proceso.
Estimula a los empleados a hacer nuevas formas de trabajo.

Procesos administrativos para guiar la organizacin (Directiva)

Desarrolla proyectos estructurados.

Fija metas a sabiendas de la variacin.
Se enfoca en los procesos y no reclama a sus empleados por la variacin.

Ambiente en que se desarrolla el trabajo (Operacional)

Conoce la variacin.
Grafica datos de los procesos.
Identifica medidas clave y oportunidades de mejora.

CICLO DE LA CALIDAD (Ocho pasos en la solucin del problema)

Ciclo PHVA: Proceso de cuatro etapas para desarrollar proyectos de
mejora; consiste en planear, hacer, verificar, actuar (PHVA).

PASO 1: Seleccionar y caracterizar el problema.

PASO 2: Buscar todas las posibles causas.
PASO 3: Investiga las causas ms importantes.
PASO 4: Considerar las medidas remedio.
PASO 5: Implementar las medidas remedio.
PASO 6: Revisar los datos obtenidos.
PASO 7: Prevenir recurrencia del mismo problema.
PASO 8: Conclusin.

12
Seguir los ocho pasos debe ser un hbito que se debe promover en todos los
niveles de la empresa y directivos.

6.2 CAPITULO 2: CAPACIDAD DE PROCESOS I: Estadstica descriptiva.

CAPACIDAD DE PROCESOS:
Proceso masivo de elementos, menor tiempo de estudio.
Proceso de pocos elementos, mayor tiempo de estudios.

MEDIDAS DE TENDENCIA CENTRAL:

Valor en torno al cual los datos o mediciones de una variable tienden a
aglomerarse o concentrarse.

HISTOGRAMA:
Representacin grfica de la distribucin de un conjunto de datos o de una
variable, donde los datos se clasifican por su magnitud en cierto nmero de
clases. Permite visualizar la tendencia central, la dispersin y forma de
distribucin.

INTERPRETACIN DEL HISTOGRAMA:

1. Observar la tendencia central de los datos.
2. Estudiar la variabilidad del proceso.
3. Examinar la variabilidad del proceso.
4. Analizar la forma del histograma.
5. Datos raros o atpicos.
6. Estratificar.

LIMITACIONES DEL HISTOGRAMA:

1. No considera el tiempo en el que se obtuvieron los datos.
2. No es la manera ms apropiada para comparar de manera prctica,
diferentes procesos.
3. La cantidad de barras influye en la forma del histograma y es mejor analizar
un histograma menor para observar si hay algo diferente.

13
DIAGRAMA DE CAJA:
Representacin grfica de la distribucin de un conjunto de datos que se basa en
los cuartiles. Es de gran utilidad para hacer anlisis comparativos.

INTERPRETACIN DEL DIAGRAMA DE CAJA:

1. El largo del diagrama.
2. La parte central del diagrama.
3. Comparar la longitud de ambos brazos.
4. Ver si hay datos en las barreras inferiores.

USO DE SISTEMAS COMPUTACIONALES:

Para un correcto anlisis es necesario recurrir a un software como, por ejemplo:
Excel, Statgraphics, Minitab.

6.3 CAPITULO 3: INDUCCIN A LA PROBABILIDAD.

CONCEPTOS DE PROBABILIDAD:
Un experimento aleatorio es aquel cuyo resultado no puede anticiparse aun
cuando siempre se repita de la misma manera.

INTERPRETACIN DE LA PROBABILIDAD:
Es til cuantificar la posibilidad de que se presente cierto resultado de un
experimento aleatorio.

VALOR ESPERADO DE UNA VARIABLE ALEATORIA:

Si una distribucin es buen modelo, entones a travs de ella se encuentran las
principales caractersticas del sistema tales como su variabilidad.

DISTRIBUCIONES DISCRETAS:
Se divide en las siguientes:

DISTRIBUCION BINOMIAL: Es frecuente que en control de la calidad se

den variables del tipo pasa, no pasa.
DISTRIBUCIN GEOMETRIICA: En una serie de ensayos de Bernoulli
independientes, con probabilidad constante P de xito, la variable X es el

14
 nmero de ensayos que es necesario realizar hasta observar el primer
xito.
DISTRIBUCION HIPERGEOTRICA: Da la probabilidad de obtener X
xitos en N experimentos de Bernoulli, dnde la probabilidad del xito
cambia de un experimento al siguiente.
DISTRIBUCIN DE POISSON: Evaluar variables por nmero de defectos,
por artculos, por metro cuadrado, por reas, impurezas, etc.
DISTRIBUCION NORMAL: Es una distribucin continua cuya densidad
tiene forma de campana.

GRFICA DE PROBABILIDAD:
Procedimiento que permite determinar si los datos mustrales se ajustan a una
distribucin especfica.

6.4 CAPITULO 4: ELEMENTOS DE INFERENCIA ESTADISTICA: poblacin y

muestra.

CONCEPTOS BSICOS:
POBLACIN: Conjunto formado por la totalidad de individuos, objetos o
medidas de inters sobre los que se realiza un estudio.
PARMETRO: Es un valor representativo y descriptivo de una poblacin
como la media o la desviacin estndar.
MUESTRA REPRESENTATIVA: Parte de una poblacin seleccionada de
manera adecuada, que conserva las caractersticas ms importantes de
dicha poblacin.
INTERFERENCIA ESTADISTICA: Se refiere a establecer las caractersticas
de una poblacin o proceso en base en una informacin obtenida por una
muestra.
ESTADSTICO: Medidas o funciones de los datos mustrales que ayudan a
caracterizar la distribucin de tales datos.
DISTRIBUCIN DE UNA VARIABLE ALEATORIA X: Relaciona el conjunto
de los valores posibles de X con la probabilidad asociada a stos.

ESTIMACIN PUNTUAL O POR INTERVALO:

1. Estimador puntual.
2. Estadstico que estima el valor de un parmetro
3. Estimacin por intervalo.

15
ERROR ESTANDAR:
Desviacin estndar de un estadstico que ayuda a determinar precisin.

INTERVALO DE CONFIANZA:
Forma de estimar un parmetro en la cual se calcula un intervalo que indica con
cierta seguridad un rango dnde puede estar el parmetro.

Siempre debe tener un anlisis descriptivo de los datos, ya que as se comprende

mejor la informacin y tiene un 95% de fiabilidad con respecto de una muestra del
100%.
CONCEPTOS BSICOS DE PRUEBAS DE HIPOTESIS
Lo que se desea comprobar:
Que los proveedores tengan el mismo nivel de calidad.
El porcentaje de cierta parte del trabajo afecta el resultado
El tiempo de espera depende del producto.
La variacin se reduce con los cambios

HIPOTESIS ESTADSTICA:
Es una afirmacin sobre los valores de los parmetros de una poblacin o
proceso, que puede probarse a partir de la informacin contenida en una muestra.

HIPOTESIS NULA (Ho)

Afirmacin acerca del valor de un parmetro poblacional que se considera vlido
para desarrollar el procedimiento de una prueba.

HIPOTESIS ALTERNATIVA (Ha)

Afirmacin que se aceptar si los datos mustrales proporcionan evidencia de que
la hiptesis nula es falsa.

HIPOTESIS BILATERAL:
Es cuando la hiptesis alternativa del no, igual e incluye a los casos mayor que y
menor que el valor que afirma Hg.

HIPOTESIS UNILATERAL:
Es cuando Ha es, ya sea del tipo mayor que, o bien, de la forma menor que
respalda Ho.

16
EL RIESGO DE UNA DECISIN EQUIVOCADA: Error tipo I y error tipo II:

ERROR TIPO I: Es cuando se rechaza un Ho que es verdadero.

ERROR TIPO II: Es cuando se acepta un Ho que es falso.
POTENCIA DE LA PRUEBA: Es la probabilidad de rechazar Ho cuando es falso.

TRES CRITERIOS DE RECHAZO O ACEPTACIN EQUIVALENTES

ESTADSTICO DE PRUEBA FRENTE A VALOR CRTICO: Consiste en
rechazar Ho si el estadstico de prueba cae en la regin del rechazo que
est delimitada por el valor crtico.
SIGNIFICANCIA PREDEFINIDA: Es el riesgo mximo que se est
dispuesto a correr con respecto al error tipo 1.
SIGNIFICANCIA C ALCULADA: Es el rea bajo la distribucin de referencia
ms all del valor del estadstico de prueba.

