Herramientas de Calidad-I RM (Presentacion)

Curso
Herramientas de la Calidad – I
Expositor:
Q.F. Rodolfo Malpartida B.
La Molina, 1, 2, 8 y 9 de junio 2019

Contenido
Cap 1 - Introducción. Cap 6 - Diagrama Causa-Efecto.

Cap 2 – Gestión de datos - Hojas Cap 7 – Cartas de control de
de verificación variables
Cap 3 – Variación e Interferencia Cap 8 - Cartas de control de
atributos.
Cap 4 - Control de la variación.
Histograma Cap 9 – Diagrama de dispersión
Cap 10 – Muestreo – Conceptos
Cap 5 – Priorización. Diagrama de
y aplicaciones
Pareto
Rodolfo Malpartida 2
Capítulo 1
Introducción
Herramientas de la Calidad
Las Primeras y las Nuevas
Mejora de la Las personas usualmente
tienen más datos verbales
Calidad Basada que numéricos cuando
en Hechos abordan
un problema
El problema se define
El problema se define
después de colectar
antes de colectar datos
datos numéricos
numéricos
Sirven para identificar Sirven para identificar
problemas con un problemas con un
enfoque analítico enfoque analítico
Hojas de verificación Diagrama Causa y Efecto
Check sheets
Las primeras Diagrama de Pareto
7 Herramientas Histograma
de Calidad Análisis
Obtención de datos
de datos
Cartas
Cartasdede
control
control
Diagrama de Flujo
Diagrama de Dipersión
Estratificación
Estratificación
LEI LES
% Defectos
LEI LES
Lotes de producción
Las Siete Nuevas Herramientas de la Calidad
Es un conjunto de herramientas y 1. Diagrama de Afinidad
técnicas empleadas para planificar y 2. Diagrama de Relación
dirigir con eficacia cualquier tipo de 3. Diagrama del Árbol
operaciones.
4. Diagrama Matricial
Su principal propósito es guiar a los
5. Diagrama Matricial de
jefes y supervisores en planeación,
Análisis de Datos
análisis y toma de decisiones.
6. Gráfico del Proceso de
También se les llama las Siete
Decisión
Herramientas de Planeación y
Dirección. 7. Diagrama de Flechas
P ro b le m a d ifí c il - C a ó tic o
Ejemplo de aplicación E l p ro b le m a d e b e e xp o ne rs e d e un m o d o s o luc io na b le

de una de las nuevas
Con las 7 Nuevas Herramientas de CC
Siete Herramientas:
Diagrama de S e m a p e a la g e o g ra fí a
d e l p ro b le m a
Relación.
E l p ro b le m a se La s id e a s se Lo s p la ne s se Lo s p ro b le m a s se
vue lve e vid e nte o rg a niza n e la b o ra n p re c isa n
p a ra to d o s fá c ilm e nte fá c ilm e nte fá c ilm e nte
“Abordando
problemas...” La s p e rso na s
e ntie nd e n e l
E l p ro b le m a p ue d e
se r c la ra m e nte
N o se o m ite
S e id e ntific a e l
m e o llo d e l
na d a
p ro b le m a a rtic ula d o a sunto
S e o b tie ne La s c o sa s La s c o ntra m e d id a s
c o o p e ra c ió n va n b ie n a p unta n a l o b je tivo
E l p ro b le m a s e c o lo c a d e una fo rm a s o luc io na b le
Algunos Conceptos y Técnicas que Interactúan
en la Mejora de la Calidad
• Datos.
• Procesos.
• Las primeras 7 Herramientas de la Calidad.
• El Ciclo de Deming.
• Brainstorming y Votación.
• Control Estadístico de Procesos.
• Administración diaria del proceso.
• Las habilidades blandas: Las 10 habilidades para el 2020
Habilidades Blandas y Duras
Algunas Habilidades Duras Algunas Habilidades Blandas
• Título profesional o formación específica • Buena organización.
para el puesto. • Buena comunicación.
• Dominio de lenguas extranjeras. • Trabajo en equipo.
• Manejo softwares especializados. • Puntualidad.
• Dominio de operación de equipos • Creativo.
complejos. • Pensamiento crítico.
• Uso de software para presentaciones. • Facilidad de adaptación.
• Técnicas de correcta expresión verbal. • Facilidad para comunicación
• Conocimiento de leyes relacionadas con la interpersonal, sociable.
organización
Capítulo 2
Gestión de los datos
Check-sheets
Datos - ¿Qué son?
Es la información que brinda acceso a un conocimiento preciso y concreto.

(Del latín datum = “lo que se da”)
Son la representación simbólica, en números o letras, de una recopilación de
información (cualitativa o cuantitativa) que facilitan la deducción de una
investigación o un hecho.
Es la información recogida que es exacta, completa, integra, actualizada, coherente,
relevante, accesible y confiable.
Debe estar basado en hechos.
Sirve para la toma de decisiones.
Naturaleza de las Variables
Cuantitativas o Continuas.
Características que se miden o se cuentan
Variable continua: su valor se Variable discreta: es el resultado de
obtiene por medición. Pueden tener contar. Sus valores son enteros positivos.
cualquier valor dentro de su rango o Ej.: núm. de hijos por familia, núm. de
recorrido. Ej.: áreas de las parcelas, accidentes/día, núm. habitantes/distrito, núm.
sueldos, peso, estatura, humedad, habitaciones/vivienda, los números de una
temperatura, tiempo trabajado (HH-mm- baraja de naipes, los número de un dado, etc.
ss).
Cualitativas o por Atributos.
Características no medibles – Se cuentan
Ej.: Estado civil, nacionalidad, sexo, lugar de nacimiento, colores, suciedad en una tela,
causas de accidentes, etc.
Tipos de Datos
Variables cuantitativas Atributos
Se basan en mediciones de una Se basan en conteos que muestran la

característica clave de calidad. presencia o ausencia de una
característica o defecto.
Sus valores son continuos o Sus valores son enteros.
discretos .
Ejemplos de Datos
Variables cuantitativas Atributos
• Ancho, longitud, peso, espesor,
• “Conforme” o “No Conforme” , “A
concentración de sólidos, pH,
tiempo” o “Retrasado”, “Con o Sin
velocidad, vacío, vibración, etc.
raspaduras”, “Etiqueta Sucia”,
• Temperatura de calentamiento o de
refrigeración; • “Tela sucia externamente”,
“Envase hinchado”, “Cantidad de
• Concentración de cloro residual;
envases con fuga en nn unidades”
• Tiempo de atención desde la
colocación del pedido hasta su
llegada a almacén.
¿Por qué colectar datos?
• Ayuda a la toma de decisiones mediante información objetiva.
• Nuevo enfoque: “Creo que el problema es…” por “los datos indican que el
problema es…”
• Por ejemplo, en los diagramas de flujo o los diagramas de causa y efecto, un
grupo de trabajo analiza los datos y puede expresar:
“Si cambiamos el paso X en el proceso haciendo A, entonces creemos que
se mejorará Y ”
Donde Y es una característica clave de calidad del producto o servicio (salida
de ese proceso)
Colectar Datos
4) Formatos
1) Establecer
adecuados para
objetivos claros
el recojo
Colectar
datos
3) Confiabilidad
2) ¿Cuál es el
en las
propósito?
mediciones
1) Datos – Establecer objetivos claros
• ¿Qué se va a hacer con los datos?

Cualquier recolección de información ha de tener un objetivo o
propósito específico y ser seguida por acciones.
• Los objetivos de la recolección de datos son:
a) El control y el monitoreo de un proceso de producción (o un
servicio)
b) El análisis de lo que no se ajusta a las especificaciones o normas
c) La inspección.
2) Datos – ¿Cuál es su propósito?
• Determinar los tipos de comparación que se necesitan, a
su vez se identifican los tipos de datos que se deben
recoger.
• Aplicar la estratificación cuando sea necesario: por
ejemplo, cuando se quiere saber por qué resultan
productos defectuosos hechos por tres máquinas
diferentes.
• Si se quisiera saber la relación entre la calidad de un
ingrediente y la dureza de un producto, se buscará
registrar pares de datos pertenecientes a estas dos
características para emplearlos en un diagrama de
dispersión.
3) Datos – ¿Son confiables las mediciones?
• Si las mediciones no son confiables se emitirá

un juicio erróneo.
• Ejemplo, un inspector en un muestreo calificó

unos artículos con una tasa de defectuosos
mayor que otros inspectores. Más tarde, un
examen cuidadoso mostró que el instrumento
de medición empleado estaba descalibrado.
4) Datos – Establecer formas apropiadas de recojo
• Organizar los datos adecuadamente para facilitar su

procesamiento posterior.
• Su origen debe registrarse claramente.
• Debe registrarse por ejemplo, la característica de
calidad, los días de la semana, el turno, la hora, qué
máquinas, qué lotes de materiales se usaron, y así
sucesivamente.
• Los datos deben registrarse de tal manera que se
puedan utilizar fácilmente.
Check-sheets
u Hojas de chequeo
Check-sheets u Hojas de chequeo
Es un formato construido para recolectar y registrar datos de un
proceso. Se diseñan de tal manera que el registro de datos sea fácil
para analizar la manera en que los principales factores que
intervienen, influyen en una situación o problema específico.
En el uso de una hoja de chequeo se requiere conocer:
• Para qué se colectarán los datos
• Qué se quiere aprender de los datos
• Cómo se utilizarán los datos. Qué análisis se hará.
• Qué datos se colectarán
• Quién colectará los datos y cómo los colectará
• Dónde y cuándo se colectarán los datos.
Formato de Tabla
Es de fácil uso por ejemplo cuando solamente se desea contar cuán
frecuentemente sucede algo o para registrar una medición.
Planta Ate Defectos Paquetes de Salchicha Viena Envasadora 2

Marzo 2018
Lun Mie Jue Lun Mar Mie Jue
Defecto Total
12 14 15 19 20 21 22
Código errado // / // / / / 8
Superficie sucia / // / / 5
Falta hermeticidad // /// // /// / /// // 16
Bajo peso / / 2
Hoja de registro de datos para control de contenido neto
para una Carta de 𝑋 y R
Uso: Peso bruto ketchup en sachets Área: Salsas culinarias
Responsable: Operador llenadora Característica: Peso bruto
Inspector: J. Z. Especificación: 8.40 ± 0.10 g
Medio de medición: Balanza digital Ohaus Equipo: llenadora “Gusther”
Unidad de medición: gramos ± 0.01 g Turno: Tarde
Sub-
Día Hora X1 X2 X3 X4 Prom Rango Observaciones
Grupo
1 23 08:50 8.35 8.40 8.32 8.37 8.360 0.08
2 23 11:30 8.46 8.37 8.36 8.41 8.400 0.01
3 23 13:45 8.34 8.40 8.34 8.36 8.360 0.06
4 23 15:45 8.69 8.64 8.68 8.59 8.650 0.01 Operador nuevo
5 23 16:20 8.38 8.34 8.44 8.40 8.390 0.01
6 27 08:35 8.42 8.41 8.43 8.34 8.400 0.09
7 27 09:00 8.44 8.41 8.41 8.46 8.430 0.05
etc. etc. etc. etc. etc. etc. etc. etc. etc.
Formato de gráfico para uso inmediato
Temperatura ambiental sala llenado polvos dulces

40
Es especialmente diseñado 35
Los trabajadores
para que los datos puedan 30 marcan cada
ser registrados y dato en el gráfico
Temperatura (°C)
35
mostrados al mismo 30
tiempo que ocurren, 25
indicando los datos 20
directamente como puntos 15
en la gráfica. 10
5
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Horas del día
Formato (Esquema) de ubicación y gráfico
Esquema de Defectos en Calzado modelo Permite marcar en un diagrama la

“Bartorini” ubicación exacta de un defecto o
Talla 40 - Izquierdo – Lado externo
Fecha: Turno: Cod. Inspector:
característica.
Nº Total %
TIPO DE DEFECTO
Defectos
Tonalidad desigual { X } IIII IIII II
Plantillas despegadas {} IIII
Talones manchados {  } IIII IIII III
Ojalillos quebrados {  } II
Formato de Registro de Causas de Defectos
Equip (Defectos en picaportes)
Lun Mar Mie Jue Vie Sab
Oper
AM PM AM PM AM PM AM PM AM PM AM PM
          
A        
MAQ #1
   
           
B          
      
          
  
C ▲ ▲
MAQ #2
 
           
    
D ▲ ▲ ▲ ▲▲
   
Símbolos:  = Rayado en la superficie; x = Porosidad; ▲= Acabado rugoso;  = Forma descuadrada.
Frecuencia total
2 2 3 1 1 1
Ejercicio - Formato de gráfico para 25
uso inmediato en Histograma 24

23
22
• Las normas oficiales de calidad del agua potable 21

20
requieren que el contenido de iones calcio (dureza) 19

18
se mantenga en 4 ppm (partes por millón), con una 17

16
tolerancia de ± 0.2. 15
Frecuencia
14
• Es necesario elaborar una Hoja de Chequeo que 13

12
sirva para construir un histograma conforme se van 11

10
capturando los datos (cada 10 min.), digamos 9
durante la operación de un día.

8
7
6
• Ver hoja de datos en el anexo para la práctica. 5

4
• El formato podría ser así. 3

2 x x
x
x
1 x x x x x x
4.
ppm Ca 3.6 3.7 3.8 3.9 4.0 4.1 4.2 4.3 4.4
5
¿Dónde y cuándo colectar los datos?
• Acudir al punto del proceso donde ocurre el
problema y medirlo como está ahora.
Compare las mediciones contra “lo que
podemos hacer que sea” y “lo que debería
ser”
• Colecte datos antes y después de efectuar
cambios
• Compare el proceso antes y después.
¿Mejoró o no cambió?
• Utilice gráficos para antes y después
(control visual), sólo así se podrá apreciar
bien si el proceso ha mejorado o no.
Algunas técnicas para Puntos comunes de colección de datos PCD
colectar datos Punto Ejemplos

Fin del A B B PCD
proceso
• Recorra el proceso en vivo. En el A PCD B PCD C
• Haga la colección de datos algo simple proceso
• Defina los puntos de colección de datos Punto de

A
PCD C
• Use hojas de chequeo con convergencia
B
descripciones concretas.
• Automatice lo más que pueda Punto de
B
A PCD
• Minimice la categoría “Otros” cuando divergencia
C
colecte datos para diagrama de Pareto.
Cruzando
Dpto. A PCD Dpto. B
funciones
Usando un diagrama de flujo, definir dónde colectar los datos
D. de Flujo – Ej. Recepción de Ordeñadoras Mecánicas Tiempo de

Desempacado
Inicio (minutos)
El equipo es 160 - 179 /
El equipo es El equipo es
descargado de los 180 - 199 ///
vehículos desempacado ubicado en el taller
200 - 219 //
220 - 239 /
240 - 259 //// /
Los datos son
colectados aquí 260 - 279 ////
280 - 299 ///
300 - 319
Se realiza la prueba Se realiza la
Se prueba cada 320 - 339 /
del equipo completo
E conexión eléctrica
pieza del equipo 340 - 359
del equipo
360 - 379 /
Colección de Datos
Colectar información
• Elaborar un Plan:
De un proceso Hojas de chequeo
• Eliminar lo subjetivo de modo
De personas
que todos sabrán qué hacer
• Corresponde a la primera Grupo grande y disperso Encuestas
fase del Ciclo P-H-V-A: Un solo grupo o equipo

PLANIFICAR
Creación de ideas Lluvia ideas
• Resultará en un
Procedimiento para la Colección y selección rápida
Técnica de Grupo
Nominal
colección de datos
¿Cómo colectar los datos?
• Colectar los datos que mejor describan la situación

• Determinar cantidad de datos necesarios (tamaño de muestra) y la frecuencia
de colección
• En algunos casos, pequeños grupos de datos para el control estadístico del
proceso; por lo general, sirven grupos de 4 ó 5 unidades en cada intervalo de
tiempo (minutos, horas, etc..)
• Tener en cuenta el costo, disponibilidad y consecuencias de las decisiones.
Emplear Definiciones Operativas en la Toma de Datos
Las definiciones operativas incluyen:

• Establecer el “quién, cómo, qué, dónde y cuándo, etc. ”. ( 5W 2H )
• Unidades de medida a utilizar.
• Estado de los equipos de medición.
• Criterios para calificar los defectos.
• Cómo se clasificará cuando hay múltiples defectos.
• Es necesario tomarse el tiempo para hacerlo; se evitarán pérdidas de
tiempo, esfuerzo y dinero.
¿Qué influirá negativamente en la Colección de Datos?
• Acelerar o reducir la velocidad del • Datos pasados (podrían estar sesgados

proceso. por el miedo y otros factores).
• Reducir el flujo normal del proceso. • Fallas en el procedimiento; pueden
• La actitud y percepción de los agregar errores a los datos, como:
colectores de datos. Quizá  No hay instrucciones, no hay
busquen resultados favorables. entrenamiento previo;
• El miedo a las consecuencias.  Hojas de Verificación inapropiadas;
Mensaje deberá ser: “no pasará  No se prueba a pequeña escala;
nada”.  Se pierden los datos.
Las Seis Voces para la Calidad
Del Dueño
Del Del
Proveedor Consumidor
Calidad
De la Del
Sociedad Proceso
Del
Trabajador
Colección de datos – La Voz del Consumidor
• Los Requisitos del Consumidor establecen los límites de especificación.

