Control Estadístico de Procesos Simplificados - amsdEN

CONTROL ESTADSTICO DE PROCESOS Mg. Cs.
Roque Flix Ros Barreno
1
CONTROL ESTADSTICO DE PROCESOS Mg. Cs. Roque Flix Ros Barreno
CONTROL
ESTADSTICO
DE PROCESOS
SIMPLIFICAD
O.
Pasos prcticos hacia la calidad
2
Mg. Cs. Roque Flix Ros Barreno
3
Por Fin! Un Libro de Capacitacin en control de la calidad

dirigido especialmente al personal de lnea
CONTROL ESTADSTICO de Procesos Simplificado

Este prctico libro ensea los fundamentos del control estadstico de procesos a los empleados
de la lnea de ensamble del taller y de la oficina, no requiere conocimientos de matemticas.
Utilizando un lenguaje claro y directo, este libro simblica los conceptos esenciales para
monitorear, analizar y mejora la calidad para que todos puedan entenderlos y aplicarlos.
De manera modular fcil de seguir, los autores lo guan a travs de cada paso del proceso de
Calidad Usted aprender a desarrollar y analizar histograma de frecuencia, grfica de control
variable y grfica de control de atributos. De igual manera se explican cuidadosamente la
capacidad de mquinas y procesos, las herramientas para resolver problemas y los elementos
de un sistema de control de calidad. Cada mdulo contiene numerosos problemas de prctica
cuyas soluciones se incluyen al final del libro. Abundantes ejemplo tomados de la vida real y
grficas de muestra le ensea como evaluar la calidad de sus productos y servicios y como
mejorar el desempeo en el trabajo.
Adems, esta herramienta de capacitacin nica
Incluye todos los aspectos importantes del control la calidad anlisis de Pareto, lluvia
de ideas, diagramas de causa efecto.
Destaca la solucin de problemas y ensea cundo y dnde aplicar las tcnicas
aprendidas.
Incluye la filosofa detrs del control de la calidad, la organizacin para un control de la
calidad efectivo y como obtener ayudar para instalar un programa de control de la
calidad.
CONTROL ESTADSTICO de Procesos Simplificados hace entendible la metodologa del

control de la calidad para la gente que efecta las operaciones de manufacturas y servicio. Es
el pilar de un programa exitoso y rentable para toda su organizacin.
ACERCA DE LOS AUTORES
Robert T. Amsden es actualmente profesor asociado de la Escuela de Negocios de la

Universidad de Daylon donde ensea estadstica elemental y administracin de produccin y
operaciones. Anteriormente fue Director de la Asociacin Internacional de Crculos de Calidad y
Presidente del Comit de Crculos de Calidad de la American Society for Quality Control.
Howard E. Butler es socio principal de Quality Control Services Company, una firma de
consultora en sistemas de administracin de Control de Calidad y capacitacin en control
estadstico de la calidad. Fue superintendente de control de calidad y confiabilidad de la
divisin Inland de General Motors Corporation en Dayton, Ohic,
Davida M. Amsden es consultor privado en circuitos de Control de Calidad. Entre sus clientes
se han includo Dupont IMCO. M.A.N. Truck and Bus, DAyton Tire and Rubber, la divisin
Moraine Truck Assesmbly de General Motors, Corning Glass y Bendix Coporation.
4
CONTROL ESTADSTICO DE
PROCESOS SIMPLIFICADO.
Titulo original en ingles

SPC SIMPLIFIED: Practical Steos
To Quality
By Robert T. Amsden, Howard E. Butler
And Davida M. Amsde
Copyright by Quality Resources
Originally Publisher in English by Quality Resources
Spanish translation rights arranged through
Quality Resources
Traduccin al espaol por:

Nohem Herrero Pacheco
Primera edicin en espaol: 1993

Panorama Editorial S.A.
Leibnitz 31, Col. Anzures
11590-Mxico. DF.
Printed in Mxico
Impreso en Mxico
ISBN 968 38 0355 - 5
5
Contenido
Prefacio
Introduccin
MODULO 1
PRINCIPIOS BSICOS
Causas de variacin
Las herramientas de la calidad
El histograma o distribucin de frecuencia
La grfica de control
Grficas de variables
Grficas de atributos
Resumen
MODULO 2
HISTOGRAMA DE FRECUENCIA
Qu es una variacin?
Histograma de frecuencia
Como formar un histograma de frecuencia
Algunas precauciones
Lo que los histogramas de frecuencia le dicen acerca de las distribuciones principales
de frecuencia.
Histogramas de frecuencia en situaciones de produccin.
Resumen
Problemas prcticos
MODULO 3
GRAFICAS DE CONTROL DE VARIABLES
Cmo usar las grficas de promedio y rango ya establecidas

Cmo interpretar las grficas de promedio y rango
Promedios fuera de los lmites de control
Otros signos para identificar un proceso fuera de control
Fuentes de causas asignables
Rangos fuera de los limites de control
Cmo desarrollar las grficas de promedio y rango
Cmo usar las grficas de control en produccin continua
Grficas de medianas y rango
Cmo desarrollar una grfica de medianas y rangos.
Grficas particulares y rangos
Cmo desarrollar una grfica de particulares y rangos
Limites de control
Resumen
Problemas prcticos
MODULO 4
GRAFICAS DE CONTROL DE ATRIBUTOS
Por qu usar una grfica de control de atributos?
Grficas p de porcentaje de defectos
Cmo usar las grficas p
6
Cmo interpretar las grficas p de porcentaje de defectos

Porcentaje de defectos, p, dentro de los limites de control
Porcentaje de defectos, p, fuera de los limites de control
Otros indicios de procesos fuera de control
Tipos de causas asignables
Como desarrollar grficas p de porcentaje defectuoso
Como usar una grfica p recin desarrollada en una produccin continua
Las grficas c
Como usar las grficas c
Interpretacin de las grficas c
Como desarrollar las graficas c
Resumen
Problemas prcticos
MODULO 5
CAPACIDAD DE MAQUINARIA Y DE PROCESO
Capacidad de maquinaria
El mtodo de la grfica de promedio y rango
Limites para particulares
La grfica de probabilidad
Cmo estimar la proporcin de partes fuera de especificacin
Capacidad del proceso
ndice de capacidad
Relacin de capacidad
Resumen
Problemas prcticos
MODULO 6
HERRAMIENTAS PARA SOLUCIONAR LOS PROBLEMAS DE CALIDAD
Tormenta de ideas un chaparrn

Qu se necesita para una tormenta de ideas?
Cmo funciona una tormenta de ideas?
Las tcnicas de estimulacin
Cmo completar la tormenta de ideas empaparse totalmente
Las dificultades en las tormentas de ideas y que hacer al respecto
Diagramas de causa y efecto cmo organizar la tormenta de ideas
Por qu utilizar el diagrama C y E?
Cmo desarrollar un diagrama de causa y efecto.
El proceso para desarrollar el diagrama de causa y efecto
Tipos de diagramas de causa y efecto
El anlisis de Pareto
Cmo trazar un diagrama de Pareto
Cmo interpretar el diagrama de Pareto
Resumen
Problemas prcticos
MODULO 7
ELEMENTOS DE UN SISTEMA DE CONTROL DE CALIDAD
Una gerencia de vanguardia

Un sistema de asignacin crtica: planear lo que debe controlarse.
7
Control de proveedores: qu est entrando por la puerta trasera?