INTERVALO DE CONFIANZA;
En este mtodo se rechaza Ho si el valor del parmetro declarado en la hiptesis
nula que se encuentra fuera del intervalo de confianza para el mismo parmetro.

HIPOTESIS PARA DOS PARMETROS:

Comparacin de dos procesos o poblaciones que se busca comparar con dos
proveedores diferentes, dos materiales, dos mquinas, o dos mtodos de trabajo.

COMPARACIN DE DOS MUESTRAS (Varianzas desconocidas pero iguales):

Sean dos poblaciones o procesos con distribucin normal y medias, varianzas
respectivamente. Todos esos parmetros son desconocidos y en el caso de las
varianzas son iguales entre s.
COMPARACIN DE DOS MUESTRAS (Varianzas desconocidas sin suponer
igualdad): En este caso se quiere probar la hiptesis de igualdad de dos
medias poblacionales, no es razonable suponer que las varianzas de
poblaciones sean iguales, incluso, puede ser, que los datos mustrales
indiquen que la suposicin de igualdad de varianzas es muy cuestionable. En
estos casos es mejor aplicar un procedimiento que no requiere suponer
igualdad en las varianzas.

17
MUESTRAS PAREADAS: Son aquellas en las que los datos de ambas
poblaciones se pueden ver como pares porque tienen algo en comn y no son
independientes.

6.5 CAPITULO 5: NDICES DE CAPACIDAD, MTRICAS, SEIS SIGMA Y

ANLISIS DE TOLERANCIAS.

NDICES DE CAPACIDAD PARA PROCESOS CON DOBLE

ESPECIFICACIN: Los procesos tienen variables, las cuales deben cumplir
con unas especificaciones para considerar que el proceso funciona bien.
CAPACIDAD DE UN PROCESO: Consiste en conocer la amplitud de la
variacin natural del proceso para una caracterstica de calidad dada, ya
que esto permitir saber en qu medida tal caracterstica de calidad es
satisfactoria.

A continuacin, se ven los diferentes tipos de ndices:

NDICE Cp: Indicador de la capacidad potencial del proceso que resulta
dividir el ancho de las especificaciones entre amplitud de la variacin
natural del proceso.
NDICE Cr: Indicador de la capacidad potencial del proceso que divide la
amplitud de la variacin natural de ste entre la variacin tolerada.
Representa la proporcin de la banda de especificaciones que es cubierta
por el proceso.
NDICE Cps.: Al contrario del anterior este tiene en cuenta el valor superior.
NDICE Cpk: Por ltimo, esta toma un valor centrado o como si fuera un
ajuste del ndice Cp.
NDICE K: Es un indicador de que tan centrada est la distribucin de un
proceso con respecto a las especificaciones de una caracterstica de
calidad dada.

CAPACIDAD DE CORTO PLAZO:

Se calcula a partir de muchos pasos tomados durante un periodo corto para que
no haya influencias externas en el proceso.

18
CAPACIDAD DE LARGO PLAZO:
Se calcula con muchos datos de un periodo largo para que los factores externos
influyan en el proceso.

MTRICAS SEIS SIGMA:

Los procesos Seis Sigma se refieren a un concepto que plantea una aspiracin o
meta comn en calidad para todos los procesos de una organizacin.

CALIDAD TRES SIGMA:

Sirve para procesos a corto plazo.

CALIDAD SEIS SIGMA:

Tener esta calidad significa disear productos y procesos que logran que la
variacin de las caractersticas de calidad sea tan pequea que el ndice Zc de
corto plazo, sea igual a seis.

MTRICA SEIS SIGMA PARA ATRIBUTOS:

El ndice Z se emplea como mtrica en Seis Sigma cuando la caracterstica de
calidad es de tipo contino; sin embargo, muchas caractersticas de calidad son de
atributos. En ese caso se utilizar cmo mtrica a los defectos por milln de
oportunidades de error.
OPORTUNIDAD DE ERROR:
Cualquier parte de la unidad que puede medirse o probarse si es adecuada.

PROCESOS CON UNA SOLA ESPECIFICACIN:

Existen procesos cuyas variables de salida tiene una sola especificacin ya sea
que trate de variables de tipo entre ms grande mejor o de variables entre ms
pequeo mejor.

DISEO DE TOLERANCIAS:
Un paso importante en el desarrollo de un producto es la conversin de
peculiaridades a caractersticas dimensionales. El diseador debe especificar que:

1. El promedio deseado
2. Los lmites de especificacin que cumplen los componentes individuales del
producto.

LIMITES DE TOLERANCIA O ESPECIFICACIONES:

19
Son los valores entre los cuales debe estar la caracterstica de calidad de un
producto.

FIJACIN DE LIMITES DE TOLERANCIA PARA ENSAMBLES:

Ensambles por puntos diferentes.

Porcentaje que cae dentro de las especificaciones.
Definir tolerancias para los componentes individuales de un ensamble.
Claro y ajuste.

INTERFERENCIA: Ocurre cuando la dimensin de ensamble es mayor que el

espacio disponible.

SIMULACIN DE MONTE CARLO:

Es un mtodo que, mediante la generacin o simulacin de variables aleatorias
con las caractersticas de los componentes, genera la distribucin del ensamble
final.

CAPITULO 6: HERRAMIENTAS BASICAS PARA SEIS SIGMA:

20
 herramientas bsicas para seis sigma: GRAFICA 6.

En este captulo se detallan las herramientas tradicionales bsicas para 6

sigma.
diagrama de Pareto, estratificacin, hoja de verificacin, diagrama de causa-efecto
(diagrama de Ishikawa), lluvia de ideas y diagrama de dispersin, adems de otras
herramientas de particular utilidad en Seis Sigma.

1. DIAGRAMA DE PARETO:

Es un Grfico de barras que ayuda a identificar prioridades y causas, ya que se

ordenan por orden de importancia a los diferentes problemas que se presentan en
un proceso.

1.1. PRINCIPIO DE PARETO:

Se refiere a que pocos elementos (20%) generan la mayor parte del efecto,
principio que fue determinado en honor al economista italiano Wilfredo Pareto
(1843 1923).

Pasos para construir el diagrama de Pareto:

1. Delimitar el problema, cual es el objetivo que se persigue.

2. Se decide el tipo de datos que se van a necesitar y los posibles factores
que sern importantes estratificar.
3. Definir el periodo del que se tomaran los datos y las personas responsables
de hacerlo.
4. Construir una tabla de frecuencia de cada efecto, con su respectiva grfica
y porcentaje.
5. Se decide si el criterio con el que se van a jerarquizar las diferentes
categoras ser directamente la frecuencia, o si ser necesario multiplicarla
por su costo o intensidad correspondiente.
6. Documentacin de referencias del DP, como son ttulos, etc.

21
 7. Realizar la interpretacin del DP.

2. ESTRATIFICACION (O CLASIFICACION DE DATOS):

Definicin 1:
Consiste en analizar problemas, fallas, quejas o datos, clasificndolos de acuerdo
con los factores que pueden influir en la magnitud de los mismos.
Definicin 2:
es una poderosa estrategia de bsqueda que facilita entender cmo influyen los
diversos factores o variantes que intervienen en una situacin problemtica, de
forma que sea posible localizar diferencias, prioridades y pistas que permitan
profundizar en bsqueda de las verdaderas causas de un problema. La
estratificacin recoge la idea del diagrama de Pareto y la generaliza como una
estrategia de anlisis y bsqueda.

Es til estratificar por:

Departamentos, reas, secciones o lneas de produccin.

Operarios.
Maquinaria o equipo.
Tiempo de produccin.
Proceso: procedimiento y condiciones.
Materiales y proveedores.

Recomendaciones para estratificar:

1. determinar los factores a estratificar.

2. expresar de manera grfica la evaluacin de las caractersticas.
3. determinar las causas de la variacin en los datos obtenidos con la
estratificacin.
4. ir ms a fondo en alguna caracterstica y estratificarla.
5. Estratifique hasta donde sea posible y obtenga conclusiones de todo el anlisis
realizado.

