Apuntes Sobre Estadistica para La Gestion de La Calidad en Produccion

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009 1
Pgina
Apuntes sobre Control Estadstico En la Produccin Y Gestin de la Calidad
Curso de Control Estadstico y Gestin de Calidad, Agosto 2009
Pgina 2 /78
Nota a los alumnos
El presente trabajo tiene como finalidad dar un amplio panorama de las tcnicas estadsticas aplicadas al Control de Calidad e informar adecuadamente de las tcnicas de Gestin aplicadas al Control de Calidad. Es importante advertir que ambas partes, las Tcnicas Estadsticas y la Gestin son complementarias y de ninguna manera son reemplazables una por la otra. No es posible edificar una buena Gestin de Calidad si no se han implementado primero las tcnicas de Control de Calidad Estadstico, como tampoco es posible lograr una buena Gestin de la Calidad solo con las Tcnicas Estadsticas. Ambas son vitales y necesarias, ambas son el objetivo primordial de todo Tcnico e Ingeniero de Calidad que se aprecie de profesional. Los conceptos y conocimientos que se resumen en este estudio son suficientes para que, llevadas a cabo, produzcan excelentes resultados en los distintos procesos productivos de empresas de tipo industrial. Los conceptos y herramientas expuestos en este trabajo constituyen un vital apoyo a las clases de Control y Gestin de la Calidad, de Produccin, de Mantenimiento, de Logstica y muchas otras que se realizan en distintas carreras del campo de la ingeniera.
Pgina 3 /78
Parte 1: Control de Calidad Estadstico

1 1.1 1.2 1.3 1.4 1.5 1.6 2 2.1 2.2 2.3 2.4 2.5 3 3.1 3.2 3.3 3.4 4 4.1 4.2 4.3 5 Los defectos Introduccin. Definicin de la calidad El objetivo de los mtodos estadsticos de control en los procesos. Qu causa los productos defectuosos? Son todos los defectos iguales? Debemos tratar a todos los defectos por igual? Clasificacin de los defectos, muestrario de defectos. Distribuciones de frecuencia e histogramas Poblacin y muestras Cmo se distribuye los valores de las variables que medimos? Qu frecuencia tiene cada valor que la causa llamada "variacin" nos entrega? Que tipos de variables conocemos? Distribuciones de frecuencias. Histogramas Medidores de tendencia central y de dispersin Media aritmtica Desviacin tpica Mtodo de clculo por compilacin Ejercicios prcticos en clases Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal Comprensin del concepto de Distribucin Continua, Distribucin Normal Propiedades de la Distribucin Normal Ejercicios de comprensin sobre la Distribucin Normal Los diagramas El diagrama de Pareto Qu son los diagramas de Pareto? Como elaborar diagramas de Pareto Ejercicios prcticos en clase El diagrama Espina de Pescado o de Ishikawa o de Causa y Efecto Que son los diagramas de Causa y Efecto? Como elaborar diagramas de Causa y Efecto
5.1 5.1.1 5.1.2 5.1.3 5.2 5.2.1 5.2.2
Pgina 4 /78
Grficas de control Qu son las grficas de control? Tipos de grficas de control, X - R , pn, y p Grfico X R Grfico np, Grfico p
6.1 6.2 6.2.1 6.2.2 7
Como elaborar una grfica de control _ 7.1 Grfica X - R 7.2 Clculo de los lmites de control 7.2.1 Clculo de lmites sin valores especificados 7.2.2 Clculo de los lmites con valores especificados 7.2.3 Comparacin de los Lmites Con y Sin Especificaciones. Resultado de la Capacidad de Proceso. 7.2.4 Formato Grfica X - R 7.2.5 Algunos casos de lecturas de grficas de control por variables. 7.3 Grfica np. 7.4 Clculo de los lmites de control por atributos. 7.5 Formato de grfico de Control de Proceso por Atributos. 7.6 Indice de la Capacidad de Proceso 7.7 Los cuatro casos posibles de los lmites con y sin especificaciones. 8 Normas Chilenas Norma Chilena 42 of 53 Resumen de Grficos de Control por variables, Control de Exactitud Resumen de Grficos de Control por variables, Control de Precisn. Factores para grficos de Control por variables. Norma Chilena 43 of 61 Norma Chilena 44 of 78 Alcance Nivel de calidad aceptable (AQL) Uso Definicin Inspeccin normal, rigurosa y reducida Plan de muestreo Nivel de inspeccin
8.1 8.1.1 8.1.2 8.1.3 8.2 8.3 8.3.1 8.3.2 8.3.2.1 8.3.2.2 8.3.3 8.3.4 8.3.5
Pgina 5 /78
8.3.6 9
Tipos de planes de muestreo Bibliografa del Control de Calidad Estadstico
Parte 2:
10
Gestin del Control de Calidad
Control Total de Calidad (CTC) Evolucin Histrica del concepto Conceptos del CTC CTC Segn Armand V.Feigenbaum CTC Segn Kaoru Ishikawa CTC Segn J. M. Juran Ruta para implementar un programa de Control de Calidad Total. Etapas de un programa de calidad total. Etapa previa. Etapas de un programa de Calidad Total en marcha. Elementos esenciales en una empresa que hace Control Total de Calidad
10.1 10.2 10.2.1 10.2.2 10.2.3 10.3 10.3.1 10.3.2 10.3.3 10.3.4 11 11.1 11.2 11.3 12 12.1 12.2 13 13.1 13.2 13.3
Costos de calidad Costos de Prevencin Costos de Evaluacin Costos de Fallas Mtodos de aseguramiento a Nivel Nacional e Internacional. Sistema Nacional de Acreditacin Internacionales. Familia ISO 9000 Concepto de las auditorias en el contexto de las normas ISO 9000 La auditoria y su significado. Tipos de auditoria. Elementos de una auditoria.
14
Bibliografa de la Gestin del Control de Calidad
Pgina 6 /78
Parte 1: Elementos del Control de Calidad Estadstico

1 Los defectos 1.1 Introduccin. Actualmente, todas las empresas modernas saben que lograr un buen nivel de calidad es fundamental para el xito de su gestin. La obtencin de este objetivo, no solo es importante desde el punto de vista de la competencia, sino tambin para la satisfaccin de las necesidades humanas. Estas necesidades humanas evolucionan constantemente, hay cada da mayor demanda de mejor precisin, ms exactitud, intercambiabilidad, confort, etc. y lo que hoy acepta el consumidor, maana puede rechazarlo, pues esta demanda de la cual estamos hablando, se perfecciona cada da, y toda empresa que no se adapte a este movimiento continuo corre el riesgo de quedar desplazada a corto plazo. Para marchar al comps de este ritmo se hacen necesarios mejores instrumentos, maquinarias, mtodos, etc., y lo que es ms importante, un mejor aprovechamiento de los mismos, es decir, obtener mejor calidad con la misma cantidad de dinero. Para lograr este objetivo debemos recurrir al control estadstico de calidad, como una de las armas ms poderosas para la realizacin de todas estas ideas. El objetivo de este curso es dar una buena informacin de la herramientas existentes para el control estadstico de la calidad, pero debemos dejar bien claro que los objetivos de calidad no se logran esgrimiendo solamente estas herramientas estadsticas. Hoy en da, el concepto de Control Total de Calidad, ensea claramente que todos los estamentos de la empresa estn involucrados en la obtencin de la mejor calidad del producto, y que ste objetivo no es, de ninguna manera, responsabilidad exclusiva de los departamentos tcnicos especializados en el control estadstico de la calidad, sino de todos los integrantes de la empresa, desde el ms humilde empleado, al ms importante de los gerentes.
Pgina 7 /78
1.2 Definicin de la calidad Definiremos dos aspectos de la calidad, la C alidad del Diseo y la Calidad del Producto. Entendemos por Calidad del Diseo al grado de concordancia entre el diseo y el fin para el cual fue creado, y por Calidad del Producto, al grado de conformidad entre el producto y su diseo. Los conceptos y mtodos que veremos son aplicables al control de calidad del producto, y son, en general, mtodos universales, es decir que valen para cualquier producto, ya sean cremas dentales, bebidas gaseosas, tractores, medicamentos o ampolletas. Un buen nivel de calidad implica un diseo correcto y un producto de acuerdo con su diseo. 1.3 El objetivo de los mtodos estadsticos de control en los procesos . Podramos preguntarnos, qu concretamente, qu es un defecto? es un producto defectuoso? o ms
Juran explica lo que es un defecto haciendo un juego de palabras: " Un defecto es un defecto cuando todos estamos de acuerdo que es un defecto" Definicin tradicional: Un defecto es el incumplimiento de una caracterstica de calidad respecto de un lmite especificado. Pero, los lmites especificados, los determinamos nosotros, previo acuerdo con las partes interesadas o involucradas en el proceso, luego, por carcter transitivo, vale la frase del insigne maestro del control de calidad, Dr. J. M. Juran. Otra ilustre definicin de lo que es un defecto, es la afirmacin de Kahoru Ishikawa, quien dice que un defecto es lo que causa insatisfaccin al cliente. 1.4 Qu causa los productos defectuosos? La respuesta universal a esta pregunta es: la variacin
Pgina 8 /78
La variacin en los materiales, en las condiciones de la mquina, en los mtodos de trabajo y en las inspecciones. Estas variaciones son las causas de los productos defectuosos. Si no existiera ninguna de esas variaciones, todos los productos seran idnticos y no habra variaciones en la calidad, y no existira la ocurrencia de productos defectuosos y no defectuosos. 1.5 Son todos los defectos iguales? Debemos tratar a todos los defectos por igual? El sentido comn nos dice que no a las dos preguntas. No es lo mismo un defecto considerado leve como ser una imperfeccin superficial en la etiqueta de un producto, que una medida fuera de especificaciones en un repuesto para motor de automviles que lo haga absolutamente inservible. Y consecuentemente, no ser el mismo criterio para tolerar la presencia de ambos defectos, y eso dar paso a distintos planes de calidad segn el tipo de defecto. 1.6 Clasificacin de los defectos, muestrario de defectos. Existen distintas maneras de clasificarlos. aqu utilizaremos el siguiente: Defectos crticos: son aquellos que violan leyes, agreden al consumidor o hacen inservible al producto.
Defectos mayores: producen una disminucin en el correcto funcionamiento o utilizacin del producto y es notado por el consumidor.
Defectos menores: producen una disminucin leve en el correcto funcionamiento o utilizacin del producto, probablemente no lo note el consumidor. pero si lo nota, el personal calificado de produccin y de control de calidad, Cada tipo de defecto ser objeto de un estudio acabado por las partes interesadas y deber finalizar en un muestrario de defectos, debidamente clasificado por tipo de defecto y firmado por las partes involucradas. En todos los casos posibles deber construirse el muestrario con defectos situados justo en los lmites de aceptacin o rechazo.
Pgina 9 /78
Unidad 2, Distribuciones de frecuencia e Histogramas 2.1 Poblacin y muestras Una poblacin es el total de las unidades que se consideran. En esta poblacin queremos investigar una caracterstica para conocer su situacin relativa con los valores del diseo. Una muestra es una cantidad estadsticamente calculada de unidades de dicha poblacin, cada unidad deber ser extrada al azar. La medicin y clculo de una determinada caracterstica nos dar una estimacin del verdadero valor en la poblacin. 2.2 Cmo se distribuyen los valores de las variables que medimos? Qu frecuencia tiene cada valor que la causa llamada "variacin" nos entrega? Tenemos claro que las variaciones nos producen distintas medidas de una variable, la pregunta es como se distribuyen. En general siguen un comportamiento llamado gaussiano o normal De que se trata lo veremos ms adelante pero por ahora nos alcanza con comprender que dicho comportamiento significa que los valores ms cercanos al valor central, son los que ms frecuentemente se repiten, y a medida que nos alejamos del valor central, la frecuencia baja dramticamente. La grfica de este comportamiento tiene una forma de campana. 2.3 Que tipos de variables conocemos? Existen dos tipos de variables a considerar, Variables Continuas y Variables Discretas. Las variables continuas son aquellas que se miden... y las variables discretas se cuentan. Las primeras dan origen al control por variables y las segundas al control por atributos. Las caractersticas de calidad que llamaremos variables son todas aquellas que podemos representar por una cifra. Por ejemplo, la medida de un perno, la resistencia de resistores de alambre, el contenido de cenizas en carbn, etc., etc.
Pgina 10 /78
Los atributos son aquellas caractersticas de calidad no mensurables, cuya dimensin en general no se puede representar con una cifra. Como por ejemplo podemos tomar las imperfecciones visuales de las superficies de los productos, tales como manchas, diferencias de tono, aspectos de una soldadura, etc., etc. Por fin, debemos tener en cuenta, que tanto los procesos como los lotes terminados pueden ser inspeccionados por atributos o por variables. 2.4 Distribuciones de frecuencias. Estudiemos el caso de control por variables, es decir estamos midiendo con un instrumento cuya resolucin nos permite medir las variaciones que produce nuestro proceso. Una vez que el inspector recibe la muestra tomada estadsticamente de la poblacin a valorar, procede a las correspondientes mediciones de cada una de las muestras. Tngase presente que lo ms probable es que en cada unidad se hagan varias mediciones por variables y por atributos. Como resultado de esta accin tendremos una tabla de valores desordenados e incomprensibles. Lo primero que deberemos hacer es clasificarlas de menor a mayor, luego agruparlas en clases siguiendo algn criterio que nos permita acumular los datos dentro de clases, esto es dentro de valores que contengan varios de estos datos. Supongamos que tenemos la siguiente tabla de valores experimentales: 38 32 49 44 47 52 68 73 54 46 47 50 61 42 45 40 26 63 65 46 35 35 45 76 28 50 25 40 48 38 19 64 53 35 56 36 44 57 58 42
Total, n: 40 datos Valor mnimo: 19, valor mximo: 76 Rango, 76-19= 57 Nmero de clases: (clculo emprico) : 40 Raz de 40 y se redondea: 6 Ancho de clase : 9 57 dividido 6 y se lleva al numero impar ms cercano: 9
Pgina 11 /78
El motivo por el cual conviene usar el ancho de clase como nmero impar es para que la marca de clase sea un nmero entero igual que los datos que se estn estudiando. Si se utilizara un nmero par, el ancho de clase resulta con un decimal que habra que conservar hasta el final del clculo y esto es fuente de errores. Con estos datos procedemos a construir nuestro diagrama de frecuencias, el cual una vez finalizado tiene el siguiente diagrama: LI 18 27 36 45 54 63 72 LS 26 35 44 53 62 71 80 Marca de Clase (mediana) (x) 22 ( 18 + 26 ) / 2 31 40 49 58 67 76
Una vez obtenido este cuadro procedemos al recuento y anotamos la frecuencia: LI 18 27 36 45 54 63 72 LS 26 35 44 53 62 71 80 total X 22 31 40 49 58 67 76 recuento /// //// //// //// //// //// // //// //// // 40 frecuencia 3 5 9 12 5 4 2 40
Este cuadro es el diagrama de frecuencias obtenido de los 40 datos obtenidos como variables y agrupados convenientemente en clases, este recuento ya nos est informando de que es lo que pasa con esta variable.
Pgina 12 /78
2.5 Histograma: El cuadro anterior puede llevarse a un grfico como sigue, dando lugar al Histograma:
HISTOGRAMA
14 12 12 10 8 6 4 2 0 0 21 22 31 40 49 58 67 76 85 MARCAS DE CLASE 0 3 2 5 5 4 9
FRECUENCIAS
Pgina 13 /78
3 Medidores de tendencia central y de dispersin Son varios los medidores de la tendencia central y de la dispersin de una serie de datos experimentales, de ellos estudiaremos los dos ms frecuentes y tiles en Control de Calidad, estos son : la Media Aritmtica , medidor de la tendencia central, y la Desviacin Tpica, medidor de la dispersin de los datos alrededor de la Media Aritmtica. El desarrollo de las frmulas es materia que se entrega durante el desarrollo de las clases. 3.1 Media aritmtica Mide la tendencia central. Se define como Media Aritmtica al valor central producto del siguiente clculo:
k
f . X + f2 . X 2 +...+fk . Xk X= 1 1 = f1 + f2 +...+fk
f X
j j =1 k
f
j =1
fX = fX N f
de donde deriva:
k fju fu 1 = A + c X = A + c j=k N f j j=1
Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse: a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap. b) en el libro de Estadstica de Murray Spieguel. 3.2 Desviacin tpica
Pgina 14 /78
Mide la dispersin de los valores con respecto al valor central. Se define como desviacin tpica al valor que surge del siguiente clculo:
S=
f (X
j j= 1 k
X
j
f
j= 1
f( X X )
N
pues
f = n
Esta frmula puede derivarse mediante sencillos clculos a esta otra:

S=c*
fu
N
fu N
Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse: a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap. b) en el libro de Estadstica de Murray Spieguel. 3.3 Mtodo de clculo por compilacin: X 22 31 40 49 58 67 76 f 3 5 9 12 5 4 2 U -3 -2 -1 0 1 2 3 fu -9 -10 - 9 0 5 8 6 fu = - 9 fu2 27 20 9 0 5 16 16 fu2 = 95
donde: c = 9 y A = 49 Media aritmtica: 46,98 Desviacin tpica: 13.72
Este clculo tiene un error como consecuencia de suponer a todos los datos dentro de cada clase como iguales. Nota: Los decimales de las respuestas obtenidas, debern guardar relacin con los decimales que tengan los datos, sin embargo, cuando use las calculadoras deber conservar en cada clculo, todos los decimales que genera la calculadora, para luego aproximar la respuesta a la cantidad de decimales igual a los que
Pgina 15 /78
tengan los datos, nunca menos. En particular en estos clculos es costumbre usar uno o dos decimales ms que los datos. Tampoco es correcto usar muchos decimales pues no tienen significado alguno. 3.4 Ejercicios prcticos en clases: Mediante la extraccin de datos de una urna normal se construye la correspondiente distribucin de frecuencias, el histograma, se calcula la Media Aritmtica y la Desviacin Tpica. Se usarn dos mtodos de clculo, uno por medio de la calculadora y otro por medio de las frmulas vistas en clases. Nota: se exigir un correcto manejo algebraico de nmeros escritos de forma exponencial.
Pgina 16 /78
4 Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal 4.1 Comprensin del concepto de distribucin continua, Normal Distribucin
Un histograma se construye a partir de un cierto nmero de datos. Pero que le pasara al histograma si continuamos aumentando el nmero de datos? Si el intervalo de clase se reduce poco a poco a medida que aumenta el nmero de datos, se obtiene una distribucin de frecuencias continua, como lmite de una distribucin de frecuencia relativa. En realidad es una expresin de la poblacin misma, puesto que se obtiene de un nmero infinito de datos. Existen muchas clases de distribucin, y una de las ms frecuentes es la Distribucin Normal. En muchos casos, cuando la variacin de una caracterstica de calidad es causada por la suma de un gran nmero de errores infinitesimales independientes debidos a diferentes factores, la distribucin de la caracterstica de calidad se aproxima a una distribucin normal. La forma de la Distribucin Normal puede describirse como la de una campana. La siguiente figura muestra la forma de esta distribucin:
Curva Normal de Gauss
+1
+2
+3
+4
4.2
Propiedades de la Distribucin Normal
La curva caracterstica queda determinada totalmente por dos parmetros:

y
Si bien en este curso no tenemos espacio para desarrollar el concepto de probabilidades, ser necesario definir los siguientes puntos:
Pgina 17 /78
Un suceso es ms o menos probable segn la frecuencia con que ocurre. a mayor frecuencia de ocurrencia pasada ser mayor la probabilidad de ocurrencia futura. Los histogramas y los grficos de frecuencia, tambin pueden interpretarse como grficos de probabilidades de ocurrencia . En particular, la Campana de Gauss, o Curva Normal, es una funcin de probabilidades, y la superficie que se encierra debajo de la curva, y limitada por dos valores de x es directamente una medida de la probabilidad de ocurrencia de un suceso determinado. Aceptando estos conceptos veremos como se puede hacer los clculos partiendo de la Curva Normal. En primer trmino, la Curva Normal hay que transformarla en lo que se llama forma cannica, esto significa que el cero de las X ir al medio del grfico. Para lograrlo se usa una variable llamada z y es:
z=
( X X)
Esta transformacin hace que siempre el valor de la desviacin tpica, en una curva cannica, sea igual a uno, y el valor de z no es ms que un dato medido en relacin a su propia desviacin. Esto hace que la curva tenga caractersticas muy particulares que veremos luego de los siguientes comentarios. Esta variable depende de datos conocidos, es decir la media de la muestra y su desviacin, por lo tanto para determinados valores de x, se hace el clculo y las tablas dan la respuesta en trminos de probabilidad de ocurrencia. Este punto es muy importante pues de aqu parte todos los criterios de control del control de la calidad. De todo esto se desprende lo siguiente: La superficie, y por lo tanto la probabilidad de ocurrencia del suceso, vale: 68.27 % para una desviacin tpica a ambos lados del cero 95.45 % para dos desviaciones tpicas a ambos lados del cero 99.73 % para tres desviaciones tpicas a ambos lados del cero
Esto se aprecia en los siguientes grficos:
Pgina 18 /78
AREA BAJO LA CURVA NORMAL IGUAL A 68.27%

45 40 PROBABILIDADES
PROBABILIDADES PROBABILIDADES
35 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 DESDE -1 A +1 DESVIACION TIPICA
AREA BAJO LA CURVA NORMAL IGUAL A 95,45%

40 35 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 DESDE -2 A +2 DESVIACION TIPICA
AREA BAJO LA CURVA NORMAL IGUAL A 99,73%

45 40 35 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 DESDE -3 A +3 DESVIACION TIPICA
Pgina 19 /78
4.3 Ejercicios de comprensin sobre la Distribucin Normal. Los siguientes ejercicios, tienen como objetivo aprender el uso de las tablas de Gauss. Ejercicio n 1 Hallar el rea bajo la CURVA NORMAL en cada uno de los 7 casos siguientes: a) Entre z = 0 y z = 1.20
CURVA NORMAL DE GAUSS
45 40 35 30 25 20 15 10 5 0 -3 0 3 Area bajo la curva entre z = 0 y z = 1,2
De tablas leemos que para z = 1,2 es 0,3849, por lo tanto: Pr {0 z 1,2} = 0,3849 Esto significa que el rea bajo la curva normal para z entre 0 y 1,2 es del 38.49% b) Entre z = - 0.68 y z = 0
45 40 PROBABILIDADES 35 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 Area bajo la curva entre z = -0,68 y z = 0
En tablas se lee para z = 0.68 es 0.2518 por lo tanto, Pr {-0,68 z 0} =0.2518 Esto significa que el rea bajo la curva, para z= -0,68 y z=0 es el 25.18% c) Entre z = - 0.46 y z 2.21
PROBABILIDADES
Pgina 20 /78

45 40 35 30 25 20 15 10 5 0 -3 0 3 Area bajo la curva de z = -0,46 a z = 2,21
En tablas se lee que, para z = 0.46 es 0.1772 por lo tanto, Pr {-0,46 z 0} =0.1772 Ntese que en la lectura se prescindi del signo menos. Por otra parte, para z = 2.21 se lee 0.4864. lo cual significa : Pr {0 z 2.21} =0.4864 Para encontrar el rea total debemos sumar ambos resultados: 0.1772+0.4864 = 0.6636 Esto significa que el rea bajo la curva, para z= - 0.46 y z=2.21 es del 66.36% d) Entre z = 0.81 y z = 1.94
35 30 PROBABILIDADES 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 Area bajo la curva entre z = 0,81 y z = 1,94
Para z = 0.81 es 0.2910 por lo tanto, Pr {0.81 z 0} =0.2910 Para z = 1.94 es 0.4738 esto es : Pr {0 z 1.94} =0.4738 Para encontrar el rea entre los dos puntos elegidos, debemos restar ambos resultados: 0.4738 - 0.2910 = 0.1828 Esto significa que el rea bajo la curva, para z= 0.81 y z=1.94 es del 18.28% e) A la izquierda de z = - 0.6, esto significa, entre z = - y z = - 0.6
PROBABILIDADES
Pgina 21 /78
Tener presente que desde z = - y z = 0 la superficie bajo el rea es 0.5000 (50%)

35 30 PROBABILIDADES 25 20 15 10 5 0 -3 0 3 Area bajo la curva entre z = - infinito y z = - 0,6
Para z = 0.6 es 0.2258 por lo tanto, Pr {0.6 z 0} =0.225 Para z = - es 0.5000, esto es : Pr { - z 0} =0.5000 Para encontrar el rea entre los dos puntos elegidos, debemos restar ambos resultados: 0.5000 - 0.2258 = 0.2742 Esto significa que el rea bajo la curva, para z = - y z=- 0.6 es del 27.42% f) A la derecha de z - 1.28, esto es ,entre z = - 1.28 y z = +
40 35 PROBABILIDADES 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 Area entre z = -1,28 y z = + infinito
Para z = 1.28 es 0.3997 por lo tanto, Pr {-1.28 z 0} = 0.3997. Para z = 0 y z= + es 0.5000, esto es : Pr {0 z + } = 0.5000. Para encontrar el rea entre los dos puntos elegidos, debemos sumar ambos resultados: 0.3997+0.5000 = 0.8997. Esto significa que el rea bajo la curva, para z = -1.28 y z =+ es del 89.97% g) A la derecha de z = 2.05, y a la izquierda de z = - 1.44
Pgina 22 /78