Control interno del proceso: Qu sucede en el rea de produccin?
Sistema de aseguramiento de la calidad: Qu esta saliendo por la puerta?
Comprendiendo la variabilidad
Toma de decisiones y resolucin de problemas
Grficas de variables
Grficas de atributos
Capacidad de proceso y de mquina
Los empleados y la solucin de problemas
Usos gerenciales de las tcnicas de control de calidad
Soluciones a los problemas prcticos
Glosario de trminos
Lecturas recomendadas
Apndice: factores y frmulas
ndice
8
Prefacio
El Control Estadstico de Procesos, un conjunto de procedimientos en base a tcnicas
estadsticas, se ha utilizado por dcadas en la industria. En la Segunda Guerra Mundial,
muchas compaas regulaban la calidad de sus productos por medio de estos procedimientos.
Sin embargo, la Historia nos muestra que el uso generalizado del control estadstico de
procesos casi llego a su fin en los aos cincuenta o sesenta, aunque las razones de ello nunca
quedaron del todo claras. Creemos que debido a que los negocios marchaban tan bien en
todos los sectores de la economa desde que termin la Segunda Guerra Mundial hasta finales
de los aos setenta, pocos gerentes sintieron la necesidad de usar cualquier tcnica diseada
para mejorar la calidad. As, se permita la interferencia en el flujo de produccin solo cuando
se presentaban problemas serios. En ese tiempo, los ingenieros de la calidad contaban con
tcnicas estadsticas para solucionar los problemas, pero una vez resueltos los problemas, los
gerentes de produccin desechaban dichas tcnicas.
Entonces, a finales de los aos setenta, irrumpi en el escenario industrial un serio problema.
Muchas operaciones de manufactura salieron de los Estados Unidos con el propsito de
incrementar la productividad o de reducir costos y muchos productos dejaron de producirse en
ese pas.
Cuando los ejecutivos se dieron cuenta de este problema, se aprestaron para corregirlo.
Muchos gerentes enviaron representantes al extranjero para descubrir por qu la competencia
los superaba en produccin, ofreciendo productos de mejor calidad que los producidos en los
Estados Unidos de Norteamrica.
Los informes recibidos no dieron una respuesta completa ni correcta. Quienes visitaron plantas
en el extranjero informaron que la competencia los superaba porque trabajaba ms por salarios
menores. Otros informaron que la competencia, especialmente en Japn, utilizaba algo llamado
crculos de la calidad para lograr que el personal de produccin lo hiciera ms eficientemente,
fabricando mejores productos.
Otros visitantes a las plantas de produccin japonesas observaron que los operarios de
produccin tomaban decisiones respecto a sus operaciones como una parte normal de sus
labores diarias. En cambio, a los operarios de produccin en los Estados Unidos siempre se les
enseo a realizar sus operaciones siguiendo instrucciones, sin tomar en cuenta los resultados.
En otras palabras, los operarios no eran responsables por el resultado de su trabajo mientras
hubiera seguido sus instrucciones. En teora, se supona que la gerencia, en especial los
ingenieros, eran los responsables de la calidad del producto. En raras ocasiones se peda a los
operarios de produccin, o a los supervisores de la lnea que recopilaran informacin o que la
registraran en una grfica de control, pues un ingeniero, generalmente un ingeniero de
calidad, era quien guardaba los secretos del control estadstico de calidad. Sin embargo, lo
que en realidad suceda si el producto no cumpla con las normas, era que la gerencia argia
que la falta de cuidado de los operarios de produccin era la razn de la mala calidad del
producto.
Hoy en da, los gerentes de muchas compaas consideran que todos son responsables de
mantener la calidad. Los operarios en el rea de produccin son alentados a monitorear sus
operaciones y a tomar acciones correctivas cuando sea necesario. La gerencia esta realizando
esfuerzos para proporcionar la capacitacin, las herramientas y el ambiente adecuado que
ayude a los trabajadores a realizar mejor su trabajo.
Las labores del supervisor tambin estn cambiando. Este ya no es un polica que trata de
sorprender al operario que fabrica productos defectuosos, sino que es alguien que esta ah
para ayudarlo a impedir los defectos. A la vez, se espera que los operarios de produccin sean
responsables de sus operaciones.
Despus de una experiencia de ms de 35 aos en problemas de calidad en todo tipo de
procesos de compaas, nos convencimos de que se necesitaba un libro para la persona que
hace que las cosas sucedan en el rea de produccin. Hemos escrito este libro
9
principalmente para los operarios de produccin, para el personal de preparacin, para

inspectores y supervisores de lnea. Asimismo le ser til a los dirigentes de los crculos de
calidad, sus ayudantes, los gerentes de produccin y los recin llegados a la ingeniera de
calidad.
Con este libro, se aprendern a desarrollar y usar las tcnicas estadsticas que se utilizan con
mayor frecuencia en control de calidad. Estas herramientas de calidad se basan en algunos
principios matemticos. No es necesario conocer o comprender dichos principios para usar las
tcnicas del mismo modo que no es necesario saber cmo trabaja un televisor para disfrutar de
los programas favoritos. Las tcnicas que se utilizarn para monitorear y controlar con mayor
frecuencia la calidad de una operacin de produccin son muy simples y solamente requieren
un poco de aritmtica. Por lo general es posible encontrar los nmeros que necesitan en una
tabla preparada especialmente, o utilizar con papel y lpiz, o con una calculadora de bolsillo,
para realizar clculos simples.
CEP Simplificado es el resultado de las experiencias que hemos compartido con mucha gente
a travs de muchos aos. Los conocimientos obtenidos trabajando con operarios de
produccin, inspectores, supervisores, ingenieros, gerentes y clientes hicieron posible este
libro, el cual hemos desarrollado desde un punto de vista prctico ejemplos basados en
situaciones reales y trabajando con personas que han tenido los mismos problemas que usted
enfrenta cada da en el rea de produccin. Agradecemos a todas estas personas sus
contribuciones.
Asimismo deseamos hacer los siguientes reconocimientos: en el Mdulo 2. La cubeta de chips
cubiertos de plsticos est basada en la obra del finado Dr. Walter Shewhart; en el Mdulo 3 el
tambin finado Harold Dodge nos cont la historia de la fbrica de municiones; al Dr. W.
Edwards Deming hizo la narracin del proceso de recubrimiento de papel. Agradecemos a la
American Society for Quality Control, por permitirnos usar las formas para grficas que se
exponen en el Mdulo 3. Tambin agradecemos a Sid Rubinstein el permitirnos usar los datos
del movimiento de eje en el Mdulo 2.
Las siguientes personas leyeron porciones del manuscrito: Joan y Garth Borton, Phyllis Cole,
Bobn Coon, Rick Eggers, Craig Kottke, Janice Loschert, Dave Loudner, Bob Morrison,
Stephanie y Bill Paris, Drifty Miller, Stew Schofe, y Bernie Williams. A todos ellos agradecemos
sus valiosas sugerencias y estmulo.
Damos tambin un especial reconocimiento a mi esposa por sus tiles comentarios y
sugerencias, as como por haber mecanografado el manuscrito en nuestra confiable
computadora North Star Advantage.
Por ltimo, agradecemos a la editora, Karen Feinberg, por haber dado forma tan hbilmente a
las ideas de tres autores con mentalidades tcnicas, dando por resultado un libro de fcil
lectura.
10
INTRODUCCIN
Este es un libro de como hacerlo. En l se aprender a utilizar las tcnicas estadsticas para
monitorear la calidad de las partes producidas en operaciones de manufactura. Estas tcnicas
pueden usarse tambin de otras formas, sin embargo, en este libro nos concentraremos en las
operaciones de produccin.
Si usted lleva a cabo las operaciones de produccin, seguramente fabrica partes que por lo
general cumplen las especificaciones de los clientes. Usted asimismo tratara de hacer cada
parte tan similar a las dems como sea posible. Para lograr esto, debe obtener y conservar el
control de sus operaciones.
Para controlar las condiciones de operaciones es necesario poder medirlas. Hace ms de 100
aos Lord Kelvin, un cientfico ingls, dijo:
Cuando es posible medir aquello de lo que se est hablando, y expresarlo en cifras, se sabe
algo de ello; pero cuando no es posible expresarlo con nmeros, el conocimiento.... no es
satisfactorio. Usted puede usar reglas, manmetros o termmetros para cuantificar una
dimensin pero las tcnicas del control estadstico de calidad se proporcionarn las
herramientas para medir el desarrollo de una operacin y expresarlo con nmeros. Observando
dichos nmeros, usted podr saber si la operacin est funcionando de modo correcto o si
necesita ajustes. Ms importante an, usted aprender a predecir como se presentar dicha
operacin en el futuro.
Con el uso de las simples tcnicas estadsticas comentadas en este libro, usted podr medir el
desarrollo de la operacin antes y despus de tomar acciones correctivas. Esto es cierto si
usted trata de controlar una operacin o de hacer que esta logre un nuevo y mejor nivel de
desempeo.
Este libro est dividido en siete mdulos. Al comienzo de cada uno usted encontrar una lista
de nuevos trminos utilizados en el mismo, los cuales se explicarn a medida que vaya
leyendo. Por conveniencia, todos los trminos nuevos se listan y se explican nuevamente en un
glosario que aparece al final del libro.
El Mdulo 1 da las ideas o principios bsicos que respaldan las tcnicas del control estadstico.
Estos principios se basan en las matemticas sin embargo, no le pediremos que profundice en
stas. Todo lo que se necesita es aceptar los principios bsicos y aprender a aplicarlos en su
trabajo.
El Mdulo 2 se refiere a los histogramas de frecuencia. Estas son las tcnicas estadsticas ms
simples que usted usar. De hecho es posible que ya este familiarizado con ellos. Los
histogramas son una forma conocida y fcil de objetivizar las desviaciones que se encuentran
al cuantificar la dimensin de una parte. Encontrar que muchos problemas de calidad pueden
resolverse usando los histogramas de frecuencia.
Las grficas de variables se comentan en el Mdulo 3. Estas grficas tienen el mismo tipo de
medida utilizado en los histogramas de frecuencia, pero de una manera diferente. Las tcnicas
estadsticas utilizadas para monitorear y controlar estas mediciones son la herramienta ms
poderosa y til que este libro ensea, ya que pueden darle la mayor informacin acerca de la
variacin en un producto con la muestra ms pequea.
El Mdulo 4, se refiere a los atributos, una forma diferente de medicin de la calidad. En el
lenguaje del control de calidad, un atributo es una medida de calidad que puede establecerse
como buena o mala. Una parte es defectuosa o no es; es aceptada o rechazada por medio
de un indicador de pasa/no pasa. Este tipo de resultados de inspeccin por lo general no se
considera como una dimensin, no obstante, las tcnicas estadsticas comentadas en el
Mdulo 4 le mostrarn como asignar nmeros a los resultados de las inspecciones de atributos.
Una vez que pueda asignar un nmero a su informacin, podr utilizar grficas de control para
mantener el control de calidad.
11
El Mdulo 5 se refiere a los anlisis de capacidad. Si se quiere controlar la calidad de los