3. HOJA DE VERIFICACION (OBTENCION DE DATOS):

22
Es un formato construido para colectar datos, de forma que su registro sea sencillo
y sistemtico, y se puedan analizar visualmente los resultados obtenidos.

Algunas de las situaciones en las que resulta de utilidad obtener datos a travs de
las hojas de verificacin son las siguientes:

Describir el desempeo o los resultados de un proceso.

Clasificar las fallas, quejas o defectos detectados, con el propsito de identificar
sus magnitudes, razones, tipos de fallas, reas de donde proceden, etc.
Confirmar posibles causas de problemas de calidad.
Analizar o verificar operaciones y evaluar el efecto de los planes de mejora.
Finalidad de la hoja de verificacin:

fortalecer el anlisis y la medicin del desempeo de los diferentes procesos de la

empresa, a fin de contar con informacin que permita orientar esfuerzos, actuar y
decidir objetivamente.

Recomendaciones para el uso de la hoja de verificacin:

Determinar qu situacin es necesario evaluar.

Establecer el periodo durante el cual se obtendrn los datos.
Disear el formato apropiado y usar grficas.

4. DIAGRAMA DE ISHIKAWA (O DE CAUSA EFECTO):

Es un mtodo grfico que relaciona un problema o efecto con sus posibles causas,
fue creado en honor al doctor Kaoru Ishikawa, principal impulsor de la calidad en
todo el mundo.

Importancia del diagrama de causa - efecto:

La importancia de este diagrama radica en que obliga a buscar las diferentes

causas que afectan el problema bajo anlisis y, de esta forma, evitar el error de
buscar de manera directa las soluciones sin cuestionar cules son las verdaderas
causas.

4.1. TIPOS DE DIAGRAMAS DE ISHIKAWA:

23
 4.1.1. METODO DE LAS 6M: mtodo de construccin de un diagrama de
Ishikawa en donde se agrupan las causas potenciales de acuerdo con las
6M: mtodos de trabajo, mano o mente de obra, materiales, maquinaria,
medicin y medio ambiente.

Ejemplo de diagrama
De Ishikawa.
GRAFICO 7.

Ventajas del mtodo de las 6 M:

Obliga a considerar una gran cantidad de elementos asociados con el problema.

Es posible usarlo cuando el proceso no se conoce a detalle.
Se concentra en el proceso y no en el producto.

Desventajas del mtodo de las 6 M:

En una sola rama se identifican demasiadas causas potenciales.

Se tiende a concentrar en pequeos detalles del proceso.
No es ilustrativo para quienes desconocen el proceso.

24
 4.1.2. METODO TIPO FLUJO DEL PROCESO: mtodo de construccin de
un DI (diagrama de Ishikawa) donde su lnea principal sigue el flujo del
proceso y en ese orden se agregan las causas.

Ventajas de este mtodo:

Obliga a preparar el diagrama de flujo del proceso.

Se considera al proceso completo como una causa potencial del problema.
Identifica procedimientos alternativos de trabajo.
Hace posible descubrir otros problemas no considerados al inicio.
Permite que las personas que desconocen el proceso se familiaricen con l, lo
que facilita su uso.
Se emplea para predecir problemas del proceso poniendo atencin especial en
las fuentes de variabilidad.

Desventajas de este mtodo:

Es fcil no detectar las causas potenciales, puesto que las personas quizs
estn muy familiarizadas con el proceso y todo se les haga normal.
Es difcil usarlo por mucho tiempo, sobre todo en procesos complejos.
Algunas causas potenciales pueden aparecer muchas veces.

4.1.3. MTODO DE ESTRATIFICACIN O ENUMERACIN DE CAUSAS:

Implica construir el diagrama de Ishikawa considerando directamente las causas

potenciales y agrupndolas por similitud.

Ventajas del mtodo de estratificacin:

Proporciona un agrupamiento claro de las causas potenciales del problema, lo

cual permite centrarse directamente en el anlisis del problema.
Este diagrama es menos complejo que los obtenidos con los otros
procedimientos.

Desventajas del mtodo de estratificacin:

Es posible dejar de contemplar algunas causas potenciales importantes.

Puede ser difcil definir subdivisiones principales.
Se requiere mayor conocimiento del producto o del proceso.

25
 Se requiere gran conocimiento de las causas potenciales.

5. LLUVIA DE IDEAS:

Es una forma de pensamiento creativo encaminada a que todos los miembros de

un grupo participen libremente y aporten ideas sobre un tema.

6. DIAGRAMA DE DISPERSION:

Es una grfica cuyo objetivo es analizar la forma en que dos variables numricas
estn relacionadas.

Interpretacin de un diagrama de dispersin:

NO CORRELACIN: se presenta cuando los puntos en un diagrama de

dispersin estn dispersos sin ningn patrn u orden aparente.
CORRELACION POSITIVA: es cuando 2 factores (x, y) se relacionan en
forma lineal positiva, de tal forma que al aumentar uno tambin lo hace el
otro.
CORRELACION NEGATIVA: relacin lineal entre 2 variables (x y Y), tal que
cuando una variable crece la otra disminuye y viceversa.

26
Interpretacin de un diagrama de dispersin. GRAFICO 8.

Construccin de un diagrama de dispersin:

1. obtencin de datos.
2. elegir ejes (x o y).
3. construir escalas, es decir encontrar el mximo y mnimo de ambas variables,
para conocer la amplitud de los ejes y construir las escalas respectivamente.
4. graficar los datos.
5. documentar el diagrama.

7. COEFICIENTE DE CORRELACION:

El coeficiente de correlacin es de utilidad para asegurarse de que la relacin

entre dos variables, que se observa en un diagrama, no se debe a una
construccin errnea del diagrama de dispersin (por ejemplo, el tamao y las
escalas), as como para cuantificar la magnitud de la correlacin lineal en trminos
numricos. En pocas palabras sirve para cuantificar en trminos numricos el
grado de relacin lineal entre dos variables.
Se calcula as:

DIAGRAMAS DE PROCESO:

Los diagramas de proceso son: el diagrama de flujo de procesos, el diagrama

PEPSU (SIPOC) y el mapeo de procesos, los cuales son de gran utilidad para
entender y describir los procesos.

27
1. DIAGRAMA DE FLUJO DE PROCESO:

Es una representacin grfica de la secuencia de los pasos o actividades de un

proceso. Por medio de este diagrama es posible ver en qu consiste el proceso y
cmo se relacionan las diferentes actividades que incluyen inspecciones y
retrabajo.

pasos en la construccin de un diagrama de flujo:

1. Definir el objetivo para el cual se hace el diagrama.

2. Delimitar el proceso bajo estudio.
3. Hacer un esquema general del proceso.
4. Profundizar en el nivel de detalle requerido.
5. Resaltar los puntos de decisin o bifurcacin. Y de ser necesario identificar
el tipo de actividades.
6. Revisar el diagrama completo. Comprobar que el diagrama del proceso
tiene una secuencia clara.
7. Usar el diagrama para cumplir el objetivo planteado.

2. DIAGRAMA PEPSU (SIPOC):

Diagrama de proceso donde se identifican los proveedores, las entradas, el

proceso mismo, sus salidas y los usuarios. El acrnimo en ingls de este diagrama
es SIPOC: (suppliers, inputs, process, outputs and customers). Para construir un
diagrama PEPSU se deben desarrollar las siguientes actividades especficas:

1. delimitar el proceso y hacer su diagrama de flujo general.

2. identificar las salidas del proceso, las cuales son los resultados (bienes o
servicios) que genera el proceso.
3. especificar los usuarios/clientes.
4. establecer las entradas (materiales, informacin, etc.).
5. identificar proveedores.

3. MAPA DEL PROCESO:

Diagrama de flujo de proceso que se detalla de acuerdo con el objetivo. la idea del
mapa del proceso es hacer un diagrama de flujo ms apegado a la realidad, en
donde se especifiquen las actividades que efectivamente se realizan en el proceso
(actividades principales, inspecciones, esperas, transportes, reprocesos).

