ndice:

Control estadstico de la calidad Pg. 2

Calidad de diseo: el amef y el qdf... Pg. 3
Calidad de concordancia / conformidad... Pg. 12
Diagrama de Pareto. histograma... Pg. 22
Estratificacin. hoja de verificacin... Pg. 25
Diagrama causa-efecto... Pg. 26
Grficas de control... Pg. 29
Diagramas de dispersin.................................... Pg. 32
Preguntas...... Pg. 36
Bibliografa. Pg. 37

Control estadstico de la calidad

El Control Estadstico de la Calidad es la aplicacin de diferentes tcnicas estadsticas a

procesos industriales, administrativos y/o servicios con objeto de verificar si todas y cada una
de las partes del proceso y servicio cumplen con ciertas exigencias de calidad y ayudar a
cumplirlas, entendiendo por calidad: la aptitud del producto y/o servicio para su uso.
La aplicacin de tcnicas estadsticas al control est basada en el estudio y evaluacin de la
variabilidad existente en cualquier tipo de proceso.
Las fuentes que producen la variabilidad objeto de estudio en la Estadstica, se clasifica en
variabilidad controlada o corregible y la variabilidad debida al azar, tambin denominada
variabilidad no controlable que no puede ser asignada a una causa nica sino al efecto
combinado de otras muchas.
Objetivos del control estadstico de la calidad:

Detectar rpidamente la ocurrencia de variabilidad debida a causas asignables.

Investigar las causas que la han producido y eliminarlas.

Informar de ella para la toma de decisin oportuna, pues de lo contrario se produciran

gran cantidad de unidades de calidad no aceptable, originando una disminucin de la
capacidad productiva e incremento de costos del producto terminado (supervisor).

Eliminar, si es posible, o al menos reducir al mximo la variabilidad del proceso

(direccin).

Calidad de diseo: el AMEF y el QFD

El AMEF es
El Anlisis de modos y efectos de fallas potenciales, AMEF, es un proceso sistemtico
para la identificacin de las fallas potenciales del diseo de un producto o de un
2

proceso antes de que stas ocurran, con el propsito de eliminarlas o de minimizar

el riesgo asociado a las mismas.
Por lo tanto, el AMEF puede ser considerado como un mtodo analtico estandarizado
para
detectar
y
eliminar problemas de
forma
sistemtica
y
total,
cuyos objetivos principales son:
I
II

III

Reconocer y evaluar los modos de fallas potenciales y las causas asociadas con
el diseo y manufactura de un producto.
Determinar los efectos de las fallas potenciales en el desempeo del sistema
Identificar las acciones que podrn eliminar o reducir la oportunidad de que
ocurra la falla potencial.
Analizar la confiabilidad del sistema. Aunque el mtodo del AMEF generalmente
ha sido utilizado por las industrias automotrices, ste es aplicable para la
deteccin
y
bloqueo
de
las
causas
de
fallas
potenciales
en productos y procesos de cualquier clase de empresa, ya sea que estos se
encuentren en operacin o en fase de proyecto; as como tambin es aplicable
para sistemas administrativos y de servicios.

Requerimientos del AMEF

Para hacer un AMEF se requiere lo siguiente:
I
II
III
IV
V

Un equipo de personas con el compromiso de mejorar la capacidad de diseo para

satisfacer las necesidades del cliente.
Diagramas esquemticos y de bloque de cada nivel del sistema, desde subensambles
hasta el sistema completo.
Especificaciones de los componentes, lista de piezas y datos del diseo.
Especificaciones funcionales de mdulos, subensambles, etc.
Requerimientos de manufactura y detalles de los procesos que se van a utilizar.
Formas de AMEF (en papel o electrnicas) y una lista de consideraciones especiales
que se apliquen al producto.

Beneficios del AMEF

Identifica fallas o defectos antes de que estos ocurran
Reducir los costos de garantas
Incrementar la confiabilidad de los productos/servicios (reduce los tiempos de
desperdicios y re-trabajos)
Procesos de desarrollo ms cortos
Documenta los conocimientos sobre los procesos
Incrementa la satisfaccin del cliente.
Pasos para hacer un AMEF
I

Determine el producto o proceso a analizar

3

II
III
IV
V
VI
VII
VIII
IX
X

Determinar los posibles modos de falla

Listar los efectos de cada potencial modo de falla
Asignar el grado de severidad de cada efecto Severidad La consecuencia de que la
falla ocurra.
Asignar el grado de ocurrencia de cada modo de falla Ocurrencia la probabilidad de
que la falla ocurra
Asignar el grado de deteccin de cada modo de falla Deteccin la probabilidad de
que la falla se detectada antes de que llegue al cliente
Calcular el NPR (Numero Prioritario de Riesgo) de cada efecto NPR
=Severidad*Ocurrencia*deteccin
Priorizar los modos de falla
Tomar acciones para eliminar o reducir el riesgo del modo de falla
Calcular el nuevo resultado del NPR para revisar si el riesgo ha sido eliminado o
reducido.

Cundo iniciar un AMEF?

Cuando el proceso es muy complejo.
Cuando un producto o servicio nuevo est siendo diseado.
Cuando un proceso es creado, mejorado o re diseado.
Cuando productos existentes, servicios, o procesos son usados en formas nuevas o
nuevos ambientes.
En el paso de Mejorar del DMAIC.
Problemas potenciales en las soluciones encontradas.
Determinar el grado de severidad
Para estimar el grado de severidad, se debe de tomar en cuenta el efecto de la falla en el
cliente. Se utiliza una escala del 1 al 10: el 1 indica una consecuencia sin efecto. El 10 indica
una consecuencia grave.

Asigne una valoracin de ocurrencia

Asigne un valor de deteccin

Calcule el NPR
Es un valor que establece una jerarquizacin de los problemas a travs de la multiplicacin
del grado de ocurrencia, severidad y deteccin, ste provee la prioridad con la que debe de
atacarse cada modo de falla, identificando tems crticos.
NPR = Ocurrencia * Severidad * Deteccin
Prioridad de NPR:
500 1000
125 499
1 124
0

Alto riesgo de falla

Riesgo de falla medio
Riesgo de falla bajo
No existe riesgo de falla

Acciones recomendadas
Anotar la descripcin de las acciones preventivas o correctivas recomendadas, incluyendo
responsables de las mismas. Anotando la fecha compromiso de implantacin

QFD (Despliegue de la funcin de Calidad)

Introduccin
CALIDAD TOTAL
Eenfatiza el compromiso administrativo de llevar una direccin contina y extenderla a toda la
empresa, hacia la excelencia en todos los aspectos de los productos y servicios que son
importantes para el cliente.
Antecedentes
Finales de la dcada de los sesentas en Kobe, Japn, la empresa Mitsubishi Heavy Industries
junto con el gobierno desarrollaron un sistema que permitiera asegurar que estuviera
vinculada cada una de las fases del proceso de construccin con los requerimientos del
consumidor especfico, resultado el Despliegue de la Funcin de Calidad (QFD, Quality
Function Deployment).
A escala internacional otras empresas, como Toyota dieron a conocer QFD por los resultados
obtenidos.
En la dcada de los ochenta, introduce la metodologa QFD a Estados Unidos la corporacin
Xerox.
En Mxico llega a travs de compaas transnacionales - Ford Motor Company.
Definicin
La herramienta QFD es un proceso que identifica los requerimientos del cliente y proporciona
una disciplina para asegurar que esos requerimientos estn presentes en la etapa de diseo,
planificacin, manufactura y comercializacin.
Proceso dinmico y preventivo a travs del cual la Voz del Cliente es utilizada por un equipo
multidisciplinario en las etapas de diseo del producto y del proceso.
8

QFD es reconocida dentro de la filosofa del mejoramiento continuo (Kaizen).

