Control Estadistico Del Proceso

MANUAL DE TECNICAS ESTADISTICAS Y CEP
1

CONTROL
ESTADISTICO
DEL
PROCESO

2
CONTENI DO
NIVEL I MITOS DE CALIDAD
I.I Mitos de calidad y cambio de actitud
I.II Conceptos de Calidad
I.III Relacion de calidad y productividad

NIVEL II ESTADSTICA
II.I Introduccin
II.II Estadstica descriptiva
II.III Estadstica inferencial

NIVEL III LA CURVA NORMAL
III.I La curva normal
III.II Medidas de forma
III.III Manejo de la tabla de la curva normal estandar

NIVEL IV GRAFICAS DE CONTROL POR VARIABLES
IV.I Introduccin
IV.II Desarrollo de graficas de control por varables (mediciones)
IV.III Anlisis de las graficas de control
IV.IV Habilidad del proceso
- Introduccin
- Calculo de Z
- Determinacin de la habilidad potencial del proceso (CP)
- Determinacin de la habilidad real del proceso (CPK)
- El rango de capacidad (Cr)

NIVEL V GRAFICAS DE CONTROL POR ATRIBUTOS
V.I Caractersticas de los grficos de control por atributos
V.II Graficos P
V.III Grafica np para cantidad de unidades defectuosas
V.IV Grafica c para numeros de defectos
V.V Grafica u para cantidad de defectos por unidad
3
NIVEL VI HERRAMIENTAS ESTADSTICAS
VI.I Cuadro de aplicaciones
VI.II Tormenta de Ideas
VI.III Diagrama Causa-Efecto
VI.IV Diagrama Pareto
VI.V Cartas de Control
VI.VI Anlisis de problemas 5 PS
VI.VII Hojas de Chequeo
VI.VIII Anexos

NIVEL VII TRABAJO EN EQUIPO
VII.I El trabajo en equipo para eliminar problemas
VII.II Caractersticas de un equipo de trabajo

4
NI VEL I

MI TOS DE CALI DAD

OBJETIVO

EL PARTICIPANTE ADOPTAR UN CAMBIO EN SU ESTILO DE TRABAJO DENTRO
DE LA EMPRESA QUE LE PERMITA DESARROLLAR UN TRABAJO DE CALIDAD

5
I.I MITOS DE CALIDAD Y CAMBIO DE ACTITUD

MITO DE CALIDAD # 1

Expansin masiva de:

- computadoras
- Robots
- Sistema de control automtico
- Nueva maquinaria
- Mecanismos

Es la solucin para mejorar la calidad e incrementar la productividad

No hay substituto para el conocimiento

Si usted esta generando defectos manualmente ahora, los robots y otros similares le permitirn
generar defectos automticamente en el futuro

MITO DE CALIDAD # 2

Haciendo todos lo mejor de si mismo es la solucin para mejorar la calidad e incrementar la
productividad

Todos estn haciendo lo mejor de si mismos

Este es el problema
Sin las herramientas apropiadas, lo mejor no es suficiente

MITO DE CALIDAD # 3

Practicas de estrecha inspeccin son la solucin para mejorar la calidad e incrementar la
productividad

Inspeccin es la manera mas costosa y menos efectiva de asegurar la calidad

La calidad ya esta integrada al producto antes de ser inspeccionado este es mejor hacerlo bien
desde la primera vez, despus no hay necesidad de inspeccionarlo

6
MITO DE CALIDAD # 4

La experiencia y tcnicas de la fuerza de trabajo harn competitiva a la manufactura mexicana
en mercados mundiales.

Sin un sistema administrativo que sea capaz de aprovechar la experiencia y las tcnicas de
expertos, los negocios seran como siempre:

- Frustracin
- Confusin.
- Pasar el paquete
- Miedo
- Declive de mercado

MITO DE CALIDAD # 5

La calidad es costosa

A travs de ste mito creemos que reducimos costos al tolerar defectos, es decir, al aceptar
productos y servicios que no cumplen con sus normas. La falacia estriba en que la CALIDAD es
GRATIS: no cuesta ms ensamblar bien un auto que hacerlo mal; no cuesta mas formular bien
una factura que calcularla mal; no cuesta ms surtir bien un pedido que despacharlo equivocado,
no cuesta mas programar bien que mal, no cuesta mas programar bien que mal. Lo que cuesta es
inspeccionar lo ya hecho para descubrir los errores y corregirlos; las que cuestan son las horas de
computadora y el papel desperdiciado las que cuestan son las devoluciones de los clientes
inconformes; lo que cuesta es rehacer las cartas mal mecanografiadas, etc.
Lo que cuesta son los errores y los defectos. NO la CALIDAD, por lo tanto, nunca ser ms
econmico tolerar errores que hacerlo bien desde la primera vez y no habr un punto de
equilibrio entre beneficios y costo de calidad.
He aqu la incongruencia de nuestra actitud: CERO DEFECTOS en lo personal y familiar y
TOLERANCIA MEDIOCRIZANTE y complaciente en nuestro servicio a los dems

MITO DE CALIDAD # 6

Los defectos y errores son inevitables

Nos hemos acostumbrado a esta falsedad: aceptamos los baches en las calles, los productos
defectuosos, los accidentes, etc.
Nos volvemos cada da ms tolerantes hacia nuestro trabajo deficientes, es decir, cada da ms
apticos y mediocres. En cambio en nuestra vida personal exigimos CERO DEFECTOS:
Cuntos bebes pueden dejar caer una partera para seguir teniendo un nivel aceptable de calidad?
Cunto faltante toleramos en nuestro sobre de nmina? Cuntas equivocaciones toleramos en la
receta farmaceutica? Cunta piedras son aceptables en nuestros zapatos? cuntos defectos
planeamos aceptar en el nuevo auto que pretendemos adquirir?

7
PARA QUE LO NECESITAMOS?

- Para mejorar la calidad
- Para reducir costos
- Para aumentar la mercadotecnia del producto
- Para mejorar la comunicacin
- Para hacerlo optimo y enfocar los talentos y habilidades de
toda la gente en la compaa, hacia mantener la empresa y
hacernos competitivos

8
I.II CONCEPTOS DE CALIDAD

Objetivo:

Que el participante entienda y defina el concepto de calidad enfocado hacia su trabajo
diario

Durante muchos aos una importante mayora de nuestra gente ha pensado que la calidad es una
funcin del proceso o de la atractividad, o de la imagen o del nombre.
Algunas personas la definen como sinnimo de excelencia, otras la expresan como la satisfaccin
del consumidor y otros ms como lo bueno, etc., siendo as como las definiciones tienen distintos
significados para cada persona. A continuacin se mencionan algunas definiciones de CALIDAD:

- Calidad = Adecuacin al uso
- Calidad = Hacer las cosas bien a la primera vez
- Calidad = Cumplir con las expectativas del cliente
- Calidad = Cumplir con las especificaciones
- Calidad = Conjunto de propiedades y caractersticas de un producto que le confieren su
aptitud para satisfacer necesidades establecidas o implcitas.

Entonces, para ti qu entiendes por CALIDAD?

9
I.III RELACIN DE CALIDAD Y PRODUCTIVIDAD

Objetivo:
Que el participante defina y entienda la relacin de productividad y calidad y lo aplique en
su rea de trabajo.

En los ltimos aos se ha hablado mucho de competitividad desde la idea de que si fusemos
competitivos, no estaramos sumergidos en la crisis que actualmente padecemos que podemos
salir de nuestros problemas con el hecho de ser competitivos, que necesitamos: ser competitivos
para afrontar esta nueva realidad que nos enfrenta con compaas de pases altamente
industrializados.

La COMPETITIVIDAD se sostiene sobre dos pilares: LA CALIDAD Y LA
PRODUCTIVIDAD

La productividad, es el concepto de hacer ms con menos, es decir, de ser eficiente, de sacarle
mayor provecho a nuestras horas de trabajo, a la capacidad de nuestros tcnicos y a nuestras
instalaciones.

El ltimo juez para la calidad, es nuestra clientela, as que la cuantificacin que hagamos de las
caractersticas de nuestros productos, debe estar en funcin de las expectativas de aquellos. En el
caso de la productividad, el ltimo juez es nuestro estado de prdidas y ganancias, ya que all se
va a reflejar el resultado de nuestro trabajo.

Cmo ganaremos el mercado?

Dando algo ms, elevando un poco, sobre el promedio, nuestros niveles de calidad y
productividad.

10
Para concluir:

LA FALTA DE CALIDAD REPRESENTA LA
PRDIDA DE CLIENTES, LA FALTA DE
PRODUCTIVIDAD REPRESENTA LA PRDIDA DE
DINERO, LA FALTA DE COMPETITIVIDAD
REPRESENTA LA PRDIDA DEL NEGOCIO.

11
NI VEL I I

ESTAD STI CA

OBJETIVO

El participante se encargara de recopilar, organizar, representar, analizar,
extraer y generalizar informacin contenida en un conjunto de datos para
tomar decisiones basados en los resultados obtenidos en muestras
representativas.

12
II.I INTRODUCCIN

En este captulo trataremos de manera general una introduccin a la estadstica quedando de
antemano que esta es aplicable a cualquier fenmeno que se desee analizar o estudiar.

DEFINICIN:
La estadstica es un conjunto de tcnicas matemticas que nos ayudan a corroborar HIPTESIS
a cerca de una POBLACIN partiendo del anlisis de los datos de una MUESTRA
REPRESENTATIVA de ella y nos apoya en la toma de decisiones. Para su estudio y aplicacin
se divide en ESTADSTICA DESCRIPTIVA y en ESTADSTICA INFERENCIAL. La
estadstica descriptiva es la rama de la estadstica que se relaciona con la expresin grafica de lo
que se tiene en nmeros con el fin de visualizarlo y obtener conclusiones ms fcilmente. Por otro
lado, la estadstica inferencial se relaciona concretamente con los clculos y aplicacin de
frmulas matemticas que dan como resultado los valores de los parmetros de inters.

Una hiptesis es una suposicin, conjetura o creencia (establecida en trminos estadsticos)
relativa a las propiedades de la poblacin. Estas propiedades de la poblacin (parmetros) tienen
asociadas una cierta magnitud cuyo valor se requerir para la toma de decisiones.

POBLACIN ESTADSTICA:
Esta constituida por todas las posibles observaciones (mediciones o descripciones) segn se trate
de VARIABLE O ATRIBUTO que se pueden hacer en los elementos que se desee estudiar. Es
comn referirse a una poblacin estadstica llamndola simplemente POBLACIN.

Ejemplos:
- Los dimetros exteriores de un barreno de una base de costilla del equipo ALPA 12
toman valores entre 3.42 a 3.52, si se tienen 500 de estas piezas, la poblacin esta
formada por los 500 datos, los cuales son mediciones que estn entre 4.296 a 4.304.
- Si el calibre de una hoja toma valores entre 10 y 12 y si se tienen 250 hojas, la poblacin
consiste en 250 datos de calibre entre 10 y 12.

13
MUESTRA:
Esta constituida por algunos elementos de la poblacin, para que una muestra sea representativa
debe ser extrada de la poblacin de manera proporcional y aleatoria, es decir que cada elemento
de la poblacin tenga la misma posibilidad de ser elegido.

VARIABLE:
Es la caracterstica de calidad que puede medirse de un determinado artculo, es necesario sealar
que una variable puede ser continua, esto significa que podr tomar cualquier valor dentro de un
rango definido o bien discreta, esto quiere decir que la variable slo podr tomar valores
especficos dentro de un conjunto definido (generalmente asociada a nmeros enteros).

DATOS POR MEDICIONES:
Es la caracterstica de inters que puede ser medida, por ejemplo: dimetros, espesores, peso,
presin, temperaturas, concentraciones, etc.

DATOS POR ATRIBUTOS:
Son las caractersticas atribuibles al registrar la presencia o ausencia de una cualidad o
descripcin de un artculo , tal como etiquetar como aceptadoo rechazado, pasa no pasa.

II.II E S T A D S T I C A D E S C R I P T I V A

HISTOGRAMAS

Un histograma es una grfica de barras verticales donde la altura de cada barra indica el nmero
de observaciones de cada valor de la variable representada por el punto medio de la base de la
barra.

Para elaborar un histograma es necesario comprender conceptos claves como los que se listan a
continuacin:

RANGO : Se denomina rango (intervalo de variacin) al conjunto donde toma sus valores una
variable. El rango de un conjunto de datos se encuentra restando el valor mnimo del mximo. Se
representa por medio de la letra R.

INTERVALO DE CLASE : Es un subrango que se utiliza para clasificar los datos en una
distribucin de frecuencias y como base de cada columna en el histograma. Cada intervalo se
define por medio de un lmite inferior, su tamao o longitud (representada por la letra C) y su
14
lmite superior. El nmero de intervalos en un histograma depender del nmero de datos que se
tengan y se representa por la letra Q.

MARCA DE CLASE : Se llama marca de clase al punto medio de cada intervalo . Lo
identificaremos con la letra X.

FRECUENCIA : Es el nmero de veces que la variable toma un determinado valor. Se
representa por la letra f.

PASOS PARA CONSTRUIR UN HISTOGRAMA :

Ejemplo No. 1

En la produccin de costado exterior de LRV- 400S se checaron 7 piezas de la parte para
ensamble del copete. De cada muestra se obtienen 3 datos. La especificacin es de 26 +/- 1 mm.

M U E S T R A S

DATO A B C D E F G
1
26 26.1 26 26.1 26.5 26.6 26.1
2 26.5 25.8 26.1 26.2 26.1 26.1 26.2
3 26.3 26 25.9 26.1 26.1 26.3 26.4

1.- Obtener el nmero de datos n ( contarlos)

n = datos

2.- Determinar el rango de los datos mediante la frmula :

R = V mx. - v min.

Donde: R = Rango
V mx. = Valor Mximo
v mn. = Valor mnimo

R =

3.- Determinar el nmero de intervalos o nmero de clases ( Q ) en que se agruparn los datos de
15
acuerdo a la siguiente tabla:

No. De Datos No. De Intervalos
50 o menos De 5 a 7
De 50 a 100 De 8 a 10
De 100 a 250 De 10 a 13
Mayor a 250 De 12 a 15

n es menor que 50 por lo tanto Q =

para este ejemplo tomaremos un valor de Q = 6

4.- Calcular el tamao del intervalo o ancho de clase por medio de la frmula:

C = R / Q

Donde : C = Ancho de clase
R = Rango
Q = Nmero de Clases

Si es necesario, el valor de C se debe redondear o nien modificar el nmero de intervalos para
obtener un nmero de intervalos que permita trabajar con mayor facilidad.

Sustituyendo valores : C =

5.- Determinar el valor donde comenzar el primer intervalo ( generalmente se toma el valor
mnimo de los datos).

Vmin. =

6.-Construir los intervalos sumando el ancho de clase ( C ) al nmero elegido en el paso anterior.
En este momento ya se conocen los lmites inferior y superior del primer intervalo. El lmite
superior del primer intervalo ser el lmite inferior del segundo, y para calcular el lmite superior
de ste se vuelve a sumar el ancho de clase a su lmite inferior.

Por lo tanto si tomamos el dato mnimo como lmite inferior para el primer intervalo y le
sumamos el valor de C obtenemos el valor del primer intervalo:

Primer intervalo = V min. + C
Primer intervalo =

Ahora, si tomamos
---------------------------------------
como el lmite inferior para el segundo intervalo y le
sumamos el valor de C obtenemos el segundo intervalo:

Segundo intervalo =

Segundo intervalo =
Se procede de manera similar hasta construir el total de intervalos.

16
Tercer intervalo =

Cuarto intervalo =

7.- Realizar la distribucin de frecuencias asignando los datos en los intervalos que le
correspondan. Siempre que se encuentre un dato en lmite superior de un intervalo se acumular
en el siguiente intervalo

Lmite inferior Lmite Superior f
25.8

8.- Calcular las marcas de clase o puntos medios de los intervalos mediante la frmula:

X = Lmite inferior + Lmite superior
2

X
1
= X
7
=

X
2
= X
8
=

X
3
= X
9
=

X
4
= X
10
=

X
5
= X
11
=

X
6
= X
12
=

9.- Construir la tabla de distribucin de frecuencias y las marcas de clase:

17

Intervalo Lmite superior Lmite inferior f X

10.- Dibujar el histograma trazando barras verticales cuya base ser cada uno de los intervalos
y su altura ser la frecuencia con la que se presentaron los datos:

POLGONO DE FRECUENCIAS.

18
Una vez que se ha elaborado un histograma es muy fcil construir a partir de l un polgono de
frecuencias. Esto se logra colocando un punto en medio de la parte superior de cada barra del
histograma (esto es, hacer una proyeccin de las marcas de clase) y unindolos posteriormente
por lneas rectas.

Si queremos que el polgono toque el eje horizontal, le restamos el ancho de clase C a la marca de
clase menor (para tocarlo a la izquierda) y se le suma C a la marca de clase mayor ( para tocarlo
a la derecha).

Ejemplo No. 2

Los siguientes datos corresponden a la temperatura de operacin del equipo CHP 125 (la
temperatura es bajo cero):

Elaborar lo siguiente:

- Tabla de Frecuencias
- Histograma
- Polgono de Frecuencias

Q = 5

Ejemplo No. 3

De la siguiente tabla de datos elabore lo siguiente:

24 24 28 25 25
25 26 26 25 25
24 27 26 27 26
28 24 29 26 25
26 28 25 25 25
19
- Tabla de Frecuencias
- Histograma
- Polgono de Frecuencias

Q = 7

II.III ESTADSTICA INFERENCIAL

MEDIDAS DE TENDENCIA CENTRAL.