• Los Requisitos el Consumidor son utilizados para definir los niveles
aceptables del desempeño del proceso
• Estos son llamados la Voz del Consumidor y pueden ser de dos límites
(dos colas) o de uno solo límite: superior o inferior (de una cola)
• Los datos se originan de los requisitos de los consumidores existentes
y apuntar a no perderlos.
• Los datos pueden provenir del enfoque en el mercado y apuntar a
atraer nuevos consumidores y satisfacer sus necesidades.
Colección de datos – Conocer la Voz del Consumidor
• Facilitar la comunicación del consumidor
• Utilizar los medios disponibles para que se pueda
comunicar con la organización
• Que tenga facilidad para ser escuchado
Fuentes Internas Fuentes externas
Quejas Investigación (revistas, etc.)
Solución de reclamos Investigación mercado de industrias
Contactos con empleados Clientes de competidores
Datos de defectos Observar la competencia
Investigación de mercado Radio, TV, web, etc
Registros de servicios Congresos y foros industriales
Medios y puertos de escucha al consumidor
Encuestas
e-mail
Observa- Comprador
ciones misterioso
Cara a
Teléfono
cara
Puertos Focus
Entrevistas de groups
Medios escucha
Fax
Correo Buzón de
Tarjetas
Sugeren-
cias
Internet Momentos
verdad
El comprador misterioso… indaga y verifica…
1. El número de empleados disponibles en la 8. Si el empleado intentó o no cerrar la venta
tienda cuando se entra 9. Si el empleado sugirió o no productos
2. Cuánto tiempo le toma al comprador recibir adicionales
el primer saludo 10. Si el empleado invitó o no al comprador a
3. El nombre de los empleados regresar a la tienda
4. Si el saludo es o no amigable de acuerdo a 11. La limpieza de la tienda y de los
criterios objetivos empleados
5. Las preguntas que debe realizar el 12. La velocidad del servicio
comprador para encontrar el producto 13. Cumplimiento de los estándares relativos al
deseado servicio, apariencia de la tienda, pulcritud y
6. Qué tipo de productos le son mostrados presentación
7. El argumento de ventas utilizado por el 14. El manejo de dinero
empleado
Herramientas de Calidad II - Rodolfo Malpartida 41
1-
JAN CARLZON
 Suecia 1941 Estaciona
2-Mira las
Llama para vitrinas
reclamar.
Usa el Comprobación Observa

producto de los el local
Los intervalos pueden durar
momentos de la
tan sólo 15 segundos, en los
que los empleados tienen verdad.
contacto con sus clientes para Se dirige a la Contacta un
caja y paga empleado
realizar la entrega de un
servicio.
Ahí la compañía entera se Selecciona Es
pone a prueba. un producto atendido
Requerimientos del cliente
¿Cómo le gusta un MP3 player?
Philips Gogear 4 Gb
iPod Classic 160 Gb
Matriz de requerimientos de características de calidad de un Player mp3
 CARACTERÍSTICAS DEL PRODUCTO
E – Software exclusivo
P - Estuche acolchado
H – Iluminación -.LCD
S - Clip para cinturón

L - Botones grandes
D - colores variados
F - Garantía 1 año
N – Guía usuario
G - Batería Ni-Mh
Q - Impermeable
R - Sujetabrazo
K - Cronógrafo
M - Audífonos
J - Radio FM
O - Memoria
A - Tamaño
C - Precio
REQUERIMIENTOS DEL CLIENTE
B - Peso
I - Reloj
¿Cómo lo quiere?

R01 - Tamaño pequeño
R02 - Peso ligero
R03 - Precio asequible
R04 - Versátil
R05 - Actualizable
R06 - Confiable
R07 - Gran capacidad de almacenamiento
R08 - Buena calidad de sonido
R09 - Durable
R10 - Fácil de usar
R11 - Batería de larga duración
R12 - Diseño atractivo
R13 - Pocos colores
R14 - Fácil portabilidad
RELACIÓN:  Fuerte = 5;  Moderada = 3;  Débil = 1; Dejar casillero en blanco= sin relación
Resultados Globales Requerimientos del Cliente (Taller 2018)
REQUERIMIENTOS DEL CLIENTE

Valoración Media Requerimientos del Cliente ¿Cómo lo quiere?

6.00 R01 - Tamaño pequeño
5.00 R02 - Peso ligero
3.76
4.00 3.69 R03 - Precio asequible
2.053.00 3.67 R04 - Versátil
2.73 2.00 R05 - Actualizable
1.00
3.55 R06 - Confiable
2.97
0.00 R07 - Gran capacidad de almacenamiento
3.08 3.44 R08 - Buena calidad de sonido
R09 - Durable
3.10 3.42 R10 - Fácil de usar
3.33 3.38 R11 - Batería de larga duración
3.35
R12 - Diseño atractivo
R13 - Pocos colores
R14 - Fácil portabilidad
Colección de datos – La Voz del Proceso
• Por lo general, en las Cartas de Control

encontramos la Voz del Proceso (VDP)
• Los procesos que se muestran estables
están bajo control estadístico. Nos
proporcionan un estimado de los límites
naturales del proceso (variación normal
del proceso, etc.); equivale a una
variación de ± 3 desviaciones estándar
alrededor de la media del proceso.
• Estos límites de variación incluyen el
99.73 % de la variación del proceso
Capítulo 3
Variación e interferencia
Concepto de Variación
• Fenómeno propio de todas las cosas en la
naturaleza que señala que no existen dos
cosas iguales en todo el universo.
• Las diferencias pueden ser muy grandes o
muy pequeñas, pero dichas diferencias
siempre estarán presentes.
• Algunas variaciones no hacen la diferencia,
otras causan problemas. A más desviación
más problemas.
• Lo nuevo es la toma de conciencia de cómo la Fuente gráfico:
https://commons.wikimedia.org/w/index.php?c
variación afecta las actividades cotidianas en urid=164666
el lugar de trabajo.
Tipos de Variación
Variabilidad No Natural o
Variabilidad Natural o Inherente
Asignable
Fluctuaciones aleatorias o al azar Fluctuaciones no aleatorias
generadas por una combinación de generadas por una causa o varias
causas naturales. Sus causas no se causas identificables (especiales)
pueden aislar. Es anti-económico que pueden aislarse hasta un cierto
eliminarlas. mínimo irreductible.
La variación obedece a causas La variación obedece a causas
comunes. especiales.
Tipos de Variación
Variación Natural o Inherente Variación No Natural o Asignable

Numerosas causas Una o pocas causas especiales
Relativamente poca variación. Gran cantidad de variación
Si está sola, el proceso está Su existencia implica que el proceso
funcionando en su óptimo. no está en su óptimo
Si está sola en el proceso, no Si existe, el proceso requiere ajuste
necesita corrección. o corrección.
El proceso es predecible El proceso no es predecible
50
Causas comunes
El proceso es predecible
Causas especiales
El proceso no es predecible
Procesos Procesos centrados,
desviados pero dispersos
Causas al azar y asignables de la variación de la calidad
Tiempo
Causa asignable 4: proceso

fuera de control
Causa asignable 3: proceso

fuera de control
Causa asignable 2: proceso fuera de

control
Causa asignable 1: proceso fuera de control
Solo causas al azar: Proceso bajo control

LSC X LIC
Variación - Pautas básicas
1. Toda variación tiene una causa. 5. Cuando la variación en un sistema se debe a
causas comunes, se dice que está bajo
2. Hay cuatro tipos de causas de variación:
control estadístico. El proceso es predecible.
• Causas comunes (inherentes).
• Causas especiales (asignables). Si la variación se debe a causas especiales,
el sistema es inestable, no se puede predecir
• Interferencia.
el rango de variación.
• Variaciones estructurales.
6. Se puede determinar cuánta variación hay en
3. La estrategia para las causas especiales es
el sistema mediante cálculos de los datos del
sencilla: obtenga datos periódicamente.
proceso. Así se pueden establecer límites de
4. La estrategia para corregir una causa común control.
en un proceso es más sutil. Evaluar la mayor
cantidad de datos disponibles.
Variación Estructural
% Entregas a Tiempo
La variación estructural es la
variación inherente
(variación natural) en el
% Entregas a Tiempo
sistema, pero parece
deberse a causas especiales Fin del
trimestre
(variación asignable) en una Nuevas
carta de control. Sin políticas
embargo, las causas de la
variación estructural son Aumento
predecibles. de precio
Semanas
55
Los datos de la producción siempre tiene alguna variación
95.8
95.7
95.6 95.58
95.5
Característica
95.42
95.4
95.3
95.26
95.2
95.1
95.0
W601
W602
W603
W604
W605
W606
W607
W608
W609
W610
W611
W41
W42
W43
W44
W45
W46
W47
W48
W49
W50
W51
W52
W53
Tiempo
Para controlar se tiene que medir ... y ¡registrar!
Reduciendo la Variación
- Caso Real -
Reducción de Pellets en Leche Evaporada.

Envase de hojalata tipo “vent hole”
Videos
Gráfica de caja de % Pellets - Años 1989 a 1993
0.5
0.4
Porcentaje pellets
0.3
0.2 0.17
0.11 0.12
0.1
0.06
0.04
0.0
89 90 91 92 93
AÑO
Gráfica de caja de % de Pellets 1989
0.5
0.4
Porcentaje pellets
0.3
0.22 0.20
0.2 0.17 0.18
0.16
0.13 0.13
0.1
0.0
89-06 89-07 89-08 89-09 89-10 89-11 89-12
AA-MM
Gráfica de caja de % pellets 1990
0.5
Porcentaje pellets 0.4
0.3
0.2 0.15
0.13 0.13 0.13 0.10 0.12 0.11 0.12 0.13
0.1 0.07 0.07
0.05
0.0
90-04
90-01
90-11
90-06
90-09
90-02
90-03
90-05
90-08
90-10
90-12
90-07
AA-MM
Gráfica de caja de % de Pellets 1991
0.5
Porcentaje pellets 0.4
0.3
0.2
0.11 0.10 0.09
0.1 0.07
0.03 0.05 0.03 0.01 0.05
0.00 0.02 0.01
0.0 91-04
91-01
91-11
91-06
91-09
91-02
91-03
91-05
91-08
91-10
91-12
91-07
AA-MM
Gráfica de caja de % Pellets 1992
0.5
0.4
Porcentaje pellets
0.3
0.2
0.1 0.08 0.07 0.05 0.05

0.03 0.04 0.04 0.05
0.00 0.02 0 0
0.0 92-04
92-01
92-11
92-06
92-09
92-02
92-03
92-05
92-08
92-10
92-12
92-07
AA-MM
Gráfica de caja de % Pellets 1993
0.5
0.4
Porcentaje pellets
0.3
0.24 0.24
0.2 0.16 0.16
0.1 0.07 0.07

0.05
0
0.0
93-01 93-02 93-03 93-04 93-05 93-06 93-07 93-08
AA-MM
Hallazgos de latas pellets x cada 12 mil latas
examinadas
40 0.17 0.18
L-c-P x 12mil Promedio
Latas con pellets x cada 12 mil examinadas
% Promedio de latas defeectuosas

35
0.15
30 0.12
0.11 0.12
25
20 0.09
0.06
15 0.04 0.06
10
0.03
5
30 15 10 5 13
0 0.00
89 90 91 92 93
Años
Conclusión
• En 4 años se logró la máxima

reducción posible: Promedio % pellets
0.18
( de 0,17% a 0,04%) 0.17
0.15
0.12
Promedio
0.11
• Búsqueda de cambio tecnológico: 0.09
0.06
0.06
Cambiar de envase 0.03
0.04
“vent hole” a envase “open top” 0.00
89 90 91 92
Años
Cambio Tecnológico
Nervaduras
¡Aparecen
nuevos
problemas!
Diseño Diseño
“Vent Hole” “Open Top”
Videos
Reduciendo la variación
Reducir
variación Cambiar
x causas el proceso
comunes
Todo Los Analizar

Aprender Reducir La
trabajo procesos variación Clientes
más sobre la calidad
es un son del satisfechos
el proceso variación mejora
proceso variables proceso
Quitar
variación Controlar
x causas el proceso
especiales
Precisión y Exactitud
Precisión y Exactitud
PRECISIÓN
Cuando los resultados
experimentales están
cercanos entre si.
EXACTITUD
Cuando los resultados
experimentales están lo
mas cercano al valor
verdadero
Precisión y exactitud
Dispersos e
inexactos
Preciso e
inexacto
Preciso y
exacto
http://www.quimicafisica.com/exactitud-y-precision.html
- CALIDAD -
Hacer bien las cosas correctas
Eficiencia + Efectividad
Hacer bien las cosas + Hacer las cosas correctas
Administración + Liderazgo
Control de Calidad (Status quo) + Mejora de la calidad (innovación)
Si siempre se hace lo que ¿Lo que hoy parece imposible,

siempre se hizo, usualmente pero que podría hacerse, mejoraría
conseguirá lo que siempre + la calidad de un modo
conseguía. fundamental?
Interferencia
Interferencia
• Ajustar un proceso estable para tratar de compensar un

resultado no deseado (hacia arriba o hacia abajo). El
resultado será peor que si se le hubiera dejado solo.
• Es sobre-controlar un proceso sin pensamiento
estadístico.
Interferencia de la variación natural
Desarrollo del proceso Reacción primaria del jefe
Los resultados “van “Las cosas están mejorando,

hacia arriba” demos premios”.
Los resultados “van “Las cosas están fallando, demos
hacia abajo” castigos”.
Realmente nada ha cambiado, el jefe sólo está viendo la
variación intrínseca del proceso.
76
Experimento del Embudo
(E. Deming)
Ayuda pedagógica para demostrar la pérdida

que ocasiona en una compañía el sobre-
control de procesos como: producción,
mantenimiento, compras, embarques,
relaciones con los clientes, supervisión,
seguridad, capacitación, contratación de
personal, formación de políticas, etc.
Experimento del Embudo
Video
“Experimento del embudo T”
Regla N° 1
Sin compensación
No ajustar la posición del

embudo.
Centrar el embudo sobre
el blanco y déjelo ahí
mientras dure el
experimento
Regla 1
No se ajusta el proceso, a pesar
de que se está observando
variación natural (causas
comunes)
Var = 0,99
Regla N° 2 Compensación exacta
Medir la distancia desde

la última caída hacia el
objetivo.
Compensar el error
moviendo el embudo la
Compensación misma distancia, pero en
dirección opuesta
Error
El proceso se ajusta en cada
observación para compensar la
última variación observada.
La compensación se hace
respecto al objetivo del
proceso actual.
Var = 1,71
Regla N° 3
Sobre-compensación
Medir la distancia de la
última caída hacia el objetivo
del proceso.
Centrar el embudo sobre el
objetivo, luego moverlo la
misma distancia desde la
última caída pero en
dirección opuesta.
Error
Compensación
observación para compensar
la última variación observada.
La compensación se hace
respecto al objetivo del
Var = 5,56 proceso.
Regla N° 4
Consistencia
Centrar el
Compensación embudo sobre la
última caída
X
Error
observación.
El centro del proceso se fija
para coincidir con la última
lectura observada.
Var = 5,62
Efectos de reaccionar ante la variación natural como si fuera
producida por causas especiales
• El desempeño del proceso empeora: el producto es más variable que

si se dejara ejecutar libremente (sin interferencia)
• No podrá entenderse las causas naturales de la variación, no deja
información para mejorar el proceso.
• Para una mejora se requiere un cambio fundamental en el sistema.
Interferencia a los trabajadores (La más destructiva)
• Culpar al trabajador por problemas que son intrínsecos al sistema en

que se desempeñan.
• Premiar al trabajador por éxitos que también son intrínsecos al
sistema.
Talleres variación
10 Variabilidad
9 natural o inherente
8 Ejercicio con dos dados
7
Distribución esperada
Frecuencia
6
5
4 x
3 x x x
2 x x xx
1 x x x x x x x
2 3 4 5 6 7 8 9 10 11 12
Suma tiros (dos dados)
Variabilidad
natural o inherente
Ejercicio con diez naipes
Suma de
TIRO Carta 1 Carta 2 Carta 3 Promedio
3 valores
1 7 5 10 22 7,3
Núm. de
2 10 7 4 21 7,0 Intervalo Promedio Porcentaje
veces
3 9 6 8 23 7,6 A 2, pero menos que 3
4 10 7 8 25 8,3 B 3, pero menos que 4 / 1
… C 4, pero menos que 5
25 2 8 1 11 3,6 D 5, pero menos que 6
E 6, pero menos que 7
F 7, pero menos que 8 /// 3
G 8 o más / 1
Total 25 100%
Tiremos los naipes y calculemos…
Suma de
TIRO Carta 1 Carta 2 Carta 3 Promedio
3 valores
1
2
3
4
5
6
7
8
9
….
….
24
25
Si hacemos este ejercicio muchas veces…
Intervalo Promedio %
A 2, pero menos que 3 3,33
B 3, pero menos que 4 10,00
C 4, pero menos que 5 20,00
D 5, pero menos que 6 25,00
E 6, pero menos que 7 22,50
F 7, pero menos que 8 13,33
G 8 o más 5,83
100%
Se muestra una distribución normal.