QFD es una metodologa simple y lgica que involucra un conjunto de matrices, las cuales
ayudan a determinar exactamente lo que el cliente desea; y analizar el nivel en que la
competencia est satisfaciendo a esos clientes y donde existen nichos en el mercado que an
no han sido explotados.
Funcionamiento
Los pasos del QFD son:
-Anlisis de requerimientos del cliente,
-Cconceptualizacin del producto o servicio,
-Ingeniera de diseo del producto y del proceso,
-Manufactura y venta del producto.
En la aplicacin de la herramienta QFD se establece la formacin de la llamada Matriz de
Planeacin.

1 Declaracin de Objetivo.
Frase redactada en forma interrogativa que define lo que se desea lograr.
Es una fase crtica por lo que se debe brindar el tiempo que sea necesario a fin de evitar que
se afecte el resto del proceso.
2. Requerimientos del Cliente.
Conocidos como los qus; consiste en un listado de cualidades o caractersticas de un
producto, proceso o servicio manejados en el lenguaje del cliente.
La informacin recopilada es valiosa porque identifica donde se encuentra posesionada
actualmente la organizacin en el mercado y muestra las fortalezas y debilidades con datos
que son generalmente confiables.
La herramienta QFD puede dar entrada a la informacin recopilada y colocarla en una
estructura que pueda utilizarse. De esta forma, el equipo tiene los fundamentos para saber, no
slo lo que el consumidor dice que l desea, sino lo que l quiere pero no lo est expresando.
3. Tasa de Importancia. Son los valores asignados a cada uno de los requerimientos y que
indican su importancia relativa. Deber reflejar exactamente la opinin del consumidor.
La escala que ms comnmente se utiliza para asignar la tasa de importancia a cada uno de
los requerimientos es la escala puntual de 1 a 5, aunque algunas veces puede usarse la
escala de 1 a 9.
9

4. Caractersticas de diseo. Denominados cmos, son bsicamente los medios que

utilizar la empresa para satisfacer las necesidades de los consumidores.
Consisten en procesos, facilidades, mtodos, gente, departamentos y funciones en la
organizacin. Tambin se le llama la voz de la compaa. Generalmente se utiliza la tcnica
de tormenta de ideas.
5. Matriz de correlaciones. Muestra las correlaciones positivas y negativas entre cada uno
de los cmos. En vista de los requisitos del cliente y de las capacidades de manufactura
Qu es lo mejor que puede hacer la organizacin?
Correlacin negativa: uno aumenta, el otro disminuye (Inversamente Proporcional).
Correlacin positiva: uno aumenta, el otro tambin (Directamente Proporcional).
6. Objetivos de diseo y su tipo de caracterstica. Se les llama cuntos. Se deben
identificar los mejores de la lista de requerimientos de diseo.
Los cmos deben medirse de alguna forma por lo que los objetivos de diseo son una
excelente manera de filtrar aquellos que no son cuantificables.
Smbolo
Caracterstica de diseo
Nominal

Mayor es mejor

Menor es Mejor
7. Matriz de relaciones. Consiste en un medio estructurado para identificar el grado en que
cada uno de los requerimientos de diseo impacta a uno o ms requerimientos del
consumidor.
El tamao de la matriz depende de la cantidad de requerimientos del cliente y de
requerimientos de diseo

Smbolo

Significado

Nulo

No existe relacin

Relacin dbil
Relacin Media
Relacin Fuerte

8. Valoracin de la competencia por parte del cliente. Conocida como Evaluacin

Competitiva, consiste en un anlisis comparativo de los productos o servicios de la
competencia con el producto o servicio que se est diseando.
El equipo seleccionar aquellos competidores que se considerarn para hacer la
comparacin. Aquellos que ofrecen un producto o servicio semejante exitosamente.

10

9. Quejas. Aqu es donde los clientes expresan su insatisfaccin con algn producto o
servicio. Se detectan en la investigacin de mercado.
Elemento que defina la estrategia publicitaria para lanzar el producto al mercado, tales como:
presentaciones en vivo, anuncios de televisin, radio, prensa, etc.
10. Evaluacin Competitiva Tcnica. Especificaciones de ingeniera para cada uno de los
cmos (Medidas cuantificables).
Estas especificaciones se denominan valores objetivos, es decir, el equipo determina cunto
es necesario hacer para ser competitivo en el mercado y que valores objetivos deben ser
alcanzados.
Los valores objetivos se convierten en el mnimo estndar para entrar al mercado.
11. Dificultad Tcnica. Consiste en asignar un valor puntual de la escala puntual de 1 al 5 a
cada uno de los cmos, y estos valores significan el grado de dificultad que representa para
la empresa el implementar cada uno de los requerimientos de diseo.
Los japoneses le llaman dificultad tcnica debido a que se asignan valores bajos a las metas
difciles de alcanzar y valores altos a las fciles de conseguir.
12. Importancia Tcnica Absoluta. Valores que se calculan al multiplicar las tasas de
importancia de cada uno de los ques con los correspondientes factores de cada una de las
columnas de la matriz de relaciones.
13. Importancia Tcnica Relativa. Normaliza los datos encontrados en el paso anterior.
Muestra cuantitativamente el impacto que tiene cada uno de los requerimientos de diseo en
las necesidades del cliente.
Beneficios
Orientado al cliente. Comparacin entre la organizacin y la competencia en
satisfacer las necesidades del cliente.

Eficiente en tiempo. Reduce el tiempo de desarrollo al centrarse en requerimientos del

cliente especfico y claramente identificado.

Orientado al trabajo en equipo. Las decisiones estn basadas en el consenso e

incluye discusin a fondo y tormenta de ideas.

Orientado a la documentacin. Rene todos los datos pertinentes acerca de todos

los procesos.