53 27 28 36 47
49 31 35 40 45
48 34 39 38 34
44 39 42 43 38
43 40 43 44 40
41 45 46 48 42
38 44 52 54 39
33 50 48 37 37
32 51 32 39 35
23 55 29 40 39
20
Una medida de tendencia central nos representa el centro de un conjunto de datos es decir,
tenemos datos antes y despus. Las medidas de tendencia central ms conocidas son las
siguientes:

MEDIA ARITMTICA ( X )

La media aritmtica es el promedio ms conocido y comnmente usado. Representa la suma de
las observaciones dividida entre el nmero total de observaciones que hay en la muestra y su
frmula matemtica es la siguiente:

X = x i = x
1
+ x
2
+ x
3
+ x
n
n n

X = x
1
+ x
2
+ x
3
+ x
4
+ x
5

N

Donde : X = Media aritmtica
x
1
= Datos
n = Nmero de datos

MEDIA DE MEDIAS ( X )

Se define como la suma de medias individuales dividida entre el nmero de medias y su frmula
matemtica es la siguiente:

k k
i X
X
X X X X n
.....
3 2 1
+ + +
= =

k
X
X X X X X 5 4 3 2 1
+ + + +
=

Donde : X = MEDIA DE MEDIAS

X = Media individual o de un grupo de datos

k = Nmero de medias individuales

Retomando el ejemplo No. 1 calcular:

- Media de cada muestra.
- Media de medias.

21
M U E S T R A S

DATO A B C D E F G
1
26 26.1 26 26.1 26.5 26.6 26.1
2 26.5 25.8 26.1 26.2 26.1 26.1 26.2
3 26.3 26 25.9 26.1 26.1 26.3 26.4

Retomando el ejemplo No. 3 Calcular: media de cada muestra y media de medias.

MEDIANA ( X
~
)

La mediana es otra medida de tendencia central que resulta ser en algunos casos un mejor
representante que la media aritmtica. El procedimiento para su calculo es ordenar los datos de
53 27 28 36 47
49 31 35 40 45
48 34 39 38 34
44 39 42 43 38
43 40 43 44 40
41 45 46 48 42
38 44 52 54 39
33 50 48 37 37
32 51 32 39 35
23 55 29 40 39
22
menor a mayor o viceversa, si el nmero de datos es par , entonces la mediana es el promedio de
las dos mediciones centrales. Si se tiene un nmero impar de datos, a la medicin que ocupa la
posicin central de estos se le llama mediana.

Retomando el ejemplo No. 2 calcular la mediana por muestra:

Los siguientes datos corresponden a la temperatura de operacin del equipo CHP 125 (la
temperatura es bajo cero):

MODA (M)

Es el valor que se repite el mayor nmero de veces en una serie de observaciones, puede ocurrir
que se presente ms de una moda o bien que no exista. Se utiliza para el anlisis de variables
discretas.

Ejemplos:

- En la serie de datos 4,3,5,7,5,5,9, la moda es:

- En la serie de datos 3,8,4,4,5,7,7,9, la moda es:

MEDIDAS DE DISPERSIN

La media y la mediana fueron usadas como medidas cuantitativas de la tendencia central sin
embargo, es conveniente adems, establecer indicadores cuantitativos de la variabilidad de los
datos, tales indicadores se conocen como medidas de dispersin.
Estas medidas nos sirven para identificar la distribucin de los datos alrededor de un valor es
24 24 28 25 25
25 26 26 25 25
24 27 26 27 26
28 24 29 26 25
26 28 25 25 25
23
decir, su grado de variacin ( que tan juntos o separados estn). Los ms usuales son:

RANGO (R)

El rango se define como la diferencia entre el nmero mayor y el nmero menor de un conjunto
de datos y su frmula matemtica es la siguiente:

R = Vmax. v min

Donde : R = Rango
V max. = Valor mximo
V min. = valor mnimo

DESVIACIN ESTNDAR

Se define como la raz cuadrada de la suma de las diferencias de los valores individuales con
respecto a la media, elevados al cuadrado, divididos entre el nmero de valores, su frmula
matemtica es la siguiente:
( )
n
X Xi
S
n
i
=

=
1
2

Donde: ( X i - X )
2
= la suma de los cuadrados de lasdesviaciones
n = Nmero de datos
S = Desviacin estndar de la muestra
= Smbolo de sumatoria.

NOTAS IMPORTANTES:

- Cuando nos referimos a la media y la desviacin estndar de la poblacin debemos
representarlas por la siguientes letras: y o.
- Cuando nos referimos a la media y la desviacin estndar de la muestra debemos
representarlas por las siguientes letras: X y S.
- Para el calculo de la desviacin estndar, si el nmero de datos es menor de 30, se
considera una muestra chica y se divide entre n-1. Si es mayor o igual a 30, se considera
muestra grande y se utiliza n.
Ejemplo No. 4

Los siguientes datos corresponden al consumo de corriente registrado en el equipo CHP 125:
24

Calcular: a) Rango total
b) Desviacin Estndar.

Ejemplo No. 5
De la siguiente tabla de datos calcule: Rango total y desviacin estndar:

COEFICIENTE DE VARIACIN (CV)

Si comparamos la dispersin absoluta ( la desviacin estndar) con la media aritmtica,
5.0 5.1 5.2 4.8 5.1
5.1 5.0 5.1 5.1 5.1
4.9 4.9 4.8 4.9 5.0
5.2 4.9 4.9 5.1 4.9
4.8 5.1 5.1 5.0 5.1
20 19 19 21
19 21 21 19
21 22 22 20
23 20 22 20
21 19 23 21
20 23 19 23
25
obtenemos una medida de dispersin relativa o un coeficiente de variacin. Esta medida es muy
til para calcular el error de representatividad de la media y para comparar la variacin de dos
muestras distintas. Se expresa como porcentaje y se calcula multiplicando por cien el cociente de
la desviacin estndar entre la media, su frmula es :

CV = S
*
100

X

Ejemplo 6

Dados los siguientes datos :

Grupo A : 1,1,2,5,5,5,9,12
Grupo B : 3,4,5,5,5,5,6,7

Por grupo calcular: Nmero de datos, mediana, moda, media, rango, desviacin estndar.

Ejemplo 7

Calcular el coeficiente de variacin con los siguientes datos:

Grupo 1: X = 8.82 , S = 0.34

Grupo 2 : X = 318.91 , S = 3.08

NI VEL I I I

26
LA CURVA NORMAL

OBJETIVO

Que el participante conozca las medidas de forma de una curva y maneje la
tabla de distribucin normal

III.I LA CURVA NORMAL

El polgono de frecuencias que se presenta a continuacin, corresponde a 50 mediciones del
dimetro total de un barreno de un costado lateral izquierdo que se obtuvieron de una produccin
27
normal de CHPs.

Si se aumenta el nmero de mediciones por ejemplo a 150, en general ocurre que :

- El nmero de intervalos de clase aumenta, disminuyendo la amplitud de estos.
- El polgono estara formado por un nmero mayor de segmentos de recta, que en
consecuencia son ms cortos.
Lo anterior se puede resumir diciendo que el polgono de frecuencias se SUAVIZA. Por eso el
polgono de frecuencias para este caso cuando tomamos 150 mediciones

Si la muestra aumenta ms , digamos a 350 mediciones, podemos obtener una distribucin de
frecuencias con mayor nmero de intervalos, de tal manera que el polgono de frecuencias quede
ms suavizado, es decir se obtiene un polgono semejante al que se indica a continuacin:

28

Lo anterior nos permite afirmar que idealmente un polgono de frecuencias se convierte en una
curva, de manera que al continuar dibujndola no estara quebrada, sino que adoptara una forma
suave continua muy similar a una campana ( si la distribucin es normal), a la cual se le llama
CURVA NORMAL.

III.II MEDIDAS DE FORMA

SESGO:
Es el grado de asimetra (desproporcin de reas) que presenta una distribucin en un histograma
o polgono de frecuencias debido a las diferencias entre la media, la moda y la mediana. Si la
curva de frecuencias tiene una cola ms larga haca la derecha entonces, tiene un sesgo
positivo; si la colade la curva va haca la izquierda se habla de un sesgo negativo.

Mo Me
X X
Me Mo

Sesgo positivo Sesgo negativo
CURTOSIS

Se llama as al grado de apuntalamiento ( pronunciamiento de la cima) de una distribucin.
Cuando es muy apuntada se denomina leptocrtca, cuando es achatada se llama platicrtica y
29
cuando es normal o intermedia se llama mesocrtica

Leptocrtica Platicrtica

Mesocrtica

APLICACIONES

VARIACIN:

La variacin es una caracterstica inherente de todo proceso. Adems encontramos que el grado
de variacin ser diferente en distintos momentos. Esto es considerado como normal siempre y
cuando la variabilidad se encuentre dentro de los lmites.

VARIACIN NORMAL :

Cuando la variacin en un proceso ocurre debido a las variaciones ( mnimas) de una
combinacin de factores tales como las personas, los materiales, los mtodos, las mquinas, etc.
Se dice que la variacin es normal. Este tipo de variacin siempre estar presente porque se
atribuye a causas comunes y se dice adems que es predecible.
Se dice que la curva normal es la forma que adoptan la mayora de los procesos. Esta curva
ilustra muy bien el concepto de variacin normal y de hecho es tomada como base para el estudio
de la variacin debido a sus caractersticas especiales que se mencionan a continuacin:

- En una distribucin normal la media, la mediana y la moda se localizan en el mismo
sitio, esto es al centro de la distribucin (tienen el mismo valor).
- La distribucin es simtrica con respecto a la media es decir, el 50 % de los datos
est arriba del valor de la media y el 50 % restante est debajo de la media.
- Los datos se distribuyen aproximadamente como sigue:
- El 68.3 % se encuentra dentro de + 1 desviacin estndar.
- El 95.5 % se encuentra dentro de + 2 desviaciones estndar.
- El 99.7 % se encuentra dentro de + 3 desviaciones estndar.
30

Lo anterior se ve reflejado en la siguiente figura:

En la figura se puede observar que los valores que estn a ms de dos desviaciones estndar de la
media ocurrirn solo por casualidad esto es, si consideramos que el rea bajo la curva representa
el 100 % de los datos, entonces el rea dentro de dos desviaciones estndar es del 95.5 % y solo el
5 % de los datos ( 5 de cada 100) estarn dentro de 3 desviaciones estndar .Se dice que existe
una posibilidad de que esto ocurra de 0.05 %.

Tambin podemos observar que dentro de los lmites de tres desviaciones estndar se encuentra el
99.7 % de los datos, ( 3 de cada 100) caern fuera de estos lmites. Se dice que la probabilidad de
que esto ocurra es de 0.003.

VARIACIN ANORMAL

La variacin anormal en un proceso ocurre de una manera extraordinaria , se debe a causas
especiales y adems es impredecible. Cuando en un proceso se presenta variacin anormal la
curva de distribucin adquiere formas muy variadas que pueden ser sesgadas platicrticas.

Un requisito importante para conseguir la mejora de un proceso es reducir al mnimo las
variaciones (tanto normal, como anormal) esto es, hacer el proceso ms consistente, que se
obtenga el resultado esperado el mayor nmero de veces con la mayor exactitud posible.

III.III MANEJO DE LA TABLA DE LA CURVA NORMAL ESTNDAR

Ejemplo: Si Z es una variable con distribucin normal estndar, determinar el rea bajo la curva
de la distribucin de dicha variable, para cada una de las regiones indicadas:

31
- rea a la izquierda de Z = - 1.14
- rea a la derecha de Z = 3.02
- rea entre Z = -3.27 y Z = 3.27
- rea hasta antes de Z = 1.5
- rea despus de Z = 1.01

Solucin: Para resolver cada uno de los incisos de este problema se presenta en cada ocasin la
seccin ms apropiada de la tabla 1.

- Con el fin de determinar el rea a la izquierda de Z = -1.14, se localiza en la primera
columna ( la de Z) el valor de - 1.1; y en el rengln superior de la tabla, el valor
0.04; en la interseccin de estos dos datos se muestra el valor del rea bajo la curva a
la izquierda de 1.14 la cual, como puede observarse es de 0.1271.

Z 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
-3.5 0.00017 0.00017 0.00018 0.00019 0.00019 0.00020 0.00021 0.00022 0.00022 0.00023
-3.4 0.00024 0.00025 0.00026 0.00027 0.00028 0.00029 0.00030 0.00031 0.00033 0.00034
* * * * * * * * * * *
* * * * * * * * * * *
* * * * * * * * * * *
-1.1 0.1170 0.1190 0.1210 0.1230 0.1251 0.1271 0.1292 0.01314 0.13335 0.1357

- En este inciso se pide determinar el valor del rea a la derecha de Z = 3.02. Dado que
la tabla proporciona el valor del rea a la izquierda de Z y tomando en cuenta que el
valor total del rea debajo de la curva es igual a 1, se tiene que:

32
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.500 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
* * * * * * * * * * *
* * * * * * * * * * *
* * * * * * * * * * *
3.0 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99896 0.9990

En la seccin anterior de la tabla se observa que el valor del rea a la izquierda de Z = 3.02 es
0.99874

Por lo que: el valor del rea a la derecha de 3.02 =

- Para determinar el valor del rea entre Z 3.27 y Z = 3.27, se busca primero en la
tabla el valor del rea hasta Z = -3.27

Z 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
-3.2 0.00054
33

Luego se busca en el rengln correspondiente de la tabla el valor del rea hasta Z = 3.27

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
3.2 0.99946

Entonces :

- rea hasta antes de Z = 1.5

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1.5 0.9332
34

- rea a la derecha de Z = 1.01

Ejemplo: Considere la distribucin normal estndar de la variable Z, determine el rea indicada
en cada
Caso y represntele grficamente.

- rea hasta Z = -0.5
- rea despus de Z = - 1.27
35
- rea despus de Z = 2.09
- rea entre Z = -.21 y Z =1.18
- rea antes de Z = -3 y despus de Z = 2.

Tabla A.1 Distribucin normal acumulada (parte 1 de 2)

Z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
- 3.40 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0002
- 3.30 .0005 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0003
36
- 3.20 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005
- 3.10 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007
- 3.00 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0010 .0010

- 2.90 .0019 .0018 .0018 .0017 .0016 .0016 .0015 .0015 .0014 .0014
- 2.80 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
- 2.70 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
- 2.60 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
- 2.50 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048

- 2.40 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
- 2.30 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
- 2.20 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
- 2.10 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
- 2.00 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183

- 1.90 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
- 1.80 .0359 .0351 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
- 1.70 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
- 1.60 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
- 1.50 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559

- 1.40 .0808 .0793 .0778 .0764 .0749 .0735 .0721 .0708 .0694 .0681
- 1.30 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
- 1.20 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
- 1.10 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
- 1.00 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379

- .90 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
- .80 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
- .70 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
- .60 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
- .50 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776

- .40 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
- .30 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
- .20 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
- .10 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
- .00 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641

Tabla A.1 Distribucin normal acumulada (parte 2 de 2)

Z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.00 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
.10 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753
.20 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6046 .6103 .6141
37
.30 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
.40 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879

.50 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
.60 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
.70 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852
.80 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
.90 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389

1.00 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621
1.10 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.20 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.30 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177
1.40 .9192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319

1.50 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429 .9441
1.60 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.70 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.80 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706
1.90 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767

2.00 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.10 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.20 .9861 .9864 .9868 .9871 .9875 .9878 .9881 .9884 .9887 .9890
2.30 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.40 .9918 .9920 .9922 .9925 .9927 .9929 .9931 .9932 .9934 .9936

2.50 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.60 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.70 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.80 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.90 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986

3.00 .9987 .9987 .9987 .9988 .9988 .9989 .9989 .9989 .9990 .9990
3.10 .9990 .9991 .9991 .9991 .9992 .9992 .9992 .9992 .9993 .9993
3.20 .9993 .9993 .9994 .9994 .9994 .9994 .9994 .9995 .9995 .9995
3.30 .9995 .9995 .9995 .9996 .9996 .9996 .9996 .9996 .9996 .9997
Fuente J. Banks/R. G. Heikes, Handbooks of Tables and Graphs for the Industrial Engineer and Manager,
1984, pgs. 44 45. (Una publicacin Reston). Reimpreso con autorizacin de Prentice Hall,
Englewood Cliffs, Nueva Jersey

NI VEL I V

GRAFI CAS DE CONTROL POR VARI ABLES

38

OBJETIVO

El participante analizara el comportamiento del proceso mediante la
recoleccion de datos y la elaboracin del grafico de control R X

IV.I INTRODUCCION.

En 1924 el Dr. Shewhart inicia el control de Calidad llamado Estadstico; este se basa en
el uso de grficas y emplea mtodos de calculo simplificado.

El Dr. Shewhart junto con otros ingenieros desarrollan mtodos que ayudan a observar los
39
pasos del proceso que mas inciden en la calidad del producto terminado. Las principales
a las que llegaron conclusiones a las que llegaron son las siguientes: Hay causas debidas
al operario, al turno, al material etc. denominadas causas comunes, hay otras debidas al
proceso mismo de produccin debido a que la ingeniera de diseo no tiene en cuenta las
dificultades de produccin para elaborar los productos conforme a sus especificaciones, a
estas se les conoce con el nombre de causas especiales.

DIFERENTES GRAFICAS DE CONTROL.

Las grficas de control desarrolladas por el Dr. Shewhart son grficas poligonales que
muestran en el tiempo el estado del proceso, se marcan los resultados de la variable a
observar en un esquema previamente que contiene una lnea central o media y una lnea
hacia arriba y otra hacia abajo, que son los limites de especificacion superior ( LSE ) e
inferior ( LIE ) respectivamente.

_____________________________________________ LSE

_____________________________________________ Lnea Central

_____________________________________________ LIE

Las Grficas de Control son herramientas indispensables en manos de quienes deben
resolver los problemas que se derivan de las especificaciones de Calidad que presentan
las variables porque proporcionan informacin sobre:

- El intervalo de variacin en el que bsicamente se mueve la caracterstica de
Calidad.

- La consistencia de la realizacin.

- El nivel medio de la caracterstica de Calidad cuyo conocimiento es bsico en
la formacin de criterio y toma de decisiones.