16 PROBABILIDADES 14 12 10 8 6 4 2 0
-3 0 3
A la izquierda de -1,44 y a la derecha de 2,05
rea total bajo la curva = 1-(rea entre-1.44 y 0) - (rea entre 0 y 2.05) 1 - 0.4251 - 0.4798 = 0.0951, esto es 9.51% Ejercicio n 2 Este ejercicio ayuda a entender el uso de los procedimientos anteriores para el clculo de las probabilidades en eventos reales. Se recomienda al alumno dibujar las campanas e ir identificando las reas escogidas. Si los dimetros de las bolillas de rodamientos estn normalmente distribuidas con media 0.6140 mm y desviacin tpica 0.0025 mm determinar el % con dimetro : a) entre 0.6100 y 0.6180 mm b) mayores que 0.6170 mm c) menores que 0.6080 mm Solucin: a) - z = (0.6100-0.6140) / 0.0025 = - 1.60 + z = (0.6180-0.6140) / 0.0025 = + 1.60 rea solicitada = probabilidad buscada = 0.4452 + 0.4452 = 0.8904 La probabilidad de que el dimetro de las bolillas se encuentren entre 0.610 y 0.618 mm es del 89.04% b) z = (0.6170 - 0.6140) / 0.0025 = 1.20 El rea para z = 1,2 es 0.3849 El rea solicitada es 0.5000 0.3849 = 0.1151
Pgina 23 /78
La probabilidad de que el dimetro de las bolillas sea mayor que 0.617 es del 11.51% c) z= (0.6080-.6140) / 0.0025 = 2.40 Para z = 2.40 es 0.4918 El rea buscada es 0.5000 - 0.4918 = 0.0082 Probabilidad = 0.82 %
Pgina 24 /78
Unidad 5, Los Diagramas 5.1 El Diagrama de Pareto 5.1.1 Qu son los Diagramas de Pareto? Los problemas de calidad se presentan como prdidas. Es muy importante aclarar el patrn de la distribucin de las prdidas. La mayora de las prdidas se debern a unos pocos tipos de defectos, y estos defectos pueden atribuirse a un nmero muy pequeo de causas. Si se identifican las causas de estos pocos defectos vitales, podremos eliminar casi todas las prdidas, concentrndonos en esas causas particulares y dejando de lado otro muchos defectos triviales. El uso del diagrama de Pareto permite solucionar este tipo de problemas con eficacia. Existen dos tipos de diagramas, los que analizan los efectos, y los que estudian las causas. 5.1.2 Como elaborar diagramas de Pareto Paso 1 decida qu problemas se van a investigar y como recoger los datos. ejemplo: objetos defectuosos, perdidas en trminos monetarios, ocurrencia de accidentes. Paso 2 decida qu datos va a necesitar y como clasificarlos. ejemplo: por tipo de defecto, localizacin, proceso, mquina, trabajador, mtodo. Paso 3 defina el mtodo de recoleccin de los datos y el perodo de duracin de la recoleccin. Paso 4 disee una tabla para el recuento de los datos. Tipos de defectos Fractura Rayado Manchado Tensin Rajadura Burbuja Otros Total Recuento //// //// //// //// //// //// ...... //// // //// / //// //// //// //// ...... //// //// //// //// //// //// //// ...... //// //// //// //// 200 total 10 42 6 104 4 20 14 200
Pgina 25 /78
Paso 5 analice y vuelva a ordenar la informacin Tipo Tensin Rayado Burbuja Fractura Mancha Rajadura Otros Total numero 104 42 20 10 6 4 14 Total 104 146 166 176 182 186 200 200 porcentaje 52 21 10 5 3 2 7 % acumulado 52 73 83 88 91 93 100 100
Paso 6 construya el diagrama de barras.
Pocos vitales ... muchos triviales Pareto
DIAGRAMA DE PARETO POR ITEMS DEFECTUOSOS

NUMERO DE UNIDADES DEFECTUOSAS 120 100 80 60 40 20 0 TENSION RAYADO BURBUJA FRACT. MANCHA DEFECTOS RAJAD. OTROS 100 PORCENTAJE ACUMULADO 80 60 40 20 0
En este ejemplo, produccin tendr que resolver, en primer trmino, las causas de los defectos tensin y rayado, con lo cual se reducir el inconveniente en el 73% ! 5.1.3 Ejercicio Prctico en clase: Utilizando una urna con datos, se extrae una muestra y se elabora un diagrama de Pareto.
Pgina 26 /78
5.2 El diagrama Espina de Pescado, o de Ishikawa, o de Causa y Efecto 5.2.1 Que son los diagramas de Causa y Efecto : Es un diagrama que muestra la relacin entre una caracterstica de calidad por la cual estamos interesados, (probablemente porque haya baja calidad en dicha caracterstica) y los factores de los cuales depende (entre los cuales deberemos buscar las causas del problema de calidad)
En general, puede decirse que un proceso puede atribuirse a una cantidad de factores y es posible encontrar la relacin Causa y Efecto de esos factores.
En las dos pginas siguientes se muestra como se arma el diagrama y a continuacin hay un ejemplo muy pormenorizado acerca de las causas que pueden originar una derrota deportiva.
Pgina 27
Diagram a de Ishikawa, tam bin llam ado Espina de pescado o diagram a de causa - efecto Hueso grande Hueso m ediano Hueso pequeo
Columna Vertebral
Caracterstica
Efecto
Factores (Causas)
PROF. ARMANDO COLLO / PROF MANUEL MARQUEZ
Pgina 28
Caloras Salud Nutricin Comida Paciencia Cantidad Diversin Tiempo Dormir Que tan bien Teora Planeacin Reglas Anlisis Sentido comn Observacin Juicio de la situacin Cuidado Descanso
Animo Entusiasmo Orgullo
Ejemplo de Diagrama de Ishikawa
Espritu de lucha Devocin Calma Compostura Confianza Derrota en un torneo deportivo Itinerario
Relajamiento
Concentracin
Informacin Estudio del oponente Trabajo en equipo Funcin
Movimiento Potencia Velocidad
Ejercicio Calidad Consejo Cantidad Forma Repeticin Tcnica Modelos
Cooperacin Estrategia Experiencia en partidos
PROF. ARMANDO COLLO / PROF MANUEL MARQUEZ
Pgina 29
5.2.2. Cmo elaborar diagramas de causa y Efecto. Procedimiento para elaborar los diagramas de Causa y Efecto para la identificacin de causas. Paso 1 Describa el efecto o atributo de calidad Paso 2 Escoja una caracterstica de calidad y escrbala en el lado derecho de una hoja de papel, dibuje de izquierda a derecha la lnea de la espina dorsal y encierre la caracterstica en un cuadrado. Luego, escriba las causas primarias que afectan a la caracterstica de calidad, en forma de grandes huesos, encerrados tambin en cuadrados. Paso 3 Escriba las causas (causas secundarias) que afectan a los grandes huesos (causas primarias) como huesos medianos, y escriba las causas (causas terciarias) que afectan a los huesos medianos como huesos pequeos. Paso 4 Asigne la importancia de cada factor, y marque los factores particularmente importantes que parecen tener un efecto significativo sobre la caracterstica de calidad. Paso 5 Registre cualquier informacin que pueda ser de utilidad.
Pgina 30
6 Grficas de Control 6.1 Qu son las Grficas de Control? En 1924, W.A. Shewhart, propuso una Grfica de Control para eliminar las variaciones anormales, distinguiendo las variaciones debidas a causas asignables de aquellas debidas a causas al azar, es decir, causas no asignables Una grfica de Control consiste en una lnea central, un par de lmites de control, uno de ellos colocado por encima de una lnea central y otro por debajo, y en ciertos valores caractersticos registrados en la grfica que representa el estado del proceso. Si todos los valores ocurren dentro de los lmites de control, sin ninguna tendencia especial, se dice que el proceso est en estado controlado. Sin embargo, si ocurren por fuera de los lmites de control o muestran una forma peculiar, se dice que el proceso est fuera de control.
110 105 100 95 90

08 :0 0 08 :3 0 09 :0 0 09 :3 0 10 :0 0 10 :3 0 11 :0 0 11 :3 0 12 :0 0 12 :3 0 13 :0 0 13 :3 0 14 :0 0 14 :3 0 15 :0 0 15 :3 0 16 :0 0 0
Lm ite de Control Superior Linea Central Lm ite de Control Inferior Valores del Proceso
Grfica para estado controlado

110 105 100 95 90
08 :0 0 08 :3 0 09 :0 0 09 :3 0 10 :0 0 10 :3 0 11 :0 0 11 :3 0 12 :0 0 12 :3 0 13 :0 0 13 :3 0 14 :0 0 14 :3 0 15 :0 0 15 :3 0 16 :0 0 0
Lm ite de Control Superior Linea Central Lm ite de Control Inferior Valores del Proceso
Grfica para estado fuera de control
Pgina 31
La calidad de un producto manufacturado por medio de un proceso inevitablemente sufrir variaciones. Estas variaciones tienen causas y estas ltimas pueden clasificarse en los siguientes dos tipos: Causas no Asignables (Causas debidas al azar) Las variaciones debidas al azar son inevitables en el proceso. Tratar de eliminarlas puede resultar estril y en la mayora de los casos extremadamente caro. Por otra parte estas variaciones dentro de ciertos lmites pueden ser totalmente tolerables y no causan reales disminuciones de la calidad del producto. Estas variaciones se aceptan, se las consideran inherentes al proceso, y por lo tanto son variaciones normales. De hecho, estas variaciones son las que originan la distribucin gaussiana que vimos en la primera parte de este curso. Causas Asignables La variacin debida a Causas Asignables significa que hay factores anormales que deben ser investigados. Estas variaciones no son normales, no pertenecen al proceso y no sern aceptadas. Las Causas Asignables podran originar productos defectuosos, (aunque no indispensablemente) es decir, contienen caractersticas, que hacen a la calidad del producto, que podran estar afuera de los lmites que establecen las especificaciones de calidad del producto. El objeto del Control de Calidad Estadstico, de proceso o cualquier otro, es encontrar y separar las Causas Asignables. (Aun cuando no estn causando defectos). Estas Causas Asignables tienen necesariamente que ser encontradas y eliminadas pues producen una disminucin de la calidad del producto. Cuando los puntos se encuentran fuera de los lmites de control o muestran una tendencia particular, decimos que el proceso est fuera de control, y esto es a causa de las Causas Asignables. Nota: Mas adelante, se retomar este tema, cuando se hable de limites con y sin valores especificados, all se ver que no siempre que un proceso que est fuera de control producir defectos, por lo cual estas definiciones que aqu se mencionan son solo para iniciar el estudio, pero el alumno deber remitirse a los desarrollos posteriores si se le consulta sobre lo que significa un proceso en estado controlado y si se cumplen o no con la especificaciones.
Pgina 32
Cul es el objetivo de una Grfica de Control? El objetivo, como lo indica su nombre, es controlar el proceso, es decir, mantenerlo en estado controlado, para ello debemos hacer una grfica que en rigor son dos, una para la exactitud, o sea, la grfica X, y otra, para la precisin, esta es la grfica R. El control siempre deber contener ambas grficas, es decir, la correspondiente a X y la correspondiente a R. Son indisolubles, no pueden existir independientes, no existe control con solo una de ellas . Y cualquiera de las dos que este fuera de control declara al proceso fuera de control. Para comprender un proceso, y saber si se encuentra bajo control, deberemos conocer la variacin debida al azar, y este conocimiento lo extraeremos, precisamente de las grficas de control de proceso. Para esto se tomaran pequeas muestras cada periodos de tiempo preestablecidos, de forma que en cada pequea muestra los factores de variacin sean comunes. Por esta razn las unidades que se toman para cada pequea muestra debern ser una a continuacin de otra, de esta forma, los factores que varan de unidad a unidad sern mnimos. Las cantidades a extraer en cada muestra tomada a perodos regulares sern de 3 a 10 unidades siendo las ms frecuentes de 3 a 6 y la ms recomendable es 5. Hay varias clases de grficas de control, dependiendo de su propsito y de las caractersticas de la variable. En cualquier tipo de grfica de control el lmite de control se calcula usando la siguiente frmula: (Valor Promedio) 3 x (Desviacin Estndar) Donde la Desviacin Estndar es la variacin debida al azar. Este tipo de grfica de control se llama una grfica de control de 3-sigma. 6.2 Tipos de Grficas de Control Hay dos tipos de Grficas de Control, una para valores continuos y otra para valores discretos. En cada tipo hay varias alternativas para elegir el par de medidores necesarios.
Pgina 33
Valor caracterstico Valor continuo
Nombre
X -R
Grficas Valor discreto Grficas
X - ~ X -R ~ X -
np p u c
La tabla siguiente muestra las frmulas que deben utilizarse para calcular los lmites de control y el valor central, utilizando los medidores X, R . Las tablas donde figuran los factores son provistas en este apunte y son equivalentes a las que se encuentran en la Norma Chilena 42. limite superior de control (LCS) lnea central (LC) limite inferior de control (LCI) X + A 2R LCS = LC = X LCI = X A 2R LCS LC LlCI
LC LCi
Tipo de grfica de control
Valor continuo promedio