Solo hay variación natural o inherente
Caso 1.- Supongamos que de la baraja retiramos el as, el 2 y el 3.
Estos son reemplazados con el 8, 9 y 10 (digamos, un lote de material
defectuoso)
Intervalo Promedio %
A 2, pero menos que 3
B 3, pero menos que 4
C 4, pero menos que 5
D 5, pero menos que 6 4,1
E 6, pero menos que 7 17,6
F 7, pero menos que 8 35,3
G 8 o más 43,0
100%
Se muestra una distribución sesgada a la derecha.
Ahora hay una variación no natural o asignable (por
causas especiales)
Variabilidad No Natural o Asignable… para bien o para mal
Caso 1.- El as, el 2 y el 3 son Caso 2.- El as y el 2 son reemplazados

reemplazados con el 8, 9 y 10 (un lote con el 4 y 5, y se sustituyen el 9 y el 10
de material defectuoso) con el 6 y el 7 (un lote de material
Porcentaje
bueno)
50
45 43.00
40
35.30
35
30
25
20 17.60
15
10
4.10
5
0
A B C D E F G
Distribución normal en muestras de tamaño
20, 50, 100 y 500
Ejemplo 1: Registrar datos de un cliente
Proceso Causa común de variación Causa especial de variación
Registrar Un operador experimentado Un operador sin entrenamiento, nuevo
información de comete un error ocasional. en el empleo, comete numerosos
contacto del cliente errores de ingreso de datos.
Ejemplo 2: Cambio de proveedor de plástico

Proceso Causa común de variación Causa especial de variación
Moldeado por Ligeras variaciones en el Cambiar a un proveedor de plástico
inyección de plástico de un proveedor menos fiable lleva a un cambio
juguetes de plástico resultan en variaciones inmediato en la resistencia y
menores en la resistencia de consistencia de su producto final.
los productos de lote a lote.
Ejemplo: Causas de variación en la calidad de la lana de alpaca
Fuente de variación
Entre Originada por quien toma la muestra y del
caladas (o acondicionador que clasifica la lana, ya que la
entre mayoría de la variación ocurre dentro de
mechones) vellones individuales
Existen diferencias menores entre equipos y
Dentro del analistas. Estas fuentes de variación son
laboratorio minimizadas mediante controles de calidad,
mantenimiento de equipos y supervisión.
La cantidad de ensayos realizados tiene
Entre
relación directa con la precisión mayor
laboratorios
http://www.cienciactiva.gob.pe/una repetibilidad del resultado.
99
¿Variación natural o no natural?
Discusión
Causas de Variación en la Calidad de la Lana de Alpaca
Causas Tipo de variación

La genética
El ambiente
La nutrición / alimentación
El manejo del ganado
Las enfermedades
100
Factores de variabilidad en la industria
• Materiales
• Máquinas
• Método de trabajo
• Medio ambiente
• Money (Dinero, costo)
• Man (Hombre, el más influyente)
A estos factores se les llama las 6 M’s

Capítulo 4
Control de la variación
Histograma
Distribución de Frecuencias
Ejemplo:
Número de errores en las facturaciones en una tienda
Los datos no agrupados son 0 1 3 0 1
simplemente una lista de 1 5 4 1 2
valores observados. 1 0 2 0 0
No brindan información 2 1 1 1 2
alguna 0 4 1 3 1
1 3 4 0 0
Para aprovecharlos es 1 3 0 1 2
necesario organizarlos.

Organizar los datos
a) Ordenar los datos en forma ascendente o Número de errores en la facturación:
descendente. Nr. Recuento Frecu
%
errores (tarjas) encia
b) Tabular la frecuencia con que aparecen.
0
c) Utilizar tarjas para determinar la frecuencia.
1
d) La frecuencia muestra la distribución de los
2
datos por rangos o categorías.
3
0 1 3 0 1
1 5 4 1 2 4
1 0 2 0 0 5
2 1 1 1 2 Total
0 4 1 3 1
1 3 4 0 0
1 3 0 1 2
Organizar los datos
a) Ordenar los datos en forma ascendente o Número de errores en la facturación:
descendente. Nr. de Frecu
Recuento %
b) Tabular la frecuencia con que aparecen. errores encia
c) Utilizar tarjas para determinar la frecuencia. 0 //// //// 9 25,7
1 //// //// /// 13 37,1
d) La frecuencia muestra la distribución de los
datos por categorías (Nr. de errores) 2 //// 5 14,2
3 //// 4 11,4
0 1 3 0 1
4 /// 3 8,6
1 5 4 1 2
1 0 2 0 0 5 / 1 2,9
2 1 1 1 2 Total 35 100
0 4 1 3 1
1 3 4 0 0 Con las frecuencias halladas, ahora
1 3 0 1 2 puede construir un gráfico de barras
Gráfico de barras
Distribución de Frecuencias Errores
Número de errores en la facturación: Facturas
Nr. de Frecu 16
Recuento %
errores encia 14 13
0 //// //// 9 25,7
12
1 //// //// /// 13 37,1 9
10
Frecuencia
2 //// 5 14,2
8
3 //// 4 11,4 5
6
4 3 8,6 4
/// 4 3
5 / 1 2,9 2 1
Total 35 100 0
0 1 2 3 4 5
Número de errores

Histograma
Son representaciones gráficas por medio de barras

verticales, de una distribución de frecuencias de
una variable continua. Cada una de las barras
refleja un intervalo o clase y la altura de las barras
representa la frecuencia con que aparecen los
valores en cada uno de los intervalos. También se
llaman "Diagramas de distribución de frecuencias".

Histograma
Un histograma es un gráfico de columnas

especializado para ilustrar la estabilidad de un
proceso. El mayor número de unidades están
ubicadas en el punto medio con más o menos igual
cantidad de unidades a cada lado de ese punto
medio.
Es una herramienta que ayuda en la toma de
decisión para la resolución de problemas.

Partes de un Histograma
Rango o Recorrido
Valor menor
Valor mayor
30
25 Intervalo
Frecuencia
20
15
Celda o
10
clase
mm
Marca de
x
Límite Límite
clase Unidades
inferior superior

Partes de un Histograma
Lím. Espec. Inf
Lím. Esp. Super.

30
25 Intervalo
Frecuencia
20
15
Celda o
10 clase
mm
Porción fuera de
Marca de
clase
Límite Límite especiicación
inferior superior Unidades

Ejemplo: Datos Diámetro Interior Bujes Enroscados
Especificación: 10,50 mm ± 0,20 mm
10,75 10,35 10,50 10,60 10,35 10,50 10,35 10,45 10,35 10,65
10,45 10,45 10,30 10,45 10,45 10,35 10,25 10,60 10,40 10,35
10,50 10,45 10,35 10,60 10,45 10,45 10,75 10,65 10,70 10,50
10,65 10,35 10,45 10,60 10,35 10,70 10,60 10,45 10,50 10,35
10,60 10,50 10,35 10,60 10,55 10,50 10,35 10,45 10,50 10,50
10,45 10,75 10,60 10,40 10,50 10,40 10,30 10,70 10,50 10,45
10,50 10,60 10,35 10,50 10,50 10,35 10,50 10,45 10,40 10,30
10,30 10,60 10,70 10,35 10,40 10,35 10,45 10,35 10,50 10,45
10,35 10,55 10,45 10,60 10,35 10,40 10,50 10,35 10,45 10,40

Datos Diámetro Interior Bujes Enroscados
Especificación: 10,50 mm ± 0,20 mm
Min Max
10,35 10,50 10,65 10,40 10,45 10,45 10,65 10,40 10,40 10,65
10,60 10,35 10,40 10,40 10,55 10,35 10,45 10,30 10,40 10,55
10,40 10,60 10,50 10,75 10,45 10,45 10,40 10,40 10,50 10,30
10,50 10,45 10,45 10,30 10,35 10,35 10,40 10,45 10,75 10,50
10,70 10,65 10,45 10,50 10,50 10,45 10,40 10,55 10,30 10,45
10,45 10,60 10,40 10,50 10,60 10,45 10,35 10,45 10,65 10,50
10,45 10,35 10,60 10,45 10,40 10,50 10,40 10,50 10,40 10,50
10,60 10,40 10,60 10,60 10,50 10,50 10,25 10,60 10,45 10,50
10,45 10,40 10,60 10,50 10,35 10,65 10,40 10,35 10,50 10,75

Construcción del Histograma
1) Hallar el rango (R): 10,75 (Max.) – 10,25 (Min.) = 0,50 mm
2) Hallar el número de clases ( k )
Número de datos: N = 90
k = 1 + 3,3 log N ; k = 1 + 3,3 log 90 = 7,44  8 clases
Otra forma de determinar

el número de clases (k)
es empleando la siguiente tabla:
Número de datos Número de clases
<50 5 a 7
50 a 99 6 a 10
100 a 250 7 a 11
> 250 10 a 20
3) Determinar el intervalo de clase ( h ) :
h = Rango (R)  Núm. de clases ( k ) =
h = 0,50 mm  8 = 0,063 mm
Ampliar el intervalo de clase (h) de 0,063 mm a 0,065
mm para dar holgura y simetría a la distribución de
los datos
Ahora el nuevo rango (R) es:
0,065 x 8 = 0,520 ;
El exceso del rango es:
0,520 – 0,500 = 0,020 mm
El exceso se reparte en dos partes iguales:
0,020  2 = 0,010 mm
4) Con el exceso repartido en dos partes iguales:

0,020  2 = 0,010 mm
se calculan los nuevos valores máximo y mínimo.
• Dato mínimo original (10,25) – 0,010 = 10,240 mm (nuevo valor mín.)

• Dato máximo original (10,75) + 0,010 = 10,760 mm (nuevo valor máx.)

5) Cálculo de la
primera clase:
Lím. mín. (10,240) + Intervalo ( h ) (0,065) = (10,305) Lím. sup.

de la primera clase
5) Cálculos los límites de las clases:
Lim sup Intervalo Lim inf Conteo (Tarjas) Frecuencia

clase de clase clase
10,240 + 0,065 10,305 //// 5
10,305 + 0,065 10,370 //// //// 9
10,370 + 0,065 10,435 //// //// //// /// 18
10,435 + 0,065 10,500 //// //// //// /// 18
10,500 + 0,065 10,565 //// //// //// //// 20
10,565 + 0,065 10,630 //// //// 10
10,630 + 0,065 10,695 //// / 6
10,695 + 0,065 10,760 //// 4

Obtener la media aritmética ( 𝑥 ) a partir de datos agrupados
X Variable N Mean StDev Min Max

Límites de clase f (marca de clase)
fx mm 90 10,477 0,110 10,25 10,75
10,240 - 10,305
10,305 - 10,370
10,370 - 10,435
10,435 - 10,500
10,500 - 10,565
10,565 - 10,630
10,630 - 10,695
10,695 – 10,760 𝒇𝒙
𝒙= = =
f=  fx = 𝒇

Obtener la media aritmética ( 𝑥 ) a partir de datos agrupados
Frecuencia
de clase
X Var N Mean StDev Min Max
Límites de clase f (marca de clase)
fx mm 90 10,477 0,110 10,25 10,75
10,240 - 10,305 5 10,2725 51,3625

10,305 - 10,370 9 10,3375 93,0375
10,370 - 10,435 18 10,4025 187,2450
10,435 - 10,500 18 10,4675 188,4150
10,500 - 10,565 20 10,5325 210,6500
10,565 - 10,630 10 10,5975 105,9750
𝒇𝒙 943,5700
10,630 - 10,695 6 10,6625 63,9750 𝒙= =
𝒇 𝟗𝟎
10,695 – 10,760 4 10,7275 42,9100
f= 90  fx = 943,5700 = 10,4841

Obtener la desviación estándar a partir de datos agrupados
n 2
f
i 1
(Xi - X )
s=
n
donde:
s = desviación estándar de la muestra
f = frecuencia
x = valor observado
i
= media
n = cantidad de valores observados

Dispersión de datos
(𝑥)
VALOR
MEDIO
(-) (+)

Frecuencia
de clase = 10,4841
x 2 2
Límites de clase f fx (xi - ) (xi - ) f (xi - )
(marca de clase)
10,240 - 10,305 5 10.2725 51.3625 -0.2116 0.0448 0.2239
10,305 - 10,370 9 10.3375 93.0375 -0.1466 0.0215 0.1934
10,370 - 10,435 18 10.4025 187.245 -0.0816 0.0067 0.1199
10,435 - 10,500 18 10.4675 188.415 -0.0166 0.0003 0.0050
10,500 - 10,565 20 10.5325 210.65 0.0484 0.0023 0.0469
10,565 - 10,630 10 10.5975 105.975 0.1134 0.0129 0.1286
10,630 - 10,695 6 10.6625 63.975 0.1784 0.0318 0.1910
10,695 – 10,760 4 10.7275 42.91 0.2434 0.0592 0.2370
90 1.1455

Frecuencia
de clase = 10,4841
x 2 2
Límites de clase f fx (xi - ) (xi - ) f (xi - )
(marca de clase)
10,240 - 10,305 5 10.2725 51.3625 -0.2116 0.0448 0.2239
10,305 - 10,370 9 10.3375 93.0375 -0.1466 0.0215 0.1934
10,370 - 10,435 18 10.4025 187.245 -0.0816 0.0067 0.1199
--- --- --- --- --- --- --- ---
10,695 – 10,760 4 10.7275 42.91 0.2434 0.0592 0.2370
90 1.1455
n 2
f
i 1
(Xi - X )
s=
1.1455
= 0.1128 mm
s= 90
n
Var N Mean StDev Min Max
mm 90 10,477 0,110 10,25 10,75

Tipos de
Histograma
General Multimodal
Sesgo a la derecha Sesgo a la izquierda
Bimodal Pico aislado

Variación en los procesos
El Proceso A ilustra mayor

variación que el proceso B
El proceso C ilustra una

variación aún menor que el
proceso B

Ejercicio Histograma
Con los datos de las hojas del anexo “Espesor de Pintura”

• Elabore el histograma y dibuje los límites de especificación inferior y
superior.
• Observar si los datos cumplen la especificación.
• Identificar si la distribución está centrada, si es simétrica o sesgada.
• Observar la distribución de los datos respecto a sus ± 3 desviaciones
estándar.

Ejercicio

Capítulo 5
Priorización
Diagrama de Pareto
Principio de Pareto
 Vilfredo Pareto (1848 – 1923)
Se percató de que el 20% de la población poseía el 80% de las
riquezas, que el 20% de las empresas generan el 80% de los
beneficios, el 20% de los trabajadores generan el 80% del
trabajo, etc.
 En temas de calidad, el Principio de Pareto fue adaptado por el
Dr. Joseph Juran.
Separa los pocos vitales de los muchos triviales
Es expresado en forma gráfica Dr. Joseph Juran
1904 - 2008
118 100
100
Para priorizar los 80
NÚMERO de PROBLEMAS
problemas usamos el 80
65
Porcentaje (%)
Diagrama de Pareto 60
60
Problemas
40
40
25
15 20
20
5 8
0 0
Devueltos Sucios Vencidos Bajo peso Otros
0%
POCOS VITALES MUCHOS TRIVIALES

Análisis de Pareto
Casos típicos de los “pocos vitales ”

• Clientes que representan la mayor parte de las ventas.
• Productos, procesos o características de la calidad causantes del
grueso de desperdicio o de los costos de re-elaboración.
• Rechazos que representan la mayoría de quejas de la clientela.
• Vendedores que está vinculados a la mayoría de partes rechazadas.
• Problemas causantes del grueso del retraso de un proceso.
• Elementos que representan al grueso del costo de un inventario.