productos, es necesario conocer la capacidad de sus procesos y operaciones, es decir, que
tan bien se cumplen los requerimientos de los clientes. Algunas de las mismas tcnicas que se
usan para controlar sus operaciones pueden utilizarse tambin para medir la capacidad.
Las herramientas de calidad son tiles no solo para controlar la calidad de productos y
procesos, sino tambin para identificar las causas de problemas en el rea de trabajo y
resolverlos. El Mdulo 6 muestra algunas tcnicas para solucin de problema. Aunque es
posible que no queden comprendidas bajo el titulo de control estadstico de calidad estas
tcnicas se estn haciendo cada vez ms importantes en los sistemas modernos de control de
calidad.
Si usted es un gerente de primera lnea o un ingeniero de calidad, le interesar el Mdulo 7,
puesto, que describe los elementos de un sistema de control de calidad. Este tambin comenta
algunos de los temas tratados en mdulos anteriores, desde el punto de vista gerencial y con
mayor profundidad.
Al final de los Mdulos 2, 3, 4, 5 y 6 usted encontrar problemas prcticos, que constituyen
aplicaciones tpicas de las herramientas de la calidad y le dar la oportunidad de usar sus
tcnicas de estadsticas. Las soluciones de los problemas se encuentran en una seccin por
separado al final del libro. Sugerimos poner especial atencin a las soluciones pues stas le
confirmaran lo que ha aprendido en dichos mdulos y le explicaran las ideas que respaldan los
problemas.
12
MODULO
Principios bsicos
NUEVOS TRMINOS DEL MODULO

(por orden de aparicin)
Distribucin de frecuencia Grfica de atributos

Curva normal de distribucin Grficas de promedio y rango
Diagrama de espina de pescado Promedio
Causas fortuitas o causa del sistema
Causas asignables Rango
Causas especiales R
Proceso estable Lmite superior de control
Histograma Lmite inferior de control
Dispersin del proceso Fuera de control
Desviacin estndar Dentro de control
Sigma (o) Grfica de grado de porcentaje de defectos
Limites de control Problema de solucin por ejecutivos
Grfica de Variables Problemas de resolucin en el rea
de produccin
Ha estado usted alguna vez tan enfermo como para estar en una cama de hospital, con una
enfermera tomndole la temperatura, el pulso, o la presin sangunea? Si es as, usted ya sabe
algo acerca del control estadstico de la calidad. Las lecturas que registra la enfermera en una
grfica son similares a las que usted registrar en su trabajo. Cuando usted est enfermo, el
doctor desea conocer lo que est normal y lo que no lo est en un organismo. Con esta
informacin l dar los pasos correctos para que usted se sienta bien.
El trabajo, como la gente, tambin puede enfermarse. Al igual que el doctor, usted necesita una
imagen de su trabajo. Usted necesita un registro actualizado de lo que sucede y que le indique
cundo est enfermo y que usted debe actuar para que mejore.
As como el mdico usa las lecturas de temperatura y pulso para mantenerse informado acerca
de las condiciones, usted utilizar las grficas de control para seguir las condiciones del
trabajo. Cuando se usan adecuadamente, las grficas de control muestran tres cosas:
1. Cuando se esta haciendo algo que no se debe.
2. Cuando no se est haciendo algo que se debe hacer.
3. Cuando se estn haciendo correctamente las cosas.
En resumen, las grficas de control le indicarn que tan bueno es su trabajo. Por lo tanto, le
dirn:
1. Que se desarrolla satisfactoriamente el trabajo.

o
2. Que algo ha salido mal necesita corregirse
Las grficas de control proporcionan seales de detenerse, seguir y permiten estar
orgulloso o observar con alarma (y buscar la causa del problema!).
Para utilizar estas herramientas estadsticas de una forma efectiva y provechosa, se deben
comprender algunos de los principios bsicos que respaldan las tcnicas estadsticas para el
control de la calidad. Tal vez usted sea una de las muchas personas que se sienten incmodas
13
al mencionarse la palabra estadstica, pero si se utilizan las tcnicas estadsticas para el

control de la calidad, no es necesario tener un conocimiento profundo de las matemticas, sino
slo aprender algunos principios bsicos. Comprender bien estos principios le permitir
comprender y utilizar las tcnicas de grfica de control enunciadas en este libro.
Todas las ideas y tcnicas descritas en este libro se basan en seis principios bsicos. El primer
principio es:
1. No hay dos cosas exactamente iguales.

La experiencia ensea que las cosas nunca son exactamente iguales. Cuando dos cosas
parecen ser idnticas por lo general decimos que son como dos gotas de agua. Pero cuando
observamos las dos gotas, distinguimos pequeas diferencias. Puede haber diferencias en el
tamao, la forma o en las imperfecciones. Para quien se dedica a fabricar partes, stas nunca
son idnticas. De una manera, las partes sern ligeramente diferentes en forma, tamao o
acabado.
A menudo queremos que las partes sean intercambiables, para lo que debemos hacerlas
idnticas; sin embargo, no hay dos partes exactamente iguales. Por lo tanto, deseamos
conservar las diferencias entre stas al mnimo. Para ayudarnos a hacerlo, utilizamos el
segundo principio bsico.
2. Las variaciones en un producto o proceso son medibles.

Ciertas variaciones son normales en un trabajo, las
cuales tienden a aumentar. Si no se trata de medir o
monitorear las variaciones normalmente esperadas,
tal vez est en serios problemas; es decir, todos los
procesos que no son monitoreados se caen. Por lo
que es necesario medir los resultados de cualquier
operacin para conocer si se est gestando un
problema.
Al revisar los resultados de un proceso u operacin,
rpidamente se observar alguna pauta o
caracterstica, la cual proporciona la base del tercer
principio:
Figura 1-1. Distribucin de frecuencia.
3. Las cosas varan de acuerdo con un patrn

determinado
Si se desea que este patrn tome forma, todo lo que
se debe hacer es registrar las lecturas de la dimensin
de una de las partes. Si se agrupan, se observar
cmo se forma un patrn despus de haber medido y
registrado varias de stas.
Una forma sencilla de demostrar este principio es
lanzar los dados cincuenta o ms veces y registrar el
nmero que aparece en cada tiro. Despus de algunos
tiros se observa un patrn que comienza a tomar
forma. A este patrn se le conoce como distribucin de
frecuencia y se muestra en la Figura 1.1.
-Figura 1-2. Curva en forma de campana
14
Una curva de distribucin de frecuencia se forma al trazar una lnea alrededor de los grupos.
Esta curva muestra ms lecturas hacia el centro y menos en los bordes. Como se puede
observar, la curva tiene la forma de una campana (Ver la Figura 1-2).
Una curva de distribucin de frecuencia se repetir tantas veces como se tomen lecturas. Este
hecho nos conduce al cuarto principio bsico.
4. Cada vez que se miden cosas del mismo tipo, la mayora de las lecturas tiende a
agruparse hacia el centro.
La mayor parte de las lecturas quedan cerca del centro. De hecho, los matemticos pueden
predecir con bastante exactitud el porcentaje de lecturas en diferentes secciones de la curva.
Esta prediccin se muestra en la Figura 1-3.
Figura 1-3. Porcentaje aproximados o

lecturas en diferentes secciones de la
curva de distribucin normal.
34% 34%
14% 14%
2% 2%
X
Que nos dice esta curva de una manera prctica?
Si medimos cada producto que sale de una mquina u operacin y agrupamos dichas
mediciones, observamos una curva similar a la que aparece en la Figura 1-3.
Si no tomamos cada pieza, sino que simplemente tomamos un puado y los medimos, las
probabilidades son de que 68 de cada 100 lecturas (34% + 34%) quedarn dentro de las
dos secciones centrales de la grfica que aparece en la figura 1-3; 28 de cada 100 (14% +
14%) caern dentro de las siguientes dos secciones, una a cada lado de las secciones
centrales; y por ltimo, 4 de cada 100 (2% + 2%) se ubicarn en las dos secciones de los
extremos.
Esto puede parecer un poco complicado, pero no se preocupe. Solo hay que recordar que las
lecturas en realidad tienden a agruparse hacia el centro tal como se demuestra en la curva de
campana. Esta curva en particular se conoce como curva normal de distribucin.
Todo lo anterior nos lleva al quinto principio bsico:
5. Es posible determinar la forma de la curva de distribucin para las partes fabricadas