LAS GRFICAS DE CONTROL SE USAN ENTRE OTRAS COSAS:

- Para verificar que los datos obtenidos poseen condiciones semejantes.

b) Para observar el proceso productivo a fin de poder investigar las causas de un
comportamiento anormal.

Existen diferentes Grficas de Control en funcin de la variable a observar y del proceso
a controlar.

EL PROCESO A CONTROLAR PUEDE DEPENDER:

40
- De una variable.

- O de caractersticas nominales llamadas atributos.

RECORDEMOS LA DIFERENCIA ENTRE UNA VARIABLE Y UN ATRIBUTO:

En lenguaje estadstico, la variable se utiliza cuando se registra la medida real de una
caracterstica de Calidad, como una dimensin expresada en micras, miligramos,
milmetros, etc.

Cuando solo se anota el nmero d e artculos que pasan o que no pasan ciertas
condiciones especificas, se dice que el control es llevado mediante atributos; el color de
una tela para tapizar automviles puede ser el deseado o no, el barniz exterior de una
pieza de mueblera presenta o no una apariencia satisfactoria, un punto de soldadura
forma o no una protuberancia en las hojas, etc.

LAS GRFICAS DE CONTROL MS UTILIZADAS SON LAS SIGUIENTES:

Por Variable:

X R Promedio y Rangos.
X R Lecturas Individuales.
X
~
R Medianas y Rango.
X S Medias y Desviacin estandar

Por Atributos:

P Porcentaje de unidades defectuosas.
C Nmero de defectos por unidad.
Np Cantidad de unidades defectuosas.
U Cantidad de defectos por unidad

IV.II DESARROLLO DE LAS GRAFICAS DE CONTROL POR VARIABLES
(MEDICIONES).

PRIMER PASO: DECISIN DE LA CONSTRUCCIN DE LA GRFICA R X .

41
Decidir la construccin de la Grfica incluye los objetivos a conseguir, eleccin de la
variable, eleccin del criterio de formacin de datos representativos, mtodos de registro
de los datos y determinacin del mtodo de medicin.

ALGUNOS OBJETIVOS DE LAS GRFICAS DE CONTROL SON:

Obtener informacin para establecer o cambiar especificaciones.

Obtener informacin para ser utilizada en el establecimiento o cambio de los
procedimientos de produccin.

Obtener informacin para establecer o modificar los procedimientos de inspeccin.

Proporcionar un criterio para la toma de decisiones reales durante la produccin acerca de
cuando investigar causas de variacin y tomar accin para corregirlas y cuando dejar solo
el proceso.

Proporcionar un criterio para la toma de decisiones rutinaria sobre la aceptacin o
rechazo de un producto manufacturado o comprobado.

Familiarizar al personal con el uso de las Grficas de Control.

VARIABLES A CONSIDERAR:

La eleccin se basa en el propsito de reducir o impedir los rechazos, los costos, el
desperdicio, el reproceso, etc.

Algo que pueda ser medido y expresado en nmeros, dimensiones, dureza, fragilidad,
resistencia, peso, etc.

CRITERIOS PARA SELECCIONAR LOS DATOS:

Eleccin basada en hiptesis racionales formando subgrupos de acuerdo con el volumen
de produccin, tiempo, orden, etc.

ELECCIN DEL TAMAO Y FRECUENCIA DE LA OBTENCIN DE LOS DATOS
REPRESENTATIVOS:

El Dr. Shewhart sugirio 4 como el tamao ideal del subgrupo; 5 parece ser un tamao
ms comn. Este criterio toma como base el que la distribucin se acerque a la normal
an cuando el universo no represente una curva.
Para un estudio inicial de un proceso, las muestras ( subgrupos ) deben estar formadas de
2 a 10 piezas producidas consecutivamente: de esta manera las piezas en cada subgrupo
estarn producidas bajo condiciones similares de produccin, Ford ha adoptado como
tpico el que las muestras estn formadas de 5 piezas consecutivas, ya que con menos
de 5 empieza a perderse la sensibilidad de las grficas para detectar problemas y con
ms de 5 se obtiene muy poca informacin adicional.

42
Durante un periodo inicial los subgrupos pueden ser tomados consecutivamente o a
intervalos cortos para detectar si el proceso puede cambiar o mostrar inconsistencia en
breves periodos de tiempo.
Ford recomienda que el intervalo sea de a 2 horas, ya que mas frecuentemente puede
representar demasiado tiempo invertido y as es menos frecuente, pueden perderse eventos
importantes que sean poco usuales.

METODO DE MEDICION:

Es importante que el mtodo seleccionado de medicin sea uniforme para todas las
lecturas y que el personal posea esta informacin por escrito.

SEGUNDO PASO: CONTRUIR LA GRAFICA.

Incluye obtener las mediciones y datos, calcular la media ( X )
De cada serie de datos representativos, calcular el rango ( R )
De cada serie de datos representativos, trazar la grfica X, trazar grfica R

OBTENER MEDICION Y DATOS:

El trabajo del grfico inicia con las mediciones; es importante sealar que una Grfica de
Control est influenciada por los instrumentos que sirven para medir, las personas que
miden y las circunstancias en que se realizan.

Conviene anotar adems de las medidas otras observaciones ( cambio de turno, inicio de
operacin, temperatura ambiental, etc)

TRAZAR LAS GRAFICAS X Y R.

Ordinariamente estas representaciones se hacen en papel milimtrico o cuadriculado; se
establece a la izquierda la escala, anotando las magnitudes para X en la parte superior y
para la R en la parte inferior.
En la parte inferior se anotan los nmeros cardinales que representan las muestras
sucesivas.

Cada sugrupo de identifica en la grfica con un punto, un circulo o una cruz segn se
establezca solos o unidos mediante trazos rectos.
Se anota fecha y se procura llevarlos al da.

TERCE PASO: DETERMINAR LOS LIMITES DE CONTROL.

Determinar los limites tentativos de control que incluye:
- La decisin del nmero requerido de subgrupos o muestras.
- Calcular la media de los Rangos ( R )
- Calcular los limites superior e inferior del grfico R.
43
- Calcular la media de los valores de |
.
|
\
|
X X Y.
- Calcular los limites de control superior e inferior de X .
- Por ltimo representar con lneas los promedios y limites obtenidos tanto para X
como para R.

DECIDIR CUANTOS SUBGRUPOS SON NECESARIOS PARA CALCULAR LOS
LIMITES DE CONTROL.

Mientras menor sea el nmero de subgrupo que tomemos ms pronto tendremos una idea
para actuar, menor ser la seguridad de que esta base sea confiable.

Es conveniente tener al menos 25 grupos: La experiencia indica que las primeras muestras
pueden ser representativas de lo que se mida posteriormente, pues la sola accin de
tomar conciencia de que estamos midiendo puede influir en la variacin de los datos.

Si la obtencin de los subgrupos es lenta, se puede tomar la poltica de efectuar clculos
preliminares que luego se irn modificando.

PASO CUATRO: INTERPRETAR LA ESTABILIDAD DEL PROCESO.

La obtencin de conclusiones preliminares deducidas de los grficos incluye indicacin de
control o falta de el, relacin entre la trayectoria que sigue el proceso y se supone que
debe seguir.

INDICACION DE LA EXISTENCIA O FALTA DE CONTROL.

Se sugiere al usuario de los Grficos de Control que representen en forma diferente los
puntos que estn fuera de los limites ya que estos puntos se encuentran fuera de
especificacin.

INTERPRETACION DEL PROCESO.

A partir de los datos del Grfico de Control, se obtienen las estimaciones del valor
central del proceso y la dispersin del proceso.
Si no hay ningn punto que salga fuera de lo limites se dice que El proceso esta bajo
control lo que quiere decir que el proceso se comporta como si no existieran causas
atribuibles de variacin.
Una regla practica para decir que un proceso est bajo control es que no exista ms de
un punto fuera de los limites considerado 35 muestras o ms de 2 considerando 100.
Tambin podemos decir que un proceso esta dentro de control siempre que todos los
puntos se encuentren dentro de los limites de control y que estos puntos no muestren
ninguna tendencia, tambin podemos considerar varios tipos de tendencia.
44
Tabla A.2 Factores para grficas de control de 3o
Obs. en
la
muestra,
n
Grficas X
Grficas S Grficas R
Factores para los lmites
de control
Factores para la
lnea central
Factores para los
lmites de control
Factores para la
lnea central
Factores para los lmites de control
A A
2
A
3
c
4
1/c
4
B
3
B
4
B
5
B
6
d
2
1/d
2
d
3
D
1
D
2
D
3
D
4

2 2.121 1.880 2.659 0.7979 1.2533 0 3.267 0 2.606 1.128 0.8865 0.853 0 3.686 0 3.267
3 1.732 1.023 1.954 0.8862 1.1284 0 2.568 0 2.276 1.693 0.5907 0.888 0 4.358 0 2.574
4 1.500 0.729 1.628 0.9213 1.0854 0 2.266 0 2.088 2.059 0.4857 0.880 0 4.698 0 2.282
5 1.342 0.577 1.427 0.9400 1.0638 0 2.089 0 1.964 2.326 0.4299 0.864 0 4.918 0 2.114
6 1.225 0.483 1.287 0.9515 1.0510 0.030 1.970 0.029 1.874 2.534 0.3946 0.848 0 5.078 0 2.004
7 1.134 0.419 1.182 0.9594 1.0423 0.118 1.882 0.113 1.806 2.704 0.3698 0.833 0.204 5.204 0.076 1.924
8 1.061 0.373 1.099 0.9650 1.0363 0.185 1.815 0.179 1.751 2.847 0.3512 0.820 0.388 5.306 0.136 1.864
9 1.000 0.337 1.032 0.9693 1.0317 0.239 1.761 0.232 1.707 2.970 0.3367 0.808 0.547 5.393 0.184 1.816
10 0.949 0.308 0.975 0.9727 1.0281 0.284 1.716 0.276 1.669 3.078 0.3249 0.797 0.687 5.469 0.223 1.777
11 0.905 0.285 0.927 0.9754 1.0252 0.321 1.679 0.313 1.637 3.173 0.3152 0.787 0.811 5.535 0.256 1.744
12 0.866 0.266 0.886 0.9776 1.0229 0.354 1.646 0.346 1.610 3.258 0.3069 0.778 0.922 5.594 0.283 1.717
13 0.832 0.249 0.850 0.9794 1.0210 0.382 1.618 0.374 1.585 3.336 0.2998 0.770 1.025 5.647 0.307 1.693
14 0.802 0.235 0.817 0.9810 1.0194 0.406 1.594 0.399 1.563 3.407 0.2935 0.763 1.118 5.696 0.328 1.672
15 0.775 0.223 0.789 0.9823 1.0180 0.428 1.572 0.421 1.544 3.472 0.2880 0.756 1.203 5.741 0.347 1.653
16 0.750 0.212 0.763 0.9835 1.0168 0.448 1.552 0.440 1.526 3.532 0.2831 0.750 1.282 5.782 0.363 1.637
17 0.728 0.203 0.739 0.9845 1.0157 0.466 1.534 0.458 1.511 3.588 0.2787 0.744 1.356 5.820 0.378 1.622
18 0.707 0.194 0.718 0.9854 1.0148 0.482 1.518 0.475 1.496 3.640 0.2747 0.739 1.424 5.856 0.391 1.608
19 0.688 0.187 0.698 0.9862 1.0140 0.497 1.503 0.490 1.483 3.689 0.2711 0.734 1.487 5.891 0.403 1.597
20 0.671 0.180 0.680 0.9869 1.0133 0.510 1.490 0.504 1.470 3.735 0.2677 0.729 1.549 5.921 0.415 1.585
21 0.655 0.173 0.663 0.9876 1.0126 0.523 1.477 0.516 1.459 3.778 0.2647 0.724 1.605 5.951 0.425 1.575
22 0.640 0.167 0.647 0.9882 1.0119 0.534 1.466 0.528 1.448 3.819 0.2618 0.720 1.659 5.979 0.434 1.566
23 0.626 0.162 0.633 0.9887 1.0114 0.545 1.455 0.539 1.438 3.858 0.2592 0.716 1.710 6.006 0.443 1.557
24 0.612 0.157 0.619 0.9892 1.0109 0.555 1.445 0.549 1.429 3.895 0.2567 0.712 1.759 6.031 0.451 1.548
25 0.600 0.153 0.606 0.9896 1.0105 0.565 1.435 0.559 1.420 3.931 0.2544 0.708 1.806 6.056 0.459 1.541
Fuente: ASTM STP 150, 1976, copyright, American Society for Testing and Materials, Filadelfia.

45
PROCEDIMIENTO PARA EL DESARROLLO DE GRAFICAS DE CONTROL X R.

1.- Obtencin de datos.

2.- Calcular el promedio de cada subgrupo.

n
xi
X

=
3.- Obtener el rango de cada subgrupo.

R = VM vm

4.- Obtener el promedio de promedios.

K
X
X

=
5.- Obtener el promedio de rangos.

K
R
R

=
6.- Calcular los limites de Control.

LSC R A X X 2 + = LSCR = R D4

LIC R A X X 2 = LICR = R D3

DONDE:

LSC X = Limite superior de Control para todos los promedios.

LIC X = Limite inferior de Control para todos los promedios.

LCS R = Limite superior de control para los Rangos.

LIC R = Limite inferior de control para los Rangos.

X = Promedio de promedios.

R = Promedio de Rangos.

A2, D4, D3 = Constantes (Tabla anterior ) que depende del tamao de muestra
46
( nmero de datos por muestra).

7.- Graficar promedios y Rangos de cada muestra.

8.- Anlisis de la Grfica.

IV.III ANALISIS DE LAS GRAFICAS DE CONTROL.

1.- CORRIDA:

La forma en que los puntos se mueven por arriba y por debajo de la lnea central.
El nmero consecutivo de puntos arriba o debajo de la lnea central es llamada longitud
de la corrida. Si la longitud de la corrida es igual o ms de 7 puntos, el proceso es
juzgado anormal.

2.- TENDENCIAS CON 6 PUNTOS:

En caso de que los puntos vayan en secuencia ascendente, se dice se dice que tenemos
una tendencia. No existe un criterio para decidir si la tendencia es anormal o no, pero si
dicha tendencia continua los puntos caern fuera de los limites de control o asumirn la
forma de una corrida.

3.- ADHESION A LOS LIMITES DE CONTROL:

Dividir el ancho entre la lnea central y las lneas de control en las tres partes Iguales si
dos de tres puntos consecutivos caen dentro del tercio cercano a las lneas limites. Se
considera que el proceso es normal.

4.- ADHESION A LA LINEA CENTRAL.
47

Si los puntos se concentran en el centro. El proceso es juzgado anormal.
Para decidir si hay adhesin a la lnea central, hay que dividir la zona entre los limites
en 4 partes iguales y observar si los pintos caen dentro de los sectores cercanos a la
lnea central.

5.- PERIODICIDAD EN TODO EL PROCESO.

Se dice que el proceso muestra periodicidad, si los puntos se mueven hacia arriba o
hacia abajo ms o menos a intervalos iguales.

6.- PUNTOS FUERA DE CONTROL

El objetivo de la interpretacin de los Grficos de Control es la mejora continua del
proceso, se puede considerar que un proceso esta bajo control cuando solo uno de 35
puntos est fuera de los limites de control.

De los siguientes datos calcular lo que se pide.

48

1.- Calcular promedios por cada muestra.

2.- Calcular rangos por cada muestra.

3.- Calcular el promedio de promedios. ( X )

4.- Calcular el promedio de rangos ( R )

5.- Calcular limites de control.

6.- Graficar promedios y rangos.

7.- Anlisis de la grfica.
MUESTRA R
1 583 584 584 584 584
2 584 583 584 583 583
3 584 583 583 583 584
4 584 584 584 583 585
5 583 583 583 585 582
6 582 583 583 583 583
7 583 583 584 583 584
8 583 583 584 583 583
9 582 582 584 583 583
10 583 582 583 583 583
11 583 583 583 584 585
12 584 583 585 585 585
13 583 582 585 585 585
14 585 582 585 585 585
15 586 583 584 584 583
16 584 583 583 584 585
17 583 584 583 585 583
18 583 583 584 585 583
19 583 583 585 583 583
20 582 585 584 585 583
21 584 584 584 583 582
22 583 583 582 583 583
23 584 583 585 586 584
24 583 583 583 582 584
25 583 583 584 583 583
26 583 583 582 582 583
27 583 582 582 583 582
28 582 582 583 583 584
29 583 583 585 584 584
30 583 584 583 583 584
DATOS
X

49
IV.IV HABILIDAD DEL PROCESO.

a) INTRODUCCION.

Antes de determinar la Habilidad del proceso es preciso identificar las causas especiales y
corregirlas.
La lectura del grfico R nos informa que:

1.- Una serie de puntos por debajo de la lnea normal, puede significar:

- Menor variacin de los resultados.
- Verificar el sistema de medicin.
- Cambiar el sistema de medicin.

2.- Una serie de puntos por encima de la serie central, nos indica que:

- Hay mayor dispersin en los resultados debido a equipos y materiales nuevos,
etc. lo que implica aplicacin de una accin correctiva inmediata, cambios en
la inspeccin, cambios en los instrumentos de medicin.

3.- Una serie de puntos en forma de ciclos repetidos, puede ser el resultado de:

- Mantenimiento Preventivo.
- Fatiga del operario.
- Herramientas gastadas.

4.- Una serie de puntos en forma de tendencia:

- Variabilidad de la destreza del operario:
- Cambio de las proporciones de los subprocesos que alimentan una cadena de
montaje.
- Cambio gradual de la homogeneidad de la calidad de la materia prima.

5.- Una serie de puntos en forma variable y discontinua:

- Cambios en le material.
- Cambios en el mtodo.
- Cambios en el personal.

6.- Una elevada proporcin de puntos cerca o fuera de los limites de control:

- Mezcla de diferentes materiales.
- Datos de diferentes maquinas.
- Empleo de un mismo grfico para diferentes procesos.
- Empleo de un solo grfico para operaciones diferentes.