El Diagrama de Pareto ¿Qué es?
Es un gráfico de barras y una línea.
La línea muestra la
NÚMERO de CASOS
proporción (%)
respecto al total.
Problemas
65
25
15
5 8
Las barras muestran las

categorías y su magnitud
¿Cuándo usar un Diagrama de Pareto?
Cuando los datos son extraídos del proceso: Por ejemplo:

• Se puede agrupar en categorías, y Defectos de productos, tipos
de errores, tipos de
• Se cuenta el número de veces que los datos
productos, fallas en los
caen dentro de cada categoría servicios, motivos de
En cualquier momento de un proceso de mejora devolución, motivos de
reclamos, accidentes,
• Al principio, para identificar qué problema incidentes, líneas de
debe ser estudiado, y producción, tipos de
• Luego, para elegir qué causas del problema documentos,
incumplimientos.
se deben (o pueden) atacar primero.

Cómo preparar un Diagrama de Pareto
Ejemplo: Quejas en el Restaurante «Todo salteado»
Usted es parte de un equipo que vigila la calidad del servicio del

restaurante «Todo salteado», en la campiña de Lima.
Usted no sabe por dónde empezar y opta por colectar datos de las quejas
de sus comensales durante tres meses. Para ello utiliza un formato
diseñado para tal efecto.
Después de colectar información a partir de las quejas de sus comensales,
decide que un Diagrama de Pareto le podrá ayudar a definir líneas de
acción para solucionar el problema.

Decida qué elementos estudiará y colecte los datos
Al diseñar una hoja de chequeo para registrar los
datos tenga en cuenta:
• Qué datos se colectarán
• Para qué se colectarán los datos
• Qué se quiere aprender de los datos
• Cómo se utilizarán los datos. Qué análisis se
hará.
• Quién colectará los datos y cómo los colectará
• Dónde y cuándo se colectarán los datos.

Hoja de Chequeo (tarjado)
NÚMERO DE QUEJAS RECIBIDAS DE CLIENTES DEL
RESTAURANTE «TODO SALTEADO»
Problemas identificados
Baño Mozo Mala
MES - DÍA Comida fría Cucarachas etc …
sucio desaseado ventilación
Feb 1 I III III IIII IIII II
Feb 2 II IIII I IIII II III I
Feb 3 III III III IIII II
Feb 4 IIII I III III I
Feb … etc etc. etc. etc. etc. etc. etc.

Resuma y determine el total de quejas
Categoría Febrero Marzo Abril Sumatoria
Manteles sucios 30 50 17 97
Mozo desaseado 300 110 95 505
Comida fría 12 8 12 32
Mala ventilación 10 13 60 83
Paredes despintadas y con huecos 1 4 10 15
Baño cerca a cocina 175 100 75 350
Baño sucio 25 52 50 127
Ventanas cerradas 23 20 11 54
Cucarachas 324 265 373 962

Resuma los datos en las categorías más importantes
Categoría Sumatoria
Mozo desaseado 505
Mala ventilación 83
Baño cerca a cocina 350
Baño sucio 127
Manteles sucios 97
Cucarachas 962
Otros 101
Total 2 225

Ordene las categorías de mayor a menor
Suma Porcentaje
Categoría Suma Porcentaje
acumulada acumulado
Cucarachas 962
Mozo desaseado 505
Baño cerca a cocina 350
Baño sucio 127
Manteles sucios 97
Mala ventilación 83
Otros 101
Total 2225

Calcular su porcentaje
Cucarachas 962 43.24 %

Mozo desaseado 505 22.70 %
Baño cerca a cocina 350 15.73 %
Baño sucio 127 5.71 %
Manteles sucios 97 4.36 %
Mala ventilación 83 3.73 %
Otros 101 4.53 %
Total 2225

Acumule las frecuencias de las categorías
(Suma acumulada)
Suma
acumulada
Cucarachas 962 43.24 % 962
Mozo desaseado 505 22.70 % 1467
Baño cerca a cocina 350 15.73 % 1817
Baño sucio 127 5.71 % 1944
Manteles sucios 97 4.36 % 2041
Mala ventilación 83 3.73 % 2124
Otros 101 4.53 % 2225
Total 2225

Acumular los porcentajes
Suma Porcentaje
acumulada acumulado
Cucarachas 962 43.24 % 962 43.24
Mozo desaseado 505 22.70 % 1467 65.94
Baño cerca a cocina 350 15.73 % 1817 81.67
Baño sucio 127 5.71 % 1944 87.38
Manteles sucios 97 4.36 % 2041 91.74
Mala ventilación 83 3.73 % 2124 95.47
Otros 101 4.53 % 2225 100.00
Total 2225

Datos para construir el diagrama
Suma Porcentaje
acumulada acumulado
Cucarachas 962 43.24 % 962 43.24
Mozo desaseado 505 22.70 % 1467 65.94
Baño cerca a cocina 350 15.73 % 1817 81.67
Baño sucio 127 5.71 % 1944 87.38
Manteles sucios 97 4.36 % 2041 91.74
Mala ventilación 83 3.73 % 2124 95.47
Otros 101 4.53 % 2225 100.00
BARRAS LÍNEA

Dibuje los ejes, las barras y la línea de porcentaje acumulado
2225 100
Suma de
2000
todas las
NÚMERO de QUEJAS
80
quejas 1600 DIAGRAMA DE PARETO
Porcentaje
Restaurante «Todo salteado»
60
1200 Quejas de comensales
(%)
962 Periodo: 1 feb al 30 abr 2010
N = 2225 40
800
505 1º de mayo 2010
400 350Hecho por: R. Valverde 20
127 97 83 101
0 0 Incluir
desasea…
ventilac…
cerca a…
información
sucio
Manteles
Cucarach
Otros
Baño
Baño
sucios
Mozo
Mala
relevante
as

Estratificar es seguir dividiendo las categorías
Estratificación
 Estratificar por Por turno
 Estratificar por tipo de
Por producto
etapa máquina
del proceso
M1 M1 M2 M3
P1 P2 P3 P4 P5
Si no hay clara
diferenciación,
L1 L2 L3 L4 L5 busque otra
clasificación
 Estratificar por línea
de producción
Reclamos de clientes por
Estratificar producto no conforme retrasos de préstamos
Motivos de reclamos de clientes Reclamos por día de la semana
100%
100%
500
200
80% 80%
# de reclamos
400
# de reclamos
% acumulado
60% 150 60%
300
200 40% 100 40%
100 20%
50 20%
0 Retrasad Error Faltan Falta Incomple

0%
Otros 0 0%
o crítico hojas informac to Miér
Lun Vier Mar Jue
# reclamos 243 170 45 33 12 18 cole
es nes tes ves
s
% acumulado 46,6% 79,3% 87,9% 94,2% 96,5% 100,0%
# reclamos 124 54 45 15 5
% acum 51,0% 73,3% 91,8% 97,9% 100,0%

Medir antes después de una mejora
Acciones
sobre
MEJORA las causas
raíz
ANTES DESPUÉS

Mejora en la reducción de fallas en hojas de fotocopiado
Abril -Mayo 2018
178 100 DEFECTOS
A Oscuras
160 B Claras
Mejora: C Sucias
140 80
D Movidas
Las fallas se redujeron
E Arrugadas
120 en 51,7% F Otros
Frecuencia
60
Porcentaje
100
86 Junio – Julio 2018 100
80 80
40 80
N = 178 60
60
Frecuencia
Porcentaje
60
40 40 N = 86
20 40
20 20 20
0 0 0 0

“Antes” y “Ahora”
183
100
100
183

Evite errores al estratificar
100.0% 100.0%
1400
7000
90.0% 90.0%
1200
6000 80.0% 80.0%
70.0% 1000 964 70.0%

5000
60.0% 60.0%
800
Nº cajas
Nº cajas
4000
50.0% 50.0%
600
3000 40.0% 40.0%
30.0% 30.0%
400
2000
1432 20.0% 237 20.0%
198
200
1000
10.0% 10.0%
33
0 0.0% 0 0.0%
Compue Costura Costura
Falso Aplicació Sin Falla
Costura sto Costura sin lado
cierre
fresco
n barniz código costura
barniz tapa
Nº cajas 1432 1338 150 30 0 Nº cajas 964 237 198 33
% acum 18.8% 36.4% 38.3% 38.7% 100.0%
% acum 67.3% 83.9% 97.7% 100.0%
Ejercicio Diagrama de Pareto
Elaborar el diagrama de Pareto según el

enunciado del ejercicio:
“Rechazos en fábrica de estampados de metal”

Capítulo 6
Análisis de causas
Diagrama de Causa y Efecto
Principio de Priorización
• Los problemas de calidad aparecen en forma de pérdidas (ítems
defectuosos y sus costos)
• La mayoría de las pérdidas se debe a pocos tipos de defectos
• Los defectos se deben a muy pocas causas
• Al eliminar las pocas causas, podemos eliminar la mayoría de las
pérdidas.
Muchas
Pérdidas
Pocas causas

Diagrama de causa y efecto (C-E) y estructura
• El diagrama causa-efecto es una • Deben elaborarse afirmaciones de
herramienta que usa la lluvia de hipótesis
ideas (brainstorning). No es una
• La verificación puede tomar muchas
prueba.
formas
• Identificar, clasificar y desplegar
• Ilustrar en forma gráfica las
las causas posibles de un
relaciones entre un resultado o
problema específico o de una
efecto y los factores que influyen en
característica de calidad;
este resultado
• El equipo de mejora decide
• Depende del proceso y el problema
donde enfocarse

Aplicaciones o usos
Se emplea cuando el Equipo de Mejora

debe:
• Clasificar y relacionar factores (y sus
interacciones) que perjudican un proceso
o un efecto particular. Causas Efecto
• Analizar problemas existentes para tomar
acciones eficaces.
• Descubrir factores sobre los que sea
posible actuar.

Ventajas del uso del Diagrama C-E
• Usa un formato ordenado y fácil de

• Ayuda a identificar las áreas
leer para representar relaciones
donde debe colectarse data para
causales.
un posterior estudio.
• Promueve el trabajo en equipo y
• Permite diseñar las acciones
utiliza el conocimiento del grupo en
correctivas a partir de las causas
el proceso.
identificadas, asegurando la
• Incrementa el conocimiento del prevención de la repetición del
proceso ayudando a todos a problema.
aprender más acerca del proceso y
los factores que afectan el trabajo y
cómo éstos se relacionan.
Método del ¿Por qué? ¿Por qué?...
Consiste en preguntarse constantemente: ¿Por qué? ¿Por qué?

• Ventaja del modelo. Al desglosar las dispersiones ayuda a organizar y
vincular los factores que las causan.
• Inconveniente. A menudo la forma que adopta depende de quién lo
construye y que a veces no se consignan causas menores.

¿Cuál es el
Problema?
¿Por qué?-5 veces ¿Qué contramedidas
estamos
¿Por ¿Qué causó físicamente este Solución implementando para
qué? problema?
resolver el problema?
¿Por qué?-5 veces
¿Cómo vamos a
¿Por ¿Qué detuvo este problema Solución asegurar que podemos
qué? desde que fue detectado? detectar el problema?
¿Por qué?-5 veces
¿Por ¿Cómo queremos
¿Qué sistema(s) fallaron que Solución
qué? mejorar nuestros
pudieron haber impedido que
sistemas?
ocurra el problema?

¿Por qué? ¿Por qué? ¿Por qué?
El auto se ¿Por qué hubo ¿Por qué no ¿Por qué no se

plantó. avería grave del había suficiente detectó la fuga
¿Por qué?  motor?  aceite?  de aceite? 
Avería grave Insuficiente Fuga no No se revisó
del motor. aceite detectada niveles de aceite
¿Por qué el mantenimiento ¿Por qué no se revisaron

era incorrecto?  los niveles de aceite?
Etc. Mantenimiento
incorrecto del auto
Titanic
https://www.problemsolving.pro/cause-mapping-diagrama-de-ishikawa/

Pasos generales para construir el diagrama C-E
Primer paso.
Decidir la Característica de Calidad que se desea mejorar y controlar. (Por
ej.: “Oscilación durante la rotación de la máquina”)
Característica crítica de calidad: “Oscilación”. En este ejemplo, la
mayoría de los defectos que presentan las piezas producidas en una
fábrica se deben a una rotación oscilante.
Para eliminarla, es preciso hallar sus causas.

Segundo paso.
Escribir la Característica de Calidad, o
el Problema, a la derecha. Trazar una flecha
gruesa de izquierda a derecha.
Oscilación

Tercer paso.
Indicar los factores más importantes
que pueden causar la oscilación. Operarios Materiales
Reunir los posibles factores causales
de dispersión más generales en
grupos como materias primas Oscilación
[Materiales], equipo, máquinas [ Efecto ]
[Herramientas], método de trabajo
[Operarios] y método de medición Inspección Herramientas
[Inspección]. Cada grupo formará una
rama principal.
Cuarto paso.
Incorporar en cada una de esas ramas principales los factores que se pueden
considerar como causas.
Estas causas formarán las ramificaciones menores.
En cada ramificación menor añadir factores aún más detallados, trazando
ramas cada vez más pequeñas.
Si se evalúan apropiadamente los factores relacionados, será muy probable
identificar la(s) causa(s) del problema.

Reglas para el dibujo del diagrama C-E

¿Por qué existe
¿Por qué tiene lugar dispersión en los
la oscilación de la materiales? A causa
máquina b
de la dispersión en el
(dispersión)? c Soporte de eje G. El
Por la dispersión de “Soporte de eje G”
los materiales. En el pasa a ser una
diagrama C-E se ramificación menor o
consigna “Material" a
secundaria de la rama
como una de las ¿Por qué hay defectos en el proceso de antes dibujada.
categorías pricipales. producción? Debido a la oscilación de la
máquina (dispersión). Por lo tanto, la
oscilación de la máquina es una
Característica de Calidad
Operarios Materiales
Quinto paso. 6,4
Tamaño
Grande 2,6 Grande
Es preciso verificar que todos Eje 6
Soporte de
central
los factores que pueden Calidad del
material
eje G
causar dispersión estén Roscas

incluidos en el diagrama. Cubierta F Tuercas
Si lo están, y si han quedado Oscilación

adecuadamente ilustradas las
relaciones entre causas y Cubierta de
efectos, el diagrama está eje G Cubierta del
soporte, eje G
completo.
Cubierta de
(4 M’s, 6 M’s, o las categorías eje F
que apliquen)
Inspección Herramientas

Operarios Materiales
6,4
Tamaño
Grande 2,6 Grande
Eje 6
central Soporte de
Calidad del eje G
Contenido material
Calidad del material
11,6
Irregular Roscas
Cubierta F Tuercas
9
Cavidad Ajustadas Flojas
Intervalo
axial
Oscilación
Medición
Errores Descentrada Descentrada
medi-
Instru- Ajuste
ción Abertura de cubierta
mento de
medición Cubierta de
eje G Cubierta del
Experiencia Taladro de metal soporte, eje G
Tope
Método de Cubierta de axial
evaluación eje F Irregular
Ancho de
punzón Blindado
Inspección Herramientas
Modelo de clasificación según el proceso de producción
El cuerpo principal del diagrama sigue el proceso de producción y va

incorporando todo lo que puede influir sobre la calidad en cada etapa
del proceso.
La dispersión ocurre durante el proceso de producción, de manera que
es preciso recorrer una a una las etapas del proceso para buscar las
causas.
Es fácil de construir y entender porque sigue el orden del proceso de
producción.

Ejemplo de modelo según proceso de producción

Con un Esquema del Proceso
Imagen "NATURALEZA DE LA MADERA" - https://slideplayer.es/slide/10471602/

Modelo de enumeración de causas
• Simplemente se hace una lista de todas las causas posibles.

• Las ideas de todos son necesarias.
• Enumere la mayor cantidad de causas en que usted puede pensar.
• No debe limitar sus ideas a los modelos C-E de causas ni al orden que
sigue el proceso. Piense con la mayor libertad posible.
• Se enumeran todas las causas posibles, con lo que no se omite ninguna
que sea importante. Así, al considerar la relación entre la causa y el
efecto, el diagrama es muy completo.