por un proceso
Haciendo una agrupacin o una distribucin de frecuencia de las piezas fabricadas en un
proceso, podemos compararlas contra las especificaciones para esa dimensin. De esta
manera, podemos enterarnos de lo que hace el proceso en realidad en comparacin con lo que
queremos que haga. Si la comparacin es desfavorable, tal vez tengamos que cambiar de
proceso o de especificacin.
15
CAUSAS DE VARIACIN
El origen de las variaciones en un proceso est en alguna de las siguientes cinco reas;
materiales, mquinas, procedimientos, medio ambiente y operaciones.
Toda variacin en un producto es causada por alguna variacin en estas cinco reas, como se
ilustra en la Figura 1-4.
Figura 1-4. Diagrama del esqueleto del pez.
Materiales Mquinas
Dimensiones
Mtodos Medio Operaciones
El diagrama de la Figura 1-4 se conoce como diagrama del esqueleto del pez cuya funcin es
investigar los orgenes de los problemas en un proceso
Esto se comentar con ms detalle en un mdulo posterior.
La variacin observada al medir las piezas en un proceso, es resultado de dos tipos de causas.
En este libro las llamaremos causas fortuitas y causas asignables (Algunas personas las llaman
causas del sistema y causas especiales). Las causas fortuitas son aquellas contra las que
normalmente no podemos hacer nada; estn siempre dentro del proceso y forman parte de l.
Las causas asignables son aquellas contra las que si podemos hacer algo, ya que pueden
detectarse por no estar siempre activas en el proceso.
Si las variaciones en el producto (debidas a los materiales, las mquinas, los procedimientos, el
medio ambiente y los operarios) se deben solo a causas fortuitas, ste variar de una manera
normal y predecible. En este caso se dice que el proceso es estable. Queremos saber cmo
varia el producto bajo condiciones normales estables, es decir, cuando slo las causas fortuitas
contribuyen a la variacin. Entonces si ocurre algn cambio poco usual, y este cambio se
refleja en la curva normal de distribucin, y entonces se puede decir que ste es resultado de
una causa asignable y no slo de causas fortuitas.
Cuando las causas asignables se presentan, la curva se deformar y perder su forma
acampanada normal. La Figura 1-5 muestra algunas deformaciones tpicas en la curva normal
de distribucin.
Figura 1-5. Deformaciones de la curva normal.
D is t r ib u c i n n o r m a l L a s m e d id a s s e c a rg a n M e d id a s e n d o s g r u p o s
h a c ia la d e r e c h a
L o s e x t r e m o s d e la d is t r i b u c i n
M e d id a s e n d o s g r u p o s L a s m e d id a s s e c a rg a n
e s t n c o rta d o s . L a s p a r te s fu e ro n
d if e r e n te s s u p e r p u e s t o s h a c ia la iz q u i e r d a
c la s i fi c a d a s , p r o b a b le m e n t e
16
Esto nos conduce al sexto principio bsico
6. Las variaciones debido a causas asignables tienden a deformar la curva normal de

distribucin
Una distribucin de frecuencia es una lista de mediciones que muestran cuantas veces se
incluye cada medida en el grupo. El grupo de la Figura 1.1, que se form lanzando unos dados,
es una distribucin de frecuencia.
Una distribucin de frecuencia nos ayuda a determinar si las causas fortuitas son las nicas
que existen en un proceso o si tambin estn presentes las causas asignables. (existen
tcnicas estadsticas que pueden detectar cuando se presenta una causa asignable; este tema
se comentar ms adelante en este libro). Las distribuciones de frecuencia son herramientas
muy buenas para el control de calidad, debido a su simplicidad y constituyen un buen ejemplo
para ilustrar los seis principios bsicos.
Estos principios bsicos son la base para los mtodos de control de calidad que se mencionan
en este libro. Examinmoslas una vez ms antes de proseguir.
Figura 1-6. Los seis principios bsicos del control estadstico de la calidad.
1. NO HAY DOS COSAS EXACTAMENTE IGUALES. 4. CADA VEZ QUE SE MIDEN COSAS DEL MISMO TIPO LA MAYORA DE LAS
LECTURAS TIENDEN A AGRUPARSE HACIA EL CENTRO.
2. LAS VARIACIONES EN UN PRODUCTO O PROCESO SON IGUALES. 5. ES POSIBLE DETERMINAR LA FORMA DE LA CURVA DE DISTRIBUCIN
PARA LAS PARTES FABRICADAS PARA UN PROCESO.
3. LAS COSAS VARAN DE ACUERDO CON UN PATRN DETERMINADO. 6. LAS VARIACIONES DEBIDO A CAUSAS ASIGNABLES TIENDEN A
DEFORMAR LA CURVA NORMAL DE DISTRIBUCIN.
LAS HERRAMIENTAS DE LA CALIDAD

Para mejorar la calidad de los productos o para mantenerla en los niveles actuales, se debe
contar con los procesos estables. Los seis principios bsicos que hemos comentado conforman
la base de las tcnicas estadsticas que se utilizan para responder a las preguntas siguientes:
Estamos haciendo algo que no debemos hacer?

No estamos haciendo algo que deberamos hacer?
El proceso est operando en forma satisfactoria, o hay algn error que necesite
corregirse?
Las tcnicas comentadas en este libro pueden usarse como solucin a problemas especficos
de la calidad, pero su mayor valor se obtiene al usarlas diariamente para el control de la
calidad. Deben convertirse en un estilo de trabajo.
El objetivo debe ser demostrar que el trabajo se desarrolla de manera estable. Cuando se
hayan corregido todas las causas asignables la variacin se deber exclusivamente a causas
fortuitas.
Cuando la operacin es estable, entonces y slo entonces- ser posible conocer el nivel de
calidad. Cuando la operacin es estable, la productividad y la calidad son las mejores que se
puedan obtener con ese proceso.
Los mtodos del control estadstico de la calidad proporcionan una forma de ilustrar y controlar
la calidad por medio de las siguientes herramientas de calidad.
1. El histograma o distribucin de frecuencia

2. La grfica de control.
17
EL HISTOGRAMA O DISTRIBUCIN DE FRECUENCIA
Muchas familias acostumbran tomarse una fotografa

cada ao. As como una foto familiar es una instantnea
de un grupo de personas, el histograma es una
instantnea de un grupo de partes de un proceso
productivo, que muestra como opera este en proceso en
un momento dado.
Un histograma tiene una construccin simple. No es ms
que una distribucin de frecuencias puesta en forma de
bloques se comentar con ms detalle en el mdulo
siguiente; por ahora solo se dir que se requiere una
relacin de los dimetros de 100 bujes maquinados en
un torno.
Al terminar nuestra revisin, quiz la distribucin de
frecuencia sea la que se muestra en la Figura 1-7. Al
poner dicha distribucin en forma grfica se produce el
histograma que se muestra en la Figura 1-8. Al igual que
la foto familiar, cada histograma tiene una historia que
narrar.
Es posible responder a tres preguntas con slo darle un
vistazo a la forma del histograma:
Figura 1-7. Distribucin de
frecuencias
1. El proceso produce partes segn la curva

acampanada?
2. En dnde se encuentra el proceso?
3. Puede el proceso cumplir con las especificaciones
tcnicas?
SPEC. Examinemos cada una de estas preguntas en los

trminos del histograma de la Figura 1-8.
1. El proceso produce partes segn la curva

acampanada?
Ya que el histograma tienen una forma ms o menos
acampanada para fines prcticos podemos decir que:
a. El proceso parece normal y estable.
b. Las variaciones generalmente se deben a causas
fortuitas. No obstante, cuando el histograma no
presenta una forma acampanada.
a. El proceso no es normal
b. Las causas asignables influyen en las variaciones. En
casos especiales una distribucin de frecuencia o el
histograma de las mediciones de un proceso estable
no presentarn una curva normal, pero en la mayora
de las operaciones de manufactura, las medidas de
.5 6 1 7
.5 6 2 3
.5 6 2 2
.5 6 2 1
.5 6 2 0
.5 6 1 9
.5 6 1 8
un proceso estable igualarn la curva normal.
Figura 1-8. Histograma
18
2. En donde est el centro del proceso?