7.- Una elevada proporcin de puntos cercanos a la lnea central:

- Recopilacin en cada muestra de un nmero de medidas procedentes de
poblaciones que difieren ampliamente. El anlisis de datos debe hacerce en
50
forma inmediata de manera que se minimice la produccin de piezas fuera d e
control.

8.- Por otra parte el grfico X nos informa que:

- Una serie de puntos por debajo de la lnea central puede significar:

- Verificar el sistema de medicin,.

9.- Una serie de puntos en forma de ciclos repetidos, puede ser el resultado de:

- Temperatura o magnitudes que se repiten en forma de ciclos.
- Diferencias en los sistemas d e medicin de prueba que se emplean.
- Cambio rotativo de maquinas o de operarios a intervalos regulares.
- Combinacin de montajes ms pequeos o de subprocesos.


- Desgaste gradual que puede afectar a todos los elementos.
- Acumulacin de productos d e desecho.
- Empeoramiento de las condiciones ambientales.

11.- Una serie de puntos en forma variable y discontinua.

- Cambio en las proporciones de los materiales o en los componentes procedentes
de diferentes proveedores.

12.- Una elevada proporcin de puntos cerca o fuera de los limites de control:

- Control excesivo.
- Diferencias sistemticas en la calidad del material.
- Diferencias sistemticas en el mtodo, equipo de medicin.
- Llevar control de dos o ms procesos en el mismo grfico.


- Calculo incorrecto de los limites de control.
- Lectura de ambos grficos en los que encontramos correlacin indicada.
- Si se trata de un mismo proceso sesgo de la poblacin puntos generados por
una misma muestra.
- Si se trata de diferentes grficos puntos generados por la misma muestra,
relaciones desconocidas entre causa y efecto.

Una vez eliminadas las causas especiales se recalculan los limites de control y se
procede a determinar la habilidad del proceso.
e) CALCULO DE Z
51
Tabla de Constantes.

n d2

2 1.13
3 1.69
4 2.06
5 2.33
6 2.53
7 2.7
8 2.85
9 2.97
10 3.08

PASO 1.- Calcule la desviacin estndar del proceso.

Dado que la variacin en el proceso de una pieza a otra se refleja en el rango del
subgrupo. La estimacin de la desviacin estndar o ( se lee sigma testada ), est basada
en le promedio de rangos ( R ) calculado en la grfica de control mediante la siguiente
formula:
2 d
R
= o
Donde R es el promedio de rangos de los subgrupos ( para periodos en el que el rango
se encuentra en control ) y d2 es una constante que cambia en funcin del tamao de la
muestra.

PASO 2.- Calcule la habilidad del proceso:

La habilidad de un proceso es descrita en trminos de la distancia que hay entre el
promedio del proceso ( X ) y los limites de especificacin. Para esto definiremos dicha
distancia en unidades que llamaremos Z.

Cuando la tolerancia de la especificacin es unilateral, es decir hacia un solo lado.

o
X LE
Z

=
Donde LE = Limite especificado.
X = Promedio del proceso.
o = Desviacin estndar del proceso.

Para tolerancia bilaterales es decir hacia ambos lados:

52

o
X LSE
ZS

=
o
LIE X
ZI

=

Donde: LSE = Limite superior de especificacin.
LIE = Limite inferior de especificacin.
Zs = Z superior.
Zl = Z inferior.

f) DETERMINACIN DE LA HABILIDAD POTENCIAL DEL PROCESO CP:

La habilidad de un proceso puede ser potencial o real, la habilidad potencial se
identifica con el smbolo Cp y se estima como el cociente de la variacin total del
proceso.

Cp = Variacin especificada o permitida.
Variacin total del proceso.

o o 6 6
W LIE LSE
CP
=
=

Criterio: Los requerimientos mnimos para que un proceso sea considerado potencialmente
hbil son:

Cp > 1.00 para 3 o 99.7%

Cp > 1.33 para 4 o 99.9%

Proceso potencialmente habil.

LIE LSE
VARIACION ESPECIFICADA
53

54

Proceso no hbil potencialmente.

d) DETERMINACIN DE LA HABILIDAD
REAL DEL PROCESO (CPK)

El parmetro Cpk se calcula de las dos formas siguientes:

1) A travs del parmetro z definido anteriormente:

Cpk = z min.
3

2) A travs del parmetro Cp:

Cpk = Cp ( 1 k )

De donde:

K = 2 D
W

D = M - X

-3o 3o
VARIACIN TOTAL LSE-LIE > 6o
6o
-3o 3o
6o
LSE-LIE < 6o
55

M = LSE + LIE = ( punto medio especificado )
2

X = gran promedio del proceso.

Para considerar que un proceso es realmente hbil, se debe tener como mnimo:

Cpk > 1.00 para o 3

Cpk > 1.33 para o 4

Ejemplos:

1.- Los siguientes datos muestran los valores encontrados en el chequeo de la profundidad
para el bote de PASTE WAX de 1 LB. Especificacin: .250 + 0.10

1.- Calcular promedio de cada muestra.
3.- Calcular el promedio de promedios.
4.- Calcular el promedio de rangos.
6.- Calcular el valor de Cp.
7.- Calcular el valor del Cpk.
8.- Graficar promedio y rangos.
9.- Analizar la grfica.

Nota : El Cpk por los dos metodos.

Datos:

248 248 248 248 246 249 246 246 248 246 250 252 243 245 246 243 243 243 246 247 248 249 248
249 248 248 249 248 249 246 247 246 248 250 252 244 245 247 247 244 244 247 247 249 250 249
250 250 249 249 248 249 246 249 249 249 250 253 244 246 247 247 244 244 247 248 250 250 249
250 251 248 250 248 250 248 250 251 249 252 254 245 246 248 248 245 245 248 250 250 251 250

56

e) EL RANGO DE CAPACIDAD ( Cr )

El Capability ration ( Rango de capacidad ) es otra forma de sondear la variabilidad de
un proceso. Esta medida compara la variacin del proceso con el rango permitido ( los
limites de especificacin ).

La formula para calcular el Cr es:

Cr = 6* s = 1
LSE - LIE

Ejercicio:

a) Considerando que los limites inferior y superior son 8.0 y 10.0

Calcular el Cr y comentar el resultado. ( S = 0.34 )

Cr = ________________ Cr = _________________

b ) Considerando que los limites inferior y superior son 315.5 y 330.0


Cr = ________________ Cr = _________________

57

NI VEL V

GRAFI CAS DE CONTROL POR ATRI BUTOS

OBJETIVO

EL PARTICIPANTE ANALIZARA EL COMPORTAMIENTO DEL PROCESO MEDIANTE
LA RECOLECCION DE DATOS Y LA ELABORACIN DE SU GRAFICO DE CONTROL
POR ATRIBUTOS.

58

V.I CARACTERSTICAS DE LOS GRFICOS DE CONTROL POR ATRIBUTOS.

A pesar de la ventajas de los grficos X - R como instrumentos para diagnosticar los
problemas de calidad y como medio para observar el proceso, su empleo se limita a
algunos productos y servicios.
( Los grficos X - R son aplicables solo a caractersticas de la calidad, solo pueden
clasificarse como atributo o respuesta a la cuestin Tiene o no tiene la caracterstica R?)

Debido a la gran cantidad de medidas que se pueden considerar en el proceso de un
producto no es posible hacer un grfico para cada una de las caractersticas que se
desean.

Resumiendo podemos decir que los hechos que favorecen el uso de los grficos de
control por atributo son:

- Aplicables a cualquier proceso.
- Rpidos y simples de obtener.
- Fciles de interpretar.
- Contribuyen a dar prioridad a reas con problemas.

Los datos por atributos se clasifican en dos grandes grupos.

Estos grupos pueden tener como ttulos:

- Pasa - No pasa

- Conforme - No conforme

- Presente - Ausente

- Si - No

- Aprobado - Rechazado

Cualquier proceso de manufactura o ensamble puede evaluarse mediante atributos.

En una lista se pueden especificar los tributos requeridos sin necesidad de personal
59
especializado. Los datos se presentan con periodicidad a la gerencia la informacin
de nmeros ndices que son muy importantes en el desarrollo de una empresa.
Estos nmeros ndices pueden referirse al producto, desperdicio, rechazo de materiales,
seguridad, productividad, comunicacin, etc.

El uso de los grficos por atributos en las reas claves del proceso productivo, nos indica
cuales procesos requieren un anlisis ms detallado.

Las observaciones por atributos constan de:
- Un criterio.
- Una prueba.
- Una decisin.
Las grficas de control por atributos que se utilizan son:

Los tamaos de muestra pueden ser variables.

np Nmeros de unidades defectuosas.
Tamao de muestra debe ser constante.

c Nmero de defectos.
Tamao de muestra constante.

u Nmeros de defectos por unidad.

Al igual que en los grficos anteriores los pasos generales son:

2.- Calcular los limites de control.
3.- Graficar.
4.- Analizar el grfico.
5.- Interpretar la habilidad del proceso.

Es de suma importancia familiarizarnos con los tipos de grficos por atributos para
emplearlos lo mejor posible.

V.II GRFICOS P

Objetivos de los grficos P.

1.- averiguar despus de un tiempo la proporcin media defectuosa de artculos o piezas
defectuosas sometidas a inspeccin.

2.- Poner a la atencin de la direccin cualquier cambio en el nivel medio de calidad.

3.- Descubrir aquellos puntos fuera de control que requieren de accin para identificar y
corregir las causas de mala calidad.

4.- Descubrir aquellos puntos fuera de control que indican modelos de inspeccin
60
relajados, causas irregulares de mejora de calidad que podran convertirse en causas de
mejora de calidad consistentes.

5.- Sugerir puntos para el empleo de grficos X - R para diagnosticar problemas de
calidad.

6.- Proporcionar un criterio para poder enjuiciar si los sucesivos lotes pueden considerarse
representativos de un proceso. Esto puede influir convenientemente en la severidad del
criterio de aceptacin.

Ejemplo:

En la siguiente grfica se encuentran los tamaos de muestra y cantidad de rechazos que
se obtuvieron al efectuar una inspeccin visual al bote Royal Europa en el departamento
de lneas generales.

a) Elaborar e interpretar la grfica de control.

1.-Calcula la proporcin defectuosa de cada muestra.

Donde: P = Proporcin defectuosa.
P = np np = Nmero de piezas rechazadas.
n n = Nmero de piezas
inspeccionadas.

Empleando los valores de la grfica para la primera muestra.

np = 2 y n = 57

por lo tanto: P =
57
2
= 0.035

El valor que se obtiene de cada uno de los subgrupos se registra en la grfica en el
espacio de proporcin.

Se continua sucesivamente por subgrupo hasta terminarlos.

2.- Calcular la proporcin defectuosa promedio. ( P )

P =
...... 4 3 2 1
....... 4 3 2 1
n n n n
np np np np
+ + +
+ + +

Donde: np = nmero de piezas defectuosas de cada grupo.
61

n = nmero de piezas inspeccionadas de cada subgrupo.

Empleando los valores de la grfica se tiene:

54 51 55 72 65 38 73 27 58 71 36 85 63 47 27 82 75 67 59 32 78 61 74 36 57
3 1 2 2 7 1 2 1 2 3 1 1 2 2 1 9 7 6 3 2 1 5 2 1 2
+ + + + + + + + + + + + + + + + + + + + + + + +
+ + + + + + + + + + + + + + + + + + + + + + + +
= P

1443
69
= P 047 . 0 = P

El valor obtenido se registra en el espacio prom. __________ de la grfica.

3.- Calculo del tamao de la muestra promedio. ( n )

n = n1 + n2 + n3+ n4

K

Donde: n = nmero de piezas inspeccionadas de cada subgrupo.
K = nmero de subgrupos.


25
54 51 55 72 65 38 73 27 58 71 36 85 63 47 27 82 75 67 59 32 78 61 74 36 57 + + + + + + + + + + + + + + + + + + + + + + + +
= n

72 . 57
25
1443
= = n
El resultado se anotar en el espacio de tamao de la muestra promedio ________ de la
grfica.

4.- Calculo de los limites de control.

( )
n
P P
P
LSCP

+ =
1
3
62

( )
n
P P
P
LICP

=
1
3

Donde: L.S.C. = Limite superior de control.

L.I.C. = Limite inferior de control.

La manera de llevar a cabo el calculo de los limites de control es el siguiente:

Datos : P = 0.047

n = 45.7

PASO 1: Sustituir los datos en la formula.

( )
72 . 57
047 . 0 1 047 . 0
3 047 . 0

+ =
LSCP

PASO 2: Realizar la resta la resta que se encuentra en el parentesis:

( 1 0.047 ) = 0.953

( )
72 . 57
953 . 0 047 . 0
3 047 . 0 + =
LSCP

PASO 3: Realizar la multiplicacin que est dentro de la raz cuadrada:

0.047( 0.953 ) = 0.044

72 . 57
044 . 0
3 047 . 0 + =
LSCP

PASO 4: Realizar la divisin que est dentro de la raz cuadrada:

00076 . 0
72 . 57
044 . 0
=

PASO 5: Realizar la raiz cuadrada de 0.00076

( ) 0275 . 0 3 047 . 0 + =
LSCP

63
PASO 6: Realizar la multiplicacin y la suma

1295 . 0 =
LSCP

De esta manera el limite superior de control ha sido calculado y se anota en el espacio de LSC
______ de la grafica.

Para el calculo del limite inferior de control se emplean los mismos pasos y a partir del paso 6
realizar el cambio de signo.
( ) 0275 . 0 3 047 . 0 =
LICP

0355 . 0 =
LICP

PASO 7: Elaboracin de la grafica:

f) Para trazar el grafico se puedes utilizar porcentajes
g) Elegir la escala apropiada para el trazo
h) Los puntos individuales se colocaran en la linea vertical central de cada subgrupo
i) Unir todos los puntos
j) Graficar los limites de control

NOTAS:

k) En este caso no es necesario trazar el LIC
l) Cuando p es pequeo, el limite de control inferior puede resultar negativo. En estos casos
no existe limite de control inferior y aun en los casos que P=0 para un subgrupo en
particular este valor estara dentro de la variacin aleatoria posible.
m) El calculo de los limites de control indicado previamente tiene validez cuando los
tamaos de muestra son iguales (como en el caso de un muestreo controlado) o cuando
los tamaos de los subgrupos no varian en mas o menos 25% con respecto a la muestra
promedio (tipico en condiciones realies de produccin bajo condiciones relativamente
estables). Cuando el tamao de un subgrupo varia mas que esa cantidad, podra ser
necesario el calculo de nuevos limites de control para el subgrupo en particular.
n) Cualquier procedimiento para el manejo de los limites de control variables sera incomodo
y llevara a confusin entre la gente que trate de interpretar las graficas. Es mejor en
donde sea posible, estructurar el plan de obtencin de datos de manera que puedan usarse
tamaos de muestras constantes.

PASO 8: Anlisis de las graficas

o) Causa comn de variacin: Es una fuente de variacin que siempre esta presente de la
variacin inherente al proceso mismo.
p) Causa especial de variacin: Es una fuente de variacin que es intermitente,
impredecible, inestable. Esta sealada por un punto fuera de control o por tendencias u
otros patrones de puntos no causales dentro de los limites de control.
q) Proceso en control estadstico: Es la condicion que describe un proceso en el cual todas
64
las causas especiales de variacin han sido eliminadas y solo permanecen las causas
comunes; esto se evidencia en la grafica de control y por su ausencia de patrones no
causales o tendencias dentro de los limites de control.
r) Se considera que un proceso esta bajo control estadstico cuando: Los puntos
graficados caen dentro de los limites de control o estan distribuidos sin mostrar evidencia
de tendencias.
s) Identifique y corrija las causas especiales: Cuando a traves del anlisis de los datos
identifique una condicion de falta de control debe estudiar el proceso para determinar la
causa. La accion correctiva debera ser tal que evite la repeticin del problema. La
investigacin de las condiciones fuera de control involucran el estudio oportuno (en
tiempo) de los cambios ocurridos en el proceso (si los hubo) que explique la causa de
dicha condicion.
t) Recalcule los limites de control: Una vez identificadas y corregidas las causas
especiales de variacin, debe eliminarse todos los puntos fuera de control para los cuales
se encontraron las causas; recalcule y grafique el promedio del proceso (P) y sus limites
de control. Debe confirmar que todos los puntos estan bajo control cuando se les
compare con los nuevos limites y repetir la secuencia de identificacin, correccion y
recalculo si fuera necesario. Los limites de control una vez que los datos historicos
muestran un desarrollo consistente dentro de dichos limites, se transforman en limites de
control de referencia para futuros anlisis.
u) Interpretacin de la habilidad del proceso: Una vez corregidos los problemas que
afectan al control del proceso (las causas especiales fueron identificadas, analizadas,
corregidas, para su repeticin). La grafica de control reflejara la habilidad del proceso.

PASO 9: Calcule la habilidad del proceso

Para la grafica P, la habilidad del proceso se refleja a traves del promedio de los subgrupos,
calculando en base a todos los puntos que estan bajo control. Esto puede ser expresado tambien
como el porcentaje que esta dentro de especificacin (1- P ).

Del ejemplo: P = 0.047 = 4.7%

(1- P ) = 1-0.47 = 0.0953= 95.3%

Por lo que la habilidad de este proceso es igual a 95.3% de piezas aceptables
Sin embargo, este valor no nos dice nada si no lo comparamos contra un objetivo o limite
Si tenemos como objetivo que un proceso es habil a:

( ) % 73 . 99 1 3 > P si o

( ) % 994 . 99 1 4 > P si o

Por lo que para este ejemplo, este proceso (95.3%) de piezas aceptables no es habil ni para 3o ni
para 4o .

Ejemplo: la siguiente grafica muestra las balastras defectuosas encontradas en muestras contantes
de 500 piezas en dias diferentes.