Paso 1 Paso 2 Paso 3
• Cada miembro del equipo • Conforme se discuten las • Ordene las categorías en el
considere los factores que relaciones, agrupe los formato de un diagrama de
piensa influencian las factores causales en causa-efecto
características. pequeñas categorías sobre Las grandes categorías serán
• Realice sesiones de “Lluvia la base de las sugerencias. las ramas de primer orden o
de ideas” con el equipo para • Luego, agrupe estas mayores
sintetizar ideas. pequeñas categorías en Las categorías medias serán
• Escriba las ideas en una medias y grandes las ramas medias, y
pizarra o gran hoja de papel Las categorías pequeñas, las
preparados anticipadamente. ramas de tercer orden o
pequeñas

Categorías de causas que pueden ayudar
Personal Maquinaria y equipo Medición

• Actitud • Instalación • Colección de muestras
• Salud • Mantenimiento  Método
• Socialización  Preventivo  Tamaño de muestra
• Potencial  Correctivo • Control metrológico
• Motivación • Lubricación  Verificación
• Habilidades  Manual  Calibración
• Conocimientos  Automática  Incertidumbre
• Higiene personal • Puesta a punto • Mantenimiento
• Seguridad

Categorías de causas que pueden ayudar
Métodos Medio ambiente Materiales

 Controles • Iluminación • Proveedores
 Actualización • Ruido • Substitutos
 Auditoría • Clima • Especificaciones
 Disponibilidad  Temperatura
• Empacado
 Aplicación  Humedad
• Transporte
 Ventilación
 Comprensión • Conservación
• Polvo
 Difusión
• Presión • Seguridad
 Redacción
• Higiene
 Estructura

Diagrama de causa y efecto siguiendo el modelo de
enumeración de causas
OPERARIO MÁQUINA
cansado dimensiones
peso
grande
condición
mecanizado ligero
física
basto rectificadora
entrenamiento
nervioso torno
retraso
frecuencia rotacional
cuidado inadecuado
falta
Muchas fisuras en
rectificado de lentes de
mezcla de contacto
retorno
tiempo material contaminante
corto no conecta
solución de remoción blando
presión rectificado
de impurezas bloque P
largo
fluido de remoción de filtro fluido contaminante
impurezas tiempo
repleto
pendiente artesa agente rectificador virutas de corte conexión
llena
grandes permanecen Producto: lente de contacto
áspera artesa
partículas Proceso: rectificado
ratio de torno
Fecha: 23-07-03
mezclas
MATERIAL MÉTODO Grupo de producción: Alianza

Diagrama C-E por errores en transcripción de recetas
Médico Enfermeras
4 ////
Se transcribe sin
verificar la lista de
// //// 3
Uso de
Método no fijo medicinas
abreviaturas
de dar
Mal escrito instruciones Muchos errores No se enseñó
de t ranscripción mét odo de
Inst ruccion Falta t ranscripción
Escritura ilegible
es verbales No hay hábito de delegación
veriicación 1
/// Inst ruccio-
//// //// /
Las líderes
nes t ardías t ienen mucho
Ocupado
Entra llamada Responsabilidad por hacer t rabajo
telefónica las entradas no clara 2 ///
Muchos errores por 8 Cont enido

nombres abreviados
/// Nombre mal omit ido
Muchos errores leído ///
Omisión
de transcripción 5
por confiarse en /// 6
la memoria
Piensa que él/ella conoce la
Presentación capacidad del envase
Escrito usando Líneas muy de detalles
el nombre interno juntas alejada
Las líneas están No existe el hábito de
muy juntas Es difícil leer la verificar
7 ///
Como se usa con lista de
frecuencia, no se utiliza Es difícil leer la medicinas
lista de medicinas 9 ////
Hábito de mirar la lista
6 /// 9 //// no establecido
Nombre de medicina Dosis

¿Cuál(es) será(n) la(s) causa(s) raíz?
En resumen, si usando
cualquiera de los
modelos anteriormente
descritos , se consigue
identificar las causas
posibles del problema,
¿Cómo llegar a las causas
raíz? Se aplica la técnica
de multi-votación.

Otro ejemplo para escoger causas raíz – Multivotación
Problema: Falta de una mejor estrategia de marketing

Propósito: Elegir las causas raíz de mayor impacto en el problema de tener una falta de estrategia de
marketing.
Votación
ITEM
Causas identificadas después de aplicar el diagrama C-E

1ra 2da Ord.
1 Falta de apoyo al departamento de marketing 5 4 4.5 1ro.
2 Bajo presupuesto 2 1 1.5
3 Falta de motivación por parte de la empresa y capacitaciones 5 3 4 2do.
4 Tendencia de consumo de productos oriundos 3 2 2.5 4to.
5 Nuevas tendencia cada día 1 3 2
6 Productos poco novedosos 3 4 3.5 3ro.
Para determinar las causas PROBABLES, compare cada causa
DETERMINACIÓN DE posible independientemente con cada hecho de la Descripción del
LAS CAUSAS PROBABLES problema: (QUÉ, DÓNDE y CUÁNDO)
Liste todas las causas posibles: máquinas, materiales, métodos, personas…etc. SÍ NO ?

1
2
3
4
5
6
…Si todas las causas son marcadas SÍ, redefina la descripción del problema
…Si no hay causas marcadas como SÍ, pregunte qué ha cambiado en la Descripción del Problema (QUÉ, DÓNDE,
CUÁNDO)
…Si sólo una causa es marcada SÍ, verifique y pruebe que esta causa es la causa real
…Si más de una causa es marcada Sí, pruebe cada causa independientemente para determinar cuál de ellas causa
realmente el problema o parte de él
Plan de Verificación de causas
(5W 2H)
Qué se Cómo se Quién Cuánto

Causa Por qué Dónde Cuándo
verificará verificará lo hará costará
1
2
3
etc
Desarrolle un formato y elabore un plan de verificación de causas para

cada causa probable y determine si es real o no. Aplicar las (5W y 2H)

Niveles e Ítems de control
• Verificación es importante en el Control

• Hay problemas en implementar el control
• Se habla de indicadores de gestión y de formas de controlar gente,
procesos, materiales, etc.
• Enfocarse en las ideas (conceptos) más que en las palabras

Ítems de control – Según causa-efecto
• Diferenciar entre causa y efecto en los procesos
• Puntos de Verificación: aplican a las causas.
• Puntos de Control: aplican a los efectos (Resultados).
• Sin embargo, son términos relativos.
• Lo que es causa para uno puede ser resultado para otro o viceversa
Punto de verificación = Causa o factor causal

ÍTEMS DE CONTROL
Punto de control = Efecto o resultado

Ítems de control en un Diagrama C-E
Cantidad de materia prima Temperatura (1) Muestreo

Causas y resultados
Cantidad
son términos relativos: recuperada Presión de
lo que es causa para Contenido de
vapor Medición
Apertura de la
uno puede ser el humedad de la válvula
materia prima
efecto (resultado) para Contenido de
otro o viceversa. humedad
Cantidad de
La relación causa- aire
Presión de
efecto genera la Apertura de la vapor
identificación de las válvula
responsabilidades por Velocidad Temperatura (2) Tiempo de secado

el control del proceso
y del resultado
Ítems de control
Cantidad
El contenido de humedad recuperada Presión de
es punto de control para Contenido de
vapor Medición
Apertura de la
el supervisor del área humedad de la válvula
materia prima
debido a que es el Contenido de
resultado del proceso humedad
Cantidad de
aire
La temperatura es causa Apertura de la

Presión de
vapor
del contenido de válvula
humedad y es por ello un Velocidad Temperatura (2) Tiempo de secado

punto de verificación.

Ítems de control
Para el trabajador Cantidad

recuperada Presión de
responsable de ajustar la Contenido de
vapor Medición
temperatura de la máquina humedad de la

Apertura de la
válvula
de secado, la presión de materia prima
Contenido de
vapor y la apertura de la humedad
válvula son causas, es Cantidad de
aire
decir, puntos de verificación Presión de
Apertura de la vapor
válvula
La temperatura para él es
Velocidad Temperatura (2) Tiempo de secado
un punto de control

Ejercicio Diagrama Causa – Efecto (C-E)
Elaborar un diagrama C-E para el caso

“Reducción de la tasa de presentación de propuestas
de mejoramiento”.

Capítulo 7
Cartas de control
Cartas de control de variables
192
¿Qué es una Carta de Control?
Herramienta estadística para controlar y verificar en el tiempo la estabilidad o

variación de una característica clave de calidad de un proceso.
Tipos de cartas de control:

• Cartas de control para variables
• Cartas de control para atributos
Aquí se muestra una carta de control

para variables X-barra-Rango ( -R)
Rodolfo Malpartida 193 193

Variable
• Es una característica que puede tomar diferentes valores; que

cambia o se modifica con el tiempo y/o para diferentes individuos u
objetos en consideración.
• Es susceptible de ser medido y cuantificado. Puede tomar
diferentes valores o ser expresado en varias categorías.

Tipos de cartas de control según tipo de datos
Cartas de variables cuantitativas o continuas

Contienen datos producto de mediciones; por ejemplo, temperatura, presión,
espesor, peso, concentración, potencia, fuerza, costos, etc.
Cartas de variables cualitativas por atributos

Contienen datos como resultado del conteo de atributos de un ítem, producto
o servicio; por ejemplo, errores, fallas, defectuosos, defectos. En general, los
ítems, productos o servicios son calificados como “pasa-no pasa”

Funciones de una carta de control
• Medir las características de un proceso

• Proporcionar información sobre el proceso
• Reducir el número de piezas a chequear
• Cuantificar el proceso
• Conocer la dispersión
• Reducir el costo de la verificación (menor que el costo de inspección)

Beneficios de las cartas de control
• Ayudan a comprender y cuantificar • Un operador las puede usar en su

la variación del proceso puesto de trabajo (autocontrol).
• Monitorear el proceso en tiempo • Se pueden anticipar los efectos de
real las mejoras propuestas
• Centrar el proceso
• Se puede obtener pronta
• Se puede predecir el resultado información para evitar los
del proceso problemas.
• Determinar cuándo tomar acción
• Lenguaje común para comunicarse.
sobre el proceso

Límites de control
• Limites de control superior e inferior.

Son los límites en una carta de control dentro de los cuales los
puntos trazados pueden variar sin necesidad de corrección o
ajuste.
Los Límites de Control se fijan a ± 3σ de la línea central o
promedio del proceso. Se representan con líneas punteadas.
• Línea central
Línea continua que representa el promedio el proceso

Los Límites de Control y la
Distribución normal en una carta de control
LCS
+ 3 sigma  3  x Zona A
+ 2 sigma 2  x Zona B +3s
+ 1 sigma Zona C
2  x
Media del
 3 x
1 x
95.45 %
1 x
99.73 %
68.26 %
proceso x
- 1 sigma  1 x Zona C

-3s
- 2 sigma  2  x Zona B
- 3 sigma  3  x Zona A
LCI
Los límites de control se colocan a

± 3 desviaciones estándar de la media del proceso
la característica de calidad Elementos de una Carta de Control
Unidad de medición para
LCS
LCS:
Límite de control superior
LC LC :
Línea central (promedio)
LCI:
LCI Límite de control inferior
1. Eje de las X
2. Eje de las Y
3. Línea central o promedio
4. Límites de control
5. Zonas
6. Punto fuera de límite de control

Zonas en los Gráficos de Control
Zona A
Zona B
Zona C
Zona C
Zona B
Zona A
LCS= Limite Control Superior LAS= Límite alarma Superior

LCI= Limite Control Inferior LAI= Límite alarma Inferior
Elementos y principios básicos de
una Gráfica de Control
Característica
de calidad Límite Superior de Control LSC
LC Línea Central
LIC
Límite Inferior de Control
1 2 3 4 5 6 7 8
Número de subgrupo o
muestra
Tipo
Continuos de datos Atributos
Elegir una
Carta de ¿En Sub
Grupos? ¿Qué está
Control SÍ
contando?
NO Tamaño Elementos Defectos

Sub Grupos defectuosos por unidad
Tamaño Tamaño Tamaño
Tamaño
Sub grupo Muestra muestra
Sub grupo
8 constante variable
8
I-MR X barra-R X barra-S Grafico p Gráfico C Gráfico U

Identificar los elementos de esta Carta de Control
Carta de promedios y rangos - contenido neto
410.6
Contenido pr omedio (gr amos) U C L=410.5257
410.4
410.2 _
_
X=410.1133
410.0
409.8
LC L=409.7010
1 3 5 7 9 11 13 15 17 19 21 23
H or a
1.6
U C L=1.512
1.2
Rango móvil
0.8 _
R=0.715
0.4
0.0 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23
H or a

• Se usan cuando es posible obtener mediciones.
• Permiten observar cuánto difieren entre sí las muestras.
• Pueden aplicarse a ratios y proporciones no discretas (másicas); por
ejemplo:
– Tiempos de ciclo de un proceso.
– Tiempos de atención al cliente.
– Concentración de un elemento en una masa, expresada en %
– Temperatura de procesamiento.
– Costos de bienes o servicios.
– Consumo de electricidad.

Tipos de cartas de control de variables (datos continuos)
• Valores individuales y rango móvil

• Media móvil y rango móvil
• Medias y rangos
• Medias y desviación estándar

La mayoría de los procesos se pueden medir

– Una medición suministra más información que un “sí” o un “no”
– Las muestras requeridas son más pequeñas
– La medición suministra simultáneamente la tendencia central y la
dispersión
– La acción correctiva es más rápida (en tiempo real)

Carta de
Mediciones Individuales y
Rango Móvil
Cartas de Mediciones Individuales y Rango Móvil
A veces, es necesario que el control del proceso se base en lecturas individuales más
que en datos de subgrupos. Esto podría ocurrir cuando:
• Las mediciones son caras (p. ej., pruebas • Procesos que requieren de control en
destructivas), tiempo real
• Cuando la salida del proceso es • Procesos de muy baja frecuencia de
relativamente homogénea (ej., el pH de muestreo o de generación de datos
una solución química) • En fábricas de papel, las mediciones de
• Se usan cuando ya se ha llegado a un algunos parámetros tal como el espesor
cierto grado de control del proceso y se del recubrimiento a través del rollo se
tiene como finalidad verificar ese nivel de diferenciarán muy poco, su desviación
control que ha alcanzado el proceso estándar será muy pequeña.
Cartas de Mediciones Individuales y Rango Móvil
• En muchas aplicaciones de la carta de control de mediciones

individuales se emplea el rango móvil de dos observaciones sucesivas
como base de estimación de la variabiliad.
• El rango móvil se define como:
RMi = │xi − xi−1│

Ejemplo de Cartas de Mediciones Individuales y Rango
Móvil
El área de préstamos para hipoteca de un banco monitorea los costos de los
préstamos. La cantidad monitoreada es el promedio de los costos de
procesamiento semanal, obtenidos dividiendo los costos semanales totales
entre el número de préstamos procesados durante la semana.
𝑪𝒐𝒔𝒕𝒐𝒔 𝒔𝒆𝒎𝒂𝒏𝒂𝒍𝒆𝒔 𝒕𝒐𝒕𝒂𝒍𝒆𝒔

𝒙 𝑪𝒐𝒔𝒕𝒐𝒔 =
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒑𝒓é𝒔𝒕𝒂𝒎𝒐𝒔 𝒑𝒓𝒐𝒄𝒆𝒔𝒂𝒅𝒐𝒔
Ver datos a continuación:

Datos para Mediciones Individuales y Rango Móvil (I-RM)
SEM 1 2 3 4 5 6 7 8 9 10
Costo 310 288 297 298 307 303 294 297 308 306
SEM 11 12 13 14 15 16 17 18 19 20
Costo 294 299 297 299 314 295 293 306 301 304

Calcular los rangos móviles: RMi = │xi − xi−1│
SEMANA 1 2 3 4 5 6 7 8 9 10
Costo 310 288 297 298 307 303 294 297 308 306
Rango Móvil 22 9 1 9 4 9 3 11 2
1er. RM = │310 − 288│= 22

2do. RM = │288 − 297│= 9
3er. RM = │297 − 298│= 1
Completar los RM para las 20 semanas…
Obtener los promedios de los costos individuales (x) y
Rangos Móviles (RM)
SEMANA 1 2 3 4 5 6 7 8 9 10
Costo 310 288 297 298 307 303 294 297 308 306
RM 22 9 1 9 4 9 3 11 2
SEMANA 11 12 13 14 15 16 17 18 19 20
Costo 294 299 297 299 314 295 293 306 301 304
RM 12 5 2 2 15 19 2 13 5 3
∑ Costo / 20 = 6010/20 = 300,5
∑ RM/19 = 148/19 = 7,79
Calcular los Límites de Control
Límites de control para x individuales:
• LCSx = 𝑥 + 𝐴3 𝑅𝑀 = 300,5 + 2,66 *7,79= 321,22
• LCIx = 𝑥 − 𝐴3 𝑅𝑀 = 300,5 − 2,66 * 7,79 = 279,78
Límites de control para el Rango Móvil (RM):