El promedio del histograma y el punto central de la especificacin estn juntos; por lo tanto,
el proceso est bien centrado.
Cuando el promedio del histograma y el punto central de la especificacin estn separados,
entonces el proceso necesita algn ajuste.
3. Puede el proceso cumplir las especificaciones tcnicas?
La dispersin del proceso queda dentro de los lmites de las especificaciones; por lo tanto,
se estima que el proceso cumple con las especificaciones tcnicas.
Recuerde el histograma es simplemente una instantnea del proceso. Si tomamos otros datos
en otro momento, el panorama puede ser muy diferente. No obstante, la informacin que
tenemos sobre este proceso nos indica que cumple con las especificaciones tcnicas.
La gente de produccin por lo general se toma opiniones sobre la calidad de las partes que
fabrican, basados en mucha menos informacin de la que tenemos en el ejemplo antes
mencionado. Es mucho ms conveniente y seguro usar una tcnica estadstica, como nosotros
lo hicimos, para ver como va el trabajo antes de decidir que tan buenas o malas resultaron las
partes. Recuerde el antiguo adagio: Una imagen vale ms que mil palabras. Poca gente
puede ver una serie confusa de datos y observar las mismas cosas que se notan despus de
organizar la informacin grficamente.
Una vez que comience a pensar estadsticamente respecto al trabajo, usted descubrir que
desea obtener informacin verdica y organizada de manera apropiada. Con este mtodo,
usted podr tomar decisiones acertadas basados en hechos en vez de ofrecer opiniones que
se fundamentan solo en el hecho de haber medido unas cuantas piezas.
La dispersin de proceso est determinada por la forma de la curva. Cuando sta se compara
contra la especificacin, es posible determinar cuando se producen partes fuera de
especificacin. Cuando el ancho de la curva es mayor que la especificacin, o cuando un
extremo la excede, se puede estimar el nmero de piezas que quedan fuera de rango.
Posteriormente se comentar este tema con mayor detalle, pero un vistazo a la curva normal
de la Figura 1-9, mostrar que dicha dispersin es posible. Ms adelante se observar esta
curva de nuevo, con porcentajes establecidos con ms precisin de la que se muestran en esta
figura.
La curva en la Figura 1-9 muestra tambin desviaciones estndar. Las secciones de la curva
estn marcadas con el smbolo (sigma). Este smbolo denota la desviacin estndar de una
curva normal. Esta se calcula matemticamente y puede estimarse en forma grfica, pero en
este momento slo diremos que es una cifra que describe cmo se agrupan las medidas
alrededor del centro de la curva normal.
En la figura 1-9, una curva normal se compara con la especificacin; 2% de las piezas a cada
extremo, o 4% en total, quedarn fuera de especificacin. Estas secciones de la curva estn
sombreadas en la Figura 1-9.
Figura 1-9. Curva normal
34% 34%
14% 14%
2% 2%
x - 30 x - 20 x - 10 x - 10 x - 20 x - 30
X
19
La distribucin de frecuencia y el histograma se usan para los siguientes propsitos:
Evaluar o revisar los procesos.

Indicar la necesidad de tomar acciones correctivas.
Medir los efectos de dichas acciones correctivas.
Comparar el rendimiento de las mquinas.
Comparar los de materiales.
Comparar proveedores.
La distribucin de frecuencia y el histograma son como una instantnea o una imagen de un
proceso en un momento dado. Debido al tiempo necesario para reunir y registrar las
mediciones para una distribucin de frecuencia, no es prctico hacer ms de unas pocas
distribuciones por da. Entre una y otra distribuciones, puede cambiar el proceso, resultando
muchas piezas defectuosas. Cualquier accin correctiva despus de haber producido piezas
defectuosas, es como tapar al pozo despus del nio ahogado.
Por esta razn, las distribuciones de frecuencia o los histogramas representan una buena
herramienta estadstica para los propsitos antes listados, pero no slo muy convenientes para
monitorear el nivel de calidad de un proceso en marcha. Para monitorear se cuenta con otra
til herramienta: la grfica de control.
LA GRFICA DE CONTROL
Si la distribucin de frecuencia es como la fotografa de un proceso, entonces una grfica de
control es como una pelcula una serie contina de fotos pequeas. Una grfica de control es
un registro de los resultados de pequeas inspecciones peridicas.
La grfica de control es un registro continuo del trabajo informa cundo el proceso se
desarrolla adecuadamente y cundo necesita atencin.
La grfica de control es una buena herramienta, le muestra cundo se tienen un problema y
cundo se ha corregido dicho problema con xito.
Algunas personas creen poder decir si un trabajo est bien realizado con slo mirar una o dos
piezas, o por medio de algn tipo de poderes msticos. La mayora de nosotros no necesitamos
esos poderes, sino establecer lmites de control para nuestras grficas de control.
Los lmites de control son las lneas en la grfica dentro de las cuales es posible operar con
seguridad. Estos lmites se basan en el desempeo pasado, y muestran lo que podemos
esperar de los procesos, siempre y cuando nada cambie. Cada vez que se revisa el trabajo, se
comparan los resultados contra los lmites de control. Si los resultados estn dentro de dichos
lmites, no hay problema. Pero si alguno de los puntos en una grfica de control queda fuera de
ellos, sabemos que algo ha sucedido y que el trabajo ya no es normal. Cuando esto sucede,
hay que actuar para corregir la situacin.
En otras palabras, los lmites de control son seales de advertencia que indican:
1. Cundo actuar.
2. Cundo dejar el trabajo tal como est. Esto no necesariamente significa que no haya
problema, sino que se debe adoptar una tcnica diferente para identificarlos.
Hay dos tipos bsicos de grficas de control:
1. Grfica de Variables
Este tipo de grficas se usa cuando se mide una dimensin o caracterstica y el resultado
es una cifra.
2. Grfica de Atributo
Este tipo de grfica se usa cuando una dimensin o caracterstica no se mide con cifras,
sino que se considera buena o mala.
20
GRAFICAS DE VARIABLES
Grfica de Promedios y Rango
Por lo general, la grfica de promedio de rango es la ms utilizada de las grficas de variables.
Es posible utilizare otras varias grficas de variables, pero tomaremos como ejemplo la de
promedio y rango.
El ejemplo aqu mostrado est tomado de una operacin de limado de bujes. Se midi el
dimetro y los resultados se registraron en una grfica de control (Ver la figura 1-10). El
dimetro especificado para estos bujes es de 6250 pulgadas .0003 de pulgada. La grfica
muestra mediciones y registros de partes cada hora. El desempeo es por un periodo de ocho
horas. Veamos el desarrollo de la grfica.
El trabajador, o un inspector, revis el trabajo cada hora tomando una muestra de cinco piezas
y midiendo el dimetro de cada una.
En la grfica, donde dice medidas de la muestra se observan pequeos nmeros.
Obviamente estos no representan la medida completa que el operador tomo. Este trabajo es
una operacin de esmerilado de precisin, que requiere medidas de diezmilsimas de pulgada.
Los nmeros son pequeos porque no es fcil escribir la lectura completa en el espacio
correspondiente en la grfica de control. Sera muy engorroso sumar y dividir las cifras
completas de la medicin. En lugar de esto, el operario ha utilizado una tcnica para codificar.
La primera dimensin medida y registrada a las 8:00 fue de .6249 pulgadas. Esto es .0001 de
pulgada menos que el dimetro especificado de .6250, as que se registr como 1. Las
21
Figura 1-10. Grfica de promedio y rango