11

Calidad de concordancia.
La calidad de concordancia, calidad de conformacin o calidad tcnica se refiere a la
capacidad de fabricar productos conforme a las especificaciones tcnicas que establece el
diseo. Es la habilidad para materializar el producto diseado.
Un anlisis de concordancia de atributos evala la uniformidad de las respuestas dentro de un
grupo de evaluadores y entre ellos y, en caso de ser apropiado, compara las respuestas con
los valores patrn o referenciales (tambin denominados valores estndares). El anlisis
utiliza las calificaciones o clasificaciones de los atributos. Las mediciones son evaluaciones
subjetivas hechas por personas y no por mediciones fsicas directas. Algunos ejemplos
pueden ser:
Evaluaciones del rendimiento de un automvil.
Clasificacin de la calidad de una tela como buena o mala.
Clasificacin del sabor, aroma y color de un vino en una escala de 1 a 10.
En estas situaciones, las caractersticas de calidad son difciles de definir y evaluar.
Para obtener clasificaciones significativas, ms de un evaluador debe coincidir en la medicin
de la respuesta. Si los evaluadores estn de acuerdo, existe la posibilidad de que las
calificaciones sean precisas. Si los evaluadores no concuerdan, la utilidad de la clasificacin
es limitada.
Los datos tipo atributo pueden ser binarios, nominales u ordinales, a saber:

El anlisis de concordancia de atributos se puede utilizar para evaluar la uniformidad o

exactitud de las respuestas sobre atributos cuando:
Dos o ms evaluadores o instrumentos califiquen los mismos elementos.
El mismo evaluador o instrumento califique los mismos elementos ms de una vez.
Un evaluador califique los elementos una vez (slo con fines de exactitud).
12

El anlisis de concordancia de atributos responde a preguntas como:

Son uniformes las respuestas de un evaluador?
Califican los diferentes evaluadores los mismos elementos de manera uniforme (es decir,
existe concordancia entre los evaluadores)?
Son exactas las respuestas de los evaluadores cuando se comparan con un estndar
conocido o una respuesta correcta?
Es efectivo el sistema de medicin de atributos?
Concuerdan los operarios en las calificaciones pasa/no pasa respecto a la muestra de un
producto terminado?
Son correctas las calificaciones de los operarios cuando se comparan con el estndar
suministrado por el coordinador de calidad?
Es efectivo un sistema de inspeccin visual para detectar cundo falta algn componente
clave en un ensamblaje?
El anlisis adecuado de datos tipo atributo es muy comn y necesario en varios sistemas de
calidad en organizaciones de manufactura y servicios. Sin embargo, a veces se ha dejado de
lado el uso de herramientas estadsticas diseadas para lograr una mejor interpretacin de los
resultados y as poder apoyar mejor la
toma de decisiones.
Anlisis Estadstico Recomendado Estadsticas Kappa de Fleiss
El valor Kappa representa el grado de concordancia absoluta entre las calificaciones, es decir,
Kappa trata todas las clasificaciones incorrectas de igual forma, sin tomar en cuenta su
magnitud. Se utiliza las estadsticas Kappa cuando sus clasificaciones son binarias, nominales
u ordinales; sin embargo, debido a que Kappa no explica la magnitud de la diferencia
observada, es probable que tambin deba considerarse otras estadsticas en su anlisis.
Interpretacin de las estadsticas Kappa
La hiptesis nula es que Kappa es igual a 0, lo cual indicara que el nivel de concordancia es
el mismo que el esperado en virtud de las probabilidades. Los valores de Kappa tienen un
rango de -1 a +1. Mientras ms fuerte sea la concordancia absoluta entre las calificaciones,
ms alto ser el valor de Kappa:
Si Kappa = 1, la concordancia es perfecta.
Si Kappa = 0, la concordancia es igual a la esperada en virtud de las probabilidades.
Si Kappa < 0, la concordancia es ms dbil que la esperada en virtud de las probabilidades
(Esto ocurre muy pocas veces).
Las directrices de la AIAG [1] sugieren que valores de Kappa mayores que 0.75 indican una
concordancia de buena a excelente (con un Kappa mximo = 1); los valores menores que
0.40 indican poca concordancia.
Coeficiente de Concordancia de Kendall
Cuando se tiene datos de tipo ordinal tales como la clasificacin de la severidad de los
defectos en una escala de 1 a 5, el coeficiente de Kendall, el cual toma en consideracin el
13

orden, es usualmente un instrumento estadstico ms apropiado para evaluar la asociacin

que nicamente el Kappa.
El coeficiente de Kendall indica el grado de asociacin de las evaluaciones ordinales hechas
por evaluadores mltiples cuando se evala las mismas muestras. Los valores del coeficiente
de Kendall tienen un rango de 0 a +1. Entre mayor sea el valor Kendall, ms fuerte ser la
asociacin.
Generalmente, coeficientes Kendall de 0.9 mayores son considerados muy
Buenos. Un coeficiente Kendall alto o significativo implica que los evaluadores estn aplicando
esencialmente el mismo estndar cuando evalan las muestras.
Anlisis de concordancia de atributos con datos binarios.
Ejemplo de aplicacin: Sustratos de convertidor cataltico.
Se utiliz las funcionalidades del software Minitab 15.1 para el anlisis del ejemplo de
aplicacin.
Problema
Una compaa de cermica prepara sustratos de convertidor cataltico para un proveedor
automotor. El sustrato cermico es una estructura en forma de panal sobre la que se apoya el
material catalizador que reduce las emisiones de escape.
En las fases finales de produccin, un evaluador verifica que no existan fisuras en cada
sustrato. Una parte con fisuras se considera defectuosa y debe desecharse.
Los evaluadores colocan cada parte bajo una luz para inspeccionar si existen fisuras.
El equipo de fabricacin desea verificar que sus evaluadores nuevos califiquen las partes en
forma efectiva. El Departamento de Calidad ha evaluado las muestras y suministrado los
valores estndares para cada parte.
Recoleccin de datos
Cuatro evaluadores inspeccionan diez partes en orden aleatorio y registran las respuestas,
bien sea como Pasa o No pasa. Luego de que las partes se ordenan nuevamente, cada
evaluador las inspecciona una vez ms.

14

La compaa de cermica desea evaluar:

La uniformidad de las respuestas dentro de cada evaluador.
La uniformidad entre diferentes evaluadores al calificar las mismas muestras.
La exactitud de las calificaciones de los evaluadores, de acuerdo con el estndar.
Para determinar si los evaluadores califican de forma correcta, debe suministrarse una
columna (Estndar) con el estndar conocido para cada muestra.