65
v) Realice la grafica P
w) Interprete la grafica
x) Calcule los limites de control y la habilidad del proceso considerando los objetivos del
punto anterior.

V.III GRAFICA np PARA CANTIDAD DE UNIDADES DEFECTUOSAS

Objetivos de las graficas np:

y) Investigar la media de articulos defectuosos de muestras constantes sometidas a
inspeccion .
z) Informar a la direccin de cualquier cambio en el nivel medio de calidad
aa) Retroalimentar el proceso mediante el descubrimiento de puntos fuera de control
bb) Identificar y corregir causas que provocan articulos defectuosos
cc) Sugerir areas para el empleo de graficos X -R para diagnosticar problemas de calidad
dd) Proporcionar un criterio para poder enjuiciar los datos sucesivos que se tomen, si son o
no representativos del proceso y determinar nuevos criterios para constatar las siguientes
muestras.

Las graficas np mide la cantidad de unidades defectuosas en una muestra inspeccionada, la
grafica np es parecida a la p con la unica diferencia de que se registra la cantidad de unidades
defectuosas en lugar de su porcentaje en la muestra. La grafica p y np son adecuadas para las
mismas situaciones. Las intrucciones para elaborar la grafica np son casi iguales a las de la
grafica p, con las siguientes excepciones:

ee) Obtencin de datos: Los tamaos de muestra inspeccionados deber ser iguales y ademas
lo suficientemente grandes para permitir la aparicin de varios defectos en cada una de
ellas. En la practica de los tamaos de muestra suelen ser mayores de 50.

ff) Registre y grafique el numero de unidades defectuosas de cada subgrupo(np)

gg) Calculo de los limites de control

Calcule el promedio de unidades defectuosas del proceso ( np )

k
np np np
np
....... 3 2 1 + +
=

Donde: np1, np2... = Cantidad de unidades defectuosas en cada uno de los subgrupos.
k = Numero de subgrupos

Calcule los limites de control superior e inferior:

66
|
|
.
|
\
|
+ =
n
np
np np
LSCnp
1 3

|
|
.
|
\
|
=
n
np
np np
LICnp
1 3

Donde n= Tamao de muestra

NOTAS:

hh) La secuencia de calculo de los limites de control es similar a la secuencia de la grafica p.
ii) La interpretacin del control en una grafica np es igual a la descrita en la grafica p.
jj) Interpretacin de la habilidad del proceso.

La habilidad del proceso np, la cual representa el promedio de piezas defectuosas en una muestra
de tamao fijo n. Esto tambien puede ser expresado como porcentaje aprobado de piezas.

100 *
n
np n

Ejemplo: La siguiente grafica muestra la cantidad de mensulas oxidadas que se encontraron
despus de revisar un lote constante de 62 piezas diariamente.

kk) Realice la grafica np
ll) Interprete la grafica
mm) Calcule los limites de control y la habilidad del proceso considerando los objetivos del
punto anterior.

67

V.IV GRFICA c PARA NMERO DE DEFECTOS

Objetivos de la Grfica C.

1.- Para reducir el costo relativo del proceso.
2.- Informar a los supervisores de produccin y a la administracin a cerca del nivel de
calidad.
3.- Determinar qu tipo de defectos no son permisibles en el producto.
4.- Informar de la probabilidad de ocurrencia de los defectos en una unidad.

La Grfica C mide el nmero de defectos (discrepancias) en un lote inspeccionado (la diferencia
del nmero de unidades descrepantes de las grficas np). La Grfica C requiere tamaos de
muestra o tamaos de material inspeccionado constantes. Esta grfica se aplica principalmente en
dos tipos de situaciones:

nn) Donde las discrepancias se distribuyen a travs de un flujo ms o menos continuo del
producto (defectos en un rollo de vinilo de x metros, burbujas en un parabrisas o
puntos con aislante delgado en un conductos), y donde se pueda expresar el promedio o la
relacin de defectos (ejemplo: Nmero de defectos por cada 100 metros cuadrados de
tela).
oo) Donde los defectos provenientes de diferentes fuentes (lneas, operaciones) puedan
encontrarse en una unidad inspeccionada (los defectos en una estacin de inspeccin de
lnea donde cada vehculo o componente puede tener uno o ms defectos potenciales
dentro de un patrn de variacin muy amplio).

La forma de elaborar una grfica C es similar a la Grfica P con las siguientes excepciones:

PASO 1 Obtencin de Datos

pp) Los tamaos de muestra inspeccionadas (nmero de unidades, rea de la tela, longitud de
un cable, etc.) deben ser constantes, de manera que los valores graficados de C reflejen
los cambios en el desarrollo de la calidad ( C: representa la ocurrencia de defectos).
qq) Registre y grafique el nmero de defectos de cada subgrupo ( C ).

PASO 2 Clculo de los Lmites de Control

68
rr) Calcule el nmero de defectos promedio del proceso ( C ):

C = C 1 + C 2 + ... + ck
K

Donde: C 1 y C 2, ... representan la cantidad de defectos en cada uno de los k subgrupos.
ss) Calcule los Lmites de Control del Proceso ( LSC c LIC c )

C C
LSCc
3 + = C C
LICc
3 =

PASO 3 Interpretacin del Control del Proceso

tt) La interpretacin del Control del Proceso en una grfica c es igual a la descrita en la
grfica p.-

PASO 4 Interpretacin de la Habilidad del Proceso

uu) La habilidad del Proceso es C , el nmero promedio de defectos en una muestra de
tamao fijo, n.

V.V GRFICA u PARA CANTIDAD DE DEFECTOS POR UNIDAD

La grfica u mide la cantidad de defectos (discrepancias) por unidad de inspeccin en subgrupos
cuyos tamaos pueden ser variables. Es similar a la grfica c, con la diferencia que la cantidad
de defectos se expresa sobre una base unitaria. Las grficas c y u son adecuadas para las
mismas situaciones, pero deber utilizarse la grfica u si ( a ) la muestra incluye ms de una
unidad o si ( b ) el tamao de muestra vara en subgrupos. Las instrucciones para la elaboracin
de la grfica u son similares a las de la grfica p., con las siguientes excepciones:

PASO 1 Obtencin de Datos

vv) El tamao de la muestra puede variar entre subgrupos. El clculo de los lmites de
control se simplifica en la medida en que la variacin de los subgrupos no exceda el 25%
del tamao de la muestra promedio.
ww) Registre y grafique los defectos por unidad de cada subgrupo ( u ):

.u = c
n

donde c es la cantidad de efectos encontrados y n es el tamao de muestras (nmero de
unidades inspeccionadas) del subgrupo. Registre los valores de c y n en la grafica por atributos.

PASO 2 Clculo de los lmites de Control

xx) Calcule la cantidad de defectos promedio por unidad del proceso ( u )
69

.U = c 1 + c 2 .... + ck
n 1 + n 2 .... + nk

donde c1 , c2, .... y n1, n2, ... representan la cantidad de defectos y tamao de
muestra de cada uno de los k subgrupos respectivamente.

yy) Calcule los lmites de control ( LSCu, LICu)

n
u
u
LSCu
3 + =
n
u
u
LICu
3 =

Donde n es el tamao de muestra promedio.

PASO 3 Interpretacin del Control del Proceso

La interpretacin del Control del Proceso en una grfica u es igual a la descrita en la grfica p.

PASO 4 Interpretacin de la Habilidad del Proceso

La habilidad del proceso es u , el nmero promedio de defectos por unidad.

La siguiente grfica muestra la Cantidad de botes defectuosos por Rayaduras en el bote de 1 Lt.
Diseo de Velamar.

zz) Elabore la Grfica para nmero de Defectos. C

aaa) Con los datos de la grfica elabore la grfica U

70

NI VEL VI

HERRAMI ENTAS ESTAD STI CAS PARA LA SOUCI ON DE
PROBLEMAS

OBJETIVO

EL PARTICIPANTE SELECIONARA LA HERRAMIENTA ESTADSTICA MAS
ADECUADA A USAR EN SU AREA DE TRABAJO CON EL FIN DE MINIMIZAR LOS
PROBLEMAS Y/O DEFECTOS DEL PRODUCTO.

71

VI.I CUADRO DE APLICACIONES

VI.II TORMENTA DE IDEAS

APLICACIN:
Es usada para identificar posibles soluciones a los problemas y las oportunidades potenciales para
el mejoramiento de la calidad.

DESCRIPCIN:
Es una tcnica para aprovechar el pensamiento creativo de un equipo para generar y aclarar una
lista de ideas, problemas o asuntos.

PROCEDIMIENTO

APLICACIONES
HERRAMIENTAS Y
TECNICAS
OBTENER DE MANERA SENCILLA Y ORDENADA UNA GRAN
CANTIDAD DE DATOS QUE FACILITEN LA
IDENTIFICACIN DE PROBLEMAS
HOJA DE CHEQUEO
LLEGAR A LA CAUSA RAZ DEL PROBLEMA MEDIANTE
UNA SERIE DE PREGUNTAS
ANALISIS DE PROBLEMAS
5 PS
EVALUAR LA ESTABILIDAD DE UN PROCESO
CARTA DE CONTROL
MOSTRAR EL PATRN DE VARIACIN DE DATOS HISTOGRAMA
MOSTRAR, EN ORDEN DE IMPORTACIA, LA
CONTRIBUCIN DE CADA ELEMENTO AL EFECTO TOTAL.
DIAGRAMA DE PARETO
ANALIZAR Y COMUNICAR LAS RELACIONES DEL
DIAGRAMA DE CAUSA Y EFECTO. FACILITAR LA
SOLUCIN DE PROBLEMAS DESDE LOS SINTOMAS HASTA
LA SOLUCIN DE LAS CAUSAS
DIAGRAMA
CAUSA-EFECTO
IDENTIFICAR POSIBLES SOLUCIONES A PROBLEMAS Y
OPORTUNIDADES POTENCIALES.
TORMENTA DE IDEAS
APLICACIONES
HERRAMIENTAS Y
TECNICAS
OBTENER DE MANERA SENCILLA Y ORDENADA UNA GRAN
CANTIDAD DE DATOS QUE FACILITEN LA
IDENTIFICACIN DE PROBLEMAS
HOJA DE CHEQUEO
LLEGAR A LA CAUSA RAZ DEL PROBLEMA MEDIANTE
UNA SERIE DE PREGUNTAS
ANALISIS DE PROBLEMAS
5 PS
EVALUAR LA ESTABILIDAD DE UN PROCESO
CARTA DE CONTROL
MOSTRAR EL PATRN DE VARIACIN DE DATOS HISTOGRAMA
MOSTRAR, EN ORDEN DE IMPORTACIA, LA
CONTRIBUCIN DE CADA ELEMENTO AL EFECTO TOTAL.
DIAGRAMA DE PARETO
ANALIZAR Y COMUNICAR LAS RELACIONES DEL
DIAGRAMA DE CAUSA Y EFECTO. FACILITAR LA
SOLUCIN DE PROBLEMAS DESDE LOS SINTOMAS HASTA
LA SOLUCIN DE LAS CAUSAS
DIAGRAMA
CAUSA-EFECTO
IDENTIFICAR POSIBLES SOLUCIONES A PROBLEMAS Y
OPORTUNIDADES POTENCIALES.
TORMENTA DE IDEAS
72
bbb) La fase de generacin: El facilitador revisa las directrices de la tormenta de ideas y
el propsito de la sesin de la tormenta de ideas, despus los miembros del equipo
generan una lista de ideas. El objetivo es generar la mayor cantidad posible de ideas.

ccc) La fase de aclaracin: El equipo revisa la lista de ideas para asegurarse que cada uno
las entienda. La evaluacin de las ideas ocurrir cuando se concluya la sesin de
generacin de ideas.

Las directrices de la generacin de ideas incluyen:
ddd) Que el facilitador sea identificado:
eee) Que el propsito de la sesin de generacin de ideas sea claramente establecido;
fff) Que cada miembro del equipo tome un turno en secuencia, estableciendo una sola idea;
ggg) Cuando sea posible, que los miembros del equipo construyan sobre las ideas de los
dems;
hhh) Que en esta etapa, las ideas no sean criticadas ni discutidas;
iii) Que las ideas sean registradas donde todos los miembros puedan verlas;
jjj) Que este proceso contine hasta que ya no se generen mas ideas;
kkk) Que todas las ideas sean revisadas para aclaracin

VI.III DIAGRAMA CAUSA-EFECTO

La dispersin de los valores observados de la variable estudiada en un proceso productivo se
deben en su mayor parte a :

a) Las materias primas.

Las cuales difieren en su composicin aunque se aligeran, especialmente si se obtienen de
distintos proveedores aun cuando estn dentro de los lmites permitidos, se observan diferencias
en las medidas de las caractersticas que son relevantes en la calidad del resultado del producto.

b) La maquinaria o equipo

Aunque aparentemente las mquinas estn funcionando del mismo modo, la dispersin puede
surgir de diferencias en el ajuste debido al hecho de que unas mquinas operan en su forma
ptima slo parte del tiempo.

c) Los mtodos de trabajo.

En apariencia se pueden estar siguiendo los mismos mtodos de trabajo, pero generalmente
existen diferencias, aunque stas sean apenas notorias.

Al conjugar todos estos motivos de dispersin en un proceso de produccin, se puede obtener
como resultado un alto grado de variabilidad en la calidad.

La calidad que deseamos controlar y mejorar est representada por cifras que se refieren a
longitud, dureza, porcentaje de defectos, etc. Por lo que este tipo de variables suele llamrsele
caractersticas de calidad,, en tanto que a factores tales como composiciones qumicas,
entrenamiento de los trabajadores, etc., son llamados factores causales. A manera de
simplificacin identificaremos los factores causales como las causas y a las caractersticas de
calidad como el efecto.
73

Una de las tcnicas de anlisis para ayudar a la solucin de problemas es el diagrama de causa y
efecto, conocido tambin como diagrama de Ishicawa, el cual permite analizar los factores que
intervienen en la calidad del producto a travs de una relacin de causa y efecto, ayudando a sacar
a la luz las causas de la dispersin y tambin a organizar las relaciones entre las causas.

El diagrama de causa y efecto por su forma recibe el nombre de Esqueleto de pescado en el
que la espina dorsal es el camino que conduce a la cabeza de pescado que es donde se coloca el
problema que se desea analizar, las espinas o flechas que la rodean indican las causas y subcausas
que lo provocan.

Beneficios del Uso del Diagrama de Causa y Efecto.

Una gran variedad de ventajas se derivan del uso de este tipo de diagramas.

A continuacin se mencionan las ms relevantes:

1.- Ayuda a detectar las causas de la dispersin en las caractersticas de calidad, los diagramas de
causa y efecto se trazan para ilustrar con claridad los diversos factores que afectan un resultado,
clasificndolos y relacionndolos entre s, lo cual facilita la tarea de seleccin de causas que se
deberan investigar primero, con el propsito de mejorar el proceso.

2. Su anlisis ayuda a determinar el tipo de datos que deben de obtenerse para confirmar el efecto
de los factores que fueron seleccionados como causa del problema.

3.Ayuda a prevenir problemas, si no se est experimentado con un problema de calidad, puede
elaborarse un diagrama de causa y efecto del tipo clasificacin del proceso por fases
preguntndose qu problema de calidad se podra provocar en esta etapa? Detectando as,
causas potenciales de un problema de calidad que puede prevenirse si se adoptan controles
apropiados.

1. Es un instrumento que favorece el trabajo en grupo, ayuda a un grupo de personas a trabajar
hacia un fin comn , sirve de gua para la discusin, evitndose as desviaciones del tema, con
la consecuente ventaja de llegar ms rpido a la conclusin sobre las acciones a tomar.

2. Se adquieren nuevos conocimientos al conocer las interrelaciones de los factores causales
dentro del proceso. Los miembros del grupo que participan en el anlisis del problema
adquieren mayor conocimiento del funcionamiento del proceso.

3. Muestra el nivel de conocimiento tecnolgico, si un diagrama puede trazarse en su totalidad
significa que las personas conocen bastante del proceso, y por tanto con mayor facilidad se
lleva a cabo el anlisis del problema.

4. Se usa para analizar cualquier problema de calidad, productividad, seguridad, etc..

74

VI.IV DIAGRAMA PARETO

Un primer paso en el anlisis de problemas consiste en construir un diagrama de pareto. Este tipo
de diagrama es aplicable en todo fenmeno que resulte de la intervencin de varias causas o
factores.

Un diagrama de pareto es una grfica que representa en forma ordenada en cuanto a importancia
o mag-nitud la frecuencia de la ocurrencia de las distintas causas de un problema.

En seguida se muestra el diagrama de pareto correspondiente al nmero de artculos defectuosos
encontrados al inspeccionar un lote de 2,000 RVS.

Diagrama de pareto del nmero de artculos
Defectuosos en un lote de 2,000 RVS

7 --
29 --
22 --
12 --
4 --
10 --
Ri en %

-- 100%
-- 75%
-- 34.52%
-- 25%
75

7 --
29 --
22 --
12 --
4 --
10 --
Ri en %

-- 100%

-- 75%
--
34.52%
-- 25%

7 --
29 --
22 --
12 --
4 --
10 --
Ri en %

-- 100%

-- 75%
--
34.52%
-- 25%
76

El eje horizontal indica los tipos de defectos o caractersticas fuera de especificacin que son los
factores que causan que las piezas se consideren defectuosas.

Cada barra representa un tipo diferente de defectos; y su altura, la frecuencia del defecto o factor
correspondiente localizando al de mayor ocurrencia a la izquierda y por consiguiente al de menor
importancia a la derecha.

77
En este caso el bote golpeado es la causa ms importante, pues contribuye con un 34.52% en el
problema.
El siguiente factor en importancia es el mal engargolado, pues aporta un 26.19% del defecto. El
diagrama de pareto indica cual causa del fenmeno debe atacarse, en trminos de su contribucin
al problema, para eliminar defectos y mejorar la operacin.