lecturas en esta grfica de control estn codificadas para mostrar el dimetro del buje en
diezmilsimas de pulgada. Cuando la lectura es de .6250, se registra como cero. Si se
observa .6251 se registra como ms 1 (+1 o 1). Si se mide un dimetro de .6248, se registra
como menos 2 (-2). Este mtodo simplifica mucho la aritmtica necesaria en esta grfica.
Para esta grfica se toma una muestra de cinco piezas cada hora. Despus se suman las cinco
lecturas, y el total se anota en la lnea que dice suma. Despus se obtiene el promedio de las
cinco lecturas dividiendo el total, o la suma, de las lecturas entre el nmero de partes medidas
(cinco, en este caso), y se escribe en la lnea de promedio. El promedio es marcado como un
punto en la grfica. Tambin se le llama (pronunciado como X testada).
Otro aspecto que debe registrarse en la grfica es el rango. Encontramos el rango (o R, como
se llama) restando la menor de las cinco lecturas de la mayor. El resultado se registra en la
lnea rango de la grfica y se traza como un punto en la grfica de rango.
Como se puede ver, la grfica de promedio y rango se compone en realidad de dos grficas. La
grfica de promedios se utiliza para monitorear la exactitud de la operacin en la dimensin
especificada y la grfica de rango para monitorear la dispersin de la dimensin respecto al
promedio.
Se observar en la grfica unas lneas marcadas con LSC y LIC, que significan lmite superior
de control y lmite inferior de control.
El lmite superior (LSC) el lmite inferior de control (LIC), son aquellos dentro de los cuales se
espera que permanezcan los puntos registrados. Si un punto queda fuera de stos, se dice que
el trabajo est fuera de control.
En el ejemplo se observa que uno de los puntos del promedio qued fuera del lmite de control
superior a las 11:00 horas. Esto indica que algo est distorsionando la distribucin normal en el
dimetro del buje. Se realiz un ajuste a la rueda de esmeril y la operacin qued nuevamente
bajo Control.
GRAFICAS DE ATRIBUTOS
Las grficas de atributos, con los resultados de inspeccin pasa / no pasa o bueno / malo se
utilizan asignando en valores a los resultados. Al hacer esto, es posible utilizar una tcnica
estadstica para monitorear y controlar esos valores.
Existen varias grficas diferentes de atributos, que se comentarn con ms detalle en el
Mdulo 4. Por ahora, como simple ilustracin, se tomar una grfica de atributos usada para
monitorear una primera operacin en los bujes antes mencionados.
Este trabajo fue una operacin de esmerilado grueso, para preparar el buje para el esmerilado
de precisin. El dimetro especificado para el buje en esta operacin fue .625 pulgadas .003
de pulgada, una tolerancia mucho mayor que la permitida para la operacin de precisin. No
es raro que en tales operaciones se use un medidor de "pasa" y "no pasa". Estos indicadores
sealan si la parte esta dentro de los lmites de calibracin establecidos o no, y cuando no lo
est. No proporciona lecturas reales.
No es posible utilizar una grfica de promedio y rango para este tipo de informacin. En lugar
de eso se usa una grfica de atributo. Un tipo de sta comnmente usado es la grfica de
porcentaje defectuoso, que se muestra en forma simplificada en la figura 1-11.
2 0
Figura 1-11. Grfica de porcentajes de 1 6
defectuosos. L S C L im it e S u p e r io r d e c o n tro l
1 2
% de fe ctuo so
L IC L im ite in fe r io r d e c o n tr o l
F e c h a 8 /1 1
10 :30
11:00
11:15
8:05
9:00
9:40
1:00
1:40
2:30
3:00
3:30
4:00
5:00
H o ra
22
Los puntos en est grfica se obtuvieron al revisar una muestra de cincuenta piezas en cada
inspeccin. El operario, o un inspector, midi las piezas, cont la cantidad rechazada por el
calibrador y calcul el porcentaje defectuoso en la muestra de cincuenta piezas. El valor del
porcentaje se traz entonces en la grfica de porcentaje defectuoso.
Una vez ms, los puntos dentro de los lmites de control indican que todo es satisfactorio,
mientras que el punto fuera del lmite superior de control (LSC) indica que algo necesita ser
corregido.
RESUMEN
Mas adelante en este libro, se aprender a desarrollar estas grficas de control, sus lmites de
control y la forma de interpretarlas. Por ahora, es posible observar que son herramientas
estadsticas que se basan en unos cuantos principios fundamentales fciles de entender.
El mayor uso de las grficas de control es para demostrar que el proceso est operando dentro
de un control estadstico (es decir, todos los puntos en la grfica quedan dentro de los limites
superior e inferior de control, pero aun as se producen partes fuera de especificacin. Cuando
esto sucede se pierde tiempo al tratar de solucionar el problema ajustando el proceso. Es
posible hacer estos ajustes o tomar estas acciones correctivas slo cuando estn presentes las
causas asignables.
Cuando un proceso est bajo control estadstico, la nica variacin observable en el proceso es
debido a causas fortuitas. Incluso aquellas partes que han quedado fuera de los lmites de
especificacin son resultado de la probabilidad. No se encontrar una causa asignable para
explicar esa variacin. La nica forma de solucionar de manera efectiva este problema es hacer
un cambio bsico en el proceso. A esto generalmente se le llama problema de solucin
gerencial.
Por otro lado, si la grfica de control indica que el proceso esta fuera de control estadstico,
indica la presencia de una causa asignable, que puede localizarse y corregirse. Esto se conoce
como problema de solucin en el piso, y es el tipo de problemas que la mayora de los lectores
enfrentan a diario en el trabajo.
A menudo se dice que el 85% de los problemas de calidad tienen solucin gerencial y el 15%
tienen solucin de piso. Los mtodos estadsticos de control de calidad ayudan a detectar la
existencia de causas asignables o de soluciones que deban tomarse en el taller que por lo
general se identifican y corrigen.
Aquellas personas que carecen de informacin sobre el uso de mtodos estadsticos para el
control de calidad pueden decir: Todo esto est muy bien, pero cmo puedo utilizarlo en mi
rea de trabajo?. La respuesta puede darse en una sola palabra: si! una grfica de control
puede usarse para cualquier cosa a la que pueda asignrsele un valor.
Para quienes estn interesados en usar las grficas de control para mantener y mejorar la
calidad del trabajo y sus productos, es necesario aprender a pensar estadsticamente. Todas
las tcnicas estadsticas que usted encontrar en este libro tienen su fundamento en los
principios bsicos, y la comprensin de dichos principios le ayudar a entender y a usar las
grficas de control estadstico.
23
MODULO
Histogramas de
frecuencia
NUEVOS TRMINOS EN EL MODULO 2

(en orden de aparicin)
Histograma de frecuencia Puntos medidos

Intervalos o intervalos de clase Distribucin principal de frecuencia
Lmites
QUE ES UNA VARIACIN?

Suponga que usted y un amigo van a tirar al blanco. Su amigo carga el rifle, apunta, dispara y
da en el blanco. Llegara usted a la conclusin con base en este solo tiro de que su amigo es
un excelente tirador, tal vez como para participar en la Olimpiada? O pedira usted ver algunos
tiros ms?
Suponga que le pregunta a un agente de viajes sobre la temperatura en un lugar de descanso
donde quiere pasar unas vacaciones. El agente le dice, 24 grados. Esa sola cifra le dice lo
suficiente, o querra usted saber la temperatura que hubo durante un cierto periodo?
Suponga que su jefe quiere conocer la resistencia a la ruptura de la produccin de un da de
mangueras de frenos. Quedar satisfecho si se le presenta una sola cifra de 1200 libras por
pulgadas cuadrada?
Creemos que usted contestar no a cada una de estas preguntas. Es probable que el tirador
haya dado en el blanco por casualidad, pero que no lo vuelva a hacer en la siguiente hora de
tiro. Para el lugar de vacaciones, es necesario saber si 24 grados es la temperatura para el
verano o para el invierno, de noche o de da. Su jefe necesita saber la resistencia mayor y la
menor de las mangueras de freno. Una sola medida no es suficiente.
Por qu no? Porque como se dijo antes, no hay dos artculos exactamente iguales. Hay
variaciones. Es preciso conocer varios ejemplos para poder decir que tan bueno es el tirador;
cuales son las temperaturas en el lugar de descanso; y qu tan consistente es la resistencia a
la ruptura.
La variacin es natural. Se encuentra en muchos, si no en todos, los procesos. A veces al mejor
tirador se le escapa un tiro; las temperaturas varan, hasta en un lugar de veraneo; la
resistencia a la ruptura en las mangueras de freno no es siempre igual. La variacin es comn
e inesperada.
HISTOGRAMA DE FRECUENCIA
El histograma de frecuencia es una herramienta que ayuda a seguir con atencin las
variaciones. Como se mencion en el Modulo 1, un histograma de frecuencia es una
instantnea de un proceso que muestra (1) la dispersin de las lecturas y (2) que cantidad
hay de cada lectura. La Figura 2-1 nos ilustra sobre estos puntos.
24
Figura 2-1. Histograma de frecuencias:
En la figura 2-1, que es un histograma de frecuencias, el margen inferior de la grfica, llamado

escala horizontal, registra las distancias entre los centros de dos agujeros de remache en
treinta minutos de produccin de balatas. Ntese que las medidas estn ordenadas de
izquierda a derecha. En este ejemplo, cada medicin en realidad representa un grupo o tipo de
medidas: 55.6 representa todas las medidas o lecturas desde 55.55 hasta 55.64 milmetros;
55.7 representa medidas desde 55.65 hasta 55.74 milmetros y as sucesivamente.
La escala vertical en el margen izquierdo registra la frecuencia con que se presenta cada
medicin. Como se puede ver, no hay medidas en la categora de 55.5 m.m. (55.45 a 55.54);
hay tres de 55.6 mm. (55.55 a 55.64); ocho de 55.7 mm (55.65 a 55.74); y as sucesivamente.
La Figura 2-1 dice mucho acerca de la variacin. Las medidas varan desde aproximadamente
55.6 mm para la distancia ms corta entre los agujeros de remache hasta cerca de 56.2 mm
para la ms corta entre los agujeros de remache hasta cerca de 56.2 mm para la ms larga. La
distancia ms frecuente es de 55.9 mm. La medida del centro, o promedio, es ms o menos de
55.9 mm. Este histograma de frecuencia dice todo esto de manera rpida y fcil, sin formulas o
tablas.
An as, los histogramas de frecuencia no dicen todo sobre la variacin. Por ejemplo, el
histograma en la Figura 2-1, no dice si las variaciones fueron causadas por una sola mquina o
por varias. Tampoco indica relaciones de tiempo. Es decir, no es posible indicar, en base a la
Figura 2-1, si la primera balata medida fue en la categora de 56.2 mm., la siguiente en la
categora de 56.1 mm, y as sucesivamente hasta la categora de 55.6 mm, lo cual indicara
que la mquina estaba reduciendo los espacios. Seria posible que la mquina aumentara, en
lugar de reducir los espacios? Estaba mal programada? El histograma de frecuencia no
proporciona informacin en funcin del tiempo.
Antes de comentar lo que pueden o no hacer los histogramas de frecuencia, a continuacin se
ver como desarrollar uno.
COMO FORMAR UN HISTOGRAMA DE FRECUENCIAS

En esta seccin se seguir paso a paso la formacin de un histograma de frecuencia. Cada
paso se describir con detalle y se ilustrar con un ejemplo.
Paso 1. Reunir las lecturas.