28
4. DESPLIEGUE DE LA FUNCION DE CALIDAD (DFC, QFD):

Es una herramienta de planeacin que introduce la voz del cliente en el desarrollo

de un producto o un proyecto. Sus siglas en ingles son QFD: (quality function
deployment). la cual es una herramienta de planeacin que introduce la voz Es
una herramienta de planeacin que introduce la voz del cliente en el desarrollo de
un producto o un proyecto. del cliente en el desarrollo y diseo del producto o el
proyecto.

4.1. Voz del cliente:

Se refiere a la lista de requerimientos

del cliente o prioridades de primer nivel
que se busca atender en un proyecto.

4.2. Casa de la calidad:

Herramienta que ayuda a relacionar

los requerimientos del cliente con las
formas en que se pueden atender.

Forma de la casa de la Calidad.

GRAFICO 9.

Pasos para obtener o crear una matriz DFC:

PASO 1. Hacer una lista de objetivos o ques del proyecto, y asignar su prioridad.
PASO 2. Hacer una lista de los comos y anotarlos en la parte vertical de la matriz.
PASO 3. Cuantificar la intensidad de la relacin entre cada que frente a cada
cmo.
PASO 4. Anlisis competitivo, aqu se realiza una evaluacin comparativa de cada
uno de los qus con respecto a los principales competidores.
PASO 5. Matriz de correlacin.

29
PASO 6. Establecer prioridades para requerimientos tcnicos (comos).

5. SISTEMA POKA YOKE:

Se refiere al diseo de dispositivos a prueba de errores y olvidos.

El propsito fundamental del sistema poka yoke es disear sistemas y
mtodos de trabajo, as como procesos a prueba de errores.
Proviene del japons poka (error inadvertido) y yoke (prevenir).
un sistema poka-yoke hace la inspeccin en la fuente o causa del error,
determinando si existen las condiciones para producir con calidad.

Tipos de sistema poka yoke:

DISPOSITIVO PREVENTIVO: es un sistema poka yoke que nunca

permite el error en un proceso.
DISPOSITIVO DETECTOR: es un sistema poka yoke que manda una
seal cuando hay posibilidad de error.

Se debe buscar que los sistemas poka yoke tengan las siguientes
caractersticas:

Que sean simples y baratos.

Deben ser parte del proceso cuando son enfocados a la inspeccin al 100%
en la fuente del error.
Estar cerca de donde el error ocurre.

CAPITULO 7: CARTAS DE CONTROL PARA VARIABLES:

30
 Control y reduccin de la variabilidad. GRAFICO 10.
En este captulo se desarrollan los conceptos generales de las cartas de control,
de las cartas para variables continuas ms usuales (X, R, S y de individuales) y de
las cartas de pre control.

Las cartas de control se especializan en estudiar la variabilidad a travs del

tiempo, lo cual es clave para mejorar los procesos, mediante 3 actividades
bsicas:

Estabilizar los procesos (lograr control estadstico).

Mejorar el proceso al reducir la variacin debida a causas comunes.
Monitorear el proceso para asegurar que las mejoras se conserven y para
detectar oportunidades adicionales de mejora.

CAUSAS COMUNES Y ESPECIALES DE VARIACION:

1. VARIACION POR CAUSAS COMUNES (O POR AZAR):

es aquella que permanece da a da, lote a lote y es aportada en forma natural por
las condiciones de las 6M.

2. VARIACION POR CAUSAS ESPECIALES (O ATRIBUIBLES):

es causada por situaciones o circunstancias especiales que no estn de manera

permanente en el proceso.

3. PROCESO EN CONTROL ESTADISTICO O ESTABLE:

31
estado de un proceso que trabaja solo con causas comunes de variacin. Su
desempeo en el futuro inmediato es predecible.

1. CARTAS DE CONTROL:

Es una grfica que sirve para observar y analizar la variabilidad y el

comportamiento de un proceso a travs del tiempo. As, es posible distinguir entre
variaciones por causas comunes y especiales (atribuibles), lo que ayudar a
caracterizar el funcionamiento del proceso y decidir las mejores acciones de
control y de mejora.

Idea de una carta de control.

GRAFICO 11.

LIMITES DE PROBABILIDAD:

Es cuando los lmites de control se calculan con la distribucin de probabilidades

del estadstico para que logren un porcentaje de cobertura especifico.

TIPOS DE CARTAS DE CONTROL:

1. CARTAS DE CONTROL TIPO SHEWHART: Grficas de control cuyos

lmites se calculan con LCI = Uw 3 Ow y LCS = Uw + 3 Ow; donde W es
el estadstico que se representa en la carta.

32
 2. CARTAS DE CONTROL PARA VARIABLES: Diagramas que se aplican a
variables o caractersticas de calidad de naturaleza continua (peso,
volumen, longitud, etc.).

Las cartas para variables tipo shewhart ms usuales son:

X (de medias).
R (de rangos).
S (de desviaciones estndar).
X (de medidas individuales).

3. CARTAS DE CONTROL PARA ATRIBUTOS: diagramas que se aplican al

monitoreo de caractersticas de calidad del tipo pasa, o no pasa, o donde
se cuenta el nmero de no conformidades que tienen los productos
analizados:
p (proporcin o fraccin de artculos defectuosos).
np (nmero de unidades defectuosas).
e (nmero de defectos).
u (nmero de defectos por unidad).

4. CARTAS DE CONTROL X R: diagramas para variables que se aplican a

procesos masivos, en donde en forma peridica se obtiene un subgrupo de
productos, se miden y se calcula la media y el rango R para registrarlos en
la carta correspondiente.

LMITES DE CONTROL:

Valores que se calculan a partir de la media y la variacin del estadstico graficado

en la carta, de tal forma que el mismo caiga entre ellos con alta probabilidad
(99.73%), mientras el proceso permanezca sin cambios importantes

33
 anlisis de la Carta x. GRAFICO 12.

Lmite real superior = U + 3 sigma.

Lmite real inferior= U 3 sigma.

LMITES DE CONTROL DE LA CARTA R:

Con esta carta se detectarn cambios en la amplitud o magnitud de la variacin

del proceso, los limites se obtienen con la expresin:

donde UR representa la media de los rangos, y OR la desviacin estndar de los

rangos.

5. CARTA X S: Diagrama para variables que se aplican a procesos masivos,

en los que se quiere tener una mayor potencia para detectar pequeos
cambios. Por lo general, el tamao de los subgrupos es n > 10.

LIMITES DE CONTROL DE LA CARTA S

sus lmites se determinan a partir de su media y su desviacin estndar. Por ello,

los lmites se obtienen con la expresin: Us 3 Os donde Us representa la media
o valor esperado de S, y Os la desviacin estndar de S.

INTERPRETACIN DE LAS CARTAS DE CONTROL Y CAUSAS DE LA

INESTABILIDAD:

34
1. PROCESO ESTABLE: proceso bajo control estadstico en que los puntos
en la carta caen dentro de los lmites de control, y fluctan o varan en
forma aleatoria a lo ancho de la carta con tendencia a caer cerca de la lnea
central.

2. CAMBIO EN EL NIVEL DEL PROCESO: Representa un cambio en el

promedio del proceso o en su variacin media, y se detecta cuando uno o
ms puntos se salen de los lmites de control o cuando hay una tendencia
constante y clara a que los puntos caigan de un solo lado de la lnea
central.

Zonas de una carta de control.

GRAFICO 13.

3. TENDENCIAS EN EL NIVEL DEL PROCESO:

35
Representan un desplazamiento paulatino del nivel medio de un proceso y se
detectan mediante la tendencia de los puntos consecutivos de la carta a
incrementarse (o disminuir).

Para determinar si hay una tendencia en el proceso se tienen los siguientes

criterios:

Seis o ms puntos consecutivos en ascenso (o descenso).

Un movimiento demasiado largo de puntos hacia arriba (o abajo) de la carta
de control, aunque no todos los puntos en ascenso (o descenso).

4. CICLOS RECURRENTES (PERIODICIDAD):

Desplazamientos cclicos de un proceso que se detectan cuando se dan flujos de

puntos consecutivos que tienden a crecer, seguidos de flujos similares pero
descendentes.