Figura 1. Uniformidad de las respuestas de cada evaluador. tres evaluadores, Anne, Famke y
Mark
Interpretacin de sus resultados
Para los evaluadores
La Figura.1 muestra la uniformidad de las respuestas de cada evaluador. Anne, Famke y Mark
coincidieron las dos veces cuando calificaron las diez partes, para una tasa de coincidencia
del 100%. Brian tuvo un problema de concordancia al calificar una de las diez partes, para una
tasa de coincidencia del 90%.
Evaluador versus estndar
15

Esta grfica muestra cmo los resultados de cada evaluador se comparan con el estndar.
Famke y Mark calificaron con un 100% de exactitud, mientras que Anne y Brian calificaron
nueve de las diez partes de manera correcta ambas veces, para una tasa de exactitud del
90%.
Tamao de los intervalos de confianza
Se estima que la habilidad de Brian para coincidir consigo mismo en dos evaluaciones de la
misma parte es de un 90%, con un intervalo de confianza del 95%, que va de 55,5% a
99,75%. Este intervalo es muy grande debido a que el tamao de la muestra es pequeo (diez
partes). Un estudio de concordancia de atributos con 30 50 partes producira resultados ms
precisos e informativos.
Interpretacin de sus resultados Para el evaluador
Si cada evaluador inspecciona la misma parte dos o ms veces, usted puede evaluar la
uniformidad de las respuestas para cada evaluador. De los cuatro evaluadores, slo Brian
suministr una respuesta mixta para una de las diez partes. En la hoja de trabajo (datos del
problema no mostrados) se observ que Brian registr Pasa para la Parte #1 cuando la
evalu por primera vez, pero No pasa, la segunda vez. Los otros registraron respuestas
uniformes para todas las partes en ambos ensayos. Los valores Kappa indican una fuerte
concordancia dentro de cada operador. Slo Brian, con una respuesta mixta, posee un valor
Kappa menor que 1 (concordancia perfecta).

16

Interpretacin de sus resultados Cada evaluador versus estndar: concordancia de

evaluaciones.
Debido a que se provee un valor estndar para cada parte, se puede comparar los resultados
de los evaluadores con los valores reales. Anne y Brian calificaron nueve de las diez partes
correctamente ambas veces; Famke y Mark calificaron las diez partes correctamente de
manera uniforme.
Cada evaluador versus estndar: discrepancia en la evaluacin
La tabla denominada Discrepancia en la evaluacin indica la discrepancia del operador con el
estndar para cada operador.
La columna # Pasa / No pasa contiene el nmero de partes que el operador pas, pero que
no debieron haber pasado (un falso positivo).
La columna # No pasa / Pasa contiene el nmero de partes que el operador no pas, pero
que debieron haber pasado (un falso negativo).
La columna # Mixed indica cuntas veces el operador no coincidi consigo mismo durante
los ensayos.
En ambos ensayos, Anne pas una parte de cuatro que no debi haber pasado (un nivel de
significancia del 25%). Brian no coincidi consigo en una parte (una respuesta mixta para una
de diez partes o nivel de significancia del 10%).
Se debe consultar la hoja de trabajo para identificar los valores originales registrados que
causaron estos errores. Por ejemplo, Brian suministr una respuesta mixta para el sustrato #1
y Anne indic un falso positivo para el sustrato #2. Los valores Kappa indican que slo Anne
(0,78022) y Brian (0,89011) cometieron errores en comparacin con el estndar.

17

Los cuatro evaluadores coincidieron en sus calificaciones para ocho de diez partes
inspeccionadas. Sin embargo, esta tabla slo indica la uniformidad entre los operadores, no la
exactitud; no evala
Cmo sus respuestas se comparan con los estndares.
El valor Kappa (0.853183) para ambas respuestas indica una concordancia adecuada entre
los evaluadores.

Todos los evaluadores versus estndar

Estos resultados muestran que los cuatro evaluadores coincidieron de forma correcta con las
calificaciones estndares de ocho de las diez partes.
El valor Kappa (0.917582) para ambas respuestas indica una fuerte concordancia con los
valores estndares.
Consideraciones finales Resumen y conclusiones
18

 En ambos ensayos, dos de los cuatro evaluadores calificaron las diez partes
Correctamente.
Brian calific una parte de manera discrepante, es decir, sus mediciones en ambos ensayos
no coincidieron.
Anne indic un falso positivo para una parte. Se debera investigar con ms detalle por qu
ocurrieron estos errores.
Calidad de conformidad.
La calidad como conformidad es un concepto de calidad basado en el producto, cuyo objetivo
es cumplir un conjunto de caractersticas medibles establecidas por el fabricante para
satisfacer al cliente, por lo que implica un concepto tcnico de calidad.
En general, el concepto sera admisible cuando sea fcil y posible identificar correctamente
las especificaciones, siendo adems suficientemente estables en el tiempo.
Las principales ventajas de este concepto son:

La facilidad de medicin

Obliga a la direccin a desagregar todos los componentes del producto, para poder fijar
los estndares

til para aclarar las responsabilidades en calidad de operarios y supervisores

Mejora la eficiencia

No obstante, tambin conlleva unos inconvenientes:

Orientado hacia el producto, hacia la eficiencia interna (no al cliente).

Redefinicin continua de las especificaciones

La conformidad se define normalmente como el grado en que el diseo de un producto y su

fabricacin (resultado de unos procesos) se ajustan a unos estndares de calidad
preestablecidos. Una definicin ms precisa se entiende como el grado de proximidad entre la
calidad de diseo programada y la calidad incorporada producto tras su elaboracin (calidad
realizada).
La calidad de conformidad puede medirse con diferentes criterios, aunque siempre se traduce
en la tasa de defectos internos resultante al final del proceso productivo. La medicin de la
conformidad se ha basado en dos criterios fundamentales:
La primera manera refiere al enfoque de conformidad aceptable, segn el cual un producto
ser conforme cuando este dentro de los lmites de tolerancia definidos por la norma. Se
desprecia as el alcance de una produccin centrada dentro del intervalo de tolerancias, y se
acepta cualquier producto que encaje en los lmites de la especificacin. La calidad de
19

conformidad se medir entonces por el porcentaje de productos cuyas caractersticas de