• LCSRM = 𝐷4 𝑅𝑀 = 3,268 * 7,79 = 25,45
• LCSRM = 𝐷3 𝑅𝑀 = 0 * 7,79 = 0

Interpretar el Estado de Control
Verifique si en la carta de rango
móvil existen puntos fuera de los
límites de control que indiquen la
presencia de causas especiales.
Note que los sucesivos rangos
móviles están correlacionados,
debido a que tienen al menos un
punto en común; debido a esto,
se debe tener cuidado al
interpretar las tendencias.
Podría requerirse asesoría de un
experto estadístico para la
interpretación de tendencias.
Interpretar el Estado de Control
• Para la carta de x de datos individuales, verificar tendencias, observar

fluctuaciones; éstas tienen relación con la uniformidad o dispersión.
• Buscar ciclos o agrupamientos
• El conocimiento del proceso ayudará a encontrar las causas de estos
problemas.
• Las cartas de valores individuales no son tan sensibles como las cartas
de medias y rangos

Ejercicio Carta Mediciones Individuales y Rango Móvil
Elaborar una carta de mediciones individuales y rango

móvil (I-RM) para el caso de control de temperatura de
un horno en el que se hacen impresiones de láminas de
acero. Consultar el anexo.
Calcular los límites de control e interpretar el proceso
220
Carlos Deza y Rodolfo Malpartida
Carta de Control
de Promedios y Rangos
-R
221
Usos de la carta de promedios y rangos -R
• Cuando podemos colectar un subgrupo de muestras de un proceso y

medirlas
• El subgrupo puede variar entre 2 y 6, aunque podría ser hasta 9 ó 10;
sin embargo, la recomendación es 4 ó 5 ítems por subgrupo
• El tamaño del subgrupo se representa con la letra “n”
• El número de subgrupos en una carta se representa con la letra “k”
• El número de subgrupos utilizado normalmente es k = 25

Construcción de la carta -R
a) Revisar y evaluar la data colectada
b) Calcular el estadístico a utilizar (promedio, valor individual, rango, …)
c) Calcular la línea central (LC)
d) Calcular los límites de control
e) Graficar las cartas
f) Evaluar la calidad de los datos
g) Recalcular parámetros, si es necesario
h) Decidir la implantación
i) Establecer la información complementaria que deberá registrarse
j) Desarrollar el formato final
Construcción de la carta -R
Colectar datos
- Definir qué datos, en grupos pequeños
- Desarrollar Plan de colección de datos
- Seleccionar el tamaño del subgrupo (n)
- Generalmente 2 ≤ n ≤ 6
Definir la frecuencia del subgrupo
- Dependerá de la variación
Registrar los datos en Hoja de registro

Hoja de registro de datos
Hora X1 X2 X3 X4 X5 Prom. Rango Observaciones

08:30 AM 84 85 83 84 84 84,0 2
09:00 AM 86 87 85 86 87 86,2 2 Corte de corriente a las 09:25 horas
09:30 AM 82 82 81 84 83 82,4 3
10:00 AM … … … … … … …
Característica medida: Temperatura

Frecuencia: cada media hora
Tamaño de muestra (n): 5
Número de muestras o subgrupos (k): 25

SUB-
X1 X2 X3 X4 PROMEDIO RANGO
GRUPO
1 6.35 6.40 6.32 6.37
2 6.46 6.37 6.36 6.41
3 6.34 6.40 6.34 6.36
EJEMPLO: 4 6.69 6.64 6.68 6.59
PLANIFICACIÓN DE LA 5 6.38 6.34 6.44 6.40
6 6.42 6.41 6.43 6.34
COLECCIÓN DE DATOS 7 6.44 6.41 6.41 6.46
8 6.33 6.41 6.38 6.36
Característica medida: diámetro 9 6.48 6.44 6.47 6.45
10 6.47 6.43 6.36 6.42
(mm) de barras de acero XSZ 11 6.38 6.41 6.39 6.38
12 6.37 6.37 6.41 6.37
13 6.40 6.38 6.47 6.35
Frecuencia: cada 15 minutos 14 6.38 6.39 6.45 6.42
15 6.50 6.42 6.43 6.45
16 6.33 6.35 6.29 6.39
Tamaño de muestra (n): 4 piezas 17 6.41 6.40 6.29 6.34
seguidas 18
19
6.38
6.35
6.44
6.41
6.28
6.37
6.58
6.38
20 6.56 6.55 6.45 6.48
Número de muestras o subgrupos 21

22
6.38
6.39
6.40
6.42
6.45
6.35
6.37
6.40
(k): 25 subgrupos 23 6.42 6.39 6.39 6.36
24 6.43 6.36 6.35 6.38
25 6.39 6.38 6.43 6.44
SUB
X1 X2 X3 X4 Promedio Rango
GRUPO
1 6.35 6.40 6.32 6.37 6.36 0.08
Construcción de una 2 6.46 6.37 6.36 6.41 6.40 0.10
3 6.34 6.40 6.34 6.36 6.36 0.06
Carta de Control 4
5
6.69
6.38
6.64
6.34
6.68
6.44
6.59
6.40
6.65
6.39
0.10
0.10
6 6.42 6.41 6.43 6.34 6.40 0.09
7 6.44 6.41 6.41 6.46 6.43 0.05
Paso 1. Calcular la media de las 8
9
6.33
6.48
6.41
6.44
6.38
6.47
6.36
6.45
6.37
6.46
0.08
0.04
x ( X) y el rango promedio ( R ) y 10 6.47 6.43 6.36 6.42 6.42 0.11
1 6.38 6.41 6.39 6.38 6.39 0.03
los trazamos en las cartas 12 6.37 6.37 6.41 6.37 6.38 0.04
13 6.40 6.38 6.47 6.35 6.40 0.12
14 6.38 6.39 6.45 6.42 6.41 0.07
15 6.50 6.42 6.43 6.45 6.45 0.08
 Xi 160.25 16 6.33 6.35 6.29 6.39 6.34 0.10
X    6.41 mm 17 6.41 6.40 6.29 6.34 6.36 0.12
n 25 18 6.38 6.44 6.28 6.58 6.42 0.30
 rangos 2.19 19 6.35 6.41 6.37 6.38 6.38 0.06
R   0.0876 mm 20 6.56 6.55 6.45 6.48 6.51 0.11
k 25 21 6.38 6.40 6.45 6.37 6.40 0.08
22 6.39 6.42 6.35 6.40 6.39 0.07
23 6.42 6.39 6.39 6.36 6.39 0.06
24 6.43 6.36 6.35 6.38 6.38 0.08
25 6.39 6.38 6.43 6.44 6.41 0.06
6.41 0.0876

Dibujar los puntos de datos y promedios en la carta de rangos y luego en la de promedios
1
6.6
P r omedios
1
6.5
U C L=6.4759
_
_
6.4 X=6.4099
5 5 LC L=6.3439
1
6.3
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
1
0.3
0.2 U C L=0.2066
Rangos
_
0.1 R=0.0905
0.0 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

Unir los puntos de datos de las cartas de rangos y promedios
1
6.6
P r omedios 1
6.5
U C L=6.4759
_
_
6.4 X=6.4099
5 5 LC L=6.3439
1
6.3
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
1
0.3
0.2 U C L=0.2066
Rangos
_
0.1 R=0.0905
0.0 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

Calcular los límites de control
Límites de control de los Promedios
LCSX  X  (A2 * R )  6,41  (0,729 * 0,0876)  6,474
LCIX  X - (A2 * R )  6,41 - (0,729 * 0.0876)  6,346
Ver tabla Anexo
Límites de control del Rango

LCSR  D4 * R  2,28 * 0,0876  0,199
LCIR  D3 * R  0 * 0,0876  0
Ver tabla Anexo
Interpretación del Estado de Control
La variación de los subgrupos debería ser al azar si no existen causas

asignables de variación.
Objetivo de la Interpretación del Estado de Control:

• Identificar cualquier evidencia de que la variabilidad del proceso o del
promedio del mismo no esté operando a un nivel constante
• Tomar la acción apropiada

Proceso en Estado de Control
En las cartas de promedios y rangos ( -R) de un proceso en estado en

control se debe observar:
1. Si la distribución de los datos corresponde a la distribución normal
estándares
2. La ausencia de patrones no aleatorios de variación (incluye ausencia
de puntos fuera de los límites de control)

Interpretación de la carta de control de variables Señales de
fuera de control

Interpretación de la carta de control de variables Señales de fuera de
control

Resumen de Patrones no aleatorios
CARTA DE RANGOS
• La carta de rangos se considera la carta más importante en un estudio
de capacidad de un proceso, por ello se le evalúa primero.
• Si no está en control estadístico, se deberán investigar y eliminar todas
las causas especiales antes de interpretar la carta de medias
• Cuando la carta de rangos está fuera de control puede deberse a
mantenimiento insuficiente, malas reparaciones (influencia de la
máquina), trabajadores nuevos o algo que los moleste (predominio del
trabajador).

Resumen de Patrones no aleatorios
CARTA DE MEDIAS
• Representa el centramiento del proceso
• Acciones relacionadas con:
• Ajuste del equipo o máquina
• Características particulares de materiales o partes usadas
• Cambio o ajuste de los métodos de trabajadores o inspectores
• La carta de medias se interpreta siempre y cuando la carta de R esté
en control

Cálculo de nuevos límites de control
Revisión de la carta de rangos

• Si se eliminó algún subgrupo por • Excluya los subgrupos afectados
causas especiales identificadas en por las causas especiales
la carta de rangos, deberá identificadas y calcule nuevos
también eliminarse de la carta de límites de control.
medias • Puede encontrar efectos de los
• Deberá utilizarse los nuevos periodos fuera de control en un
promedios para y R para estudio inicial o en un nueva
calcular los nuevos límites de evaluación de la capacidad del
control para medias. proceso.

Cálculo de nuevos límites de control
Exclusión de datos
– No sólo se trata de “excluir datos anómalos”
– Mediante la exclusión podemos estimar el nivel que se puede alcanzar
con las causas comunes
– Esto no significa que deban dejarse las cosas así como están
– Deberá cambiarse el proceso eliminando las causas especiales
identificadas

Ejercicio diagrama -R
Construya un diagrama - R para el caso de medición

del desgaste de llantas. Comente.
Véase la hoja de datos en el anexo.

Capítulo 8
Cartas de control de atributos
• Se usan cuando sólo es posible establecer la ausencia o existencia de

una o más características, así como la ocurrencia de eventos que
puedan ser contados
• Proporcionan menos información que las cartas de variables
• Se aplican a proporciones discretas; por ejemplo, porcentaje de no
conformes en un lote o unidad de muestreo

Terminología
• No conforme/Defectuoso
Producto (bien o servicio) que incumple uno o más requisitos
especificados; producto con uno o más defectos.
• No conformidad/Defecto
Requisito especificado incumplido por un producto; defecto de un
producto o servicio.

Cartas de Control de Atributos
• Los datos de atributos sólo tiene dos valores:
– Conforme/no conforme
– Pasa/no pasa
– Presente/ausente
• Ejemplos:
– Con etiqueta/sin etiqueta en el envase
– Peso conforme/peso no conforme
– Documento con errores/documento sin errores
– Tela con huecos/sin huecos
– Diámetro conforme/diámetro no conforme

Calibradores “pasa” “no pasa”

Ventajas
• Datos por atributos existen en todos los procesos
• Los datos se pueden obtener en forma rápida y económica
• Una carta de atributos puede controlar varias características
• Es más fácil de construir y de interpretar. No requiere
especialización.
• Se utilizan cartas individuales, no en pares como las cartas para
variables

Tipos de cartas control de atributos (Datos que se cuentan)
Unidades
Defectos
defectuosas
• Fracción defectuosa (p)
Muestra de
• Unidades defectuosas (np) Gráfico p Gráfico u
tamaño variable
• Número de defectos (c) Muestra de
tamaño Gráfico np Gráfico c
• Defectos por unidad (u) constante

Carta de p
(Proporción de no conformes)
Carta de p
Analiza las variaciones en la fracción o proporción de artículos
defectuosos en un proceso.
Se toma una muestra o sub-grupo de n artículos (todo o parte de un
pedido, un lote, un embarque o cierta producción). Se revisa cada uno de
esos n artículos y se busca defectuosos.
Cada componente, parte o ítem que se chequee, debe ser registrado
como conforme o no conforme.
– Los ítems no conformes son expresados como una fracción decimal del
tamaño de un subgrupo.
– Por facilidad de comprensión, suele expresarse como porcentaje.

Preparación previa al uso
– Establezca un ambiente adecuado para la obtención de los datos.

– Determine la característica que será administrada;
– Minimice la variación indeseable. Reduzca las causas externas de
variación antes de iniciar el estudio.
– Mantenga [si fuese necesario] un archivo de eventos relevantes, tales
como cambios en procedimientos, nuevos lotes de materiales, etc., pues
ayudará en el análisis

Tamaño de los subgrupos
– Por lo general se requiere de tamaños grandes de subgrupos (p. ej.,
50 a 200 ó más subgrupos) para detectar cambios moderados en el
desempeño.
– Por lo general no debe ser menor de 25 subgrupos para dar buena
prueba de estabilidad y - si es estable - un estimado confiable del
desempeño del proceso.
– Deben ser suficientemente grandes como para detectar, por ejemplo,
más de 5 ítems no conformes.
Frecuencia del subgrupo
– Debe tener sentido en términos de periodos de producción
– Seleccionar intervalos de tiempo entre muestras.
Preparación previa al uso
Defina el sistema de medición; para ello:

– Prepare una definición operativa de la característica (mismo
significado para todos)
– Especifique qué información debe colectarse, dónde, cómo y en qué
condiciones
– Elija el tipo de carta que usará y diseñe un formato de carta

Colección de datos
Calcule la proporción de no conformes de cada subgrupo, a partir de:
di = Número de ítems no conformes
ni = Número de ítems inspeccionados (tamaño del subgrupo)
Calcule la proporción de no conformes ( p ) aplicando la fórmula siguiente
e inclúyalos en el formato de datos: di
p
ni
Digamos que en un sub-grupo de 300 artículos inspeccionados se detectaron 15

artículos defectuosos. Entonces el valor p para este subgrupo es:
d 15
p 1   0,05
n1 300

Registro de datos
Sub grupo / Lote 1 2 3 4 5 6 7 …

Tamaño de la muestra ( n ) 300 300 300 300 330 300 300 …
Número de ítems no
15 12 15 7 16 6 18 …
conformes ( di )
Proporción ( p ) 0,05 0.04 0.05 0.02 0.05 0.02 0.06 …
Ver datos completos en la tabla “Válvulas defectuosas – Datos para carta p ”
254
Carlos Deza y Rodolfo Malpartida
“Válvulas defectuosas – Datos para carta p ”
N° Tamaño Válvulas N° Tamaño Valvulas
Proporc. Proporc.
Muest o Sub-grupo Defectuosas Muest o Sub-grupo Defectuosas
pi pi
Lote n i d i Lote n i d i
1 300 15 0.05 11 300 9 0.03
2 300 12 0.04 12 300 4 0.01
3 300 15 0.05 13 300 7 0.02
4 300 7 0.02 14 300 9 0.03
5 330 16 0.05 15 305 5 0.02
6 300 6 0.02 16 295 15 0.05
7 300 18 0.06 17 300 19 0.06
8 280 10 0.04 18 300 7 0.02
9 290 9 0.03 19 300 12 0.04
10 300 25 0.08 20 300 10 0.03
21 300 4 0.01
𝒏= 𝒑=
255
Calcular la proporción promedio de no conformes
y los límites de control
Total de válvulas defectuosas 234

p   0,0371
Total de válvulas inspeccionadas 6300
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑣á𝑙𝑣𝑢𝑙𝑎𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑎𝑠 6300

𝑛= = = 300
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏−𝑔𝑟𝑢𝑝𝑜𝑠 21

Calcular los Límites de Control
Calcule los límites de control superior e inferior:
𝑝(1−𝑝)
𝐿𝐶𝑆𝑝 = 𝑝 + 3 =
𝑛
𝑝(1−𝑝)
𝐿𝐶𝐼𝑝 = 𝑝 − 3 =
𝑛
donde 𝑛 es el tamaño promedio de la muestra

Construya la carta p

Interpretación del estado de control
Analice la evidencia de hallazgos que están fuera de control, como se hace
con las cartas de variables. Sirve para Identificar evidencias de que el
proceso no opera al mismo nivel (está fuera de control) y tomar la acción
apropiada
A diferencia de las cartas de control de variables, en las cartas de
atributos sólo se utilizan cuatro patrones:
1 punto fuera de los límites de control
9 puntos seguidos al mismo lado de la línea central
6 puntos seguidos hacia arriba o hacia abajo
14 puntos alternados hacia arriba y hacia abajo

Gráfica p de Prendas Defectuosas
0.18
1
0.16
0.14
0.12
1
Proporción
0.10 1
1 11
1
0.08 1 11
1 1
1 1 1
0.06
_LCS=0.0519
P=0.0462
0.04 LCI=0.0405
1
1 11 1
1
1
11 1
11 1 1 11 1
0.02
11 1
1
0.00
1 6 11 16 21 26 31 36 41 46
Muestra
Las pruebas se realizaron con tamaños de la muestra desiguales
Interpretación de la carta de control de atributos
Señales de que el proceso está fuera de control
1 punto 6 puntos
fuera de los seguidos hacia
límites de arriba o hacia
control abajo
14 puntos
9 puntos seguidos
alternados hacia
al mismo lado de la
arriba y hacia
línea central
abajo

Registrar las observaciones
En la planilla de datos registre las ocurrencias en la columna o espacio

para “Observaciones” según se vayan presentando, como:
• Cambios en el proceso
• Cambios en materiales
• Cambios de personal
• Problemas de máquinas
• etc.