Con un poco de suerte, las lecturas estarn en los reportes de inspeccin. De no ser as, tal
vez sea necesario compilarlas de varios lugares. Dividir las lecturas en dos grupos ms
pequeos para poder manejarlos con facilidad.
25
Una compaa fabrica motores elctricos pequeos. Del centro del motor sale la flecha de rotor,
que es la parte que conduce la potencia. La flecha debe tener un cierto juego longitudinal; es
decir, debe poder moverse libremente hacia atrs y hacia adelante. Si no hubiera juego, el
motor se quemar y un motor con demasiado juego no funcionar.
Un operario ha tomado 50 lecturas para ver si los motores cumplen con la especificacin (Ver
tabla 2.1).
Como se mencion en el Mdulo 1, puede medirse la variacin en un producto o proceso. La
Tabla 2-1 contiene una lista de mediciones que muestran las variaciones en el juego.
Considerar que cada una de las cinco columnas de la tabla corresponden a un grupo de datos.
En cada grupo hay solamente diez lecturas, as que ser fcil trabajar con ellos.
Paso 2. Encontrar y marcar la lectura ms alta y la ms pequea de cada grupo
Encerrar en un crculo las lecturas ms altas y en cuadrado las ms pequeas. Revisar el
trabajo.
En la tabla 2-2 se ha dibujado un crculo alrededor del a lectura mayor de cada columna y un
cuadrado en la ms pequea. Despus se revis cada columna.
TABLA 2-1
Juego axial de la flecha (.001 pulgada)
32 44 44 42 57
26 51 23 33 27
42 46 43 45 44
53 37 25 38 44
36 40 36 48 55
47 40 58 45 38
32 39 43 31 45
41 37 31 39 33
20 50 33 50 51
28 51 40 52 43
TABLA 2-2
Juego axial de la flecha. Las lecturas mayores y menores
estn marcadas en cada columna
32 44 44 42 57
26 51 23 33 27
42 46 43 45 44
53 37 25 38 44
36 40 36 48 55
47 40 58 45 38
32 39 43 31 45
41 37 31 39 33
20 50 33 50 51
28 51 40 52 43
26
Paso 3. Encontrar la lectura mayor y la menor de toda la serie

Encerar en un doble crculo la lectura mayor, y en un doble cuadrado la menor. Revisar el
trabajo.
El paso 2 se trabaj con grupos pequeos de lecturas, y fue fcil encontrar las mayores y las
menores de cada grupo. Ahora, en el Paso 3, observar nicamente los nmeros encerrados en
crculos o cuadrados. En la Tabla 2-3, el nmero 58 es la lectura ms alta de todos los
encerrados en crculo. Dibuje otro crculo. El nmero 20 es la lectura ms pequea de las
puestas dentro de cuadrados. Dibujar otro cuadrado. Revisar el trabajo y asegurarse de haberlo
hecho correctamente.
TABLA 2-3
Juego axial de la flecha. Se marcaron las lecturas ms altas y ms
bajas de toda la serie
32 44 44 42 57
26 51 23 33 27
42 46 43 45 44
53 37 25 38 44
36 40 36 48 55
47 40 58 45 38
32 39 43 31 45
41 37 31 39 33
20 50 33 50 51
28 51 40 52 43
Tal vez se piense que este procedimiento toma demasiados detalles, pero es necesario tener
dos cosas en mente. En primer lugar, este libro se escribi pensando que usted est
aprendiendo esta tcnica por primera vez. Una vez que la haya aprendido y practicado, usted
podr avanzar rpidamente. En segundo lugar, estamos proporcionndole detalles que la
facilitarn el uso de la tcnica y le evitarn cometer errores. El dividir esta serie de lecturas en
grupos ms pequeos simplifica encontrar las cifras mayor y menor de cada grupo. Entonces
es ms fcil localizar el nmero ms alto y ms pequeo de todos. Debido a que usted dividi
las medidas en grupos ms pequeos, podr revisar con mayor facilidad el trabajo y reducir la
probabilidad de errores.
Peso 4. Calcular el rango de las medidas
Restar el nmero ms pequeo del ms alto. El nmero ms alto es 58 y el ms pequeo es
20, por lo tanto el rango es de 38.
El ms grande menos el ms pequeo equivale al rango.
58 20 = 38
Paso 5. Determinar los intervalos (tambin conocidos como intervalos de clase) del
histograma de frecuencia.
De los pasos anteriores ya se conoce que las medidas cubren un intervalo desde 20 hasta 58.
Ahora se divide este intervalo en una serie de intervalos ms pequeos de la misma amplitud.
Una regla prctica es usar alrededor de diez intervalos, pero esta cantidad no siempre
funciona. Vase la Tabla 2-4.
27
TABLA 2-4
Gua para determinar el nmero de intervalos
Nmero de Lecturas Nmeros de intervalos

Menos de 50 5 to 7
50 to 100 6 to 10
101 to 150 7 to 12
ms de 150 10 to 12
Es importante saber elegir la cantidad correcta de intervalos para el nmero de lecturas. Si los
intervalos son pocos, tal vez ocultarn informacin valiosa. Si los intervalos son pocos, tal vez
ocultarn informacin valiosa. Si los intervalos son demasiados, probablemente conformen un
histograma tan plano que se pueda omita algo importante. Es necesaria esa habilidad para
elegir el nmero correcto de intervalos para mostrar la informacin necesaria en el histograma.
Esta habilidad se adquiere con la prctica.
Trataremos con ocho intervalos de clase para nuestros datos, ya que la Tabla 2-4 recomienda
de seis a diez intervalos para 50 lecturas.
Paso 6. Determinar intervalos, lmites y puntos medios
Primero, dividir el rango de los datos entre el nmero de intervalos deseado. Redondear este
resultado, si es conveniente. Esto indicar la amplitud de cada intervalo.
El rango de la serie de 50 observaciones es 38. Al dividirlo entre 8 (el nmero de intervalos), el
resultado ser 4.75.
38/8 = 4.75
Si se redondea 4.75 a 5.0, ms fcil para trabajar, se podrn agrupar los datos en ocho
intervalos, de 5.0 unidades de ancho cada uno.
Despus, se establecen los lmites para cada intervalo. Cada lectura debe quedar entre dos
lmites, por las razones que a continuacin comentaremos.
Puesto que la lectura ms pequea es 20, es lgico que el primer intervalo vaya desde 20
hasta 25, el segundo del 25 al 30 y as sucesivamente debido a la decisin de hacer los
intervalos de 5.0 unidades de ancho. Pero si hubiera una lectura exactamente de 25, habra
que decidir si dicha lectura se anota en el primer intervalo (20 a 25) o en el segundo (25 a 30).
Los lmites resuelven este problema. Se deben establecer limites entre los intervalos y stos
deben determinarse de tal manera que ninguna lectura quede exactamente sobre ellos. La
manera fcil de hacerlo es sumar o restar un decimal de cada lmite extremo, ya que los datos
de la Tabla 2-3 no tienen decimales. Restar 0.5 a cada intervalo. Esto cambiar el lmite de 20
a 19.5, de 25 es 24.5 y as sucesivamente. En este caso se rest, pero igualmente se podra
sumado 0.5 al punto extremo de los intervalos.
Ahora, ninguna lectura puede quedar sobre un lmite, resolviendo as el problema. El primer
intervalo va desde 19.5 hasta 24.5, el segundo de 24.5 a 29.5 y as sucesivamente. La tabla 2-
5 tiene ocho intervalos, de 5.0 unidades de amplitud cada uno.
Por ltimo, se debe establecer un punto medio en el centro de cada intervalo. (Es
perfectamente aceptable redondear la cifra). El primer intervalo va de 19.5 a 24.5, con una
amplitud de 5.0 unidades. La mitad de dicha amplitud es 2.5. Sumar 2.5 al lmite inferior. El
resultado es 22, que es el punto medio del primer intervalo. Establecer todos los puntos medios
de la misma manera, obteniendo resultados de 27, 32 y as sucesivamente, como se muestra
en la Tabla 2-5.
28
TABLA 2-5
Puntos medios, intervalos y limites para las tolerancias del juego axial
de la flecha
PUNTOS MEDIOS INTERVALO LIMITES