Cuando un comportamiento cclico se presenta en la carta X, entonces las

posibles causas son:

1. Cambios peridicos en el ambiente.

2. Diferencias en los dispositivos de medicin o de prueba que se utilizan en cierto
orden.
3. Rotacin regular de mquinas u operarios.
4. Efecto sistemtico producido por dos mquinas, operarios o materiales que se
usan alternadamente.

5. FALTA DE VARIABILIDAD:

Es una seal de que hay algo especial en el proceso y se detecta cuando

prcticamente todos los puntos se concentran en la parte central de la carta de
control.

36
INDICE DE INESTABILIDAD, St:

Mide qu tan inestable es un proceso y se obtiene dividiendo el nmero de puntos

especiales entre el total de puntos graficados:

St = nmero de puntos especiales / nmero total de puntos y el resultado

multiplicarlo * 100.

PROCESO INESTABLE:

Proceso fuera de control estadstico que se detecta cuando en la carta de control

los puntos estn fuera de sus lmites o siguen un patrn no aleatorio.

PUNTOS ESPECIALES:

Son seales de que una causa especial ocurri en el proceso.

1. CARTA DE INDIVIDUALES:

Es un diagrama para variables de tipo continuo que se aplica a procesos lentos,

donde hay un espacio largo de tiempo entre una medicin y la siguiente.

2. CARTA DE RANGOS MOVILES:

Carta que acompaa a la carta de individuales, y en ella se grafica el rango mvil

de orden 2. Es de utilidad para detectar cambios en la dispersin del proceso.

3. CARTAS DE PRECONTROL:

Diagrama para variables con doble especificacin en donde se grafican las

mediciones individuales, utiliza las especificaciones como lmites de control
y se aplica cuando cpk > 1.15. fue propuesta originalmente por Shainin para
prevenir la ocurrencia de defectos en procesos con tendencias.

La carta de precontrol es una herramienta para prevenir cambios en la

media y en la dispersin de la caracterstica de calidad monitoreada, que
eventualmente llevaran a la produccin de defectuosos.

USO DE SOFTWARE ESTADSTICO

37
Las cartas de control que en este captulo se han descrito, y otras, por lo general
se encuentran en programas estadsticos especializados que tienen cierta
orientacin industrial, algunos son:

1. STATGRAPHICS:

La secuencia para acceder a las cartas de control del captulo es: CEP -7 Grficos
de Control -7 Grficos por Variables; y ah se elige la carta deseada. Apoyarse en
la ayuda del software para las diferentes alternativas. Para utilizar lmites de
control preestablecidos la opcin se llama control a estndar que est en opciones
de anlisis (botn de la derecha del ratn), en el cual se deben proveer los
parmetros media y desviacin estndar del proceso.

2. MINITAB:

En este software se sigue la secuencia: Stat -7 Control Charts, y se elige la carta

deseada. En Test se puede seleccionar el tipo de pruebas que se aplicarn para
detectar causas especiales de variacin y en Parameters se pueden obtener
lmites de control preestablecidos.

CAPITULO 8: CARTAS DE CONTROL PARA ATRIBUTOS:

Cartas de control
GRAFICO 14.

38
En el presente captulo se estudian las cartas de control para atributos ms
bsicas, as como la implantacin y operacin de una carta de control.

CARTAS P Y NP (PARA DEFECTUOSOS):

CARTA P:

Muestra las variaciones en la fraccin de artculos defectuosos por muestra

o subgrupo; es ampliamente utilizada para evaluar el desempeo de
procesos.
fue la primera carta de control que existi al ser propuesta por Shewhart
mediante un memorndum el da 16 de mayo de 1924.
Esta fecha marca el inicio del llamado control estadstico de procesos.
Su propsito fundamental es la deteccin oportuna de causas especiales
que puedan incrementar la proporcin de productos defectuosos de un
proceso.

ARTCULO DEFECTUOSO: Es un producto que no rene ciertos atributos, por lo

que no se permite que pase a la siguiente etapa del proceso; puede ser
reprocesado o de plano desechado.

La idea de la carta P es la siguiente:

1. De cada lote, embarque, pedido o de cada cierta parte de la produccin, se

toma una muestra o subgrupo de n, artculos, que puede ser la totalidad o
una parte de las piezas bajo anlisis.

2. Las n, piezas de cada subgrupo son inspeccionadas y cada una es

catalogada como defectuosa o no. Pueden incluirse varias caractersticas o
atributos de calidad por los que una pieza es evaluada como defectuosa.
Una vez determinados los atributos bajo anlisis, es preciso aplicar criterios
y/o anlisis bien definidos y estandarizados.

3. Si de las n, piezas del subgrupo i se encuentra que di son defectuosas (no

pasan); entonces en la carta p se grfica y se analiza la variacin de la
proporcin pi de unidades defectuosas por subgrupo:

39
LIMITES DE LA CARTA P:

Indican la variacin esperada para la proporcin de artculos defectuosos por

subgrupo. Se calculan a partir de la distribucin binomial y su aproximacin a la
distribucin normal.
Los lmites de control reflejan la realidad del proceso. As que mientras la
proporcin de defectos siga cayendo dentro de los lmites de control y no haya
ningn otro patrn especial, ser seal de que el proceso funciona igual que
siempre; bien o mal, pero su desempeo se encuentra dentro de lo previsto.

1. CARTA 100 P:

Es equivalente a la carta p, pero en lugar de las proporciones se registra y analiza

el porcentaje de artculos defectuosos por subgrupo.

2. CARTA P CON LMITES VARIABLES:

Se aplica cuando el tamao de subgrupo n es muy variable; para cada

n diferente se calculan lmites de control.

3. CARTA P NORMALIZADA:

En esta carta se grafica la proporcin estandarizada y se utiliza cuando el tamao

de subgrupo n es muy variable.

4. CARTA NP:

Diagrama que analiza el nmero de defectuosos por subgrupo; se aplica cuando el

tamao de subgrupo es constante.

4.1 LMITES DE LA CARTA NP:

Indican la cantidad esperada de piezas defectuosas por cada muestra de n componentes

inspeccionados, mientras el proceso no tenga cambios importantes.

40
CARTA P FRENTE A CARTA NP:

Si el tamao del sub grupo es variable se tendr que optar por la carta p, pero si el
tamao de subgrupo es constante estas cartas son la misma, salvo un cambio de
escala.
cuando se quieren analizar las variables del tipo pasa no pasa en un proceso y
se toman muestras de tamao constante, el criterio para elegir entre la carta p y la
np es segn se prefiera entre proporcin de defectuosos o nmero de
defectuosos: en ocasiones se considera que el nmero de defectuosos ofrece una
cuantificacin ms directa de la prdida en dinero que se est teniendo en el
proceso, lo cual lleva a preferir la carta np en la que no es necesario calcular la
proporcin en cada subgrupo. Por otra parte, con la carta p es ms fcil evaluar en
trminos porcentuales el nivel de defectuosos en el proceso, pero es necesario
recordar el tamao del lote para tener una idea ms precisa de la prdida en que
se est incurriendo.
CARTAS C Y U (PARA DEFECTOS):

1. CARTA C (NMERO DE DEFECTOS):

Su objetivo es analizar la variabilidad del nmero de defectos por subgrupo o

unidad con un tamao de subgrupo constante.

2. CARTA U (NMERO DE DEFECTOS POR UNIDAD):

Analiza la variacin del nmero promedio de defectos por artculo o unidad

de referencia.
Se usa cuando el tamao del subgrupo no es constante.
En la carta u se grafica el nmero promedio de defectos por unidad.

2.1. CARTA U CON LMITES VARIABLES:

Se aplica cuando el tamao de subgrupo n es muy variable. Para cada n se

calculan los lmites de control correspondientes .

2.2. CARTA U ESTANDARIZADA:

41
Otra alternativa a usar cuando los tamaos de subgrupo son muy distintos entre
s, es construir una carta u estandarizada, en la cual, en lugar de graficar u; se
grafica la siguiente variable estandarizada:

42
Elementos para la seleccin de una carta de control de atributos. GRAFICO 15.

43
 Elementos para la seleccin de una carta de control para variables.
GRAFICO 16.

CAPITULO 9: CARTAS CUSUM, EWMA Y ARIMA:

Cartas especiales. GRAFICO 17.