calidad se siten dentro de la zona de tolerancia de la especificacin. El aspecto clave de la
calidad de conformidad seria entonces el nivel de defectos aceptable en la produccin.
La segunda aproximacin es el enfoque de conformidad no variable, construida basndose en
las ideas de cero defectos de Crosby (1979) y la funcin de prdidas de calidad de Taguchi
(1986).
El objetivo de conformidad no es ahora la ubicacin dentro de unos lmites de la
especificacin, sino la minimizacin de la distancia al centro de dicho intervalo, ante los costos
que implica la variabilidad en torno a dicho objetivo. La calidad de conformidad se medira
entonces por el abanico de variabilidad alrededor del valor central de la especificacin.
La calidad de diseo y la calidad de conformidad determinan otras cuatro categoras de
caractersticas de calidad trascendentales, que Juran y Gryna (1988) denominan parmetros
de aptitud de uso: la durabilidad, la disponibilidad, la fiabilidad y la manufacturabilidad.
Durabilidad.
Esta dimensin de calidad puede ser concebida como el tiempo durante el cual el producto o
proceso puede ser utilizado por el comprador o usuario con un rendimiento y unos requisitos
de funcionalidad que garanticen su aptitud para el uso. A este periodo se le denomina vida til.
Desde un punto de vista tcnico, la vida til de un producto o proceso es el tiempo en que
est disponible o en estado operativo en condiciones tecnolgicamente adecuadas,
permitiendo la continuidad del servicio. Para su medicin, la dimensin admite dos
significados: (a) el tiempo transcurrido hasta el reemplazo del producto o proceso por fallo; (b)
el tiempo transcurrido hasta que los componentes principales del producto o proceso son
reemplazados. Cuando el fallo del producto o proceso puede ser subsanado sustituyendo
alguno de sus componentes, la durabilidad debe definirse adems en trminos de garanta,
disponibilidad de repuestos tiles, costo y tiempo del reemplazo. No obstante, la vida til del
producto o proceso puede calcularse como el tiempo transcurrido hasta que los costos de
mantenimiento y reparacin lo hacen antieconmico.
Disponibilidad
La disponibilidad es una garanta de calidad fundamental para asegurar la continuidad en el
uso de un producto o proceso, as como para la prestacin de una serie de servicios pblicos
esenciales, como por ejemplo, el suministro de energa y de agua, las comunicaciones o los
transportes. En general, la importancia de esta caracterstica ha estimulado la investigacin
sobre como minimizar las tasas de fallo de los productos o procesos, y sobre el modo de
restituir rpidamente el servicio una vez producido el fallo.
Si denominamos tiempo operativo total al tiempo en que el producto o proceso est en uso
activo y en estado de reserva, y tiempo total en estado no operativo al periodo consumido en
reparaciones, la disponibilidad puede expresarse por el cociente entre el tiempo operativo total
y la suma de los tiempos totales operativo y no operativo. Otra medicin equivalente calcula la
disponibilidad como la ratio entre el tiempo medio entre fallos y la adicin del tiempo medio
entre fallos y el tiempo medio hasta la reparacin.
20

Fiabilidad.
La definicin clsica de fiabilidad dice que es la probabilidad de que un producto o proceso
realice sin fallo una determinada funcin, bajo condiciones determinadas, en un periodo de
tiempo tambin determinado (AGREE, 1957).
Un producto o proceso no solo debe ofrecer un buen rendimiento y elevadas prestaciones,
sino que adems debe ser capaz de mantenerla en el tiempo. Cuando la disponibilidad de un
producto o proceso no es del 100 por ciento, la fiabilidad se convierte en otra caracterstica
esencial del producto o proceso. La fiabilidad se refiere al rendimiento y a las prestaciones
esperadas de un producto o proceso durante toda su vida til. El criterio ms usual para medir
la fiabilidad de un producto o proceso es el tiempo transcurrido antes de la primera avera,
aunque tambin pueden emplearse el tiempo medio entre fallos o el costo de reparaciones y
mantenimiento.
La importancia de la fiabilidad deriva de que cuanto menor sea, mayores sern los costos de
mantenimiento y los tiempos muertos por avera. Esta dimensin de la calidad es crtica en los
bienes de consumo duraderos (por ejemplo, un aparato de aire acondicionado) y en los bienes
de equipo (por ejemplo, el motor de un avin o los frenos de un vehculo), sobre todo cuando
de ellos depende la seguridad de las personas y/o implican costos de mantenimiento altos.
Manufacturabilidad.
Con este parmetro se mide el grado en que el diseo del producto puede ser fcilmente
fabricado por las instalaciones y procesos disponibles en la planta.
Esta caracterstica de calidad no tiene relacin directa con la aptitud de uso para los clientes
externos, pero si podra tenerla para los clientes internos.

DIAGRAMA DE PARETO
Es una herramienta que se utiliza para priorizar los problemas o las causas que los generan.
La Grfica de Pareto es una herramienta sencilla pero poderosa al permitir identificar
21

visualmente en una sola revisin las minoras de caractersticas vitales a las que es
importante prestar atencin y de esta manera utilizar todos los recursos necesarios para llevar
a cabo una accin de mejora sin malgastar esfuerzos ya que con el anlisis descartamos las
mayoras triviales.
Fue creado sobre la base del principio de Pareto, obtenindose lo que hoy se conoce como la
regla 80/20. Si se tiene un problema con muchas causas, podemos decir que el 20% de las
causas resuelven el 80 % del problema y el 80 % de las causas solo resuelven el 20 % del
problema. Se usa para identificar los problemas ms significativos de un proceso y evaluar el
comportamiento de un problema, comparando los datos entre el "antes" y el "despus".
Se recomienda el uso del diagrama de Pareto:
Para identificar un producto o servicio para el anlisis de mejora de la calidad. Al buscar las
causas principales de los problemas y establecer la prioridad de las soluciones Para evaluar
los resultados de los cambios efectuados a un proceso comparando sucesivos diagramas
Para comunicar fcilmente a otros miembros de la organizacin las conclusiones sobre
causas, efectos y costes de los errores.
Los propsitos generales del diagrama de Pareto:
Analizar las causas
Estudiar los resultados
Planear una mejora continua
COMO CONSTRUIRLO?
Trace dos ejes verticales de la misma longitud, en un eje horizontal. En el eje vertical
izquierdo, haga una escala de 0 hasta el nmero correspondiente al total de la Lista de
verificacin. En el eje vertical derecho haga una escala de 0 a 100%.
El 100% corresponder al total de la Lista de Verificacin. Divida el eje horizontal en intervalos
iguales, de acuerdo con la cantidad de categoras de la Lista de Verificacin. Construya y
denomine las barras, colocando las categoras en orden decreciente de frecuencia, de
izquierda a derecha. Trace una lnea punteada que conecte el origen con la esquina superior
derecha de la primera barra, as: Sume, a la altura de la primera barra, la altura de la
segunda. Marque con un punto el valor obtenido en la prolongacin del lado derecho de la
segunda barra. Sume a esta nueva altura la altura de la tercera barra.
Marque con un punto el valor obtenido en la prolongacin del lado derecho de la tercera barra.
Haga eso sucesivamente, hasta la ltima barra. Enlace todos los puntos marcados con una
lnea, dando continuidad a la lnea punteada iniciada en el origen, para formar la curva de
Pareto. El ltimo punto representa el 100 % de los eventos. Complete el grfico con
informaciones tales como: nombre del grfico, perodo, responsable, etc.