X
Valor continuo Rangos R
= = =
D4 R
R
D3 R
= pn
LCs
= pn + 3 p n( 1 p)
Valor discreto nmero de unidades defectuosas pn
= pn 3 p n( 1 p)
Los valores de las constantes debe consultarse en las tablas del adjunto o en la Norma Chilena 42. _ 6.2.1 Grfica X - R Esta se usa para controlar y analizar un proceso en el cual la caracterstica de calidad del producto que se est midiendo toma valores continuos, tales como longitud, peso o concentracin, y esto proporciona la mayor cantidad de informacin sobre el proceso. El valor X representa un promedio de una pequea X muestra o subgrupo, y R el rango de dicho subgrupo. Una grfica debe
Pgina 34
usarse en combinacin con una grfica un subgrupo.
R para controlar la variacin dentro de
6.2.2 Grfica pn, Grfica p Estas grficas se usan cuando la caracterstica de calidad se representa por el nmero de unidades defectuosas o la fraccin defectuosa. Para una muestra de tamao constante, se usa una grfica pn del nmero de unidades defectuosas, mientras que una grfica p de la fraccin de defectos se usa para una muestra de tamaos variable. Otros tipos de grficas por atributos son las grficas c y las grficas u. Luego de los ejemplos que se desarrollarn de grficas X - R se dar un ejemplo de grfica np. 6.3 Especificaciones, Tolerancias, Discrepancias Antes de entrar a la metodologa de elaboracin de las grficas de control, deberemos distinguir claramente lo que son las Especificaciones, con sus Tolerancias y lo que posteriormente llamaremos Limites de Control sin valores Especificados. La Especificacin y sus tolerancias, son dadas por el cliente o en su defecto el diseador del producto. La Especificacin indica como uno quiere el producto. Cada variable que tenga que ver con la calidad del producto tendr que tener su correspondiente especificacin. Por ejemplo, el largo de un tornillo, el contenido en gramos de un recipiente que contiene un alimento, etc., etc. Ahora bien, tenemos que tener muy claro, que las especificaciones tienen que ver con el producto, con su funcionalidad, su esttica, y todo lo que hace a la calidad de dicho producto. Adems, se establecen los lmites de tolerancia para dichas Especificaciones, dentro de las cuales, el producto se considera Bueno, y se sobreentiende que si se excede dichos lmites el producto ser defectuoso. Un ejemplo de Especificaciones y sus Tolerancias son las siguientes: Para el largo de un perno: 2,54 mm 0,20 mm
Pgina 35
En este ejemplo la Especificacin es 2,54, la tolerancia es 0,40 mm ( de extremo a extremo) y la discrepancia 0,20mm. Para el contenido de un envase de crema de leche: 200 c.c. 5 c.c. La Especificacin es 200 c.c., la Tolerancia es 10 c.c. y la discrepancia 5 c.c. Podramos hacernos la siguiente pregunta: Porque las tolerancias? Pues, desde el principio sabemos que los procesos no pueden hacer todos los productos iguales, por ello tenemos que poner lmites, de forma que cuando se excedan dichos lmites diremos que se producen defectos. . Por ejemplo, un perno con un largo de 2,80 mm o un envase de crema de leche con 193 c.c. En resumen, a) las Especificaciones y sus tolerancias son puestas con criterios que no necesariamente tienen relacin con los procesos productivos, y, en general obedecen al diseo o a razones estticas del producto. b) cuando el producto, al medir la variable de una caracterstica, excede la especificacin se lo declara defectuoso. Ahora veamos la mquina y el proceso que tiene que elaborar el producto, hasta ahora sabemos que dichos procesos presenta variaciones que son normales, entonces nos preguntamos: Podr ser capaz, la mquina de producir nuestro producto dentro de las tolerancias que nos da la Especificaciones que nos entregaron? Ser capaz de hacer el producto sin defectos? Los procedimientos estadsticos que estudiaremos a continuacin que respondern esta pregunta se denominan, por esta razn : Capacidad de Proceso o Capacidad de Mquina 6.4 Capacidad de Proceso o Capacidad de Mquina El estudio de la Capacidad de Proceso consta de una serie de pasos. En primer lugar, se toman una serie de datos del proceso, mediante los cuales se calculan, usando las frmulas vistas anteriormente, los Lmites Naturales del Proceso, que de ahora en mas se denominan: Limites de Proceso Sin Valores Especificados. Es decir son los lmites normales del proceso, es lo que la mquina pide para trabajar normalmente. Estos lmites son los que si se trasponen se dice que el proceso esta Fuera de Control, (aunque solo sea un punto). Pero en este clculo, no han intervenido las especificaciones del producto, y estos entran a jugar despus de haber conocido los lmites anteriores.
Pgina 36
A partir de las Especificaciones y sus tolerancias, y utilizando las frmulas que se proveen en los adjuntos, se transforman las Especificaciones y sus Tolerancias en lo que desde ahora llamaremos Lmites de Proceso Con Valores Especificados. Estos Lmites de Proceso con Valores Especificados, siguen siendo las Especificaciones, solo que traducidas a un modo que puedan ser comparadas a los Lmites de Proceso sin Valores Especificados que pidi la mquina. Si el proceso puede trabajar dentro de los Lmites con valores Especificados estaremos cumpliendo con las especificaciones y no habrn defectos. Dicho de otra forma, los Lmites Con Valores Especificados, defienden las Especificaciones. Una vez que conocemos los lmites con y sin especificacin, procederemos a comparar ambos juegos de lmites, y podremos contestar si el proceso es o no es capaz de producir sin defectos. Si la amplitud de los lmites Con Valores Especificados, es mayor que la amplitud de los lmites Sin Valores Especificados, podremos decir que el proceso es capaz de cumplir con lo que se le solicita. Por lo contrario, si la amplitud de los lmites Con Especificaciones, es inferior a la amplitud de los lmites Sin Especificaciones, diremos que el proceso no es capaz de cumplir con las especificaciones y consecuentemente, si se produce, habr defectos. Una analoga til es la siguiente, si los lmites Con Valores Especificados, fuera una caja de zapatos, y los lmites Sin Valores Especificados, fueran los zapatos, diremos que si la caja es ms grande que los zapatos podremos acomodar los zapatos adentro y diremos que el proceso es capaz. Si los zapatos son mas grandes que la caja, stos no podrn entrar en la caja y en consecuencia, diremos que la Capacidad de Proceso es negativa. 7 Como elaborar una grfica de control _ 7.1 Grfica X - R La grfica para este control se provee en los adjuntos. Se trata de una grfica que contiene tres reas, una para el registro de los datos, la segunda para el control de la exactitud del proceso, y es donde se trazan las medias aritmticas de los datos y por ltimo, al pie del grfico, el rea donde se controla la precisin del proceso, y es donde se ponen los rangos.
Pgina 37
La ruta para elaborar una grfica de control es la siguiente: Paso 1 Recoja los datos, o sea controle el proceso a intervalos regulares y anote los datos de cada subgrupo. Paso 2 Calcule los promedios para cada subgrupo, Paso 3 Calcule el promedio de los promedios. Paso 4 Calcule R cada subgrupo. ( El Rango R es la diferencia entre el mayor y el menor valor de cada subgrupo) Paso 5 Calcule el promedio de R. Paso 6 Calcule las lneas de control, usando las frmulas provistas. Paso 7 Dibuje las lneas de control. Paso 8 Localice los puntos en el grfico y determine si hay puntos que salgan de los lneas de control, ya sea por exactitud o por precisin. Paso 9 Registre todos los antecedentes de inters. A continuacin se provee de una serie de datos que hipotticamente fueron extrados de un proceso que funciona de acuerdo a una distribucin normal. El tamao del subgrupo ser para ste caso de 5 unidades. Este tamao puede variar de 3 a 10 unidades y la eleccin del tamao ser una decisin econmica, si tengo tiempo y gente para hacerlo, cuanto ms grande pueda extraer la muestra, mejor ser el control. El mismo criterio vale para la frecuencia, cuanto menos tiempo tarde en realizar otro control, mejor ser. Si por limitaciones de disponibilidad de gente, tenemos que elegir entre hacer subgrupos ms grandes o extraer subgrupos ms frecuentemente, es mejor esto ltimo. Normalmente, para este tipo de estudios, no deben extraerse menos de 20 subgrupos, ojal, 25. Pero para no hacer largo nuestro estudio, solo procesaremos 10 muestras de 5 unidades cada una. Supondremos que la dimensin esta expresada en gramos
Pgina 38
A partir de ahora llamaremos muestras a los subgrupos de 5 unidades, si bien se sobreentiende que el total de unidades que se extraiga en el da ser la verdadera muestra de nuestra produccin. Muestras extrados a lo largo del turno: Hora: 08:30 09:00 09:30 10:00 10:30 N 1 2 3 4 5 1 65,9 68,2 67,2 67,0 66,8 2 67,8 69,1 66,0 67,3 67,6 3 65,4 67,7 69,2 67,5 67,4 4 66,6 68,3 65,2 67,6 66,0 5 67,5 66,9 69,5 68,0 67,6 Media 66,6 Rango 2,4 68,0 2,2 67,4 4,3 67,5 1,0 67,1 1,6
11:00 6 67,8 68,1 70,3 68,1 67,5 68,4 2,8
11:30 7 68,3 68,0 67,4 68,6 68,9 68,2 1,5
12:00 8 66,9 66,6 69,4 67,2 66,8 67,4 2,8
12:30 9 68,7 65,0 67,5 68,6 68,3 67,6 3,7
13:00 10 67,3 68,0 67,3 68,2 68,2 67,8 0,9
Media aritmtica de las medias : Media aritmtica de los Rangos: 7.2 Clculo de los Lmites de Control
67.6 gr. 2.3 gr.
7.2.1 Clculo de Lmites Sin Valores Especificados Nota: los decimales a usar en los clculos debern guardar coherencia con los decimales que tengan los datos. El alumno deber usar las calculadoras correctamente, es decir, realizar los clculos utilizando todos los decimales que genera la calculadora, para luego aproximar la respuesta a los decimales que sean coherentes con los datos. Para estos clculos se utilizarn las tablas adjuntas donde figuran los valores de las constantes. _ Grfica X Para el control de la Exactitud del proceso. De tablas: A2 : 0.58 = LC = X = 67.6 gr. = _ LSC = X + A2 R = 67.6 + 0.58 x 2.3 = 68.9 gr. = _
Pgina 39
LIC = X - A2 R = 67.6 - 0.58 x 2.3 = 66.3 gr.
_ Grfica R Para el control de la Precisin del proceso. De tablas: D4 : 2.11 _ LC = R = 2.3 gr. _ LCS = D4R = 2.11 x 2.3 = 4.9 gr. L I C = Como lmite inferior debe tomarse cero, esto simplemente significa que todos los datos podran ser iguales, por lo cual, el valor mximo menos el valor mnimo es igual a cero, pues son el mismo nmero. Los lmites calculados, para ambos casos, se trasladan al grfico, se trazan como lneas destacada a lo largo de todo el ancho del grfico. Debe destacarse tambin, las lneas centrales. Luego se anotan como un punto las medias de los valores de cada subgrupo. Y los rangos. Todos los puntos deben unirse formando una linea quebrada que interpreta el comportamiento del proceso. Una vez realizado esto se deben destacar los puntos que eventualmente excedan los lmites establecidos. Estos puntos, de existir, declaran al proceso f uera de Control, si no los hay, decimos que el proceso est bajo control.
7.2.2 Clculo de los Lmites con Valores Especificados Estos Lmites son otra expresin de las Especificaciones, no dejan de ser las Especificaciones, lo que sucede es que tenemos la tarea de querer compararlos con los lmites de Control Sin especificaciones, por lo cual, tendremos que traducir las especificaciones que son para valores individuales, a lmites para subgrupos de n unidades. En nuestro caso n=5.
Pgina 40
Una especificacin la hemos definido como un valor determinado por el cliente o el diseador y ciertas tolerancia dentro de las cuales el producto continua siendo satisfactorio. Ejemplo: Para el largo de un clavo 8,0 cm Supongamos que se establece una tolerancia de 0,2 cm para ambos lados del valor central. De tal forma que expresaremos la Especificacin con sus Tolerancias de la siguiente manera: Especificacin: 8,0 0,2 cm Para nuestros clculos llamaremos M a la Especificacin y D a la Discrepancia (en este caso 0.2 cm). Se define como Tolerancia a 2 veces D, en este caso 0,4 cm. La tolerancia es entonces todo el ancho a travs del cual se puede desplazar mi medida sin que constituya defecto. Para poder establecer la comparacin entre el universo verdadero del proceso y los datos de las Especificaciones, tendremos que establecer algunos supuestos bsicos, los cuales son: a) Que la media del Universo de datos a producir, coincida con la Especificacin b) Que la amplitud de la Especificacin sea capaz de contener adentro del su intervalo la distribucin normal de los datos del proceso. Esto significa que suponemos que la Tolerancia es igual a 6 , o, lo que es lo mismo, que D sea igual a 3 _ x=M De acuerdo con esto, los lmites son: y = D/3
Pgina 41
LIMITE SUPERIOR : M +
D n
LINEA CENTRAL :
M D n
LIMITE INFERIOR : M -
Para los intervalos ser :