44
 Graficas de las cartas especiales.
GRAFICO 18.

CARTA CUSUM (SUMAS ACUMULADAS):

Esta carta fue propuesta por Page (1954), y el nombre de CUSUM se debe a que
es una carta en la que se grafican las sumas acumuladas de las desviaciones con
respecto a la media global o al valor nominal de la caracterstica de inters.

Existen dos maneras de construir esta carta, estas son:

1. CUSUM DE DOS LADOS:

carta cusum donde la suma acumula tanto desviaciones positivas como negativas.
se interpreta con un dispositivo especial llamado mscara.

1.1. MSCARA DE LA CUSUM:

dispositivo en forma de v diseado para interpretar la cusum de dos lados.

2. CUSUM TABULAR (DE UN SLO LADO):

45
La idea de la cusum tabular es evitar el uso de la mscara para detectar cambios.
La cusum tabular consiste de una tabla en la cual se despliega la suma de las
desviaciones hacia arriba, separada de la suma de las desviaciones hacia abajo.

CARTA EWMA:

La carta EWMA (por sus siglas en ingls: Exponentially Weighted Moving-Average,

"promedios mviles exponencialmente ponderados" fue propuesta por Roberts
(1959). Esta carta tiene un desempeo muy parecido a la cusum en la deteccin
de pequeos cambios de nivel del proceso, con la ventaja de que es ms fcil de
construir.

Es una carta en la que se grafica la suma ponderada de las medias de los

subgrupos observados hasta el tiempo de inspeccin, que asigna pesos
decrecientes a las medias anteriores.

CARTA ARIMA:

Criterios bsicos para decidir el modelo ARIMA. Grafico 19.

OBTENCIN DE LA CARTA DE CONTROL PARA LOS RESIDUOS DEL MODELO

ARIMA:

Para obtener la carta ARIMA para los residuos lo primero que se debe decidir es el
modelo que describe la auto correlacin de los datos del proceso.

CAPITULO 10: ESTADO DE UN PROCESO: CAPACIDAD Y ESTABILIDAD

46
 Proceso.
GRAFICO 20.

PROCESO CAPAZ:

Proceso que cumple con especificaciones de tal forma que el nivel de

disconformidades es suficientemente bajo para garantizar que no habr esfuerzos
inmediatos para tratar de bajarlas y mejorar su capacidad.

Los cuatro estados de un proceso. GRAFICO 21.

ESTABILIDAD DE UN PROCESO:

Variacin de un proceso a travs del tiempo. Si est estable (o control estadstico)

entonces es predecible en el futuro inmediato.

47
ESTRATEGIAS DE MEJORA:

1. PROCESO TIPO D (INESTABLE E INCAPAZ):

Esta estrategia se aplica a los procesos que tienen baja capacidad para cumplir
con especificaciones y que, adems, son altamente inestables debido a que las
causas especiales de variacin son muy frecuentes, por lo que es un proceso cuyo
desempeo de por s malo, es difcil de pronosticar con cierta certidumbre.

Este es un proceso que no cumple con especificaciones y en el que las causas

especiales de variacin aparecen con frecuencia. Produce mala calidad y,
adems, su desempeo es difcil de pronosticar.

2. PROCESO TIPO C (ESTABLE PERO INCAPAZ):

Proceso catalogado como estable, pero con baja capacidad de cumplir

especificaciones. Proceso establemente malo.

3. PROCESO TIPO B (CAPAZ PERO INESTABLE):

Proceso que funciona en presencia de causas especiales de variacin, pero stas

son tales que el proceso es capaz de cumplir con especificaciones.

4. PROCESO TIPO A (ESTABLE Y CAPAZ):

Proceso que cumple con especificaciones y es predecible en el futuro inmediato.

CAPTULO 11: CALIDAD DE MEDICIONES:

Un punto de partida clave es entender que cualquier proceso de medicin genera

un error. Por lo tanto, lo que se observa no es exactamente la realidad, ms bien
es la realidad ms en un error de medicin. Esto traduce en que la variacin total
observada en unos datos es el resultado de la variacin propia del producto ms el
error del proceso de medicin.

Las fuentes principales que contribuyen al error del proceso de medicin son el
equipo de medicin, los operadores (reproducibilidad) y la variacin dentro de la

48
muestra. La variabilidad del equipo se divide a su vez en los siguientes
componentes:
CALIBRACIN: a exactitud y linealidad del instrumento.
ESTABILIDAD: el cambio del instrumento con el transcurso del tiempo.
REPETIBILIDAD: la variacin observada cuando un operador mide de
manera repetitiva la misma pieza con el mismo instrumento.
LA LINEALIDAD: la exactitud a lo largo del rango de la operacin del
instrumento, por ejemplo, en el caso de una bscula que mide un rango de
0 a 100 kilogramos, interesa que sea exacta en todo este rango.

ESTUDIO LARGO DE REPETIBILIDAD Y REPRODUCIBILIDAD:

La repetibilidad y la reproducibilidad son los componentes de la precisin. La

repetibilidad de un instrumento de medicin refiere a la precisin o variabilidad
de sus mediciones cuando se obtiene varias mediciones del mismo objeto en
condiciones similares (mismo operador) mientras que la reproducibilidad es la
precisin o variabilidad de las mediciones del mismo objeto, pero en
condiciones variables (diferentes operadores).
Los estudios R&R se evala de modo experimental que parte de la variabilidad
total observada en los datos atribuible al error de medicin; adems permite
cuantificar si este error es mucho o poco en comparacin con la variabilidad del
producto, del instrumento y de los operadores.

PASOS PARA REALIZAR UN ESTUDIO R&R LARGO:

Es necesario evaluar y planear un estudio en el que apliquen los siguientes pasos:

Seleccionar dos o ms operadores para conducir acerca del instrumento de

medicin de inters.
Seleccionar en forma aleatoria un conjunto de 0 o ms partes o piezas que
sern medidas varias veces por cada operador
Decidir el nmero de ensayos o veces que cada operador medir la misma
pieza
Etiquetar cada parte y aleatorizar el orden en el cual las partes se dan los
operadores.
Obtener en orden aleatorio la primera medicin o ensayo del operador A
para todas las piezas seleccionadas.

49
 Volver a aleatorizar las piezas y obtener la primera medicin del operador
B.
Continuar hasta que todos los operadores hayan realizado la primera
medicin de todas las piezas.
Repetir los tres pasos anteriores hasta completar el nmero de ensayos
elegidos.
Hacer el anlisis estadstico de datos.
Realizar las repeticiones o ensayos operador por operador como se
describe en los pasos anteriores puede introducir efectos temporales en la
reproducibilidad.

ANALISIS POR MEDIDAS Y RANGOS DEL ESTUDIO R&R LARGO:

Se realiza mediante los siguientes pasos:

Calcular para cada operador el rango de las mediciones que se hizo de

cada pieza.
Calcular el promedio de los rangos de cada operador y la media de todas
las mediciones realizadas por un mismo operador.
Obtener la media de los rangos promedio
Calcular el lmite superior de la carta de rangos.
Calcular la variacin expandida del equipo (V.E)
Determinar la variacin expandida del operador (VO)
La variacin combinada o error de medicin expandido (EM) debido a
repetibilidad y reproducibilidad.
Calcular la ndice precisin tolerancia.
Calcular la ndice precisin variacin total (EM).
Calcular el nmero de categoras distintas o distinguibles.
Tomar una decisin con base en los criterios de calidad del sistema de
medicin.

ANOVA PARA EL ESTUDIO R&R LARGO:

El anlisis de variacin (ANOVA) es el ms efectivo ya que permite identificar y

cuantificar de menor manera todas las fuentes de variacin representantes en el
estudio R&R.
El mtodo de ANOVA no supone de antemano la antemano la inexistencia de
interaccin operador X parte, como lo hace el meto basado en medidas y rangos

50
subestima la magnitud del error de medicin. En cambio, el mtodo de ANOVA
reparte la variacin toral de los datos.

ERROR DE MEDICION Y CAPACIDAD DE UN PROCESO:

Cuando un proceso se evala con un sistema de medicin que tiene un error de

medicin grande, entonces la capacidad del proceso que se reporta es ms mala
de lo que en realidad es.