22

HISTOGRAMA
El histograma es una grfica de barras que permite describir el comportamiento de un
conjunto de datos en cuanto a su tendencia central, forma y dispersin.
El histograma permite que de un vistazo se pueda tener una idea objetiva sobre la calidad de
un producto, el desempeo de un proceso o el impacto de una accin de mejora. La correcta
utilizacin del histograma permite tomar decisiones no solo con base en la media, sino
tambin con base en la dispersin y formas especiales de comportamiento de los datos. Su
uso cotidiano facilita el entendimiento de la variabilidad y favorece la cultura de los datos y los
hechos objetivos.
CUANDO SE APLICA:
Hacer seguimiento actual del proceso
23

Seleccionar el siguiente producto a mejorar

Probar o evaluar las revisiones de procesos para mejorar
Necesitar una revisin rpida de la variabilidad de un proceso

CONSTRUCCION DE UN HISTOGRAMA:
Para decidir correctamente y detectar posibles anormalidades en los datos se procede a lo
siguiente para construir un histograma:
Paso 1. Determinar el rango de datos. La diferencia entre el dato mximo y el dato mnimo.
Paso 2. Obtener el nmero de clases (NC) o barras. Ninguno de ellos es exacto, esto
depende de cmo sean los datos y cuantos sean. Un criterio usado es del nmero de clases,
debe ser aprox. Igual a la raz cuadrada del nmero de datos.
Paso3. Establecer la longitud de clase (LC).Se establece de tal manera que el rango pueda
ser cubierto en su totalidad por NC. Una forma directa de obtener la LC es dividiendo el rango
entre el nmero de clases, LC= R/NC.
Paso 4. Construir los intervalos de clase. Resultan de dividir el rango (original o ampliado) en
NC e intervalos de longitud LC.
Paso 5. Obtener la frecuencia de cada clase. Se cuentan los datos que caen en cada intervalo
de clase.
Paso 6.Graficar el histograma.

24

HOJA DE VERIFICACION (O DE CHEQUEO)

La Hoja de Verificacin es la herramienta que se utiliza para recolectar datos en un formato
lgico (muestreo racional), y sirve de hecho como una herramienta de transicin entre la
recoleccin de datos y el uso de tcnicas ms elaboradas. Los datos recolectados pueden
usarse para construir una Grfica de Control, un Histograma, un Diagrama de Pareto, etc. La
Hoja de Verificacin tiene varios propsitos, siendo el ms importante el capacitar al usuario
para tener datos reunidos y organizados en un formato tal que permita un anlisis eficiente y
fcil.
Para qu sirve la hoja de verificacin?
Proporciona un medio para registrar de manera eficiente los datos que servirn de base para
subsecuentes anlisis.
Proporciona registros histricos, que ayudan a percibir los cambios en el tiempo.
Facilita el inicio del pensamiento estadstico.
Ayuda a traducir las opiniones en hechos y datos.
Se puede usar para confirmar las normas establecidas.
Tipos de hojas de verificacin
En realidad, hay un nmero ilimitado de formatos para una Hoja, puesto que el usuario puede
desarrollarlas basado en los datos requeridos para resolver un problema o actuar sobre un
rea de mejora. y puede ser creativo e inventar su propia Hoja si las existentes no se adecuan
a sus necesidades.

25

Diagrama causa-efecto
El Diagrama Causa-Efecto es llamado usualmente Diagrama de Ishikawa porque fue creado
por Kaoru Ishikawa, experto en direccin de empresas interesado en mejorar el control de la
calidad; tambin es llamado Diagrama Espina de Pescado por que su forma es similar al
esqueleto de un pez: Est compuesto por un recuadro (cabeza), una lnea principal (columna
vertebral), y 4 o ms lneas que apuntan a la lnea principal formando un ngulo aproximado
de 70 (espinas principales). Estas ltimas poseen a su vez dos o tres lneas inclinadas
(espinas), y as sucesivamente (espinas menores), segn sea necesario.

PASOS PARA CONSTRUIR UN DIAGRAMA CAUSA-EFECTO

1. IDENTIFICAR EL PROBLEMA
Identifique y defina con exactitud el problema, fenmeno, evento o situacin que se quiere
analizar. ste debe plantearse de manera especfica y concreta para que el anlisis de las
causas se oriente correctamente y se eviten confusiones.

2. IDENTIFICAR LAS PRINCIPALES CATEGORAS DENTRO DE LAS CUALES PUEDEN

CLASIFICARSE LAS CAUSAS DEL PROBLEMA.
Para identificar categoras en un diagrama Causa-Efecto, es necesario definir los factores o
agentes generales que dan origen a la situacin, evento, fenmeno o problema que se quiere
26

analizar y que hacen que se presente de una manera determinada. Se asume que todas las
causas del problema que se identifiquen, pueden clasificarse dentro de una u otra categora.
Generalmente, la mejor estrategia para identificar la mayor cantidad de categoras posibles,
es realizar una lluvia de ideas con los estudiantes o con el equipo de trabajo. Cada categora
que se identifique debe ubicarse independientemente en una de las espinas principales del
pescado.

3. IDENTIFICAR LAS CAUSAS

Las causas que se identifiquen se deben ubicar en las espinas, que confluyen en las espinas
principales del pescado. Si una o ms de las causas identificadas es muy compleja, sta
puede descomponerse en subcausas. stas ultimas se ubican en nuevas espinas, espinas
menores, que a su vez confluyen en la espina correspondiente de la causa principal.

27

4. ANALIZAR Y DISCUTIR EL DIAGRAMA

Cuando el Diagrama ya est finalizado, los estudiantes pueden discutirlo, analizarlo y, si se
requiere, realizarle modificaciones. La discusin debe estar dirigida a identificar la(s) causa(s) ms
probable(s), y a generar, si es necesario, posibles planes de accin.

28

Grfica de Control

Una grfica de control es un diagrama que sirve para examinar si un proceso se encuentra
en una condicin estable, o para asegurar que se mantenga en esa condicin.
En estadstica, se dice que un proceso es estable (o est en control) cuando las nicas
causas de variacin presentes son las de tipo aleatorio. En esta condicin se pueden hacer
inferencias con respecto a la salida del proceso, esto es, la caracterstica de calidad que se
est midiendo. En cambio, la presencia de causas especiales o asignables hace que el
proceso se desestabilice, impidiendo la prediccin de su comportamiento futuro.
Con base en la informacin obtenida en intervalos determinados de tiempo, las grficas de
control definen un intervalo de confianza: Si un proceso es estadsticamente estable, el
99.73% de las veces el resultado se mantendr dentro de ese intervalo.
La estructura de las grficas contiene una lnea central (LC), una lnea superior que marca el
lmite superior de control (LSC), y una lnea inferior que marca el lmite inferior de control
(LIC). Los puntos contienen informacin sobre las lecturas hechas; pueden ser promedios de
grupos de lecturas, o sus rangos, o bien las lecturas individuales mismas. Los lmites de
control marcan el intervalo de confianza en el cual se espera que caigan los puntos.

29

Uno de los softwares estadsticos ms comunes utilizados en la industria es el Minitab.