LIMITE SUPERIOR : D2 D 3
Otros lmites para los intervalos, no tienen valor prctico. Para poder resolver los lmites y luego compararlos con los Valores sin Especificacin, tendremos que establecer unas Especificaciones para el proceso que hemos ejemplificado antes. Supongamos que las Especificaciones fueran : 67.8 4.0 gr. Aplicando las frmulas anteriores, los resultados son: Limite Superior Con Valores Especificados: Lnea Central: Lmite Inferior Con Valores Especificados: Limite Superior para los Rangos: El valor D2 debe buscarse en tablas, y vale 4.92 7.2.3 Comparacin de los Lmites Con y Sin Especificaciones. Resultado de la Capacidad de Proceso. Control de la Exactitud (X) Lmite de Control Superior Lnea central Lmite de Control Inferior Control de la Precisin (R) Lmite de Control Superior Sin Especificacin 68.9 67.6 66.3 4.9 Con Especificacin 69.6 67.8 66.0 6.6 69.6 gr. 67.8 gr. 66.0 gr. 6.6 gr.
Pgina 42
Comparando los valores de la tabla, y teniendo en cuenta los conceptos explicados, vemos que los lmites Con Especificacin, tanto para la Exactitud como para la Precisin, son ms amplios que los Lmites Sin Especificacin. Por esta razn podemos decir que la Capacidad de Proceso es Positiva, es decir el proceso puede cumplir con las especificaciones y por lo tanto esta habilitado el proceso. (La caja es mas grande que los zapatos) En Clase deber discutirse el siguiente tema: Cual de los lmites debern usarse para los das subsiguientes? En la siguiente pgina se provee una planilla tpica para el control por variables.
Pgina 43
7.2.4 Grfica de control de proceso por variables, grfica X - R Muestra n 1

1 2 3 4 5 Suma Promedios Rangos 2 3 4 5 6 7 8 9 10
Promedios (Control de la exactitud del proceso)
Rangos (Control de la precisin del proceso)
Pgina 44
7.2.6
Algunos casos de lecturas de grficas de control por variables.
Si bien el objetivo primario de las grficas es que los puntos se encuentres dentro de los lmites, hay ocasiones donde la tendencia o racha" de los puntos nos anticipa claramente lo que va a suceder si no nos anticipamos. Una "racha" es cuando hay una sucesin de datos a un solo lado de la lnea central, una sucesin de ms de siete puntos a un solo lado es estadsticamente muy poco probable. (La probabilidad de 7 puntos es de 0.78%)
Una racha de 7 puntos es anormal (a - b) Una racha de 10 de 11 puntos de un solo lado tambien es anormal (c - d)
110 105 100 95 90 a b c d
Una tendencia es cuando hay una serie de puntos que consistentemente se alinean y evidencian que en algn momento los puntos caern fuera de los lmites. Estadsticamente las lneas de control nos puede dar ms informacin, pero ese anlisis corresponde ya a los especialistas en la materia.
110 105 100 95 90 a
TENDENCIA de 7 puntos ASCENDENTES (a - b) TENDENCIA DESCENDENTE DRASTICA (c - d)
Pgina 45
7.3 Grfica np, (grfica por atributos). 1 2 3 4 5 6 7 8 9 10 11 12 13 100 100 100 100 100 100 100 100 100 100 100 100 100 4 2 0 5 3 2 4 3 2 6 1 4 1 14 15 16 17 18 19 20 21 22 23 24 25 total 100 100 100 100 100 100 100 100 100 100 100 100 2500 0 2 3 1 6 1 3 3 2 0 7 3 68
7.4 Clculo de los lmites de control

LCs = p n + 3 p n (1 p ) LC =pn LCi = p n 3 p n (1 p )
p=
pn 68 = = 0.0272 kN 25 * 100
LC = pn = 0.0272 * 100 = 2.72 LSC = 2.72 + 3 2.72(1 0.0272) = 7.60 LIC = 0
Pgina 46
Los lmites calculados se traslada al grfico y luego se anotan los valores de cada subgrupo.
7.5 Grfico de Control de Proceso por Atributos. PRODUCTO:........................................................................ FECHA:................................. CLASE DE DEFECTO A CONTROLAR:
CRITICO Caracterstica 1 2 3 4 5 6 7 8 MAYOR 9 1 0 1 1 1 2 1 3 MENOR 1 4 1 5 1 6 1 7 1 8 1 9 2 0 Total:
Cantidad de defectuosos
Tamao de la muestra:
9 8 7 6 5 4 3 2 1 0
Frecuenci a del control:
Muestra n Hora Minutos
1 1
1 2
1 3
1 4
1 5
1 6
1 7
1 8
1 9
2 0
Fraccin defectuosa Total de defectos Total controlado
Pgina 47
Inspector:
7.6 Indice de la Capacidad de Proceso A continuacin se desarrolla una manera de calcular si un proceso puede o no satisfacer las Especificaciones que se nos est solicitando cumplir. Mediante la extraccin en el proceso de una muestra adecuada, podremos hacer la distribucin de frecuencias y el correspondiente Histograma. Este nos mostrar la forma de la distribucin y como consecuencia si el proceso obedece la Distribucin Normal. El la gran mayora de los casos, la respuesta ser positiva. Siguiendo los pasos que se estudiaron oportunamente de este apunte, podemos calcular la Desviacin Tpica de la muestra obtenida. Si suponemos que esta corresponde tambin a la poblacin o universo del proceso, podemos hacer el siguiente clculo, llamado Indice de la Capacidad de Proceso: Es Ei 6
ICp =
donde ES es la especificacin superior y EI la inferior, y es la desviacin tpica de la muestra tomada. De acuerdo a esto podemos evaluar con el siguiente criterio: Si 1.33 < ICp Si 1.00 < ICp< 1.33 Tendremos un proceso satisfactorio, capaz de cumplir con las Especificaciones Tendremos un proceso poco satisfactorio que podra cumplir con las Especificaciones, aunque probablemente con problemas, pues su variabilidad est muy parecida a la amplitud de las Especificaciones. Tenemos un proceso inadecuado, que con seguridad no podr cumplir con las Especificaciones.
Si
ICp < 1.00
Pgina 48
7.7 Los cuatro casos posibles de los lmites con y sin especificaciones. Cuando comparemos la capacidad de nuestro proceso con las Especificaciones que hay que cumplir, nos encontraremos siempre con alguna de las cuatro siguientes situaciones (y solo estas): a- El proceso est bajo control y no hay productos defectuosos. b- El proceso est bajo control pero hay productos defectuosos. c- El proceso est fuera de control pero no hay productos defectuosos. d- El proceso est fuera de control y tambin hay unidades defectuosas. El primer caso es el que debiera ser todo el tiempo, es decir, un proceso en estado controlado que se desenvuelve correctamente dentro de los lmites especificados. El Indice de capacidad de Proceso deber ser preferentemente superior a 1.3 El segundo caso, significa que el proceso, aun cuando anda bien, pues est bajo control, por lo tanto no hay causas asignables que buscar y eliminar, pero las especificaciones son muy estrechas para la mquina y no es capaz de cumplirlas. En este caso, el Indice de Capacidad de proceso ser inferior a uno y no deber producirse en estas condiciones. El tercer caso, significa que los lmites de proceso con valores especificados son extremadamente amplios y soportan las causas asignables del proceso fuera de control, sin que estos lleguen a ser defectos. El Indice de Capacidad de Proceso es muy amplio, por ejemplo superior a dos o ms. No debe producirse en estas condiciones, pues la variabilidad puede ser advertida por el cliente y produce una baja imagen del producto, por otra parte es probable que se produzca una prdida de insumos, o sea de dinero. Lo que corresponde hacer es reducir la amplitud de los lmites especificados a valores de Indice de Capacidad de Proceso cercano , por ejemplo a dos. O sea, hay que achicar la caja de los zapatos.
Pgina 49
El ltimo caso es el peor de todos y significa que estamos con el proceso inadecuado y la mquina equivocada, y no deberemos producir bajo ninguna circunstancia.
Pgina 50
Caso a: El proceso est bajo control y no hay productos defectuosos. Diagnstico: Estado de la grfica: Bajo control La distribucin satisface las especificaciones El Indice de Capacidad de Proceso es razonablemente mejor que 1.3
110 108 106 104 102 Valores del Proceso 100 98 96 94 92 90

08 :0 0 08 :3 0 09 :0 0 09 :3 0 10 :0 0 10 :3 0 11 :0 0 11 :3 0 12 :0 0 12 :3 0 13 :0 0 13 :3 0 14 :0 0 14 :3 0
Lmite de Control Superior C/E
Lmite de Control Superior S/E
Linea Central del proceso
Lmite de Control Inferior S/E
Lmite de Control Inferior C/E
Esta es la situacin normal, significa que existe concordancia entre la capacidad de proceso y las especificaciones
Pgina 51
Caso b: El proceso est bajo control pero hay productos defectuosos. Diagnstico: Estado de la grfica: Bajo control La distribucin no satisface las especificaciones
El Indice de Capacidad de Proceso es menor que uno.
115 Lmite de Control Superior S/E Lmite de Control Superior C/E Valores del Proceso 100 Linea Central del proceso Lmite de Control Inferior C/E 90 Lmite de Control Inferior S/E 85
08 :0 0 08 :3 0 09 :0 0 09 :3 0 10 :0 0 10 :3 0 11 :0 0 11 :3 0 12 :0 0 12 :3 0 13 :0 0 13 :3 0 14 :0 0 14 :3 0
110
105
95
En esta situacin no se debe trabajar. El proceso est bajo control pues los valores no superan los lmites naturales Sin Especificacin, pero exceden los lmites Con Especificacin. Corresponde mejorar la mquina para que el proceso entre dentro de las especificaciones.
Pgina 52
Caso c: El proceso est fuera de control pero no hay productos defectuosos. Diagnstico: Estado de la grfica: Fuera de control; La distribucin satisface las especificaciones El ndice de Capacidad de Proceso es Muy superior a 1.3, por ejemplo tres.
130
120
Lmite de Control Superior C/E
110
Lmite de Control Superior S/E
100
Valores del Proceso
90
Linea Central del proceso
80
Lmite de Control Inferior S/E
70
08 :0 0 08 :3 0 09 :0 0 09 :3 0 10 :0 0 10 :3 0 11 :0 0 11 :3 0 12 :0 0 12 :3 0 13 :0 0 13 :3 0 14 :0 0 14 :3 0
Lmite de Control Inferior C/E
Los limites especificados son muy amplios y soportan que el proceso est fuera de control, sin que se produzcan defectos pues no se transgreden los lmites especificados. Exige una revisin de la mquina y una revisin de los lmites especificados que debern reducirse convenientemente.
Pgina 53
Caso d: Estado de la grfica: Fuera de control La distribucin no satisface las especificaciones El Indice de Capacidad de Proceso es inferior a uno.
130
120
Lmite de Control Superior C/E Lmite de Control Superior S/E Valores del Proceso
110
100 Linea Central del proceso 90 Lmite de Control Inferior S/E 80 Lmite de Control Inferior C/E
70
08 :0 0 08 :3 0 09 :0 0 09 :3 0 10 :0 0 10 :3 0 11 :0 0 11 :3 0 12 :0 0 12 :3 0 13 :0 0 13 :3 0 14 :0 0 14 :3 0
En este caso se dan todas las condiciones desfavorables. No puede trabajarse en estas condiciones. 8 Normas 8.1 Control Estadstico de la Calidad. Esta tabla contiene todo lo visto en nuestro capitulo 7 y define adems el mtodo de clculo llamado del falso cero para el clculo de la media aritmtica y de la desviacin tpica. En ste apunte, al mtodo del falso cero se lo llam el mtodo de Compilacin. Las frmulas son coincidentes con las tablas del adjunto de este libro.
Pgina 54
8.1.1 NORMA: RESUMEN DE GRAFICOS DE CONTROL POR VARIABLES Control de la Exactitud

Tamao subgrupo Especificaciones Observaciones
3 n
Lnea Central
Parmetro
Lmites
n>25
Para grficos tipo X , (muestras grandes)
sin
X A2
1)para grficos X , (muestras pequeas) 3 2) A 2 = c2 n 1)para grficos pequeas) 3 2) A 2 = d2 n

X, R
Media
n 25
n 25
(muestras
X A 2 R
cualquiera
con
Mediana
sin
n>25
~ X
~ X 1.25
3 n
Para grficos tipo grandes) Para grficos tipo pequeas)
~ X ,
(muestras
n 25
~ X ,
(muestras
~ X
~ X 1.25A1
n 25
~ X
~ X 1.25A2R
Para grficos tipo
~ X, R
Pgina 55
Cualquiera
con
M 1.25
8.1.2 Control de la Precisin
Tamao subgrupo
Especificaciones
Observaciones
Lnea Central
Parmetro
Lmites
n 25
Intervalo
sin
L.S. =D 4 R L. I. =D 3 R
L.S. = D2 3 3
D4 = D3 =
D2 d2 D1 d2
n 25
con
d2
L. I.
= D1
D1=(d2-d3) D2=(d2+d3)
Desviacin Normal
n > 25
sin
3 2n
n 25
L.S. =B 4 L. I. = B 3
n > 25
3 2n