ERROR R&R CORTO (SHORT METHOD):

Un estudio de repetibilidad y reproducibilidad corta permite estimar de manera

rapida la variable con la que contribuye el proceso de medicin; sin embargo, con
este estudio no es posible separar la repetibilidad de la reproducibilidad, sino que
vienen de manera mezclada.

MONITOREO DEL SISTEMA DE MEDICIN:

Los estudios R&R presentados en las secciones anteriores permiten tener una
evaluacin del proceso de medicin en un periodo corto y las conclusiones
obtenidas son vlidas, aunque no para siempre. El estudio se debe repetir cada
cierto tiempo para conocer el estado del proceso de medicin. En la prctica no es
fcil decidir el intervalo entre un estudio r r y el siguiente, pero este depende del
tipo de instrumento, de la intensidad del uso, de su capacidad reportada en
estudio previo entre otros aspectos.

ESTUDIO DE ESTABILIDAD CON UNA PIEZA PATRN:

Con este tipo de estudio se monitorea la estabilidad del instrumento de medicin

en cuanto a su medida y variabilidad. Consiste en medir en forma repetida una
pieza patrn con el mismo instrumento y por el mismo operador, de manera
intercalada en la produccin. Es importante que el operado no identifique que est
midiendo o la pieza patrn, por lo que esta se debe estar bien mezclas entre la
produccin.

ESTUDIO DE ESTABILIDAD CON VARIAS PIEZAS DE LA PRODUCCIN:

51
El objeto en este estudio de estabilidad es monitorear el proceso de medicin
tomando dos mediciones sobre la misma pieza determinando tiempo de
inspeccin, con un solo operador. Pero ahora, esta pieza se extrae directamente
de la produccin y de echo se recomienda que sea una de la inspeccin rutinaria;
la diferencia es que se medir dos veces. Para evitar que las mediciones siempre
resulten idnticas se puede dejar un periodo corto para obtener la segunda
lectura, evitando en lo posible que el operador que realiza la medicin reconozca
la pieza.

ESTUDIOS R&R PARA PRUEBAS DESTRUCTIVAS:

En el contexto industrial existen pruebas destructivas en las que el operador solo

puede medir una vez la muestra porque de alguna forma esta se destruye. Por
ejemplo, pruebas de resistencia, dureza, tensin, etc. En estos casos, la estrategia
es dividir la pieza en las porciones necesarias para que cada operador involucrado
en el estudio pueda hacer por lo menos dos ensayos sobre la misma pieza. Por
supuesto se debe buscar que estas porciones sean lo ms representativas posible
de la pieza original.
METODOS DE ANALISIS DE RIESGO:

Consiste en los criterios de los operadores se aplica a los estudios R&R para
atributos con el que se genera informacin. El anlisis se hace mediante los
siguientes pasos.

Calcular la suma de acuerdos

Determinar desacuerdo posibles
Analizar el nivel de acuerdos
Calcular el nivel de desacuerdos de los estudios
Determinar la reptibilidad.
Diferencia sistemtica entre operadores.
Calcular la reproducibilidad

USO DE SOFTWARE ESTADISTICO:

Los sistemas computacionales enfocados a control de calidad por lo general

incluyen procedimientos para realizar estudios R&R.

MINITAB

52
Este software tambin incluye procedimientos para realizar estudios R&R Para
introducir los datos, primero las piezas se numeran y luego se generan tres
columnas en una se especifica el nmero de parte, en la segunda el nombre o
cdigo del operador que hace la medicin y en la tercera se registra la medicin
que obtuvo el correspondiente operador.
Para analizarlos se sigue la secuencia y ah aparecen cuatro opciones
relacionadas con el estudio R&R.

CAPITULO 12 MUESTREO DE ACEPTACION:

CUANDO APLICAR EL MUESTREO DE ACEPTACION:

Se puede aplicar en cualquier relacin cliente proveedor ya sea en el interior de

una empresa o entre diferentes empresas; se considera una medida defensiva
para protegerse contra la amenaza del posible deterioro en la calidad.

TIPOS DE PLANES DE MUESTREO

Se toma en una muestra aleatoria del lote a cada unidad se le mide una
caracterstica de calidad de tipo continuo. Con las mediciones de calcula un
estadstico que por lo general est en funcin de la media la desviacin se calcula
un estadstico que por lo general est en funcin de la media, la desviacin
estndar muestra y las especificaciones y al comparar el valor de tal estadstico
frente a un valor de tablas, se aceptara o rechazara todo el lote.

PLAN DE MUESTREO SIMPLE:

Plan por atributos en el que se toma una muestra n de artculos y si el nmero de

artculos defectuosos es menor o igual que cierto nmero C el lote lo acepta; de lo
contrario lo rechaza.

PLAN DE MUESTREO DOBLE:

Plan por atributos en el que se pueden tomar hasta dos muestras para decidir si
un lote se acepta o se rechaza

PLAN DE MUESTREO MULTIPLE:

53
Plan por atributos que consiste en una generalizacin del plan de muestreo doble,
donde se pueden extraer dos o ms muestras para aceptar o rechazar el lote.

MUESTREO ALEATORIO SIMPLE:

Es cuando los artculos se escogen al azar de manera que cada posible muestra
tiene igual oportunidad de resultar seleccionada.

CURVA CO:

Muestra el desempeo de un plan de muestreo al dar la probabilidad de aceptar

lotes con niveles de calidad de datos.

CURVA CO IDEAL:

Aquella que tendra una discriminacin perfecta entre lotes buenos y malos. No
existen planes con este tipo CO.
CURVA CO TIPO A:

Se obtiene con la distribucin hipergeometrica y se aplica cuando el tamao el lote

es pequeo con respecto al tamao de muestra.

CURVA CON TIPO B:

Se obtiene con la distribucin binominal y se aplica cuando las muestras se

extraen de un lote grande o de un flujo continuo de artculos.

NIVEL DE CALIDAD ACEPTABLE (NCA):

Es el porcentaje mximo de defectuosos que el consumidor considera aceptable

en un lote.

RIESGO DEL PRODUCTO:

Es la probabilidad de rechazar lotes con un nivel de calidad aceptable.

NIVEL DE CALIDAD LMITE:

54
Es el porcentaje de defectuosos en un lote que el consumidor considera no
satisfactorio y quiere que se rechace con alta probabilidad.

PORCENTAJE DEFECTIVO TOLERADO DEL LOTE:

Nombre alterna rico del nivel de calidad limite.

RIESGO DEL CONSUMIDOR

Es la probabilidad de aceptar lotes con igual al NCL.

LIMITE DE LA CALIDAD PROMEDIO DE SALIDA:

Representa la peor calidad promedio que resultara del programa de inspeccin,

independientemente de calidad de entrada.

INSPECCION TOTAL PROMEDIO:

Es el numero promedio de artculos que se inspeccionan por lote, considerando

los aceptados (n) y los rechazados (n).

METODO DE CAMERON:

Procedimiento para disear planes de muestreo simple que satisface un NCA y

NCL dados, el cual se basa en la distribucin de Poisson.

MILITARY STANDARD 105E:

Estndar que provee planes de muestreo de aceptacin por atributos basado en

especificar un nivel de calidad aceptable.

INSPECCION NORMAL:

Se implementa al iniciar el esquema de muestreo de acuerdo con el MIL STD

10SE.

INSPECCION SEVERA:

55
Se establece un esquema MIL STD 10SE cuando el proveedor ha tenido un mal
desempeo en cuanto a la calidad convenida.

INSPECCION REDUCIDA:

Se utiliza en un esquema MIL STD 10SE cuando el proveedor ha tenido un bueno

comportamiento en cuanto a la calidad.

REGLAS DE CAMBIO:

Indican en MIL STD 10SE como alternativa entre muestreos normal, severo y
reducido.

INTERRUPCION DE INSPECCION:

Suspensin del esquema de muestreo que ocurre debido a una calidad miu por
debajo de la acordada.
PLANES DODGE ROMING:

Esquemas de muestreo por atributos basados en el NCL y el LCPS que buscan

minimizar la inspeccin total promedio.