Las grficas de control sirven para:
-Determinar el estado de control de un proceso.
-Diagnostica el comportamiento de un proceso en el tiempo.
-Indica si un proceso ha mejorado o ha empeorado.
-Permite identificar las dos fuentes de variacin de un proceso.
-Sirve como una herramienta de deteccin de problemas.
Fuentes de Variacin en un Proceso:
1. Causas Asignables o Especiales
Son los factores espordicos que desestabilizan el sistema. Su identificacin es inmediata y
fcil.
2. Causas Comunes o Naturales
Son los factores que afectan en poco la variabilidad del sistema.
Su presencia es aleatoria y no son de fcil deteccin.
Generalmente estn relacionadas con aspectos administrativos.
Antes de establecer una grfica de control, es necesario definir con claridad los siguientes
puntos: el propsito de la grfica, el aspecto que se va a considerar, y la unidad de donde se
va a tomar la muestra.

30

Tipos de grficas de control

1. Grficas de Control de Variables
-Grfica x R Promedios y rangos
-Grfica x s Promedios y Desviacin Estndar
-Grfica x R Medianas y Rangos
-Grfica x R Lecturas Individuales y Rangos
2. Grficas de Control por Atributos
-Grfica p Porcentaje de unidades o procesos defectuosos
-Grfica np Nmero de unidades o procesos defectuosos
-Grfica c Nmero de defectos por rea de oportunidad
-Grfica u Porcentaje de defectos por rea de oportunidad

31

Diagrama de dispersin
Definicin
Representacin grfica del grado de relacin entre dos variables cuantitativas.
Caractersticas principales
A continuacin se comentan una serie de caractersticas que ayudan a comprender la
naturaleza de la herramienta.
Impacto visual
Un Diagrama de Dispersin muestra la posibilidad de la existencia de correlacin entre dos
variables de un vistazo.
Comunicacin
Simplifica el anlisis de situaciones numricas complejas.
Gua en la investigacin
El anlisis de datos mediante esta herramienta proporciona mayor informacin que el simple
anlisis matemtico de correlacin, sugiriendo posibilidades y alternativas de estudio, basadas
en la necesidad de conjugar datos y procesos en su utilizacin.

CONSTRUCCIN
Pasos previos a la construccin de un Diagrama de
Dispersin
Paso 1: Elaborar una teora admisible y relevante sobre la supuesta relacin entre dos
variables
Este paso previo es de gran importancia, puesto que el anlisis de un Diagrama de Dispersin
permite obtener conclusiones sobre la existencia de una relacin entre dos variables, no sobre
la naturaleza de dicha relacin.
32

Paso 2: Obtener los pares de datos correspondientes a las dos variables

Al igual que en cualquier otra herramienta de anlisis de datos, stos son la base de las
conclusiones obtenidas, por tanto cumplirn las siguientes condiciones:
-En cantidad suficiente: Se consideran necesarios al menos 40 pares de datos para construir
un Diagrama de Dispersin.
-Datos correctamente emparejados: Se estudiar la relacin entre ambos.
-Datos exactos: Las inexactitudes afectan a su situacin en el diagrama desvirtuando su
apariencia visual.
-Datos representativos: Asegrese de que cubren todas las condiciones operativas del
proceso.
-Informacin completa: Anotar las condiciones en que han sido obtenidos los datos.
Paso 3: Determinar los valores mximo y mnimo para cada una de las variables
Paso 4: Decidir sobre qu eje representar a cada una de las variables.
Si se est estudiando una posible relacin causa-efecto, el eje horizontal representar la
supuesta causa.
Paso 5: Trazar y rotular los ejes horizontal y vertical
La construccin de los ejes afecta al aspecto y a la consiguiente interpretacin del diagrama.
a) Los ejes han de ser aproximadamente de la misma longitud, determinando un rea
cuadrada.
b) La numeracin de los ejes ha de ir desde un valor ligeramente menor que el valor mnimo
de cada variable hasta un valor ligeramente superior al valor mximo de las mismas. Esto
permite que los puntos abarquen toda el rea de registro de los datos.
c) Numerar los ejes a intervalos iguales y con incrementos de la variable constantes.
d) Los valores crecientes han de ir de abajo a arriba y de izquierda a derecha en los ejes
vertical y horizontal respectivamente.
e) Rotular cada eje con la descripcin de la variable correspondiente y con su unidad de
medida.
Paso 6: Marcar sobre el diagrama los pares de datos
a) Para cada par de datos localizar la interseccin de las lecturas de los ejes correspondientes
y sealarlo con un punto o smbolo.
Si algn punto coincide con otro ya existente, se traza un crculo concntrico a este ltimo.
b) Cuando coinciden muchos pares de puntos, el Diagrama de Dispersin puede hacerse
confuso. En este caso es recomendable utilizar una "Tabla de Correlacin" para representar la
correlacin.
c) En el caso en que se construye un Diagrama de Dispersin estratificado separando los
pares de datos, por ejemplo, segn el turno de trabajo, lote de materia prima, etc.), deben
escogerse smbolos que pongan de manifiesto los diferentes grupos de puntos de forma clara.
Paso 7: Rotular el grfico
Se rotula el ttulo del grfico y toda aquella informacin necesaria para su correcta
comprensin.
En general, es conveniente incluir una descripcin adicional del objeto de las medidas y de las
condiciones en que se han realizado, ya que esta informacin puede ayudar en la
interpretacin del diagrama.
Posibles tipos de relaciones entre variables
El Diagrama de Dispersin se puede utilizar para estudiar:
Relaciones causa-efecto.
33

Este es el caso ms comn en su utilizacin para la mejora de la calidad. Se utiliza el