3 L. I. = B1 3 L.S. =B 2
Pgina 56 = c 2 si n > 25 es c2 1 entonces: = c 2
con
n 25
c2
8.1.3 NORMA: Factores para grficos de control por variables.
n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Mas de 25
MEDIAS A1 A2 3.76 1.88 2.39 1.02 1.88 0.73 1.60 0.58 1.41 0.48 1.28 0.42 1.17 0.37 1.09 0.34 1.03 0.31 0.97 0.29 0.92 0.27 0.88 0.25 0.85 0.23 0.82 0.22 0.79 0.21 0.76 0.20 0.74 0.19 0.72 0.19 0.70 0.18 0.68 0.17 0.66 0.17 0.65 0.16 0.63 0.16 0.62 0.15
3 n
d2 1.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08 3.17 3.26 3.34 3.41 3.47 3.53 3.59 3.64 3.69 3.73 3.78 3.82 3.86 3.90 3.93 -
INTERVALOS d3 D1 D2 0.89 0 3.69 0.88 0 4.36 0.86 0 4.70 0.85 0 4.92 0.85 0 5.08 0.83 0.20 5.20 0.82 0.39 5.31 0.81 0.55 5.39 0.80 0.69 5.47 0.79 0.81 5.53 0.78 0.92 5.59 0.77 1.03 5.65 0.76 1.12 5.69 0.75 1.21 5.74 0.75 1.28 5.78 0.74 1.36 5.82 0.74 1.43 5.85 0.73 1.49 5.89 0.73 1.55 5.92 0.72 1.61 5.95 0.72 1.66 5.98 0.72 1.71 6.00 0.71 1.76 6.03 0.71 1.80 6.06 -
D3 0 0 0 0 0 0.08 0.14 0.18 0.22 0.26 0.28 0.33 0.31 0.35 0.36 0.38 0.39 0.40 0.41 0.42 0.43 0.44 0.45 0.46 -
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78 1.74 1.72 1.69 1.67 1.65 1.64 1.62 1.61 1.60 1.59 1.57 1.57 1.56 1.55 1.54 -
DESVIACIONES TIPICAS c2 B1 B2 B3 0.56 0 1.84 0 0.72 0 1.86 0 0.80 0 1.81 0 0.84 0 1.76 0 0.87 0.03 1.71 0.03 0.89 0.10 1.67 0.12 0.90 0.17 1.64 0.18 0.91 0.22 1.61 0.24 0.92 0.26 1.58 0.28 0.93 0.30 1.56 0.32 0.94 0.33 1.54 0.35 0.94 0.36 1.52 0.38 0.95 0.38 1.51 0.41 0.95 0.41 1.49 0.43 0.95 0.43 1.48 0.45 0.96 0.44 1.46 0.47 0.96 0.46 1.45 0.48 0.96 0.48 1.44 0.50 0.96 0.49 1.43 0.51 0.96 0.50 1.42 0.52 0.97 0.52 1.41 0.53 0.97 0.53 1.41 0.54 0.97 0.54 1.40 0.55 0.97 0.55 1.39 0.56 1
1 3 2n 1+ 3 2n 1 3 2n
B4 1.27 2.57 2.27 2.09 1.97 1.88 1.81 1.76 1.72 1.68 1.62 1.65 1.59 1.57 1.55 1.53 1.52 1.50 1.49 1.48 1.47 1.45 1.44 1.43
1+ 3 2n
Los tamaos de muestra mas frecuentes son de 3 a 6, y los datos estn en el rea sombreada.
Pgina 57
Pgina 58
8.2 Norma para seleccin de muestras al azar. Esta norma formaliza el mtodo de extraccin de las unidades representativas del lote o poblacin mediante la determinacin de cuales sern las unidades a controlar siguiendo las tablas de nmeros al azar que conforman la norma. Este procedimiento debe tomarse cada vez que se necesite rigurosidad absoluta en la extraccin al azar de las muestras.
8.3 Inspeccin por atributos. Tablas y procedimientos de muestreo .
8.3.1 Alcance Esta norma establece planes y procedimientos de muestreo para la inspeccin por atributos. 8.3.2 Nivel de Calidad Aceptable (AQL) 8.3.2.1 Uso El AQL junto con la letra cdigo del tamao de la muestra, se usa para identificar los planes de muestra descritos en esta norma. 8.3.2.2. Definicin de AQL Se define como AQL, al porcentaje defectuoso de un lote que tiene una probabilidad cercana al 95 % de ser aprobado. 8.3.3 Inspeccin Normal, Rigurosa y Reducida. Todo inicio de proceso productivo, debe comenzar con la Inspeccin Normal. Cuando una sucesin predeterminada de lotes (10 lotes?) se obtienen con resultados aprobados, puede hacerse una reduccin de la carga de trabajo, disminuyendo la cantidad inspeccionada. Este procedimiento no disminuye la seguridad de la inspeccin. La tabla da otras condiciones para poder realizar el cambio.
Pgina 59
En caso contrario, cuando 2 lotes de cada 5, resultan rechazados, se deber utilizar la Inspeccin Rigurosa. El uso prolongado de la Inspeccin Rigurosa exige un replanteo del proceso con la finalidad de mejorarlo tecnolgicamente.
8.3.4 Plan de muestreo. Un plan de muestreo indica el nmero de unidades de producto que deben ser inspeccionadas en cada lote y los criterios para determinar la aceptabilidad del lote (nmeros de aceptacin y rechazo).
8.3.5 Nivel de inspeccin El nivel de inspeccin determina la relacin entre el tamao del lote y el tamao de la muestra. el nivel de inspeccin debe ser determinado por la autoridad responsable. El nivel ms utilizado es el nivel II.
8.3.6 Tipos de planes de muestreo Las tablas 2, 3 y 4 dan tres tipos de planes de muestreo: simple, doble y mltiple. La eleccin de la conveniencia de dichos planes se basa en la comparacin de las dificultades administrativas y el tamao medio de las muestras de los planes disponibles. El tamao medio de las muestras de los muestreos mltiples suele ser menor que el de los planes dobles y estos que los del muestreo simple. Sin embargo la administracin de los planes tienen relacin inversa.
Pgina 60
9 Bibliografa de la parte 1 Control de Calidad de Garca y Arrondo, Instituto Argentino de Control de Calidad. Herramientas estadsticas bsicas para el mejoramiento de la calidad de Hitoshi Kume, Editorial Norma. Estadstica de Murray R. Spiegel . Serie Schaum Mc Graw Hill. Control de Calidad Estadstico de Eugene Grant, Compaa Editorial Continental S:A.
Pgina 61
Parte 2:
Gestin del Control de Calidad
Gestin de Calidad Introduccin: Mucho se habla de Gestin de Calidad, pero no siempre se tiene claridad de lo que significan estos trminos. En la Gestin por Calidad el objetivo de la Empresa es la Satisfaccin del Cliente. Se parte de la base de que esa satisfaccin es la nica manera de garantizar la permanencia de la Empresa en el mercado al largo plazo. Como resumen de lo que sigue a continuacin, podramos decir que para lograr ese objetivo se realizan una serie de acciones para mejorar todo el entorno de la Empresa, y eso trae como resultado la satisfaccin total de los clientes. El concepto del Control Total de Calidad tiene como caractersticas principales: a) b) c) d) El nfasis en los procesos y no solo en los resultados. La calidad est en cada etapa del proceso. Los atributos del producto son definidos por los clientes. Todas las personas de la empresa participan.
Las consecuencias de esa poltica se traducen en mejoramientos de los procesos, menos errores, menores costos, mejor motivacin del personal, etc., etc. 10 Control Total de Calidad (CTC) 10.1 Evolucin Histrica del concepto Sin duda el concepto de Calidad es muy antiguo, as lo demuestran los dibujos de los frisos egipcios. En el 2150 antes de Cristo, se poda leer en el Cdigo de Hammurab : ...si un albail ha construido una casa y ,no siendo sta suficientemente slida, se hunde y mata a sus ocupantes, el albail deber ser ejecutado. Los fenicios, eran menos drsticos, si las violaciones a los requisitos de calidad sucedan con frecuencia inapropiada, los inspectores tomaban una solucin que impedan la repeticin de los defectos, la los artesanos que haban elaborado un producto no conforme, les cortaban las manos!!. Ya en los comienzos de este siglo, Ford aplica en gran escala los principios de Frederick W. Taylor. Esto permiti fabricar productos de alta tecnologa con bajo costo. En este punto aparece la inspeccin como parte del proceso. El objetivo de la inspeccin era la de separar los productos buenos de los malos.
Pgina 62
Poco despus, en las fbricas, se comienza a separar la funcin de control de la de produccin. En 1920, Western Electric instala un por primera vez un departamento de calidad. Uno de los miembros es, nada menos que Walter Shewhart. W. Shewhart, introduce por primera vez, la estadstica como herramienta de trabajo. En 1931, publica su Tratado, donde explica el principio de los grficos de Control, con una serie de tablas que aun conservan vigencia y se utilizan como herramienta didctica. (ver Parte Dos, Grficas de control de Shewart, Control de Calidad Estadstico de Eugene Grant) J.M.Jurn y W.E. Deming, son discpulos de Shewhart. En 1941, Dodge y Romig, publican las primeras tablas de muestreo. Al finalizar la segunda guerra mundial, el General D.MacArthur, la nueva autoridad del Japn, trae al pas, las tcnicas estadsticas, que haban sido durante la guerra, secreto militar. En 1945, A. V. Feigenbaum, publica su primer artculo, La Calidad como Gestin. A su lado, los dos discpulos de Shewhart,W.Edward Deming y J. M. Juran, alcanzan lugar destacado. En 1949, la JUSE, ( Japanese Union of Scientis and Engineers) forma un grupo de investigacin donde comienza su destacada labor, el mximo cientfico del Control de Calidad en Japn, el Seor Kaoru Ishikawa. En 1950, Deming comienza una serie de visitas al Japn, que a la postre resultan decisivas en el desarrollo de la calidad en Japn. Los japoneses, utilizan las nuevas tcnicas con gran inters, y desarrollan un plan de capacitacin a gran escala,. Estos cursos comienzan en 1950. Uno de los medios que utilizan para la capacitacin a gran escala es la radio por ondas cortas. En 1951, Feigenbaum, publica su libro, Control Total de la Calidad. Este libro se considera como la gnesis del concepto del CTC, pero no ser hasta fines de siglo que el concepto se impondr en todo el mundo, comenzando en Japn. En 1951, Juran publica su primer Tratado de Calidad, Quality Control Handbook. En 1954, es invitado al Japn para participar con Deming, en la formacin de los Directivos de las empresas en asuntos de Gestin de Calidad. Ambos fueron condecorados por el emperador Hiroito con la ms alta condecoracin. En 1962, la JUSE, publica en su revista de gestin de Control de Calidad, el manual de Control de Calidad de K. Ishikawa, del cual rpidamente se venden 200.000 ejemplares. Tambin en 1962, se forma el primer Crculo de Calidad. Debemos aclarar en este punto, que un Circulo de Calidad, es un grupo de gente, coordinados por un Lder, que se rene a estudiar y aprender. Como consecuencia de su aprendizaje, y aplicando los nuevos conocimientos adquiridos, se pueden solucionar eficazmente problemas de la empresa. Actualmente, existen pases como China que tienen 70 millones de personas formndose en los conceptos del CTC, lo que hace predecir que en el futuro cercano, seremos inundados por productos chinos de la mejor calidad y a bajo precio.
Pgina 63
Los Crculos de Calidad han tenido buena aceptacin en pases como Francia, pero sobre todo en otros pases de Oriente.
10.2 Conceptos del CTC 10.2.1 CTC Segn Armand V.Feigenbaum La Calidad Total es hoy un imperativo, la competencia mundial es global, Hoy en da la competencia exige que para tener xito con nuestros productos, debemos disearlos fabricarlos y venderlos con el potencial de obtener la supremaca internacional. La ley de Murphy, dice que si puede aparecer un competidor, a nivel internacional, para nuestro producto, aparecer. Por ello, la calidad se ha convertido en la clave mas poderosa para obtener: La satisfaccin total de los clientes, El liderazgo en recursos humanos, Los costos ms bajos. En los ltimos 20 aos, a quedado claro, que una estrategia rentable ha sido producir ms rpido, entregar antes y cobrar menos, pero en esta dcada, ya no es suficiente, adems hay que producir... mejor !! En el mercado actual, un cliente satisfecho se lo cuenta a 5 conocidos, un cliente insatisfecho se lo cuenta a 15, conocidos y desconocidos. El autor e iniciador del Control Total de la Calidad, A. V. Feigenbaum, nos provee de diez puntos de referencia del CTC para sta dcada que est a punto de finalizar. a) La calidad es un proceso que involucra a toda la Compaa b) La calidad es lo que el cliente dice que es. c) La calidad y el costo son una suma y no una diferencia. La calidad es una estrategia fundamental del negocio y una oportunidad excepcional de lograr una alta rentabilidad . Por esta razn es fundamental tener un sistema que nos permita conocer el costo de la Calidad. En esta presentacin veremos ms adelante los detalles para un programa de Costos de Calidad.
Pgina 64
d) La calidad requiere de un fanatismo, tanto individual como colectivo. La calidad es trabajo de todos. No deben existir islas de calidad entre los distintos grupos de produccin, sin puentes que los unan.
Pgina 65
c) La calidad es un modo de dirigir. La buena direccin significa un liderazgo personal que hace posible el conocimiento de la calidad, las habilidades y las actitudes de cada miembro de la organizacin, para reconocer que realizar la calidad con correccin obliga a que cada quien trabaje correctamente en la Empresa. d) La calidad y la innovacin son mutuamente dependientes. Cuando un producto nuevo se lanza al mercado, debe incluirse a la calidad como un elemento esencial del desarrollo, y no en segunda instancia cuando los problemas del producto en el mercado lo hace necesario y evidente. e) La calidad es una tica. El concepto de la excelencia es uno de los motivadores bsicos del comportamiento humano. Debe aprovecharse esta cualidad para hacer de la calidad un liderazgo. f) La calidad requiere una mejora constante. El concepto bsico debe ser el de que nunca se alcanza el objetivo de calidad, es decir, siempre se deber subir y subir el lmite buscado, de manera que exista una permanente bsqueda de calidad. Esto se llama Mejoramiento Continuo. g) La calidad es la ruta a la productividad ms eficiente en costo y menos intensiva en capital. Cuando la calidad no es el medio para lograr la productividad, existe en las fbricas verdaderas plantas ocultas para el reproceso de las unidades defectuosas. Este esfuerzo para el reprocesamiento debera utilizarse para evitarse la generacin de defectos en lnea. h) La calidad se implementa con un sistema total unido a los clientes y proveedores Hoy en da la capacidad tcnica de las compaas no es el problema principal de la calidad. Lo que diferencia a los lderes de la calidad de los seguidores de la calidad es la disciplina de la calidad, y que los hombres y mujeres de la organizacin entiendan, crean en, y sean parte de los procesos claros de la calidad del trabajo. Los diez puntos descritos hasta aqu, en sntesis nos dicen, que la calidad es un modo de enfocar totalmente a la Empresa en el cliente, ya sea el usuario final, o el puesto de trabajo que nos sigue a continuacin.
Pgina 66
Las Empresas que an no comprenden esta situacin, se hace evidente que la calidad no es an un inters de los ms altos ejecutivos, y piensan aun que la calidad es un trabajo de los especialistas y que estos operan en un nivel secundario en los intereses reales de la empresa. En estas Empresas, subdesarrolladas, la calidad no es todava una lnea principal de actividad en el desarrollo y la ingeniera. En estas Empresas, se piensa que la innovacin es la llave del xito y que lograr la calidad es una tarea menos desafiante, ms al alcance de la mano y por lo tanto de segundo lugar. En estas Empresas, tienen esta cultura muy bien asimilada, por lo cual, las personas a cargo del rea financiera, no se hacen mucho problema frente a los errores de facturacin, los cuales provocan muchas veces ms irritacin que la misma devolucin de un producto defectuoso. Tampoco hacen mella en los responsables de Marketing quienes piensan que el producto debe venderse, aun cuando el rea productiva no los estn haciendo bien. En los mercados actuales, la excelencia de la calidad es una demanda de valor total que incluye no solamente las expectativas del buen funcionamiento del producto en si, sino tambin el soporte alrededor del producto, como el servicio tcnico y otros a partir de todas las reas de la Empresa proveedora. El mercado actual, no pide solamente una reduccin de las cosas que anden mal, sino tambin un incremento de las cosas que anden bien.
Pgina 67
10.2.2 CTC Segn Kaoru Ishikawa Sin lugar a dudas, K. Ishikawa es el terico de mayor influencia en el xito de la industria japonesa, y uno de los hombres que mejor han interpretado las reglas del CTC: En este breve estudio, se tratar de resumir los conceptos de tan brillante maestro del CTC. Las siguientes, son algunas de las citas de su libro: Que es el control de Calidad? : 1.- El Control de Calidad al estilo japons es una revolucin conceptual en la gerencia. 2.- Control de Calidad es hacer lo que se debe hacer en todas las industrias. 3.-El Control de Calidad comienza con educacin y termina con educacin. 4.-Para aplicar el Control de Calidad tenemos que ofrecer educacin continuada para todos, desde el presidente hasta los obreros. 5.-El Control de Calidad aprovecha lo mejor de cada persona 6.-El primer paso en el Control de Calidad es conocer los requisitos de los consumidores. 7.-Otro paso es saber que comprarn los consumidores. 8.-El Control de calidad llega a su estado ideal cuando ya no requiere vigilancia (inspeccin) 9.-El control de calidad debe incorporarse dentro del diseo y de cada proceso. No se puede crear con la inspeccin. 10.-El control de calidad que hace hincapi en la inspeccin es anticuado. 11.-El concepto bsico subyacente en el control es la prevencin de errores repetidos. 12.-Elimnese la causa bsica, no los sntomas. 13.-El control de calidad es responsabilidad de todos los empleados y de todas las divisiones.
Pgina 68
14.-Si no hay liderazgo desde arriba no se puede insistir en el Control Total de Calidad Kaoru Ishikawa, junto con otros eminentes ingenieros, comenzaron con la larga tarea de la transformacin de la industria japonesa, con los programas educativos. Estos programas entre los cuales se inclua su libro de donde se extrae muchos de los conceptos que se exponen en esta conferencia, se transmitieron por la Radiodifusora Japonesa de Onda Corta, por la Radiodifusora Japonesa NHK, tambin se recurri a los cursos por correspondencia. Tambin fue muy importante el apoyo de las revistas especializadas. Para los primeros aos de 1960, se pudo diagnosticar que la disciplina de estudio de los obreros y capataces mostraban fallas por lo cual se recomend la formacin de grupos de estudio, con un lder, y as se los llam Crculos de Calidad. Segn las propias palabras del Sr. Ishikawa: Quienes no conocen las actividades de CC piensan que estos grupos son organizados para mejorar las condiciones de trabajo. Esto es un error. Los grupos se organizan con el fin de estudiar, y estudian para no repetir errores.