Ejercicio carta p
Defectos en estatores.
Utilice los datos de la tabla en el anexo.
a) Empleando el tamaño de sub-grupo promedio,
calcule los límites de control.
b) Grafique la carta p e interprétela.
c) ¿El proceso es estable?

Carta de p de tamaño de muestra (n) variable

Carta c
(Contar los defectos)

Carta de control c
• La carta de c mide el número defectos de cada muestra.

• La carta de c se puede aplicar a observaciones como el número de
defectos en 10 metros de tubo, el número de rasguños en una etiqueta,
el número de abolladuras en los envases metálicos de un lote de
conservas , etc.
• El tamaño de las muestras es constante.

Aplicaciones de la carta c
Se aplica a dos situaciones principales:

– Cuando los defectos se reparten en un flujo continuo de producto,
(ej.: fallas en una plancha de metal, manchas en una tela, defectos
en un rollo de papel)
– Cuando los defectos de muchas fuentes potenciales se pueden
encontrar en una sola unidad de inspección (ej., reportes de
inspección de un automóvil)

Colecta de datos para la carta c
• Los tamaños de muestra (número de unidades, área de tela, longitud

del alambre) necesitan ser iguales para que los valores reflejen
cambios en la calidad del desempeño, más que los cambios en la
toma de muestras.
• Use un formato apropiado para registrar los datos
• Registre y dibuje el número de no conformidades de cada subgrupo.

Calcular la línea central (𝑐) y los límites de control
𝑐1 + 𝑐2 + … + 𝑐𝑘
Calcular el promedio de 𝑐 : 𝑐 =
𝑘
Donde c1, c2, … son el número de defectos en cada subgrupo k
Calcular los límites de control: LCc  c  3 c

Ejemplo para carta de c,
Defectos de presentación en conservas de pescado
48 latas por caja
Lote 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117
Tam Muestr 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48
Defect Etiq 9 16 11 18 17 9 12 15 13 12 17 15 13 13 10 9 8 8
Defect Lata 2 0 0 1 0 2 15 4 7 6 0 2 1 0 0 2 2 1
Tot_Defect ( c ) 11 16 11 19 17 11 27 19 20 18 17 17 14 13 10 11 10 9
𝑐1 + 𝑐2 + … + 𝑐𝑘
𝑐 =
𝑘
LCc  c  3 c
Promedio de 𝑐 Límites de control de c
Resumen de las cartas de control
Selección del tipo INICIO
Los datos tienden a estar
normalmente distribuidos debido
de carta de control Variables
al teorema del límite central
Atributos
Tipo de
datos
Individuales
y son normales Subgrupos
Defectos Defectuosos ¿Individuales o
¿Defectuosos subgrupos?
o defectos?
¿Área de ¿Tamaño de
oportunidad SÍ subgrupo es Promedios
constante? SÍ Individuales
constante de muestra a y rangos
muestra? y Rango Móvil
NO
NO
u c p p, np

Fórmulas para las Cartas de Atributos
p (1-p)
Carta p=
# total de unidades no conformes LCSp = p + 3
n
de p # total de unidades de inspeccion (variable)
p (1-p)
LCIp = p - 3
n
Carta
# total de unidades no conformes LCSnp = n p + 3 n p (1- p)
de np np =
# total de unidades de inspeccion (fijo)
LCInp = n p - 3 n p (1 - p)
Carta c=
# total de defectos (c) LCSc = c + 3 c
de c # total de unidades de inspeccion (fijo)
LCIc = c - 3 c
Carta # total de items no conformes (u)
u= u u
de u # total de unidades de inspeccion (n) LCSu = u + 3
n
LCIu = u - 3
n

Capítulo 9
Diagrama de dispersión

- ¿Los estudiantes que tiene más tiempo dedicado
a mirar TV tienen calificaciones más bajas?
- ¿Hay relación entre la edad y la presión arterial?
- ¿Hay relación entre el tamaño del cerebro y

la inteligencia?
1080 pares de
altura
padres/hijos
En: Statistics, by
Freedman, Pisani,
Purves and Adhikari

Diagrama de Dispersión
El diagrama de dispersión es una gráfica tipo x-y
que sirve para analizar relación entre dos
variables numéricas. Los datos empleados
siempre son pareados. Aquí abordaremos la
relación simple:
Investigar si la variación en una variable independiente de entrada ( x )
tiene algún efecto en cierta variable dependiente de salida ( y ), como por
ejemplo:
• Una característica de calidad y un factor que la afecta.
• Dos características de calidad relacionadas, o
• Dos factores relacionados con una sola característica de calidad.
Coeficiente de Correlación
Responde a la pregunta: ¿existe una relación entre las variables?
Sirve para comprender la fuerza o la intensidad de la relación lineal en
términos cuantitativos entre las variables. Se representa con la letra r,
según la siguiente expresión: 𝑆(𝑥𝑦)
𝑟=
𝑆 𝑥𝑥 ∗ 𝑆 (𝑦𝑦)
Donde:
𝑥𝑖 2
𝑆 𝑥𝑥 = 𝑥𝑖 −
2
𝑛
𝑦𝑖 2
𝑆 𝑦𝑦 = 𝑦𝑖 −
2
𝑛
(𝑥𝑖) 𝑦𝑖
𝑆 𝑥𝑦 = 𝑥𝑖𝑦𝑖 −
𝑛

Tipos de relación entre variables
Relación positiva
Ambas variables aumentan o disminuyen a la vez.
• Ej.: Altura de una persona y su peso.
Relación negativa
Mientras una variable aumenta, la otra disminuye y viceversa.
• Ej.: La fuerza muscular de la gente mayor que 60 años disminuye con
el tiempo.

Tipos de correlación
Grados de correlación

Ejemplo
Diagrama de Dispersión de Presión de Aire de
En los datos del caso que Soplado y Porcentaje de Defectos
se presentan en el anexo, 0.94
¿Hay relación entre el 0.93
porcentaje de tanques 0.92
plásticos defectuosos con
% Defectos
0.91
la presión de aire de 0.90
soplado?
0.89
Construya el diagrama de
0.88
dispersión y calcule el
0.87
coeficiente de correlación.
0.86
Comente.
9.0
8.1
8.2
8.3
8.4
8.5
8.6
8.7
8.8
8.9
9.1
9.2
9.3
9.4
9.5
Presión de aire (Kg/cm2)

Pautas para la elaboración de un diagrama de dispersión.
• Es recomendable tener al menos 30 pares de datos.
• Buscar que las longitudes de los ejes horizontal y vertical sean
aproximadamente iguales.
• Utilice el eje horizontal ( x ) para el factor influyente y el eje horizontal ( y )
para la característica de calidad afectada.
• Al registrar los datos en el gráfico, si más de un par de datos coinciden en la
misma posición, mostrar estos puntos como círculos concéntricos (  )
• Anote en el diagrama cualquier información para que otra persona lo
entienda como: título del diagrama, período de tiempo y lugar de donde se
obtuvieron los datos, número de pares de datos, título y unidades de cada
eje, nombre del autor, etc.

Coeficiente de Correlación
Emplear el coeficiente de correlación de Pearson, r, para calificar el grado
de intensidad de la relación lineal entre las variables.
𝑆(𝑥𝑦)
𝑟=
𝑆 𝑥𝑥 ∗ 𝑆 (𝑦𝑦)
𝑥𝑖 2
𝑆 𝑥𝑥 = 𝑥𝑖 −
2
𝑛
𝑦𝑖 2
𝑆 𝑦𝑦 = 𝑦𝑖 −
2
𝑛
(𝑥𝑖) 𝑦𝑖
𝑆 𝑥𝑦 = 𝑥𝑖𝑦𝑖 −
𝑛

Pares de datos para Diagrama de Dispersión de
Presión de Aire de Soplado y Porcentaje de Defectos
(Ver hoja de datos en el anexo)
FECHA x y x2 y2 xy
10-01 8.6 0.889 73.96 0.79032 7.6454
10-02 8.9 0.884 79.21 0.78146 7.8676
10-03 8.8 0.874 77.44 0.76388 7.6912
10-04 8.8 0.891 77.44 0.79388 7.8408
10-05 8.4 0.874 70.56 0.76388 7.3416
10-08 8.7 0.886 75.69 0.78500 7.7082
10-09 9.2 0.911 84.64 0.82992 8.3812
Etc. Etc. Etc. Etc. Etc. Etc.
Total 263.2 26.82 2312.02 23.97834 235.3570
𝑆(𝑥𝑦) 0.0913
𝑟= = = 0.59
𝑆 𝑥𝑥 ∗𝑆 (𝑦𝑦) 2.88 ∗0.00840)
Diagrama de Dispersión de Presión de Aire de
Soplado y Porcentaje de Defectos
0.94
n = 30 R² = 0.3443
0.93
r = 0,5868
0.92
0.91
% Defectos
0.90
0.89
0.88
0.87
0.86
8.1
8.2
8.3
8.4
8.5
8.6
8.7
8.8
8.9
9.0
9.1
9.2
9.3
9.4
9.5
Presión de aire (Kg/cm2)

Notas sobre el coeficiente correlación r
• El coeficiente correlación, r, se encuentra en el rango -1 ≤ r ≤ +1

• Si el valor absoluto de |r| es mayor que 1, ha ocurrido un error de
cálculo.
• Para una correlación positiva fuerte se obtiene un valor cercano a +1
• Para una correlación negativa fuerte se obtiene un valor cercano a -1
• Para una correlación débil se obtiene un valor cercano a 0
• Cuando |r| = 1 los datos aparecerán en línea recta.
• Cuando hay un coeficiente de correlación fuerte no necesariamente
indica que hay una relación causa-efecto.

Casos

Estratificación

Capítulo 10
MUESTREO
Conceptos y Aplicaciones Básicos
Muestra
• Aquello que se toma de una población

para recoger conocimiento adecuado de
ella y así tomar una acción apropiada.
• Muestra de un lote terminado, para
conocer la naturaleza del lote entero.
• Muestra de una línea de producción, para
conocer las condiciones de operación de
la línea.

Una aplicación típica
Digamos que hemos recibido un embarque de 5,000 frascos de

café granulado de un nuevo proveedor.
¿El embarque es lo suficientemente bueno para aceptarlo y

liberarlo para su venta?
¿Cómo lo decidiremos?

Respuestas a la pregunta anterior
• Consideremos tres opciones:

A. No inspeccionar nada, ingresar todo el embarque como
stock disponible (0% inspección).
B. Examinar los 5,000 frascos (inspección al 100%).
C. Examinar uno que otro artículo, y si un número suficiente de

ellos están bien, aceptar el lote (muestreo de aceptación).

A. No inspeccionar nada, ingresar todo el embarque como
stock disponible (0% inspección).
• Cuando se ha demostrado que el proceso cumple

holgadamente los niveles de calidad acordados entre el
cliente y el proveedor.
• La pérdida global causada por las unidades defectuosas es
pequeña en comparación con el costo del muestreo.

B. Examinar los 5,000 frascos (inspección al 100%).
• Revisar todos los frascos del lote y retirar todos los que no
cumplan la característica de calidad establecida. Los frascos
que no cumplan podrían ser devueltos al proveedor,
reprocesados o desechados.
• Se aplica para aquellos casos en que los productos son de
alto riesgo y si pasan unidades defectuosas se puede generar
una gran pérdida económica.
• Cuando la capacidad del proceso de fabricación es
inadecuada para cumplir las especificaciones.
C. Examinar uno que otro artículo, y si un número suficiente de
ellos están bien, aceptar el lote (muestreo de aceptación).
• La inspección se realiza con pruebas destructivas.

• El costo de inspección al 100% es muy alto.
• El lote está formado por una gran cantidad de artículos y la
probabilidad de erros es en la inspección es muy alta.
• Cuando es necesario asegurar la confiabilidad del producto,
aunque la capacidad del proceso sea satisfactoria.

Muestreo de aceptación
Ventajas Desventajas
• Tiene menor costo • Riesgo de aceptar lotes malos y
• Requiere de menos personal rechazar lotes buenos (aunque en
• Menos manipulación, el producto un plan de muestreo estos riesgos
sufre menos daño. están previstos y cuantificados)
• Aplicable en pruebas destructivas. • Brinda menos información del nivel
de calidad o su proceso.
• Se reduce el error de inspección y la
monotonía. • Se requiere tiempo y conocimiento
para planificar y documentar el
• El fabricante se motiva en mejorar la
muestreo.
calidad.
Muestreo de Aceptación
• Es el proceso de inspección de una muestra de unidades de un lote

con el propósito de aceptar o rechazar todo un lote.
• Es una forma particular de inspección. Simplemente se aceptan o
rechazan lotes, pero no hay mejora de la calidad.
• Es una estrategia para proporcionar cierto nivel de seguridad de que
se está alcanzando el nivel de calidad acordado.
• Es una estrategia defensiva ante el posible deterioro de la calidad.

Muestreo de Aceptación
• Un lugar habitual para aplicar

el muestreo de aceptación es el
almacén de recepción.
• Un proveedor entrega un
cargamento, y el inspector
asignado califica su nivel de
calidad antes de ingresarlo.
• El muestreo de aceptación puede ayudar a protegernos de procesos que
no son capaces.
• Algunos muestreos implican ensayos destructivos o muy caros, lo que
debe tenerse en cuenta a la hora de diseñar el muestreo.
Muestreo de Aceptación y Control Estadístico de Proceso
• El muestreo de aceptación no es un control del proceso.

• El control estadístico del proceso (CEP) sirve para anticiparnos a los
defectos (no conformidades).
• Pensemos en que el CEP es el método de control, y que el muestreo de
aceptación es el seguro.
• Ejemplo, uno aplica buenas prácticas de manejo de un vehículo, pero
no por eso descartamos nuestra póliza de seguro.

Esquema de un Plan de Muestreo
Lote de tamaño N
En un plan de muestreo, Se selecciona una

necesitamos conocer: muestra de tamaño n
¿Cuántos artículos hay que Se inspeccionan los n

inspeccionar o evaluar? artículos
¿Cómo distinguir los

No ¿Se obtienen
“buenos” de los “malos” Se rechaza c o menos
el lote defectuosos?
¿Cuántos artículos
“buenos” son suficientes Sí
para aceptar el lote? Se acepta
el lote
Tipos de Planes de Muestreo
Planes por variables Planes por atributos

• Se toma una muestra aleatoria del • A cada artículo de la muestra se le
lote y a cada unidad de la muestra se inspeccionan las variables o
le mide una variable continua características cualitativas o de
(longitud, peso, etc.). Con los datos atributos. El número de defectos o
se calcula un estadístico: de artículos defectuosos en la
generalmente la media y la muestra será la base para aceptar o
desviación estándar de la muestra. El rechazar el lote.
estadístico se compara contra un • Los planes de muestreo por
valor de tablas para aceptar o atributos son los más usados.
rechazar el lote.
VARIABLES CONTINUAS ATRIBUTOS
• Medimos una o más • Clasificamos las muestras de
características de calidad las acuerdo a ciertos atributos. Se
muestras califican como aceptable o
defectuoso.
 El pH de la leche cruda está entre
6,6 y 6,8  Las pinchaduras, roturas,
suciedad, en bolsas de papas fritas.
 La temperatura de pasteurización
de la leche es de 75 °C ± 3 °C.  Los panetones muestran
deformaciones, huecos,
 El espesor de una lámina PEBD es
chamuscados, etc.
90 µ ± 5 µ
 Un producto puede estar conforme
o no conforme

Definiciones básicas Muestreo Aleatorio Simple
Defecto: Cada unidad en la población tiene la

- Toda falla presente en un misma oportunidad de ser incluido
producto que impide satisfacer o en la muestra con igual probabilidad,
cumplir los requisitos que se le independientemente de la
exigen.
apariencia o posición de la unidad.
Producto defectuoso: Ejemplos de dificultades: Almacenes
- Es aquel que presenta uno o más repletos, paquetes con envolturas
defectos. secundarias, gran cantidad de
mineral, etc.