Elaboracin de un Diagrama de Pareto:

A continuacin se describe el procedimiento a seguir para construir un diagrama de pareto:

PRIMER PASO

Hacer una lista de los factores o causas potenciales o posibles del problema considerando,
caractersticas fuera de especificacin, tipos de defectos, partes o piezas daadas, fallas en el
funcionamiento de piezas que componen el producto, etc. , segn la naturaleza del defecto o
problema.

SEGUNDO PASO:

Establecer el perodo de tiempo que comprender la obtencin de datos, no hay un perodo de
tiempo preestablecido, puede ser un mes, una semana, un da, etc. En el caso que nos ocupa el
perodo de tiempo es un da.

TERCER PASO:

Obtener en dicho perodo los datos sobre la ocurrencia de cada causa o tipo de defecto, utilizando
una hoja de registro, especificando el nmero total N nmero de piezas casos inspeccionados.

CUARTO PASO:

Con base en lo recabado en la hoja de registro, se ordenan los registros, distintos tipos de causas
del problema, conforme a la ocurrencia de mayor a menor.

Se registra a su vez el nmero de casos ( frecuencia de ocurrencia ). n1, de cada tipo de defecto o
causa
1=1,2,3...m, siendo m el nmero de causas distintas que aparecen en la lista ordenadas de tal
suerte que:

n1 + n2 + n3 +. . . + nm = d

En donde d presenta el nmero de casos que resultaron defectuosos con respecto al nmero total
N de inspeccionados. Para cada uno de los factores o defectos considerados.

Tal porcentaje se representa por el smbolo ai y se calcula mediante la frmula:

ai = n x 100 n = No. total de daos.
N

N = No. total de muestras.

78

SEXTO PASO:

Se obtiene para cada uno de los factores o tipos de defectos, el porcentaje relativo de defectuosos
respecto del nmero d de casos defectuosos.

Se usar ri para representar al porcentaje relativo de los caos defectuosos atribuibles al tipo de
defecto n: y se calcula mediante la siguiente expresin

r 1 = n x 100
d

SPTIMO PASO.

Se calcula el porcentaje relativo acumulado denotado por R 1.

R 1 = r1 + r2 + r3 + ri

OCTAVO PASO:

Se agrega a la tabla 1 la informacin obtenida en los pasos 5,6.7.

TABLA DE REGISTROS DEFECTUOSOS

Fecha : 26 de Agosto de 1993
No. de inspeccionados : No. 2000

Tipo de No. de casos % absoluto % relativo % relativo
Defectos de defectos de defectos acumulado.

n ai = n i x 100 ri = ni x 100 Ri = r1 + r2 + ri.
N di

- Bote golpeado 29
- mal engargolado 22
- cadas en v 12
- Abocinado 10
- Acostillado 7
- Otros 4

79

TOTAL. d = 84

80
NOVENO PASO:

Se traza el eje horizontal y los ejes verticales en el horizontal, se selecciona una divisin ( en
general de uno o dos centmetros ) para representar los tipos de factores ( defectos o fallas ) ,
anotndolas de izquierda a derecha de mayor a menor importancia en trminos de n1.

En el eje vertical derecho se usar para representar el porcentaje relativo de R 1.

DCIMO PASO:

Se construyen las barras correspondientes a los distintos factores o causas. La altura de las barras
representa la ocurrencia n 1 del tipo de defecto 1. Las barras se disean con la misma amplitud
conectndose unas con otras.

UNDCIMO PASO:

Se grafica la curva del porcentaje relativo acumulado, partiendo del cero y uniendo los puntos que
relacionan el extremo derecho de la barra del tipo de defecto 1, con el porcentaje relativo
acumulado hasta el defecto 1.

Usos y Beneficios del Diagrama de Pareto

En general al formar la lista de los factores que afectan a un proceso o sistema, se pone de
manifiesto que slo un pequeo nmero de causas contribuyen a la mayor parte del efecto y que
las restantes tiene una mnima participacin en el fenmeno. El objeto de analizar un diagrama
de pareto es identificar las causas principales y, en funcin de ello establecer un orden de
importancia, permitiendo un mejor aprovechamiento de los recursos canalizando eficazmente los
esfuerzos de las personas que intervienen para atacar las causas ms importantes, ya que si se
consigue hacerlas disminuir, o desaparecer se lograra una reduccin significativa en la magnitud
del problema , por lo tanto:

5. El diagrama de pareto es el primer paso para la realizacin de mejoras.

6. El diagrama de pareto se aplica en todas las situaciones en donde se pretende efectuar una
mejora en la calidad del producto, en la conservacin de materiales, en el uso de energtico,
y en general en la eficiencia en el uso de los recursos ( mano de obra , capital, etc. )-

7. El diagrama de pareto se utiliza tambin en para verificar si las acciones llevadas a cabo para
lograr una mejora fueron o no eficaces. Construyendo un nuevo diagrama, cuando los efectos
de dichas acciones se han puesto de manifiesto.

Este segundo diagrama deber abarcar el mismo perodo de tiempo e igual nmero de casos para
que la comparacin tenga sentido: de no ser posible, esto, es preferible utilizar porcentajes
absolutos o relativos en el eje vertical izquierdo, en lugar de nmeros de artculos defectuosos.

29 --
Ri en %

-- 100%
-- 75%
-- 34.52%
81

ANTES DESPUS

Mejora resultante por
Las acciones tomadas.

Antes de efectuar acciones Despus de tomar acciones
Para mejorar el proceso para la mejora.

Si la altura de todas las barras disminuye significa que el nivel general de defectos ha sido
reducido por alguna seccin comn, por ejemplo. Capacitacin del personal, mantenimiento del
7 --
29 --
22 --
12 --
4 --
10 --
Ri en %

-- 100%
-- 75%
-- 34.52%
-- 25%
82
equipo , etc.

CEP NIVEL III

I.- HERRAMIENTAS ESTADSTICAS PARA LA SOLUCION DE PROBLEMAS

OBJETIVO:

83
El participante seleccionar la herramienta estadstica ms adecuada a
.usar en su rea de trabajo.

I Herramientas Estadsticas para la Solucin de Problemas

1.- Hojas de chequeo
2.- Histograma
3.- Grficas de control
4.- Estratificacin
5.- Dispersin
6.- Diagrama de pareto
7.- Diagrama causa y efecto

a. Funciones y usos de las Siete Herramientas Bsicas

lll) Encontrar Problemas
Casi siempre es un gran problema reducir la fraccin defectiva de un proceso, incrementar
rendimiento o reducir costos. Las hojas de verificacin y las grficas de control son de gran
utilidad para encontrar problemas.

mmm) Reducir areas de problemas y cuantificarlos
El diagrama de pareto y el histograma, por lo general nos sirven para reducir el nmero de
problemas y concentrarnos en los vitales.

nnn) Dar seguridad sobre si las causas defectivas son verdaderas o no.
El diagrama de causa y efecto ( diagrama de ISHIKAWA ) nos permite seleccionar las causas
que originan el problema, o sea la causa primera a analizar, posteriormente se deben generar datos
para confirmar si causa o no del problema en cuestin, si la que se seleccion no la es, se
selecciona otra y as sucesivamente.

ooo) Prevenir errores debido a confusiones, precipitaciones, negligencias en la solucin de
los problemas.
Si el tipo de dato generado para confirmar el efecto de una causa sobre una caractersticas de
calidad es del tipo discreto, se debe suar la Estratificacin, si es del tipo continuo se usara el
Diagrama de dispersin, el Histograma o las Grficas para prevenir negligencias y poder
descubrir claramente el problema se usaran las Hojas de Verificacin.

ppp) Confirmar el efecto de la mejora
Se debe usar la misma tcnica o herramienta con que se detecto y planteo el problema ( inciso B )
con el propsito de observar realmente la mejora.
Por ejemplo si inicialmente se contruy un diagrama de pareto para detectar el rea o factor
problema, se deber trazar, despus de la mejora otro diagrama de pareto y compararlos, para
constatar la magnitud de la mejora.

qqq) Detectar anormalidades en el proceso
84
La grfica de control cumple con esta funcin, ya que por medio de ella es fcil detectar
anormalidades en el proceso.

IV GRAFICAS DE CONTROL POR ATRIBUTOS

OBJETIVO:

El participante analizar el comportamiento d el proceso mediante la recoleccin de datos
y la elaboracin de su grfico de control por atributo.

85

GRAFICAS POR VARIABLES

OBJETIVO :

El participante analizar el comportamiento del proceso mediante la recoleccin de datos
y la elaboracin del grfico de control X R.

86

II GRAFICAS POR VARIABLES :

a. INTRODUCCION.

En 1924 el Dr. Shewhart inicia el control de Calidad llamado Estadstico; este se
basa en el uso de grficas y emplea mtodos de calculo simplificado.

El Dr. Shewhart junto con otros ingenieros desarrollan mtodos que ayudan a
observar los pasos del proceso que mas inciden en la calidad del producto
terminado. Las principales a las que llegaron conclusiones a las que llegaron son
las siguientes: Hay causas debidas al operario, al turno, al material etc.
denominadas causas comunes, hay otras debidas al proceso mismo de produccin
debido a que la ingeniera de diseo no tiene en cuenta las dificultades de
produccin para elaborar los productos conforme a sus especificaciones, a estas se
les conoce con el nombre de causas especiales.

DIFERENTES GRAFICAS DE CONTROL.

Las grficas de control desarrolladas por el Dr. Shewhart son grficas poligonales
que muestran en el tiempo el estado del proceso, se marcan los resultados de la
variable a observar en un esquema previamente que contiene una lnea central o
media y una lnea hacia arriba y otra hacia abajo, que son los limites de control
superior ( LSC ) e inferior ( LIC ) respectivamente.

87

_____________________________________________ LSC

_____________________________________________ Lnea Central

_____________________________________________ LIC

Las Grficas de Control son herramientas indispensables en manos de quienes
deben resolver los problemas que se derivan de las especificaciones de Calidad
que presentan las variables porque proporcionan informacin sobre:

- El intervalo de variacin en el que bsicamente se mueve la
caracterstica de Calidad.

- La consistencia de la realizacin.

- El nivel medio de la caracterstica de Calidad cuyo conocimiento es
bsico en la formacin de criterio y toma de decisiones.

LAS GRFICAS DE CONTROL SE USAN ENTRE OTRAS COSAS:

a) Para verificar que los datos obtenidos poseen condiciones semejantes.

b) Para observar el proceso productivo a fin de poder investigar las causas de un
comportamiento anormal.

Existen diferentes Grficas de Control en funcin de la variable a observar y del
proceso a controlar.

EL PROCESO A CONTROLAR PUEDE DEPENDER:

- De una variable.

- O de caractersticas nominales llamadas atributos.

88

RECORDEMOS LA DIFERENCIA ENTRE UNA VARIABLE Y UN
ATRIBUTO:

- En lenguaje estadstico, la variable se utiliza cuando se registra la
medida real de una caracterstica de Calidad, como una dimensin
expresada en micras, miligramos, milmetros, etc.

- Cuando solo se anota el nmero d e artculos que pasan o que no
pasan ciertas condiciones especificas, se dice que el control es llevado
mediante atributos; el color de una tela para tapizar automviles puede
ser el deseado o no, el barniz exterior de una pieza de mueblera
presenta o no una apariencia satisfactoria, un punto de soldadura forma
o no una protuberancia en las hojas, etc.

LAS GRFICAS DE CONTROL MS UTILIZADAS SON LAS SIGUIENTES:

Por Variable:

X R Promedio y Rangos.

X R Medianas y Rango.

X R Lecturas Individuales.

X S Medias y Desviacin estandar.

Por Atributos:


Np Cantidad de unidades defectuosas.

C Nmero de defectos por unidad.

89

b. DESARROLLO DE LAS GRAFICAS DE CONTROL POR
VARIABLES ( MEDICIONES ).

_
PRIMER PASO: DECISIN DE LA CONSTRUCCIN DE LA GRFICA X R.

Decidir la construccin de la Grfica incluye los objetivos a conseguir, eleccin de
la variable, eleccin del criterio de formacin de datos representativos, mtodos de
registro de los datos y determinacin del mtodo de medicin.

ALGUNOS OBJETIVOS DE LAS GRFICAS DE CONTROL SON:

- Obtener informacin para establecer o cambiar especificaciones.

- Obtener informacin para ser utilizada en el establecimiento o cambio
de los procedimientos de produccin.

- Obtener informacin para establecer o modificar los procedimientos de
inspeccin.

- Proporcionar un criterio para la toma de decisiones reales durante la
produccin acerca de cuando investigar causas de variacin y tomar
accin para corregirlas y cuando dejar solo el proceso.

- Proporcionar un criterio para la toma de decisiones rutinaria sobre la
aceptacin o rechazo de un producto manufacturado o comprobado.

- Familiarizar al personal con el uso de las Grficas de Control.

VARIABLES A CONSIDERAR:

La eleccin se basa en el propsito de reducir o impedir los rechazos, los costos,
el desperdicio, el reproceso, etc.

Algo que pueda ser medido y expresado en nmeros, dimensiones, dureza,
fragilidad, resistencia, peso, etc.
90
CRITERIOS PARA SELECCIONAR LOS DATOS:

Eleccin basada en hiptesis racionales formando subgrupos de acuerdo con el
volumen de produccin, tiempo, orden, etc.

ELECCIN DEL TAMAO Y FRECUENCIA DE LA OBTENCIN DE LOS
DATOS REPRESENTATIVOS:

El Dr. Shewhart sugirio 4 como el tamao ideal del subgrupo; 5 parece ser un
tamao ms comn. Este criterio toma como base el que la distribucin se
acerque a la normal an cuando el universo no represente una curva.

Para un estudio inicial de un proceso, las muestras ( subgrupos ) deben estar
formadas de 2 a 10 piezas producidas consecutivamente: de esta manera las
piezas en cada subgrupo estarn producidas bajo condiciones similares de
produccin, Ford ha adoptado como tpico el que las muestras estn formadas de
5 piezas consecutivas, ya que con menos de 5 empieza a perderse la sensibilidad
de las grficas para detectar problemas y con ms de 5 se obtiene muy poca
informacin adicional.

Durante un periodo inicial los subgrupos pueden ser tomados consecutivamente o
a intervalos cortos para detectar si el proceso puede cambiar o mostrar
inconsistencia en breves periodos de tiempo.
Ford recomienda que el intervalo sea de a 2 horas, ya que mas frecuentemente
puede representar demasiado tiempo invertido y as es menos frecuente, pueden
perderse eventos importantes que sean poco usuales.

METODO DE MEDICION:

Es importante que el mtodo seleccionado de medicin sea uniforme para todas las
lecturas y que el personal posea esta informacin por escrito.

SEGUNDO PASO: CONTRUIR LA GRAFICA.

Incluye obtener las mediciones y datos, calcular la media ( X )
De cada serie de datos representativos, calcular el rango ( R )
91
De cada serie de datos representativos, trazar la grfica X, trazar grfica R

OBTENER MEDICION Y DATOS:

El trabajo del grfico inicia con las mediciones; es importante sealar que una
Grfica de Control est influenciada por los instrumentos que sirven para medir,
las personas que miden y las circunstancias en que se realizan.

Conviene anotar adems de las medidas otras observaciones ( cambio de turno,
inicio de operacin, temperatura ambiental, etc)

TRAZAR LAS GRAFICAS X Y R.

Ordinariamente estas representaciones se hacen en papel milimtrico o
cuadriculado; se establece a la izquierda la escala, anotando las magnitudes para
X en la parte superior y para la R en la parte inferior.
En la parte inferior se anotan los nmeros cardinales que representan las muestras
sucesivas.

Cada sugrupo de identifica en la grfica con un punto, un circulo o una cruz
segn se establezca solos o unidos mediante trazos rectos.
Se anota fecha y se procura llevarlos al da.

TERCE PASO: DETERMINAR LOS LIMITES DE CONTROL.

Determinar los limites tentativos de control que incluye:

- La decisin del nmero requerido de subgrupos o muestras.

- Calcular la media de los Rangos ( R )

- Calcular los limites superior e inferior del grfico R.

- Calcular la media de los valores de X ( X ) Y.

- Calcular los limites de control superior e inferior de X.
92

- Por ltimo representar con lneas los promedios y limites obtenidos
tanto para X como para R.

DECIDIR CUANTOS SUBGRUPOS SON NECESARIOS PARA CALCULAR LOS
LIMITES DE CONTROL.

Mientras menor sea el nmero de subgrupo que tomemos ms pronto tendremos
una idea para actuar, menor ser la seguridad de que esta base sea confiable.

Es conveniente tener al menos 25 grupos: La experiencia indica que las primeras
muestras pueden ser representativas de lo que se mida posteriormente, pues la sola
accin de tomar conciencia de que estamos midiendo puede influir en la
variacin de los datos.

Si la obtencin de los subgrupos es lenta, se puede tomar la poltica de efectuar
clculos preliminares que luego se irn modificando.

PASO CUATRO: INTERPRETAR LA ESTABILIDAD DEL PROCESO.

La obtencin de conclusiones preliminares deducidas de los grficos incluye
indicacin de control o falta de el, relacin entre la trayectoria que sigue el
proceso y se supone que debe seguir.

INDICACIN DE LA EXISTENCIA O FALTA DE CONTROL.

Se sugiere al usuario de los Grficos de Control que representen en forma
diferente los puntos que estn fuera de los limites ya que estos puntos se
encuentran fuera de especificacin.

INTERPRETACION DEL PROCESO.

A partir de los datos del Grfico de Control, se obtienen las estimaciones del
valor central del proceso y la dispersin del proceso.

93
Si no hay ningn punto que salga fuera de lo limites se dice que El proceso
esta bajo control lo que quiere decir que el proceso se comporta como si no
existieran causas atribuibles de variacin.

Una regla practica para decir que un proceso est bajo control es que no exista
ms de un punto fuera de los limites considerado 35 muestras o ms de 2
considerando 100.
Tambin podemos decir que un proceso esta dentro de control siempre que todos
los puntos se encuentren dentro de los limites de control y que estos puntos no
muestren ninguna tendencia, tambin podemos considerar varios tipos de
tendencia.