Una caracterstica fundamental de estos crculos es el carcter voluntario para integrar estos grupos de trabajo. En 1967, se establecen los principios bsicos del Control de Calidad en Japn, estos son: 1 Control de Calidad en toda la Empresa. Participacin de todos los miembros de la organizacin. 2 Educacin y capacitacin en Control de Calidad 3 Actividades de Crculos de Calidad. 4 Auditoria de CC. 5 Utilizacin de mtodos estadsticos. 6 Actividades de promocin del Control de Calidad.
En esta etapa debe hacerse algunos alcances acerca de la cultura japonesa, El obrero japons es de una baja rotacin en su empleo, esto trae como resultado que la educacin es muy rentable, pues al contrario de lo que sucede en occidente, las personas a medida que se educan producen mejor dentro de la empresa que les est brindando cultura. Por esta razn los programas son ambiciosos, por la duracin de los programas, que son a largo plazo,
Pgina 69
La otra gran diferencia la establecen los propios gestores del control de calidad, mientras que en occidentes la tarea es encarada por los especialistas con miras a sus propios honorarios por conceptos de asesora, en Japn, las personas encargadas, visitan las empresas llevando su propio almuerzo. El control de calidad japons es una revolucin en el pensamiento de la gerencia. Representa un nuevo concepto de la gerencia. La definicin de K.Ishikawa es la siguiente: Practicar el control de calidad es desarrollar, disear, manufacturar, y mantener un producto de calidad que sea el ms econmico, el ms til y siempre satisfactorio para el consumidor. Algunos puntos importantes son: Hacemos control de calidad con el fin de producir artculos que satisfagan los requisitos de los consumidores Se debe hacer hincapi en la orientacin hacia el consumidor. El antiguo pensamiento de que el fabricante le hace un favor al consumidor por venderle su producto es absolutamente caduco. En su interpretacin mas estrecha, calidad significa calidad de producto. Pero en su interpretacin ms amplia, calidad significa calidad de trabajo, calidad de servicio, calidad de la informacin, calidad del proceso, calidad de la divisin, calidad de las personas incluyendo a los trabajadores, ingenieros, gerentes y ejecutivos. calidad del sistema, calidad de la empresa, calidad de los objetivos, etc. El objetivo primario es controlar la calidad en todas sus manifestaciones.
Quejas por productos defectuosos Ishikawa da especial importancia a la atencin de este problema. Las quejas de los consumidores no siempre son visibles, cuando el producto es costoso, muy probablemente nos vamos a enterar, pero cuando no lo es, simplemente el consumidor no se queja, pero nos castiga de la peor manera, cuando vuelve a comprar, acude a otra marca! Algunos gerentes o ejecutivos chapados a la antigua, ocultan las quejas o dificultan el pronto conocimiento de las divisiones interesadas en corregir. Esta prctica es el mejor rumbo a la quiebra de la empresa. Es fundamental averiguar, investigar que dificultades tienen los clientes con nuestros productos y traer la informacin a nuestra empresa lo ms rpido posible para corregirlo.
Pgina 70
La prctica responsable de cambiar los productos malos por buenos, incluso despus de haber vencido el periodo de garanta, es necesaria e indispensable, pero una vez hecho esto el asunto no termina all, hay que averiguar si otros clientes podran sufrir el mismo inconveniente y retirar el producto potencialmente defectuoso, aun sin la queja del cliente, especialmente, si el defecto podra amenazar la integridad del consumidor. Evitar que los errores se repitan Ishikawa distingue tres pasos, a) eliminar los sntomas, b) eliminar las causas y c) eliminar las causas fundamentales .Solo los pasos b y c evitan la repeticin de los errores, pero solo el paso c) es verdadera prevencin. Que es el Control Total de Calidad? Pueden haber muchas definiciones, pero en su esencia significa el control de la administracin misma. Ishikawa reconoce que el gestor del concepto, es el Seor Feiguenbaum, pero establece diferencias fundamentales con el occidente. Mientras que en USA y Europa, el CTC queda en manos de los especialistas, en Oriente, se le entrega el control a las bases, pero cuidado, estas bases son ahora gente culta, gente con instruccin en estadstica, en conceptos de Control de Calidad, son personas con discernimiento, con capacidad de decidir, lo que es bueno y lo que es malo, son capaces de corregir los procesos sin esperar que venga el tcnico o el que supuestamente sabe ms para detener o cambiar el proceso. La diferencia marc el camino del xito. Ishikawa resalta que dentro de la Empresa, nuestro cliente es el que sigue en la lnea del proceso, es decir, tenemos clientes internos que deberemos satisfacer, pero lo interesante de esto es su interpretacin de quienes son los clientes de los Directores y gerentes: son los obreros y las lneas de proceso mas bajas, aquellos que hacen el producto y que son los que necesitan ms asistencia. A ellos deben dedicar su tiempo en funcin de lograr la calidad y la productividad, asistirlos para que tengan todo lo necesario para producir ms y mejor, en menor tiempo y anticipndose a los errores. Es un falla gerencial creer que eso lo debe hacer otras personas, o los especialistas. Mientras eso no se entienda no habr CTC.
Pgina 71
El CTC es una revolucin conceptual en la Gerencia Segn la experiencia de K. Ishikawa, las empresas que tuvieron xito con la aplicacin del CTC, en Japn, lo lograron con las siguientes caractersticas: 1. Primero la calidad: no a las utilidades a corto plazo. 2. Orientacin hacia el consumidor; no hacia el productor. Pensar desde el punto de vista de los dems 3. El proceso siguiente es su cliente: hay que derribar las barreras del seccionalismo. 4. Utilizar datos y nmeros en las presentaciones, utilizacin de mtodos estadsticos. 5. Respeto a la humanidad como filosofa administrativa: administracin totalmente participante. 6. Administracin interfuncional .
Pgina 72
10.2.3 CTC Segn J. M. Juran Los puntos claves del pensamiento de Juran son los siguientes: El factor clave en la competicin por conseguir el liderazgo en calidad es la tasa de la mejora de la calidad. Las prdidas por costos de calidad mas importantes son los que se producen de manera interdepartamental, es decir en el interior de la Empresa, En los Estados Unidos, Juran estima que un tercio de lo que se hace consiste en rehacer lo que se fabric previamente, debido a deficiencias de la calidad. Las mejoras de Calidad no deben ser actos voluntarios, deben ser exigidos de algn modo por la ms alta direccin y deben estar auditados convenientemente. El rendimiento de la inversin en la mejora de la calidad se encuentra entre los ms altos que se conocen. La mejora de la calidad no utiliza inversiones intensivas, pero tampoco sale gratis. El primer paso para la mejora consiste en la creacin de un consejo de calidad. Las mejoras de calidad deben encararse proyecto a proyecto. Es fundamental, que el primer proyecto sea exitoso. La integracin del mejoramiento continuo como parte integrante de los planes empresariales puede llevar aos implementarla. No es suficiente que los directivos establezcan polticas y luego lo deleguen a los subordinados. Para convencer a los subordinados de que se tiene la intencin de que la mejora de calidad siga adelante, hace falta que los altos directivos realicen cosas sin precedentes. El establecimiento de la gestin de calidad por toda la empresa implica cambios profundos, alguno de los cuales pueden no ser bien recibidos. El consejo de calidad tiene la obligacin perentoria de obtener datos fidedignos de los costos de la mala calidad y la concentracin de los mismos para proporcionarlos a los altos directivo
Pgina 73
10.3
Ruta para implementar un programa de Control de Calidad Total
10.3.1 Etapas de un programa de calidad total. El ordenamiento sugerido es solo una gua, estos pasos dependen del estado inicial de la empresa, el tamao, la preparacin del personal, e innumerables factores que seria difcil detallar. Cada empresa tendr un programa distinto, pero habr mucho en comn con los que siguen: 10.3.2 Etapa previa. a) Decisin, definicin, sensibilizacin de la alta gerencia en torno a la necesidad de obtener la Calidad Total. Debe estar clarsimo que el proceso requiere el absoluto compromiso por parte de la Gerencia General. Si esto no es as, no se deber continuar. b) Diagnstico de la realidad de la empresa, conocimiento del momento cero, anlisis de la real situacin actual desde todo punto de vista. c) Designacin de un comit para la calidad total, y elaboracin de un cuidadoso plan, coherente con l diagnostico anterior, para un programa de calidad total. Debe incluir etapas a realizar, objetivos, plazos, coordinacin y organizacin. En esta etapa deber estar, revisada, actualizada y definida la Poltica de Calidad de la empresa y sus objetivos 10.3.3 Etapas de un programa de Calidad Total en marcha a) Introducir el tema de la calidad en la empresa. Este concepto tiene que pasar a ser obsesivo para todo el personal, en todos sus niveles. b) Re definir, replantear, poner en duda, todos los procesos de produccin de la empresa, las operaciones, las funciones, las especificaciones tcnicas y todo lo que existe. Por otra parte se deber lograr un lenguaje comn. Se deber re elaborar todo el Sistema de Calidad lo cual incluye el Plan de Calidad, y ste deber estar incluido dentro del Manual de Calidad. c) Capacitacin en profundidad, de los gerentes y directivos. K. Ishikawa, dice que el programa empieza enseando y termina enseando. Los temas de educacin debern ser generosos en conceptos de calidad desde gestin hasta las herramientas estadsticas bsicas.
Pgina 74
d) Capacitacin de Supervisores. Este programa debe ser complementario del anterior. Aqu tiene especial importancia los conocimientos estadsticos, (las 7 herramientas). e) Identificar y comenzar el plan de transformacin con los procesos que se sabe, se obtendrn xitos inmediatos. Es importante comenzar con evidencias de que el plan da resultado para incentivar a toda la empresa. f) Mejorar las comunicaciones internas. Identificar los proveedores y clientes internos, crear mejores lazos de comunicacin para eliminar errores y crear un espritu de colaboracin. g) Estudiar los proveedores y trabajar con ellos. Este programa exige proveedores de alta calidad. h) Conocer mejor a los clientes y conocer sus necesidades y que es lo que esperan de nosotros. i) Capacitar a ultranza a los trabajadores en todo aquello que necesiten y mucho ms aun. 10.3.4 Elementos esenciales en una empresa que hace Control Total de Calidad: a) b) c) d) e) Compromiso real de la Gerencia General con la Calidad. Polticas de calidad establecidas, conocidas y funcionando. Costos de Calidad . Auditorias Internas de Calidad. Control de Calidad Estadstico establecido en cada punto de los procesos que hacen a la calidad del producto. f) Programas establecidos de mejoramiento continuo de la calidad. No es posible... No es posible el Control Total de Calidad, sin el compromiso de la Gerencia, no es posible hacer Control Total Calidad si no existe una Poltica de Calidad que indique los lineamientos y los objetivos de calidad, no es posible medir el xito o detectar el fracaso de nuestra poltica de calidad si no tenemos funcionando el termmetro llamado Costos de Calidad, no es posible corregir los desvos y conocer lo que sucede con nuestro objetivo de calidad si no hacemos Auditorias de Calidad Interna, verdadero motor del Mejoramiento Continuo y no es posible conocer si se cumplen con las especificaciones de nuestros productos, si no hacemos Control Estadstico de la Calidad en todos aquellos lugares que hacen a la Calidad del producto.
Pgina 75
11 Costos de calidad Durante los anlisis anteriores hemos destacado la importancia fundamental de tener buenos controles de los costos de calidad, a continuacin daremos una gua acerca de los principales conceptos.
11.1 Costos de Prevencin
11.2 Costos de Evaluacin
11.3 Costos de Fallas
Pgina 76
C O S T O S D E L A C A L ID A D
E S T R U C T U R A D E L O S C O S T O S D E C A L ID A D
C O S T O S D E P R E V E N C IO N
C O S T O S D E E V A L U A C IO N
C O S T O S D E F A L L A S IN T E R N A S
CO STO S DE FALLAS EXTERNAS
A N A L IS IS D E L A F A B R IC A C IO N P L A N E A C IO N D E L A IN S P E C C IO N E V A L U A C IO N D E L P R O V E E D O R A C T IV ID A D E S D E P R E P R O D U C C IO N S IS T E M A D E C A L ID A D C O N T R O L Y A N A L IS IS D E L D E S A R R O L L O D E L A C A L ID A D DEL PRO DUCTO A U D IT O R IA D E C A L ID A D D E L O S S IS T E M A S G E S T IO N Y A D M IN IS T R A C IO N D E L A S A C T IV ID A D E S D E C A L ID A D C A P A C IT A C IO N P R O G R A M A S M O T IV A C IO N A L E S
IN S P E C C IO N D E R E C E P C IO N IN S P E C C IO N D E L P R O C E S O IN S P E C C IO N F IN A L A U D IT O R IA D E C A L ID A D DEL PRO DUCTO P R U E B A S E S P E C IA L E S
DESECHOS REPROCESO R E IN S P E C C IO N S E L E C C IO N A N A L IS IS D E D E F E C T O S D E G R A D A C IO N
L A S R E C L A M A C IO N E S G A R A N T IA S DESCUENTO S R E T IR A D A
Pgina 77
12 Mtodos de Aseguramiento a Nivel Nacional e Internacional. 12.1. Sistema Nacional de Acreditacin En clase se entrega una copia de la informacin del INN sobre el Sistema de Nacional de Acreditacin y se discute los propsitos de este Sistema. 12.2 Internacionales, Familia ISO 9000 Se desarrollan en clase utilizando las normas originales. Se conoce como las Normas de la Familia ISO 9000, las siguientes: ISO 9000 en sus partes 1, 2, y 3 Se consideran guas para la seleccin y uso de las normas 9001, 9002 y 9003. ISO 9001 Sistemas de calidad - Modelo de aseguramiento de calidad en diseo, desarrollo, produccin, instalacin y servicio. ISO 9002 Sistemas de calidad - Modelo de aseguramiento de calidad en produccin, instalacin y servicio. ISO 9003 Sistemas de calidad - Modelo de aseguramiento de calidad en la inspeccin y ensayos finales. ISO 9004 en sus partes 1, 2, 3, y 4. Gestin de calidad y elementos del sistema de calidad. Se consideran directrices y guas para el establecimiento de un sistema de calidad y mejoramiento continuo. Serie ISO 10.011 en sus partes 1, 2 y 3 Son guas para las auditorias.
Pgina 78
13 Concepto de las auditorias en el contexto de las Normas ISO 9000 13.1 La auditoria y su significado. Es un examen sistemtico e independiente para determinar si las actividades y los resultados relacionados con la calidad cumplen disposiciones preestablecidas, y si las disposiciones se aplican en forma efectiva y son aptas para alcanzar los objetivos.
Esencialmente, la auditoria de calidad se aplica a un sistema de calidad o a los elementos del mismo, a los procesos, a los productos, o a los servicios, pero tambin se puede aplicar a otros conceptos. Tales auditorias a menudo se denominan auditoria del sistema de calidad del proceso, auditoria de calidad del producto y auditoria de calidad del servicio Las auditorias de calidad son efectuadas por personal que no tenga responsabilidad directa en las reas auditadas, pero preferiblemente, trabajando en colaboracin con el personal correspondiente. Uno de los propsitos de una auditoria de calidad es evaluar la necesidad de mejoramiento y de accin correctiva. No se debe confundir una auditoria con las actividades de supervisin de la calidad o de inspeccin efectuadas con propsitos de control de proceso o de aceptacin del producto. 13.2 Tipos de auditoria Auditoria interna, es aquella auditoria iniciada por el propio responsable con personal propio. En general tiene como objetivo producir un mejoramiento, conocer el alcance de la aplicacin de la poltica de calidad, obtener la confianza de la gerencia, etc. Auditoria externa, esta auditoria es llevada a cabo por personal ajeno a la empresa. puede tener variados objetivos y orgenes, puede ser solicitada por la propia gerencia, por un cliente, o tener fines de certificacin. Otra manera de clasificar las auditorias es la siguiente: Auditoria de primera parte: es cuando el auditor pertenece a la propia empresa.
Pgina 79
Auditoria de segunda parte: es cuando el auditor es enviado por un cliente de la empresa que ser auditada. Tiene como objetivo dar confianza al cliente. Auditoria de tercera parte: Es cuando el auditor pertenece a un organismo ajeno al cliente y al auditor. Puede ser un ente de certificacin. 13.3 Elementos de una auditoria Elemento uno: la realidad, lo que se ve, lo que sucede, o sea: LO QUE SE HACE Elemento dos: la referencia con la cual debemos comparar lo que se hace, los procedimientos, las reglas escritas, que se han desarrollado para alcanzar los objetivos propuestos, es decir: LO QUE SE DEBE HACER Elemento tres: el tercer elemento lo constituye el objetivo, a donde se quiere llegar, es decir: LO QUE SE QUIERE HACER
Pgina 80
Salida
REFERENCIA ESPECIFICACIONES REGLAMENTOS NORMAS PROCEDIMIENTOS MANUAL DE CALIDAD LO QUE HACER SE DEBE
E 1
REALIDAD
PROCESOS
LO QUE SE HACE
Entrada E 2 E 3
OBJETIVO MEJORAMIENTO SATISFACCION DEL CLIENTE CERTIFICACION LO QUE HACER SE QUIERE
Pgina 81
Las desviaciones entre estos tres elementos, en un momento dado, constituyen la comprobacin de la situacin por auditar: E 1 representa la desviacin entre lo que se debe hacer y lo que se hace E 2 seala la adecuacin de la referencia al objetivo por alcanzar E 3 pone en evidencia las desviaciones entre la realidad y el objetivo por alcanzar
Pgina 82
14 Bibliografa. Normas Chilenas del INN (42, 43, 44, 2000, familia ISO 9000) Control Total de la Calidad de Armand V. Feigenbaum Manual de Control de Calidad de J.M: Juran y F.M. Gryna Tratado de la Calidad Total de Vincent Laboucheix Que es el Control Total de Calidad? de Kaoru Ishikawa Practica de los Crculos de Control De Calidad de K. Ishikawa Juran y el Liderazgo para la Calidad de J.M: Juran Gestin por Calidad de Ricardo Riquelme Cataln y John Franklin Arce Control de Calidad I del E. Garcia y A. Arrondo del Instituto Argentino de Control de Calidad