CAPITULO 13 CONFIABILIDAD:

CONFIABILIDAD

Es la probabilidad de que un componente o sistema desempee de una manera

satisfactoria la funcin para la que fue creado, durante un periodo establecido y
bajo condiciones de operacin especficas.

FALLA:

Es cuando un producto componente o sistema deja de funcionar o no realiza de

manera satisfactoria a la funcin para la que fue creado.

CARACTERISTICAS DE LOS ESTUDIOS DE CONFIABILIDAD:

56
Es el tiempo a la falla, un aspecto que hace que estos estudios tengan las
siguientes caractersticas:
Los tiempos a la falla son valores no negativos que suelen tener un
comportamiento asimtrico con sesgo positivo.
En muchas de las aplicaciones de la estadstica lo que interesa es la media
y la desviacin estndar de la poblacin.
Observas las fallas.
Tener el componente de prueba continua.

DATOS CENSURADOS:

Cuando no se conocen los tiempos de falla de las unidades de manera exacta,

sino solo intervalos donde las fallas ocurrieron o hubieran ocurrido. Es informacin
parcial sobre los tiempos de falla.

FUNCION DE DISTRIBUCION ACUMULADA:

Es la probabilidad de falla antes del tiempo t.

CICLO DE VIDA DE UN PRODUCTO:

En muchos productos se distinguen tres periodos diferencia en cuanto a su tasa o

funcin de riesgo, la mortalidad infantil o fallas tempranas que ocurren al inicio de
la vida del producto decreciente, la vida til o fallas ocurren al inicio de la vida del
producto donde el producto cumple bajo riesgo constante la funcin para la que
fue diseado.

CONFIABILIDAD DE SISTEMAS:

En algunos estudios el inters es determinar la confiabilidad de un sistema

compuesto por diferentes partes o subsistemas, cada uno de ellos con su propio
tiempo de falla. De tal forma que las confiabilidades de los componentes
determinan la confiabilidad del sistema.

CAPITULO 14 ANALISIS DE MODO Y EFECTO DE LAS FALLAS:

Son en total 23 actividades para realizar el AMEF enfocado a proceso, con ello, se
pretender completar de manera efectiva las siguientes actividades.

57
 Delimitar al producto o proceso que se le aplicara.
Identificar y examinar todas las formas posibles que puedan ocurrir fallas de
un producto o proceso
Encontrar las causas potenciales de la falla y estimar la frecuencia
Hacer una lista de los controles o mecanismos que existen para detectar la
ocurrencia de falla
Calcular el nmero prioritario de riesgo
Establecer prioridades
Revisar y establecer los resultados obtenidos

CAPITULO 15 ESTRATEGIA SEIS SIGMA:

ANTECEDENTES Y CARACTERISTICAS DE SEIS SIGMA

Sigma es la letra griega que se usa para denotar la desviacin de estndar

poblacional la cual proporciona una forma de cuantificar la variacin que tiene una
variable de dicha poblacin o proceso, el nivel de sigma que tiene un proceso es
una forma de describir que tan bien la variacin del proceso cumple las
especificaciones o requisitos del cliente.

CARACTERISTICAS DE SEIS SIGMA:

Liderazgo comprometido de arriba hacia abajo.

Seis sigma se apoya en una estructura directiva que incluye gente de
tiempo completo.
Entrenamiento.
Acreditacin.
Orientacin al cliente y con enfoque a los procesos.
Seis sigma se dirige con datos.
Seis sigma se apoya en una metodologa robusta.
Seis sigma se apoya en entrenamiento para todos.
Los proyectos realmente generan ahorros o aumento de las deudas.
El trabajo por seis sigma se reconoce.
No desplaza otras iniciativas estrategias, por el contrario, se integra y los
refuerza.
Se comunica.

ETAPAS DE UN PROYECTO SEIS SIGMA:

58
 Definir el proyecto
Establecer el marco del proyecto
Medir la situacin actual
Analizar las causas
Mejorar
Controlar para mantener la mejora

DISEAR PARA SEIS SIGMA (DMADV):

Es bien conocido por la calidad y la variabilidad de un producto est fuertemente

influida por el diseo del producto y el proceso, esto implica que, con la
explicacin convencional de las tcnicas de control estadstico de procesos, solo
se logra una parte de las posibles mejoras.

PROCESO ESBELTO Y SEIS SIGMA:

Dado que muchos proyectos no cumplen las expectativas del cliente o no

alcanzan las metas de productividad debido a su lentitud, la estrategia seis sigma
se apoya de manera especial en las ideas y metodologas ligadas a lo que se
conoce como proceso esbelto.

Especificar el valor para cada producto especfico.

Identificar el flujo de valor para cada producto.
Agregar valor en flujo continuo sin interrupciones.
Organizar el proceso para que sea el cliente quien jale valor desde el
productor.
Buscar la perfeccin.

IMPLANTACION DE LA ESTRATEGIA SEIS SIGMA:

En la implementacin seis sigma por lo general se recae en un comit directivo,

como opera la estrategia de implementacin, establece el programa de
entrenamiento e impulsa seis sigma en toda la organizacin.

NIVELES DE PROFUNDIDAD Y AMPLITUD DE LA INICIATIVA:

Transformacin del negocio

59
 Mejora estratgica
Solucin de problemas

ETAPAS A SEGUIR EN LA IMPLEMENTACIN DEL PLAN SISMA:

Diagnostico organizacional
Planeacin directiva
Talleres de mejora sigma
Evaluacin y profundizacin del cambio

CONCLUSIONES

1. el libro seis sigma sirve para solucionar problemas de una empresa u

organizacin.

2. Seis sigma es una de las principales estrategias que han usado varias de
las compaas lderes a nivel mundial.

3. Para obtener resultados exitosos en la fabricacin de un producto es

necesario pasar por una serie de procesos, tanto de entrada como de
salida, aplicando los mtodos que usa la herramienta seis sigma como el
diseo, la planeacin, la variabilidad, etc.

4. El control estadstico sirve para la comprobacin de errores en un proceso,

mediante el uso de tablas y grficos.

5. El objetivo clave del control estadstico y de seis sigma es reducir la

variacin de los procesos.

6. Aprendimos el ciclo de la calidad: planear, hacer, verificar y actuar, son

claves para desarrollar proyectos.

60
7. El libro nos aporta para el futuro, no solo a nosotros sino a muchos que les
guste los negocios, y quieran montar una empresa o a los emprendedores
de hoy y del futuro.

RECOMENDACIONES

1. Tratar de leer el libro muy cuidadosamente para poder entender la idea que
nos muestra.

2. Recomendamos la lectura de este libro a todas aquellas personas que

quieren superarse, o que estn estudiando para ser profesionales, y a todos
los que estn relacionados con temas de negocios, o tengan una empresa
en especfico, este libro es de gran ayuda para superar los problemas y
crear estrategias.

3. A los lectores que leen este tipo de libros, se les recomienda compartir este
libro a dems personas, porque creemos que aqu est la clave del xito y
la superacin siempre que hagamos las cosas con la mejor actitud positiva,
con inteligencia y disciplina.

61
62
 BIBLIOGRAFA

1. Salazar, Gutirrez, (Romn; Humberto). Control estadstico de la calidad y

seis sigma. 3ra edicin. Mxico D.F: ed. Mc Graw Hill education, 2010. 490
pg. ISBN: 978-607-15-0929-1.

2. Moreno, Jorge. Control estadstico de la calidad y seis sigma.

calidademprendedora.wordpress.com/2012/05/11/resena-control-
estadistico-de-calidad-y-seis-sigma/. [Citado el 3 de marzo de 2017].

3. Hernandez, Juan Pablo. Conferencia (seis sigma, control estadstico de

procesos).
http://www.ccichonduras.org/website/descargas/presentaciones/2014/SIX_S
IGMA_ACSIO_CONSULTORES.pdf. [citado el 3 de marzo de 2017].

4. Orlandoni, Giampaolo. Gestin de la Calidad: Control Estadstico y Seis

Sigma. file:///C:/Users/movil/Downloads/Dialnet
GestionDeLaCalidadControlEstadisticoYSeisSigma-3990498.pdf. [citado el
3 de marzo de 2017].

63