TABLA DE CONSTANTE PARA CARTAS DE CONTROL X - R.

Nmero de Factor para Factores para el Grfico
Observaciones El grfico X Lim. Inf. de cont. Lim. Sup. de cont.

2 1.88 0 3.27

3 1.02 0 2.57
4 0.73 0 2.28
5 0.58 0 2.11
94

6 0.48 0 2

7 0.42 0.08 1.92
8 0.37 0.14 1.86
9 0.34 0.18 1.82
10 0.31 0.22 1.78

11 0.29 0.26 1.74
12 0.27 0.28 1.72
13 0.25 0.31 1.69
14 0.24 0.33 1.67
15 0.22 0.35 1.65

16 0.21 0.36 1.64
17 0.2 0.38 1.62
18 0.19 0.39 1.61
19 0.19 0.4 1.6
20 0.18 0.41 1.59

95
PROCEDIMIENTO PARA EL DESARROLLO DE GRAFICAS DE CONTROL X R.


2.- Calcular el promedio de cada subgrupo.

X = x
n

3.- Obtener el rango de cada subgrupo.

R = VM vm

4.- Obtener el promedio de promedios.

X = x
K

5.- Obtener el promedio de rangos.

R = R
K

6.- Calcular los limites de Control.

LSC X = X + A2 R LSCR = D4R

LIC X = X - A2 R LICR = D3R

DONDE;

LSC X = Limite superior de Control para todos los promedios.

LIC X = Limite inferior de Control para todos los promedios.

LCSR = Limite superior de control para los Rangos.

LICR = Limite inferior de control para los Rangos.
=
96
X = Promedio de promedios.
_
X = Promedio de Rangos.

A2, D4, D3 = Constantes (Tabla anterior ) que depende del tamao de muestra
( nmero de datos por muestra).

97

7.- Graficar promedios y Rangos de cada muestra.

8.- Anlisis de la Grfica.

c. ANALISIS DE LAS GRAFICAS DE CONTROL.

1.- CORRIDA:

La forma en que los puntos se mueven por arriba y por debajo de la lnea
central.
El nmero consecutivo de puntos arriba o debajo de la lnea central es llamada
longitud de la corrida. Si la longitud de la corrida es ms de 7 puntos, el
proceso es juzgado anormal.

2.- TENDENCIAS CON 3 PUNTOS:

En caso de que los puntos vayan en secuencia ascendente, se dice se dice que
tenemos una tendencia. No existe un criterio para decidir si la tendencia es
anormal o no, pero si dicha tendencia continua los puntos caern fuera de los
limites de control o asumirn la forma de una corrida.

98

3.- ADHESION A LOS LIMITES DE CONTROL:

Dividir el ancho entre la lnea central y las lneas de control en las tres partes
Iguales si dos de tres puntos consecutivos caen dentro del tercio cercano a las
lneas limites. Se considera que el proceso es normal.

4.- ADHESION A LA LINEA CENTRAL.

Si los puntos se concentran en el centro. El proceso es juzgado anormal.
Para decidir si hay adhesin a la lnea central, hay que dividir la zona entre los
limites en 4 partes iguales y observar si los pintos caen dentro de los sectores
cercanos a la lnea central.

5.- PERIODICIDAD EN TODO EL PROCESO.

Se dice que el proceso muestra periodicidad, si los puntos se mueven hacia arriba
o hacia abajo ms o menos a intervalos iguales.

99

El objetivo de la interpretacin de los Grficos de Control es la mejora continua
del proceso, se puede considerar que un proceso esta bajo control cuando solo
uno de 35 puntos est fuera de los limites de control.

De los siguientes datos calcular lo que se pide.

100
MUESTRA
1 583 584 584 584 584
2 584 583 584 583 583
3 584 583 583 583 584
4 584 584 584 583 585
5 583 583 583 585 582
6 582 583 583 583 583
7 583 583 584 583 584
8 583 583 584 583 583
9 582 582 584 583 583
10 583 582 583 583 583
11 583 583 583 584 585
12 584 583 585 585 585
13 583 582 585 585 585
14 585 582 585 585 585
15 586 583 584 584 583
16 584 583 583 584 585
17 583 584 583 585 583
18 583 583 584 585 583
19 583 583 585 583 583
20 582 585 584 585 583
21 584 584 584 583 582
22 583 583 582 583 583
23 584 583 585 586 584
24 583 583 583 582 584
25 583 583 584 583 583
26 583 583 582 582 583
27 583 582 582 583 582
28 582 582 583 583 584
29 583 583 585 584 584
30 583 584 583 583 584

101

1.- Calcular promedios por cada muestra.


=
3.- Calcular el promedio de promedios. ( X )

4.- Calcular el promedio de rangos ( R )


6.- Graficar promedios y rangos.

7.- Anlisis de la grfica.

102

III HABILIDAD DEL PROCESO.

OBJETIVO :

El participante evaluara la Habilidad Potencial y Real del proceso en base
a un anlisis del mismo.

Auxilindose de las especificaciones requeridas y la habilidad de este.

103

d. INTRODUCCION.

Antes de determinar la Habilidad del proceso es preciso identificar las
causas especiales y corregirlas.
La lectura del grfico R nos informa que:

1.- Una serie de puntos por debajo de la lnea normal, puede significar:

- Menor variacin de los resultados.
- Verificar el sistema de medicin.

2.- Una serie de puntos por encima de la serie central, nos indica que:

- Hay mayor dispersin en los resultados debido a equipos y
materiales nuevos, etc. lo que implica aplicacin de una accin
correctiva inmediata, cambios en la inspeccin, cambios en los
instrumentos de medicin.

3.- Una serie de puntos en forma de ciclos repetidos, puede ser el
resultado de:

- Mantenimiento Preventivo.
- Herramientas gastadas.


- Variabilidad de la destreza del operario:
- Cambio de las proporciones de los subprocesos que alimentan
una cadena de montaje.
- Cambio gradual de la homogeneidad de la calidad de la materia
prima.

5.- Una serie de puntos en forma variable y discontinua:

- Cambios en le material.
- Cambios en el mtodo.
- Cambios en el personal.
104

6.- Una elevada proporcin de puntos cerca o fuera de los limites de
control:

- Mezcla de diferentes materiales.
- Datos de diferentes maquinas.
- Empleo de un mismo grfico para diferentes procesos.
- Empleo de un solo grfico para operaciones diferentes.


- Recopilacin en cada muestra de un nmero de medidas
procedentes de poblaciones que difieren ampliamente. El anlisis
de datos debe hacerce en forma inmediata de manera que se
minimice la produccin de piezas fuera d e control.

8.- Por otra parte el grfico X nos informa que:

- Una serie de puntos por debajo de la lnea central puede
significar:

- Verificar el sistema de medicin,.

9.- Una serie de puntos en forma de ciclos repetidos, puede ser el
resultado de:

- Temperatura o magnitudes que se repiten en forma de ciclos.
- Diferencias en los sistemas d e medicin de prueba que se
emplean.
- Cambio rotativo de maquinas o de operarios a intervalos
regulares.
- Combinacin de montajes ms pequeos o de subprocesos.


- Desgaste gradual que puede afectar a todos los elementos.
- Acumulacin de productos d e desecho.
- Empeoramiento de las condiciones ambientales.

11.- Una serie de puntos en forma variable y discontinua.

- Cambio en las proporciones de los materiales o en los
componentes procedentes de diferentes proveedores.
105

12.- Una elevada proporcin de puntos cerca o fuera de los limites de
control:

- Control excesivo.
- Diferencias sistemticas en la calidad del material.
- Diferencias sistemticas en el mtodo, equipo de medicin.
- Llevar control de dos o ms procesos en el mismo grfico.


- Calculo incorrecto de los limites de control.
- Lectura de ambos grficos en los que encontramos correlacin
indicada.
- Si se trata de un mismo proceso sesgo de la poblacin puntos
generados por una misma muestra.
- Si se trata de diferentes grficos puntos generados por la misma
muestra, relaciones desconocidas entre causa y efecto.

Una vez eliminadas las causas especiales se recalculan los limites de
control y se procede a determinar la habilidad del proceso.

106

e. Calculo de Z.

Tabla de Constantes.

n d2

2 1.13
3 1.69
4 2.06
5 2.33
6 2.53
7 2.7
8 2.85
9 2.97
10 3.08

PASO 1.- Calcule la desviacin estndar del proceso.

Dado que la variacin en le proceso de una pieza a otra se refleja en el
rango del subgrupo. La estimacin de la desviacin estndar ( se
lee sigma testada ), est basada en le promedio de rangos ( R ) calculado
en la grfica de control mediante la siguiente formula:
_
R
= _______
d2

107
Donde R es el promedio de rangos de los subgrupos ( para periodos en
el que el rango se encuentra en control ) y d2 es una constante que
cambia en funcin del tamao de la muestra.

PASO 2.- Calcule la habilidad del proceso:

La habilidad de un proceso es descrita en trminos de la distancia que
hay entre el promedio del proceso ( X ) y los limites de especificacin.
Para esto definiremos dicha distancia en unidades que llamaremos Z.

Cuando la tolerancia de la especificacin es unilateral, es decir hacia un
solo lado.

Donde LE = Limite
especificado.
Z = LE X X = Promedio del
proceso.
= Desviacin
estndar del
proceso.
Para tolerancia bilaterales es decir hacia ambos lados:

Donde: LSE = Limite superior de

Zs = LSE X Z = X LIE especificacin.
LIE = Limite inferior de
especificacin.
Zs = Z superior.
Zl = Z inferior.

f. Determinacin de la habilidad potencial del proceso CP:

La habilidad de un proceso puede ser potencial o real, la habilidad potencial se
identifica con el smbolo Cp y se estima como el cociente de la variacin total del
proceso.

Cp = Variacin especificada o permitida.
Variacin total del proceso.

Cp = LSE - LIE = W
6 6

Criterio: Los requerimientos mnimos para que un proceso sea considerado
potencialmente hbil son:
108

Cp > 1.00 para + 3 99.7%

Cp > 1.33 para + 4 99.9%

Proceso potencialmente habil.

Proceso no hbil potencialmente.

g. Determinacin de la habilidad real del proceso.

El parmetro Cpk se calcula de las dos formas siguientes:

1) A travs del parmetro z definido anteriormente:

Cpk = z min.
3

2) A travs del parmetro Cp:

Cpk = Cp ( 1 k )

De donde:
109

K = 2 D
W

D = M - X

M = LSE + LIE = ( punto medio especificado )
2

X = gran promedio del proceso.

Para considerar que un proceso es realmente hbil, se debe tener como
mnimo:

Cpk > 1.00 para + 3

Cpk > 1.33 para + 4

Ejemplos:

1.- Los siguientes datos muestran los valores encontrados en el chequeo
de la profundidad para el bote de PASTE WAX de 1 LB. Especificacin:
.250 + 0.10

1.- Calcular promedio de cada muestra.
3.- Calcular el promedio de promedios.
4.- Calcular el promedio de rangos.
6.- Calcular el valor de Cp.
7.- Calcular el valor del Cpk.
8.- Graficar promedio y rangos.
9.- Analizar la grfica.

Nota : El Cpk por los dos metodos.

110
Datos:

248 248 248 248 246 249 246 246 248 246 250 252 243 245 246 243 243 243 246 247 248 249 248
249 248 248 249 248 249 246 247 246 248 250 252 244 245 247 247 244 244 247 247 249 250 249
250 250 249 249 248 249 246 249 249 249 250 253 244 246 247 247 244 244 247 248 250 250 249
250 251 248 250 248 250 248 250 251 249 252 254 245 246 248 248 245 245 248 250 250 251 250

h. Otro punto de vista.

3.5.1 El Target Z

Se denomina Target al nmero designado como objetivo en una
especificacin y nos dice en donde se deberan centrar los parmetros
de un proceso ( podramos identificar al Target como la media de la
poblacin )

El Target Z nos proporciona la forma de saber que tan lejos estn
nuestros resultados del objetivo y se calcula por medio de la diferencia
entre el promedio de la diferencia entre el promedio de nuestro proceso y
el Target.

La formula para calcular el Target Z es:

Tz = x - M o sea Tz = Media - Target
S Desviacin
estndar.

De esta forma podemos decir que el Tz es el nmero de desviaciones
111
estndar que la media difiere del Traget.

En las siguientes figuras se observa la interpretacin grfica de Tz.

Ejercicio:

a) Considerando un Traget = 9.0

Calcular el Tz y comentar el resultado. ( X = 8.82 s = 0.34 )

Tz = _____________ Tz = _______________

112

b) Considerando un Target = 320.0

Calcular el Tz y comentar el resultado. ( x 0 318.91 s = 3.08 )

Tz = _____________ Tz = _______________

i. El Rango de Capacidad ( Cr )

El Capability ration ( Rango de capacidad ) es otra forma de sondear la variabilidad de
un proceso. Esta medida compara la variacin del proceso con el rango permitido ( los
limites de especificacin ).

La formula para calcular el Cr es:

Cr = 6* s = 1
LSE - LIE

En las siguientes figuras se observa la interpretacin grfica del Cr.

113

Ejercicio:

a) Considerando que los limites inferior y superior son 8.0 y 10.0


Cr = ________________ Cr =
_________________

114

b ) Considerando que los limites inferior y superior son 315.5 y 330.0


Cr = ________________ Cr =
_________________

ii. El Cpk

El Cpk ( tambin llamado holgura de capacidad ) es una medida alterna
de la variacin de un proceso. Esta se utiliza cuando no se tiene
definido alguno de los limites de especificacin ( superior o inferior ).
Grficamente nos da una idea de las distancia entre la media y el limite
de especificacin definido.
Un valor muy pequeo del Cpk indicara estar demasiado cerca de un
limite de especificacin. Esto podra suceder cuando hay mucha
variacin o poco acercamiento al Target.

La formula para calcular el Cpk es:

115

Cpk superior = LSE - X Cpk inferior = X - LIE
3* S 3* S

Ejercicio:

Calcule el Cpk superior e inferior para los datos del ejercicio anterior.

a) Media = 8.82 S = 0.34
LSE = 10
LIE = 8

Cpk superior = _______________

Cpk inferior = _______________

b) Media = 318.91 S = 3.08
LSE = 330
LIE = 315

Cpk superior = _______________

Cpk inferior = _______________

IV GRAFICAS DE CONTROL POR ATRIBUTOS

116

OBJETIVO:

El participante analizar el comportamiento d el proceso mediante la
recoleccin de datos y la elaboracin de su grfico de control por
atributo.

i. Caractersticas de los grficos de control por Atributos.

A pesar de la ventajas de los grficos X - R como instrumentos para diagnosticar los
problemas de calidad y como medio para observar el proceso, su empleo se limita a
algunos productos y servicios.
( Los grficos X - R son aplicables solo a caractersticas de la calidad,
solo pueden clasificarse como atributo o respuesta a la cuestin Tiene
o no tiene la caracterstica R )

Debido a la gran cantidad de medidas que se pueden considerar en el
117
proceso de un producto no es posible hacer un grfico para cada una de
las caractersticas que se desean.

Resumiendo podemos decir que los hechos que favorecen el uso de los
grficos de control por atributo son:

- Aplicables a cualquier proceso.
- Rpidos y simples de obtener.
- Fciles de interpretar.
- Contribuyen a dar prioridad a reas con problemas.

Los datos por atributos se clasifican en dos grandes grupos.

Estos grupos pueden tener como ttulos:

- Pasa - No pasa

- Conforme - No conforme

- Presente - Ausente

- Si - No

- Aprobado - Rechazado

Cualquier proceso de manufactura o ensamble puede evaluarse mediante
atributos.

En una lista se pueden especificar los tributos requeridos sin necesidad
de personal especializado. Los datos se presentan con periodicidad a la
gerencia la informacin de nmeros ndices que son muy importantes en
el desarrollo de una empresa.
Estos nmeros ndices pueden referirse al producto, desperdicio, rechazo
de materiales, seguridad, productividad, comunicacin, etc.

El uso de los grficos por atributos en las reas claves del proceso
productivo, nos indica cuales procesos requieren un anlisis ms
detallado.

Las observaciones por atributos constan de:

- Un criterio.
- Una prueba.
- Una decisin.
118

Las grficas de control por atributos que se utilizan son:

Los tamaos de muestra pueden ser variables.

np Nmeros de unidades defectuosas.
Tamao de muestra debe ser constante.

c Nmero de defectos.
Tamao de muestra constante.

u Nmeros de defectos por unidad.

Al igual que en los grficos anteriores los pasos generales son:

2.- Calcular los limites de control.
3.- Graficar.
4.- Analizar el grfico.
5.- Interpretar la habilidad del proceso.

Es de suma importancia familiarizarnos con los tipos de grficos por
atributos para emplearlos lo mejor posible.

j. Grficos.

i. Objetivos de los grficos P.

1.- averiguar despus de un tiempo la proporcin media defectuosa de
artculos o piezas defectuosas sometidas a inspeccin.

2.- Poner a la atencin de la direccin cualquier cambio en el nivel medio
de calidad.

3.- Descubrir aquellos puntos fuera de control que requieren de accin
para identificar y corregir las causas de mala calidad.

4.- Descubrir aquellos puntos fuera de control que indican modelos de
inspeccin relajados, causas irregulares de mejora de calidad que podran
convertirse en causas de mejora de calidad consistentes.

5.- Sugerir puntos para el empleo de grficos X - R para diagnosticar
119
problemas de calidad.

6.- Proporcionar un criterio para poder enjuiciar si los sucesivos lotes
pueden considerarse representativos de un proceso. Esto puede influir
convenientemente en la severidad del criterio de aceptacin.

Ejemplo:

En la siguiente grfica se encuentran los tamaos de muestra y cantidad
de rechazos que se obtuvieron al efectuar una inspeccin visual al bote
Royal Europa en el departamento de lneas generales.

a) Elaborar e interpretar la grfica de control.
120

1.-Calcula la proporcin defectuosa de cada muestra.