Considerar el diámetro en una tapa rosca: 3,50 ± 0,10 cm
• La tapa rosca A, con 3,56 cm es conforme
• La tapa rosca B , con 3,39 cm es defectuosa (no conforme)

Podemos dar una calificación numérica a la evaluación sensorial de
un producto; por ejemplo el sabor.
1 2 3 4 5
Muy des- Desagradable Aceptable Buen sabor, Sabor pleno,
agradable pero no es el agradable.
ideal

Plan de Muestreo por Atributos:
Número de muestras que se requieren para tomar una decisión:
Simple, Doble o Múltiple
Simple: Se toma una muestra de tamaño n, si en la muestra se encuentra c o
menos defectos o unidades defectuosas, el lote es aceptado, de lo contrario se
rechaza.
Doble: Se pueden tomar hasta dos muestras para decidir si un lote se acepta o
rechaza. Detectar los lotes muy buenos o muy malos, y cuando con la primera
muestra no se puede decidir.
Múltiple: Generalización de muestro doble. Aquí se pueden extraer dos o más
muestras para aceptar o rechazar el lote. Se continúa muestreando hasta que se
pueda tomar la decisión de aceptar o rechazar.
NCA – Nivel de Calidad Aceptable
• El NCA es el porcentaje máximo defectos o unidades defectuosas que

el consumidor considera aceptable en un lote.
• La norma ISO 2859 emplea el NCA para indexar los planes de
muestreo.
• El promedio de defectos del proceso del proveedor debería ser tan
bajo como sea posible, pero ciertamente menor que el NCA de la
norma ISO 2859 .
• El inspector de calidad define el NCA.

El concepto NCA (AQL)
− Se elabora un producto por lotes.
− El proveedor utiliza esencialmente el mismo proceso de producción
para cada lote.
− El proceso de producción del proveedor debe ser tan bueno como sea
posible, esto es, el promedio de unidades no conformes debe ser tan
bajo como sea posible.
• Este “nivel más bajo” es el Nivel de Calidad Aceptable, NCA o AQL

El concepto NCA (AQL)
El NCA (AQL) es el • En la práctica los NCA (AQL) resultan

porcentaje de defectos con de la experiencia (datos de registros),
el que el cliente por ejemplo:
(comprador) está dispuesto Defectos NCA (AQL)
a aceptar lotes como
Críticos 0,15%
“buenos” o
“satisfactorios”. Mayores 1,0 %
Menores 4,0 %

Nivel de Calidad Aceptable (NCA) y la Calidad Límite (CL)
El NCA (En inglés AQL, Acceptable Quality La CL, Calidad Límite, (En inglés QL
Level) es el valor de p ( c en el caso de Quality Limit, o LTPD, Lot Tolerance
defectos) que tiene una probabilidad de Percent Defective). Es el valor de p ( c en
aceptación de 0,95 (95%). Es el el caso de defectos) que tiene una
porcentaje máximo de unidades que
probabilidad de aceptación de 0.10
¿no? cumplen con la calidad especificada.
(10%). Es el porcentaje de unidades
La probabilidad de rechazo de un lote con
estas características, α = 0,05 (5%), se defectuosas toleradas en un lote que a
denomina riesgo del fabricante. También efectos de muestreo se considera
se le conoce como el nivel de calidad del insatisfactorio, por lo que debe tener una
productor. probabilidad de aceptación baja

Probabilidad de aceptación
Pa
Cuando p = AQL, el riesgo del productor, , Cuando p = CL, el riesgo del consumidor, ,
es 1 menos la probabilidad de aceptación. es igual a la probabilidad de aceptación
Norma MIL-STD-105E
• Esta norma, es un estándar de la defensa de
EEUU que provee procedimientos y tablas para
muestreo por atributos (1950)
• Esta norma fue adoptada fuera de las
aplicaciones militares, para las que había sido
propuesta.
• La norma MIL-STD-105E se desactivó el 27 de
febrero de 1995.
• Fue adoptada por la Organización Internacional
de Estandarización (ISO International
Standardization Organization) con la norma ISO
2859, que salvo ligeras diferencias de términos,
es la misma norma MIL-STD-105E
Norma MIL-STD 105E y La Norma ISO 2589
Las partes de la ISO 2859 para procedimientos de muestreo para la inspección

por atributos son:
ISO 2859-1. Inspección lote a lote.
ISO 2859-2. Por calidad límite. Inspección de lotes individuales o aislados.
ISO 2859-3. Procedimientos de muestreo con salto de lote.
ISO 2859-4. Para la evaluación de niveles de calidad declarados.
ISO 2859-5. Contiene esquemas de muestreo secuencial que son
suplementarios a los de la parte 1.
ISO 2859-10. Sustituye a ISO 2859-0:1995. Contiene una introducción general al
muestreo de aceptación por atributos y un resumen de los esquemas y planes
de muestreo que se detallan en las otras partes de la norma.
Planes de muestreo por atributos
Ejemplo de un muestreo simple

Aplicación de la norma ISO 2859
Para aplicar correctamente la norma ISO 2859 es necesario saber 5 cosas:
 Tamaño del lote

 Nivel de inspección
 Muestreo simple, doble o múltiple.
 Historia de aceptación de los lotes
 NCA (AQL)

Tamaño del lote
• El tamaño del lote es el número de piezas, artículos, etc., recibidos del

proveedor en una sola entrega.
• Para la inspección, considere esta entrega como la cantidad que se
declara en la guía de embarque (comprobante de embarque) o la
cantidad que declara el área de producción en el sistema.
• La orden de compra (o el contrato), es donde típicamente se fija el
tamaño del lote.

Niveles de Inspección
El nivel de inspección determina cómo están relacionados el tamaño del lote y
el tamaño de la muestra.
GENERAL ESPECIAL
I - II - III
(normal) S1 - S2 - S3 - S4
Nivel de exigencia que genera un plan Para aquellas situaciones excepcionales
de muestreo al iniciar una actividad de en que se requieren tamaños de
inspección. muestras pequeñas. Ej.: en pruebas
Utilizar el nivel de inspección II destructivas o inspecciones muy
(normal) a menos que se tenga una costosas. Aplicar solo cuando es
razón imperiosa para hacer algo indispensable.
diferente.
El Inspector de Calidad define el nivel de inspección.
Niveles de Inspección General
I = INSPECCIÓN REDUCIDA. Cuando el vendedor ha tenido un buen
comportamiento respecto a la calidad convenida. Emplea
aproximadamente la mitad de la inspección normal. Cuando se requieren
muestras reducidas y se puede tolerar un bajo nivel de discriminación.
II = INSPECCIÓN NORMAL. Se emplea al iniciar una actividad de inspección.
III = INSPECCIÓN RIGUROSA (Severa o Estricta). El proveedor ha tenido mal

comportamiento respecto a la calidad convenida. Requiere
aproximadamente el doble de la inspección normal. Usar cuando se
necesita mayor discriminación.

Historia de Aceptación de Lotes
Se debe monitorear la historia de los resultados de la aceptación de los

lotes y de los planes de muestreo. Con el historial registrado, la norma
ISO 2859 permite:
− Si consistentemente hay un buen historial, se puede reducir el tamaño
de la muestra.
− Si consistentemente hay un mal historial se pueden aplicar planes de
muestreos más estrictos.

Historia de aceptación de lotes 10 lotes consecutivos se
mantienen en inspección
rigurosa
2 rechazos en 5 Inspección Descontinuar
muestreos Rigurosa Inspección
consecutivos
5 lotes aceptados en 5
muestreos consecutivos
Inspección
Inicio
Normal
Un lote rechazado
en un muestreo
5 lotes
consecutivos no
Inspección
se rechazan
Reducida

Gravedad de los Defectos
CRÍTICO: Puede producir condiciones peligrosas o inseguras para quienes

usan o mantienen el producto. También impiden la operación de una función
importante de un producto del cual depende la seguridad personal.
MAYOR: No siendo crítico, reduce la utilidad del producto para el fin que se
destina.
MENOR: No reduce materialmente la utilidad del producto ni produce
desviaciones significativas con relación a los requisitos establecidos.

Criterio de NCA % para
“Inspección y muestreo de
materiales de envasado y
empaque” en una empresa,
basada en su experiencia.
Criterio de NCA % de otra empresa
Defectos críticos: 0,25 % Defectos Criticos 0,65 %
Defectos mayores: 1,0 % Defectos Mayores 1,0 %
Defectos menores: 2,5 % Defectos Menores 2,5 %

Letra Código
• El tamaño del lote y el nivel de inspección se combinan para
determinar la letra código
• Usar la tabla de la norma para determinar la letra código
Tamaño del lote Nivel de inspección
2 a 8
9 a 15 etc.
…. ….. Letra código
…. ……
500.001 y superior
Tabla de Letras Código

Ejercicio de Aplicación

• Un proveedor nos envía un lote de 150 artículos y lo
sometemos a un muestreo simple de aceptación por
atributos con un NCA = 4 %
• Según plan de inspección normal seleccionar 20

artículos al azar, y
− Si 2 o menos artículos son “defectuosos” se acepta En símbolos:
el lote. N = 150
− Si 3 o más artículos son “defectuosos”, entonces se n = 20
rechaza el lote. c = 2, r = 3

Determinar la letra código

Tabla de muestreo para inspección simple - Normal

Aceptar / Rechazar
Nivel de Calidad Aceptable (NCA) : 4%

Pasos claves
• Muestreo simple al azar: n = 20 artículos.

• Después de evaluar, clasificar cada artículo de la muestra como
“conforme” o “defectuoso”, según el atributo que se investiga.
• Contar el número de artículos “defectuosos”.
• Tome una decisión: Aceptar o Rechazar el lote.
• Registre el resultado (registro de calidad)

“Flechas Cursoras”
• A veces la letra código, el nivel de inspección, y el NCA (AQL) no tienen un
plan de muestreo explícito.
- La norma le derivará a otro plan empleando “flechas cursoras” que apuntan
arriba o abajo.
- Aplicar el nuevo plan, con la nueva letra código, tamaño de muestra, núm.
de aceptación y núm. de rechazo.
• Modificar el ejercicio anteriorcambiando el NCA (AQL) de 4,0% a 1,0%
- ¿Cuál es plan de muestreo después del cambio?
- Respuesta: n = 13, Ac: 0, Re: 1

“Flechas Cursoras”

Cambio del tamaño de lote
• El proveedor por mucho tiempo ha estado enviando 150 unidades

por lote, y se le ha estado aplicando un NCA = 4%, según la orden de
compra .
• El proveedor llama a nuestra área de logística y dice: “Hemos
fabricado 160 artículos en vez de 150. ¿Puedo enviarle los 160 esta
vez?”
• En logística le responden: “No hay problema, modificaremos la orden
de compra”
• ¿Cuál es el plan de muestreo?
- Respuesta: n = 32, Ac = 3, Re = 4.

Muestreo –
Algunos Conceptos complementarios

Dificultades en el muestreo

Muestreo Estratificado
Caja 1
Estrato 1
Estrato 2
Estrato 3
Estrato 4

Muestreo Estratificado
Lote A Lote B Lote C
Usar tablas de
números al
azar
Caja A Caja B Caja C
Muestra Muestra Muestra

A B C
Muestreo estratificado en dos etapas
Muestra
Muestreo primario

Muestreo Simple vs. Estratificado
• Asumir que un lote tiene N ítems

− En un muestreo simple al azar cada pieza en el lote tiene igual
probabilidad de estar en la muestra.
− En un muestreo estratificado, el lote se divide en grupos H, llamados
estratos. Cada ítem en el lote está en uno y solo en un estrato.
• Digamos que se recibe una entrega de 5,000 pilas AAA en 50 cajas x
100 pilas c/u
− Primero se toma una muestra de las cajas, luego se toma una muestra de
las cajas muestreadas.
− Esta es una muestra estratificada; N=5,000 & H=50

A menos que se indique otra cosa, aplicaremos los siguientes criterios:
- El muestreo se realiza sin reemplazo.

- El muestreo es una muestra simple al azar.

Muchas gracias.
¿Preguntas?
¿Comentarios?
Rodolfo Malpartida B.
Correo electrónico:
rvmalpartidab2@hotmail.com
Celular: 959-827-020

Bibliografía
• Automotive Industry Action Group, 1991. Statistical Process Control (SPC) Reference
manual.
• Ishikawa, Kaoru. Introduction to Quality Control. 3A Corporation, 1994. Tokyo, Japan.
• Hosotani, Katsuya. The QC Problem solving approach – Solving Workplace Problems the
Japanese Way. 3A Corporation, 1992. Tokyo, Japan.
• Romero Villafranca, Rafael; Zúnica Ramajo, Luisa Rosa. Métodos Estadísticos de Ingeniería.
Ed. Limusa, SA de CV. Grupo Noriega Editores, 2008. México, DF.
• Nayatani, Yoshinobu; Eiga, Toru; Futami, Ryoji; Miyagawa, Hiroyuki. The Seven New QC Tools. 3A
Corporation, 1994. Tokyo, Japan..
• Kubiak, T. M. The ASQ Pocket Guide for the Certified Six Sigma Black Belt. American Society for
Quality, Q Quality Press, Milwakee, Winconsin 53203, pp. 137 a 145, año 2013

Herramientas de Calidad-I RM (Presentacion)

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Herramientas de Calidad-I RM (Presentacion)

Diunggah oleh

Hak Cipta:

Format Tersedia

Curso

La Molina, 1, 2, 8 y 9 de junio 2019

Cap 1 - Introducción. Cap 6 - Diagrama Causa-Efecto.

Las primeras Diagrama de Pareto

Ejemplo de aplicación E l p ro b le m a d e b e e xp o ne rs e d e un m o d o s o luc io na b le

Es la información que brinda acceso a un conocimiento preciso y concreto.

Variables cuantitativas Atributos

Se basan en mediciones de una Se basan en conteos que muestran la

• ¿Qué se va a hacer con los datos?

• Si las mediciones no son confiables se emitirá

• Ejemplo, un inspector en un muestreo calificó

• Organizar los datos adecuadamente para facilitar su

Planta Ate Defectos Paquetes de Salchicha Viena Envasadora 2

Temperatura ambiental sala llenado polvos dulces

Esquema de Defectos en Calzado modelo Permite marcar en un diagrama la

uso inmediato en Histograma 24

• Las normas oficiales de calidad del agua potable 21

requieren que el contenido de iones calcio (dureza) 19

se mantenga en 4 ppm (partes por millón), con una 17

• Es necesario elaborar una Hoja de Chequeo que 13

sirva para construir un histograma conforme se van 11

durante la operación de un día.

• Ver hoja de datos en el anexo para la práctica. 5

• El formato podría ser así. 3

colectar datos Punto Ejemplos

• Defina los puntos de colección de datos Punto de

D. de Flujo – Ej. Recepción de Ordeñadoras Mecánicas Tiempo de

fase del Ciclo P-H-V-A: Un solo grupo o equipo

• Colectar los datos que mejor describan la situación

Las definiciones operativas incluyen:

• Acelerar o reducir la velocidad del • Datos pasados (podrían estar sesgados

• Los Requisitos del Consumidor establecen los límites de especificación.

Usa el Comprobación Observa

S - Clip para cinturón

REQUERIMIENTOS DEL CLIENTE

• Por lo general, en las Cartas de Control

Variación Natural o Inherente Variación No Natural o Asignable

Causa asignable 4: proceso

Causa asignable 3: proceso

Causa asignable 2: proceso fuera de

Solo causas al azar: Proceso bajo control

Reducción de Pellets en Leche Evaporada.

Porcentaje pellets 0.4

0.1 0.08 0.07 0.05 0.05

0.1 0.07 0.07

Latas con pellets x cada 12 mil examinadas

% Promedio de latas defeectuosas

• En 4 años se logró la máxima

Todo Los Analizar

Control de Calidad (Status quo) + Mejora de la calidad (innovación)

Si siempre se hace lo que ¿Lo que hoy parece imposible,

• Ajustar un proceso estable para tratar de compensar un

Desarrollo del proceso Reacción primaria del jefe

Los resultados “van “Las cosas están mejorando,

Ayuda pedagógica para demostrar la pérdida

“Experimento del embudo T”

No ajustar la posición del

Medir la distancia desde

• El desempeño del proceso empeora: el producto es más variable que

• Culpar al trabajador por problemas que son intrínsecos al sistema en

Se muestra una distribución normal.

Caso 1.- El as, el 2 y el 3 son Caso 2.- El as y el 2 son reemplazados