diagrama a partir de la medicin del efecto observado y de su posible causa.
Ejemplo: Comprobar la relacin entre el nmero de errores y la hora en que se cometen
Relaciones entre dos efectos.
Sirve para contrastar la teora de que ambos provienen de una causa comn desconocida o
difcil de medir.
Ejemplo: Analizar la relacin entre el nmero de quejas que llegan y el aumento/disminucin
de las ventas, suponiendo que los dos dependen del nivel de satisfaccin del cliente.
Posibilidad de utilizar un efecto como sustituto de otro.
Se puede utilizar para controlar efectos difciles o costosos de medir, a travs de otros con
medicin ms simple.
Ejemplo: Estudiar la relacin existente entre reduccin de costes y satisfaccin del cliente
para utilizar el parmetro de ms fcil medicin en la evaluacin de las actividades de
planificacin.
Relaciones entre dos posibles causas.
Sirve para actuar sobre efectos de forma ms simple o adecuada y para analizar procesos
complejos.
Ejemplo: Analizar la relacin entre el porcentaje idneo de contenido en potasio de un
fertilizante y la cantidad media de lluvia recogida en la zona de cultivo, puesto que ambos
elementos influyen en la calidad del vino y el rgimen de lluvias no puede ser modificado.
Putas tpicas de correlacin
Correlacin Fuerte
Los puntos se agrupan claramente alrededor de una lnea imaginaria que pasa por el centro
de la masa de los mismos. Estos casos sugieren que el control de una de las variables lleva al
control de la otra.
Los datos parecen confirmar la teora estudiada, pero hay que analizar la existencia de otras
posibles explicaciones admisibles y relevantes para dicha relacin.
Correlacin Fuerte, Positiva: El valor de la variable "Y" (eje vertical) aumenta claramente con
el valor de la variable "X" (eje horizontal).
Correlacin Fuerte, Negativa: El valor de "Y" disminuye claramente cuando "X" aumenta.
Correlacin Dbil
Los puntos no estn suficientemente agrupados, como para asegurar que existe la relacin. El
control de una de las variables no necesariamente nos llevar al control de la otra.
Si lo que se busca es determinar las causas de un problema, se deben buscar otras variables
con una relacin mayor o ms relevante sobre el efecto.
Correlacin Dbil, Positiva: El valor de la variable "Y" (eje vertical) tiende a aumentar cuando
aumenta el valor de la variable "X" (eje horizontal)
Correlacin Dbil, Negativa: El valor de "Y" tiende a disminuir cuando aumenta el valor de "X".
Correlacin compleja
El valor de la variable "Y" parece estar relacionado con el de la variable "X", pero esta relacin
no es simple o lineal.
En este caso se estudia la relacin ms profundamente (Hay alguna ley no lineal que
explique esta relacin? Es esta relacin el resultado de componer varias relaciones?)
Sin correlacin
Para cualquier valor de la variable "X", "Y" puede tener cualquier valor. No aparece ninguna
relacin especial entre ambas variables.
34

En este caso, nuestra teora no es correcta y se deben buscar otros tipos de relaciones.
Posibles problemas de la interpretacin
a) Correlacin sin soporte lgico
Los Diagramas de Dispersin muestran solamente relaciones, no prueban relaciones
causales.
Ha de haber una explicacin lgica y admisible para establecer una relacin causa-efecto.
b) Recorrido de los datos
En el anlisis del Diagrama se limitar su interpretacin al recorrido de las observaciones.
Generalizar las pautas de correlacin para valores fuera de los lmites del Grafico puede llevar
a conclusiones completamente errneas. Si se necesita conocer la relacin entre dos
variables para un rango de valores determinado, hay que obtener datos alrededor de ese
rango.
c) Efecto de la escala
Las escalas de los dos ejes influyen notablemente sobre la interpretacin del
Diagrama de Dispersin.
Escalas deficientes en alguno de los ejes puede enmascarar una relacin o hacer ver
relaciones inexistentes.
d) Factores de confusin
Con el Diagrama de Dispersin tratamos de estudiar una relacin entre dos variables.
Debemos asegurarnos de que la correlacin que observamos no sea debida a una variable
distinta de la que estamos registrando.
La forma ideal para tratar los factores de confusin es antes de la recogida de datos.
Identificar los posibles factores de confusin y disponer la toma de datos de forma que se
mantengan razonablemente constantes.
Los factores de confusin se medirn en la toma de datos, y si no ha sido posible mantenerlos
constantes, se construir un Diagrama de Dispersin estratificado segn las condiciones de
dichos factores.
e) Problemas con los datos
Si los datos son deficientes, la interpretacin del Diagrama de Dispersin tiene, por fuerza,
que ser deficiente.

35

Preguntas:
1. Qu es control estadstico de calidad?
El Control Estadstico de la Calidad es la aplicacin de diferentes tcnicas estadsticas a
procesos industriales, administrativos y/o servicios con objeto de verificar si todas y cada una
de las partes del proceso y servicio cumplen con ciertas exigencias de calidad y ayudar a
cumplirlas.
2. Cul es el objetivo del control estadstico de calidad?
Detectar rpidamente la ocurrencia de variabilidad debida a causas asignables. Investigar
las causas que la han producido y eliminarlas.
3. Qu es AMEF y cul es su funcin?
Anlisis de modos y efectos de fallas potenciales, AMEF, es un proceso sistemtico para la
identificacin de las fallas potenciales del diseo de un producto o de un proceso antes de que
stas ocurran, con el propsito de eliminarlas o de minimizar el riesgo asociado a las mismas.
4. Qu funcin tiene el QDF?
El QFD es un sistema que busca focalizar el diseo de los productos y servicios en dar
respuesta a las necesidades de los clientes. Esto significa alinear lo que el cliente requiere
con lo que la organizacin produce.
5. Mencione una definicin concreta de calidad de concordancia.
La calidad de concordancia, calidad de conformacin o calidad tcnica se refiere a la
capacidad de fabricar productos conforme a las especificaciones tcnicas que establece el
diseo. Es la habilidad para materializar el producto diseado.
6. Qu es la calidad de conformidad?
La calidad como conformidad es un concepto de calidad basado en el producto, cuyo objetivo
es cumplir un conjunto de caractersticas medibles establecidas por el fabricante para
satisfacer al cliente, por lo que implica un concepto tcnico de calidad.
7. Para qu nos sirve el diagrama o grfica de Pareto?
Es una herramienta que se utiliza para priorizar los problemas o las causas que los generan.
Es una herramienta sencilla pero poderosa al permitir identificar visualmente en una sola
revisin las minoras de caractersticas vitales a las que es importante prestar atencin y de
esta manera utilizar todos los recursos necesarios para llevar a cabo una accin de mejora sin
malgastar esfuerzos ya que con el anlisis descartamos las mayoras triviales.
8. Para qu nos sirve la hoja de verificacin?
La Hoja de Verificacin es la herramienta que se utiliza para recolectar datos en un formato
lgico (muestreo racional), y sirve de hecho como una herramienta de transicin entre la
recoleccin de datos y el uso de tcnicas ms elaboradas. Los datos recolectados pueden
usarse para construir una Grfica de Control, un Histograma, un Diagrama de Pareto, etc.

36

9. Qu es diagrama de dispersin?
Representacin grfica del grado de relacin entre dos variables cuantitativas.
10. Cuntos tipos de correlacin fuente existen?
Dos, positiva y negativa.

Bibliografa:
Ttulo
Autor
Traducido por
Editor
ISBN
N. de pginas
Ttulo
Autores
Edicin
Editor
ISBN
N. de pginas

Juran y la planificacin para la calidad

J. M. Juran
Mercedes Gozalbes Ballester, Jess Nicolau Medina
Ediciones Daz de Santos, 1990
8487189377, 9788487189371
299 pginas
Mtodo Juran: anlisis y planeacin de la calidad
Frank M. Gryna, Richard Chim Hai Chua, Joseph A. De Feo
5
McGraw-Hill, 2007
970106142X, 9789701061428
774 pginas

ocw.usal.es/eduCommons/.../control-estadistico...calidad/.../Tema1.pdf

www.posgradoenadministracion.uson.mx/.../Control%20Estadstico%20...

www.uclm.es/profesorado/dverastegui/DOCUMENTOS/calidad.pdf

37