Donde: P = Proporcin defectuosa.
P = np np = Nmero de piezas
rechazadas.
n n = Nmero de piezas
inspeccionadas.

Empleando los valores de la grfica para la primera muestra.

np = 2 y n = 57

por lo tanto: P = 2 = 0.035
57

El valor que se obtiene de cada uno de los subgrupos se registra en la grfica en el
espacio de proporcin.

Se continua sucesivamente por subgrupo hasta terminarlos.

2.- Calcular la proporcin defectuosa promedio. ( P )

P = np 1+ np 2 + np 3 + np 4
n1+ n2 + n3 + n4 ..

Donde: np = nmero de piezas defectuosas de cada grupo.

n = nmero de piezas inspeccionadas de cada
subgrupo.


121

P = 2 + 1+ 2 + 5 + 1 + 2 + 3 + 6 + 7 + 9 + 1 + 2 + 2 + 1 + 1 + 3 + 2 + 1 + 2+ 1+ 7 + 2+
2+ 1 +8

57+36+74+61+78+32+59+67+75+82+27+47+63+85+36+71+58+27+73+38+65+72+55+
51+54

P = 78 P = 0.047

1443

El valor obtenido se registra en el espacio prom. __________ de la
grfica.

3.- Calculo del tamao de la muestra promedio. ( n )

n = n1 + n2 + n3+ n4

K

Donde: n = nmero de piezas inspeccionadas de cada subgrupo.

K = nmero de subgrupos.


P =
57+36+74+61+78+32+59+67+75+82+27+47+63+85+36+71+58+27+73+38+65+72+55+
51+54

25

n = 1443 = 57.72

25

122
El resultado se anotar en el espacio de tamao de la muestra
promedio ________ de la grfica.

4.- Calculo de los limites de control.

L.S. Cp = P + 3 P ( 1 P )

n

L.I. Cp = P + 3 P ( 1 P )

n

Donde: L.S.C. = Limite superior de control.

L.I.C. = Limite inferior de control.

La manera de llevar a cabo el calculo de los limites de control es el
siguiente:

Datos : P = 0.054

n = 45.7

PASO 1: Sustituir los datos en la formula.

L.S. Cp = 0.054 + 3 0.054 ( 1-0.054 )

45.7

PASO 2: Realizar la resta la resta que se encuentra en el parentesis:

( 1 0.054 ) = 0.946

L.S. Cp = 0.054 + 3 0.054 (0.946)

45.7

PASO 3: Realizar la multiplicacin que est dentro de la raz cuadrada:

0.054 ( 0.946 ) = 0.051

123
L.S. Cp = 0.054 + 3 0.051
45.7

PASO 4: Realizar la divisin que est dentro de la raz cuadrada:

0.051 = 0.0011
45.7

L.S. Cp = 0.054 + 3 0.0011

124

Antes de pasar al siguiente punto ( Etapas para la realizacin de mejora ), es muy importante entender
claramente las funciones y usos de las siete herramientas bsicas, ya que este conocimiento es la base para
hacer uso de la metodologa para la solucin de problemas.

Etapas para la realizacin de mejoras:

Determinar un objetivo y especificar sus razones Por qu se seleccion ese problema ?.

- Diagrama de pareto
- Histograma.
- Grficas.

Pasos a seguir dentro de las etapas para la realizacin de mejoras:

1.- Identificar el problema.

A) Determinar un objetivo y especificar sus razones.
B) Definir porque se seleccion ese problema.

2.- Comprender la situacin

C) Aclarar la solucin con respecto al problema seleccionado.

3.- Analizar la relacin entre las causas y sus efectos.

D) Determinar, analizar y seleccionar las causas ms importantes.
E) Confirmar su efecto.

4.- Establecer un plan de contramedidas ( accin correctiva ).

F) Definir contramedidas ( accin correctiva ).

5.- Confirmar el efecto de la mejora.

G) Confirmar el efecto de la accin tomada al evaluar su contribucin como mejora.

6. Mantener el efecto de la mejora ( estandarizar ).

H) Estandarizar la mejora, para mantener su efecto.

7.- Evaluar los problemas permanentes y definir planes.

I) Evaluar las actividades de mejora realizadas ( toda secuencia o historia del caso ) y definir
125
posibles problemas relacionados a atacar en el futuro.

Principales Usos de las Herramientas Bsicas.

1.- Hojas de verificacin Fcil obtencin de datos.

2. Histograma Conocer la forma de distribucin de las
caractersticas de calidad en el estudio o
comportamiento de cierta variable de la
operacin o proceso.

3.- Diagrama de pareto Reducir el rea total de problemas e identi-
ficar los vitales y decidir por cul empezar.

4.- Diagrama de causa y efecto Identificar , relacionar y seleccionar las causas
de los problemas o factores que afectan a cierto
objetivo o caractersticas de calidad

5.- Estratificacin Confirmar o verificar los efectos de las causas,
seleccionadas utilizando datos continuos.
( mediciones )

6.- Diagrama de dispersin Confirmar o verificar efectos de las causas
seleccionadas utilizando datos continuos.
( mediciones ).

7.- Grficas de control y Grficas generales. Conocer cambios dinmicos en la operacin o
126
proceso y confirmarlos, observando los estndares
para identificar situaciones anormales.

k. Diagrama de pareto

Un primer paso en el anlisis de problemas consiste en construir un diagrama de pareto. Este tipo de
diagrama es aplicable en todo fenmeno que resulte de la intervencin de varias causas o factores.

Un diagrama de pareto es una grfica que representa en forma ordenada en cuanto a importancia o mag-
nitud la frecuencia de la ocurrencia de las distintas causas de un problema.

En seguida se muestra el diagrama de pareto correspondiente al nmero de artculos defectuosos
encontrados al inspeccionar un lote de 2,000 botes 301 x 510

127

Diagrama de pareto del nmero de artculos
Defectuosos en un lote de 2,000 botes 301 x 510

El eje horizontal indica los tipos de defectos o caractersticas fuera de especificacin que son los factores
que causan que las piezas se consideren defectuosas.

Cada barra representa un tipo diferente de defectos; y su altura, la frecuencia del defecto o factor
correspondiente localizando al de mayor ocurrencia a la izquierda y por consiguiente al de menor
importancia a la derecha.

En este caso el bote golpeado es la causa ms importante, pues contribuye con un 34.52% en el problema.
El siguiente factor en importancia es el mal engargolado, pues aporta un 26.19% del defecto. El diagrama
de pareto indica cual causa del fenmeno debe atacarse, en trminos de su contribucin al problema, para
eliminar defectos y mejorar la operacin.

Elaboracin de un Diagrama de Pareto:

A continuacin se describe el procedimiento a seguir para construir un diagrama de pareto:

PRIMER PASO

Hacer una lista de los factores o causas potenciales o posibles del problema considerando, caractersticas
fuera de especificacin, tipos de defectos, partes o piezas daadas, fallas en el funcionamiento de piezas
que componen el producto, etc. , segn la naturaleza del defecto o problema.

SEGUNDO PASO:

Establecer el perodo de tiempo que comprender la obtencin de datos, no hay un
perodo de tiempo preestablecido, puede ser un mes, una semana, un da, etc. En el caso
que nos ocupa el perodo de tiempo es un da.

TERCER PASO:

Obtener en dicho perodo los datos sobre la ocurrencia de cada causa o tipo de defecto, utilizando una hoja
de registro, especificando el nmero total N nmero de piezas casos inspeccionados.

CUARTO PASO:
128

Con base en lo recabado en la hoja de registro, se ordenan los registros, distintos tipos de causas del
problema, conforme a la ocurrencia de mayor a menor.

Se registra a su vez el nmero de casos ( frecuencia de ocurrencia ). n1, de cada tipo de defecto o causa
1=1,2,3...m, siendo m el nmero de causas distintas que aparecen en la lista ordenadas de tal suerte que:

n1 + n2 + n3 +. . . + nm = d

En donde d presenta el nmero de casos que resultaron defectuosos con respecto al nmero total N de
inspeccionados. Para cada uno de los factores o defectos considerados.

Tal porcentaje se representa por el smbolo ai y se calcula mediante la frmula:

ai = n x 100 n = No. total de daos.
N

N = No. total de muestras.

SEXTO PASO:

Se obtiene para cada uno de los factores o tipos de defectos, el porcentaje relativo de defectuosos respecto
del nmero d de casos defectuosos.

Se usar ri para representar al porcentaje relativo de los caos defectuosos atribuibles al tipo de defecto n: y
se calcula mediante la siguiente expresin

r 1 = n x 100
d

SPTIMO PASO.

Se calcula el porcentaje relativo acumulado denotado por R 1.

R 1 = r1 + r2 + r3 + ri

OCTAVO PASO:

Se agrega a la tabla 1 la informacin obtenida en los pasos 5,6.7.

TABLA DE REGISTROS DEFECTUOSOS

Fecha : 26 de Agosto de 1993
No. de inspeccionados : No. 2000
129

Tipo de No. de casos % absoluto % relativo % relativo
Defectos de defectos de defectos acumulado.

n ai = n i x 100 ri = ni x 100 Ri = r1 + r2 + ri.
N di

- Bote golpeado 29
- mal engargolado 22
- cadas en v 12
- Abocinado 10
- Acostillado 7
- Otros 4

TOTAL. d = 84

130

NOVENO PASO:

Se traza el eje horizontal y los ejes verticales en el horizontal, se selecciona una divisin ( en general de
uno o dos centmetros ) para representar los tipos de factores ( defectos o fallas ) , anotndolas de izquierda
a derecha de mayor a menor importancia en trminos de n1.

En el eje vertical derecho se usar para representar el porcentaje relativo de R 1.

DCIMO PASO:

Se construyen las barras correspondientes a los distintos factores o causas. La altura de las barras
representa la ocurrencia n 1 del tipo de defecto 1. Las barras se disean con la misma amplitud
conectndose unas con otras.

UNDCIMO PASO:

Se grafica la curva del porcentaje relativo acumulado, partiendo del cero y uniendo los puntos que
relacionan el extremo derecho de la barra del tipo de defecto 1, con el porcentaje relativo acumulado hasta
el defecto 1.

Usos y Beneficios del Diagrama de Pareto

En general al formar la lista de los factores que afectan a un proceso o sistema, se pone de manifiesto que
slo un pequeo nmero de causas contribuyen a la mayor parte del efecto y que las restantes tiene una
mnima participacin en el fenmeno. El objeto de analizar un diagrama de pareto es identificar las causas
principales y, en funcin de ello establecer un orden de importancia, permitiendo un mejor
aprovechamiento de los recursos canalizando eficazmente los esfuerzos de las personas que intervienen
para atacar las causas ms importantes, ya que si se consigue hacerlas disminuir, o desaparecer se lograra
una reduccin significativa en la magnitud del problema , por lo tanto:

1. El diagrama de pareto es el primer paso para la realizacin de mejoras.

2. El diagrama de pareto se aplica en todas las situaciones en donde se pretende efectuar una mejora en la
calidad del producto, en la conservacin de materiales, en el uso de energtico, y en general en la
eficiencia en el uso de los recursos ( mano de obra , capital, etc. )-

3. El diagrama de pareto se utiliza tambin en para verificar si las acciones llevadas a cabo para lograr
una mejora fueron o no eficaces. Construyendo un nuevo diagrama, cuando los efectos de dichas
acciones se han puesto de manifiesto.

Este segundo diagrama deber abarcar el mismo perodo de tiempo e igual nmero de casos para que la
comparacin tenga sentido: de no ser posible, esto, es preferible utilizar porcentajes absolutos o relativos en
el eje vertical izquierdo, en lugar de nmeros de artculos defectuosos.

131

ANTES DESPUS

Mejora resultante por
Las acciones tomadas.

Antes de efectuar acciones Despus de tomar acciones
Para mejorar el proceso para la mejora.

Si la altura de todas las barras disminuye significa que el nivel general de defectos ha sido reducido por
alguna seccin comn, por ejemplo. Capacitacin del personal, mantenimiento del equipo , etc.

l. Diagrama de Causa y Efecto.

La dispersin de los valores observados de la variable estudiada en un proceso productivo se deben en su
mayor parte a :

a) Las materias primas.

Las cuales difieren en su composicin aunque se aligeran, especialmente si se obtienen de distintos
proveedores aun cuando estn dentro de los lmites permitidos, se observan diferencias en las medidas de
las caractersticas que son relevantes en la calidad del resultado del producto.

b) La maquinaria o equipo

Aunque aparentemente las mquinas estn funcionando del mismo modo, la dispersin puede surgir de
diferencias en el ajuste debido al hecho de que unas mquinas operan en su forma ptima slo parte del
tiempo.

c) Los mtodos de trabajo.

En apariencia se pueden estar siguiendo los mismos mtodos de trabajo, pero generalmente existen
diferencias, aunque stas sean apenas notorias.

Al conjugar todos estos motivos de dispersin en un proceso de produccin, se puede obtener como
resultado un alto grado de variabilidad en la calidad.

La calidad que deseamos controlar y mejorar est representada por cifras que se refieren a longitud, dureza,
porcentaje de defectos, etc. Por lo que este tipo de variables suele llamrsele caractersticas de calidad,, en
tanto que a factores tales como composiciones qumicas, entrenamiento de los trabajadores, etc., son
llamados factores causales. A manera de simplificacin identificaremos los factores causales como las
causas y a las caractersticas de calidad como el efecto.

132
Una de las tcnicas de anlisis para ayudar a la solucin de problemas es el diagrama de causa y efecto,
conocido tambin como diagrama de Ishicawa, el cual permite analizar los factores que intervienen en la
calidad del producto a travs de una relacin de causa y efecto, ayudando a sacar a la luz las causas de la
dispersin y tambin a organizar las relaciones entre las causas.

El diagrama de causa y efecto por su forma recibe el nombre de Esqueleto de pescado en el que la
espina dorsal es el camino que conduce a la cabeza de pescado que es donde se coloca el problema que se
desea analizar, las espinas o flechas que la rodean indican las causas y subcausas que lo provocan.

Beneficios del Uso del Diagrama de Causa y Efecto.

Una gran variedad de ventajas se derivan del uso de este tipo de diagramas.

A continuacin se mencionan las ms relevantes:

1.- Ayuda a detectar las causas de la dispersin en las caractersticas de calidad, los diagramas de causa y
efecto se trazan para ilustrar con claridad los diversos factores que afectan un resultado, clasificndolos y
relacionndolos entre s, lo cual facilita la tarea de seleccin de causas que se deberan investigar primero,
con el propsito de mejorar el proceso.

2. Su anlisis ayuda a determinar el tipo de datos que deben de obtenerse para confirmar el efecto de los
factores que fueron seleccionados como causa del problema.

3.Ayuda a prevenir problemas, si no se est experimentado con un problema de calidad, puede elaborarse
un diagrama de causa y efecto del tipo clasificacin del proceso por fases preguntndose qu problema
de calidad se podra provocar en esta etapa? Detectando as, causas potenciales de un problema de calidad
que puede prevenirse si se adoptan controles apropiados.

1. Es un instrumento que favorece el trabajo en grupo, ayuda a un grupo de personas a trabajar hacia un
fin comn , sirve de gua para la discusin, evitndose as desviaciones del tema, con la consecuente
ventaja de llegar ms rpido a la conclusin sobre las acciones a tomar.

2. Se adquieren nuevos conocimientos al conocer las interrelaciones de los factores causales dentro del
proceso. Los miembros del grupo que participan en el anlisis del problema adquieren mayor
conocimiento del funcionamiento del proceso.

3. Muestra el nivel de conocimiento tecnolgico, si un diagrama puede trazarse en su totalidad significa
que las personas conocen bastante del proceso, y por tanto con mayor facilidad se lleva a cabo el
anlisis del problema.

4. Se usa para analizar cualquier problema de calidad, productividad, seguridad, etc..

133

m. Estratificacin

Consiste en clasificar los datos ( defectos, fenmenos, etc. ) en diferentes grupos con caractersticas
similares para que de esta forma se analice la situacin y se encuentre una posible correlacin entre ellos

Ejemplo Anlisis de los defectos en una operacin de productos de hoja de lata.

Operadores piezas producidas piezas defectuosas N= 100 porcentaje
De defectos..

Fernando 38 12 32 % 3 aos de
Experiencia.
Ignacio 38 6 25 % 5 aos de
Experiencia
Julin 38 20 53 % 1 ao de
Experiencia.

En este simple anlisis se ve que Julin es el que ms porcentaje de defectos tiene, y esto se debe a su falta
de experiencia, por lo que se recomienda capacitarlo.

134

n. Otro punto de vista.

3.5.1 El Target Z

Se denomina Target al nmero designado como objetivo en una especificacin y nos dice
en donde se deberan centrar los parmetros de un proceso ( podramos identificar al
Target como la media de la poblacin )

El Target Z nos proporciona la forma de saber que tan lejos estn nuestros resultados
del objetivo y se calcula por medio de la diferencia entre el promedio de la diferencia
entre el promedio de nuestro proceso y el Target.

135
La formula para calcular el Target Z es:

Tz = x - M o sea Tz = Media - Target
S Desviacin estndar.

De esta forma podemos decir que el Tz es el nmero de desviaciones estndar que la
media difiere del Traget.

En las siguientes figuras se observa la interpretacin grfica de Tz.

Ejercicio:

a) Considerando un Traget = 9.0

Calcular el Tz y comentar el resultado. ( X = 8.82 s = 0.34 )

Tz = _____________ Tz = _______________

136

b) Considerando un Target = 320.0

Calcular el Tz y comentar el resultado. ( x 0 318.91 s = 3.08 )

Tz = _____________ Tz = _______________

Control Estadistico Del Proceso

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Control Estadistico Del Proceso

Hochgeladen von

Copyright:

Verfügbare Formate

MANUAL DE TECNICAS ESTADISTICAS Y CEP

Das könnte Ihnen auch gefallen