Apuntes Sobre Estadistica para La Gestion de La Calidad en Produccion

Hochgeladen von

Dokumentinformationen

Originaltitel

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

Apuntes Sobre Estadistica para La Gestion de La Calidad en Produccion

Hochgeladen von

Copyright:

Verfügbare Formate

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009 1

Apuntes sobre Control Estadstico En la Produccin Y Gestin de la Calidad

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Nota a los alumnos

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Parte 1: Control de Calidad Estadstico

5.1 5.1.1 5.1.2 5.1.3 5.2 5.2.1 5.2.2

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

6.1 6.2 6.2.1 6.2.2 7

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Tipos de planes de muestreo Bibliografa del Control de Calidad Estadstico

Gestin del Control de Calidad

Bibliografa de la Gestin del Control de Calidad

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Parte 1: Elementos del Control de Calidad Estadstico

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

k fju fu 1 = A + c X = A + c j=k N f j j=1

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Esta frmula puede derivarse mediante sencillos clculos a esta otra:

donde: c = 9 y A = 49 Media aritmtica: 46,98 Desviacin tpica: 13.72

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Propiedades de la Distribucin Normal

La curva caracterstica queda determinada totalmente por dos parmetros:

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Esto se aprecia en los siguientes grficos:

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

AREA BAJO LA CURVA NORMAL IGUAL A 68.27%

35 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 DESDE -1 A +1 DESVIACION TIPICA

AREA BAJO LA CURVA NORMAL IGUAL A 95,45%

AREA BAJO LA CURVA NORMAL IGUAL A 99,73%

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

CURVA NORMAL DE GAUSS

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Tener presente que desde z = - y z = 0 la superficie bajo el rea es 0.5000 (50%)

CURVA NORMAL DE GAUSS

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

CURVA NORMAL DE GAUSS

A la izquierda de -1,44 y a la derecha de 2,05

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Paso 6 construya el diagrama de barras.

Pocos vitales ... muchos triviales Pareto

DIAGRAMA DE PARETO POR ITEMS DEFECTUOSOS

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

PROF. ARMANDO COLLO / PROF MANUEL MARQUEZ

Curso de Control Estadstico y Gestin de Calidad, Agosto 2009

Animo Entusiasmo Orgullo

Ejemplo de Diagrama de Ishikawa

Informacin Estudio del oponente Trabajo en equipo Funcin

Movimiento Potencia Velocidad

Ejercicio Calidad Consejo Cantidad Forma Repeticin Tcnica Modelos

Cooperacin Estrategia Experiencia en partidos

PROF. ARMANDO COLLO / PROF MANUEL MARQUEZ