22 20-24 10.5-24.5
27 25-29 24.5-29.5
32 30-34 29.5-34.5
37 35-39 34.5-39.5
42 40-44 39.5-44.5
47 45-49 44.5-49.5
52 50-54 49.5-54.5
57 55-59 54.5-59.5
Paso 7. Determinar las frecuencias

Anotar una marca en cada intervalo de clase. Despus de revisar las marcas, sumarlas y listar
los totales bajo el ttulo de Frecuencia. Como una revisin final, hay que sumar todas las
cifras de la columna titulada Frecuencia. Este gran total deber coincidir con el nmero total
de lecturas.
Usando la estructura de la Tabla 2-5, registrar un nmero de la Tabla 2-3 y poner una marca a
un lado del intervalo en donde corresponda dicho nmero. El primer nmero de la Tabla 2-3 es
el 32, as que se debe poner la marca a un lado del intervalo 29.5 a 34.5 (Ver la Tabla 2-6).
Al observar la Tabla 2-6 completa, se notara que hay dos marcas en el intervalo de 19.5 a 24.5.
en el tercer intervalo de 29.5 a 34.4, se hicieron cuatro marcas as //// y las atravesamos con
una lnea horizontal, de esta manera ////. Despus aadimos dos marcas ms. Para un total de
siete en este intervalo: //// //. Este mtodo facilita el conteo de las marcas y reduce el margen
de error.
Una vez hechas todas estas marcas, hay que revisarlas repitiendo la operacin. Despus se
totalizan las marcas para cada intervalo en la columna de Frecuencia.
Existen dos maneras de revisar las marcas. Primero contndolas, as como las marcas de la
revisin para asegurarse de que los resultados coinciden. Despus se anotan las entradas en
la columna de Frecuencia. La suma es 50, que representa el total de lecturas de la Tabla 2-3.
TABLA 2-6
Marcas y frecuencia de lectura en cada intervalo
PUNTO MEDIO INTERVALO LIMITES MARCA VERIFICACIN FRECUENCIA

DE MARCAS
22 20-24 19.5-24.5 || || 2
27 25-29 24.5-29.5 |||| |||| 4
32 30-34 29.5-34.5 |||| || |||| || 7
37 35-39 34.5-39.5 |||| ||| |||| ||| 8
42 40-44 39.5-44.5 |||| |||| ||| |||| |||| ||| 13
47 45-49 44.5-49.5 |||| | |||| | 6
52 50-54 49.5-54.5 |||| || |||| || 7
57 55-59 54.5-59.5 ||| ||| 3
50
29
Paso 8. Preparacin del histograma de frecuencia

Deben observar dos objetivos principales al preparar un histograma de frecuencia:
- Decir lo que dicen los datos, ni ms ni menos.
- Ser claro y fcil de leer.
Para trazar el histograma de frecuencia se debe.
- Marcar la escala vertical y darle un titulo.
- Marcar la escala horizontal y darle un titulo tambin.
- Dar un titulo al histograma.
La figura 2-2 muestra las marcas en la forma de un histograma de frecuencia:
Figura 2-2. Histograma de

frecuencias para juego axial de
la flecha
La escala vertical tiene el titulo de frecuencia y la escala horizontal el de Tolerancia de la

Flecha. Los intervalos se identifican por sus puntos medios. (El intervalo de 19.5 24.5 tienen
el nmero 22, y as sucesivamente) La barra para el punto medio 22 tiene una altura de dos
unidades, para el punto medio 27 tiene cuatro unidades, y as sucesivamente. Cada barra
tienen una anchura de cinco unidades: la primera va desde 19.5 a 24.5, la segunda desde 24.5
a 29.5 y as sucesivamente. Por ltima, el ttulo en la esquina superior izquierda Histograma de
Frecuencia para Tolerancia de la Flecha es el que identifica al histograma.
El histograma dice lo mismo que la informacin? Veamos. Primero tenemos ocho barras en el
histograma. La tabla 2-4 recomienda de seis a diez intervalos para una serie de 50 lecturas, por
lo tanto, ocho intervalos son convenientes. De acuerdo con lo que sabemos, no hay nada
inslito en la informacin que no se muestre en el histograma, por lo tanto consideraremos que
este histograma refleja la historia de la informacin.
El histograma es claro y fcil de leer? Se pude hacer ms atractivo a la vista de varias formas,
como lo hicimos aqu: pegando el papel para grficas sobre un fondo blanco y escribiendo en el
fondo; las frecuencias y los puntos medios son fciles de leer; que el histograma no sea
demasiado alto, ni demasiado bajo, ni demasiado ancho, ni demasiado angosto.
Especialmente, que sea lo ms sencillo posible. No se debe incluir informacin adicional ni
superimponer otro histograma sobre este.
30
ALGUNAS PRECAUCIONES
Al preparar un histograma se deben cuidar varios puntos, de manera que el histograma sea
una imagen de la informacin que representa. La siguiente gua ayudar a lograrlo.
1. Usar intervalos del mismo ancho. Los intervalos de anchuras distintas tienden a ser
confusos. La figura 2-3 es deficiente por que el lector puede pasar por alto el hecho de que
las distancias de embarque no aumentan de diez en diez unidades entre intervalos.
La Figura 2-4 es tan deficiente como la anterior. Que intervalo tiene ms lecturas, el del
punto medio 35- o el del punto medio 65-? Cul es ms grande, el del punto medio 10- o
el 95-? El lector no obtendr la informacin que esperaba.
Figura 2-3. Intervalos de

anchura desigual
Figura 2-4. Intervalos

de anchura desigual
31
2. No usar intervalos abiertos. Es decir, que cada intervalo tenga lmites definidos. La Figura
2-5 es un ejemplo de un histograma con intervalos abiertos. Cul es el punto medio
adecuado del intervalo 40+? Podra ser de varios millones segn el histograma.
Figura 2-5. Intervalos

abiertos
3. No cortar en las escalas vertical u horizontal. Al hacerlo, quiz sean pasadas por alto.
Nota usted que en la figura 2-6 el primer intervalos es siete veces ms alto que el
segundo? y nota usted que los dos intervalos en el extremo derecho, el 90 y el 100, estn
ms separados de los dems?
Figura 2-6. Cortes en las escalas

horizontal y vertical
4. No poner demasiados intervalos ni muy pocos. La Figura 2-7 indica millas por galn de
gasolina, pero solo cuenta con dos intervalos. Con tan pocos intervalos, el histograma
oculta el hecho de que existe una lectura anormalmente alta de 25.21 millas por galn, muy
distinta de todas las dems. El primer intervalo va de 7.00 a 16.99, pero no hay forma de
decir, partiendo de este histograma, que la mayora de las lecturas quedaron en uno de los
extremos de dicho intervalo.
32
Figura 2-7. Pocos

intervalos
En la figura 2-8 se muestra el otro extremo. Hay intervalos en este histograma que el eje
horizontal es muy largo, y es tan plano que es muy difcil ver el patrn de frecuencias. La Figura
2-2, basada en la misma informacin, es mucho mas clara. Posteriormente hablaremos ms
cerca de esto.
Figura 2-8. Demasiados intervalos
5. No poner demasiada informacin en un histograma. Esto puede ser confuso. La Figura 2-9
combina dos histogramas en una sola grfica. Uno indica las millas por galn de un
Figura 2-9. Demasiada

informacin
33
Oldsmobile y el otro de un Dodge

Colt. La Figura es un desorden.
Sera interesante estudiarla
cuidadosamente para ver que hay
all, pero la mayora de la gente la
observar de paso en un
parpadeo, y seguir adelante,
esperando encontrar algo ms
comprensible. Puesto que ambos
histogramas se sobreponen y se
han utilizado dos mtodos de
sombreado, uno para cada
histograma, es difcil ver donde
termina uno y comienza el otro. Si
se hubieran mostrado los dos
histogramas con dos colores
diferentes, y no en blanco y negro
como aqu aparece.
Figura 2-10. Muy poca informacin
6. Proporcionar lo que sea necesario para identificar la informacin de forma completa y

hacer comprensible la grfica. La Figura 2-10 carece de la informacin necesaria.
Que representa la escala vertical? Dlares? Algo ms? La escala horizontal muestra
galones, fardos de paja, u otra cosa? Qu es un Colt? Es un automvil? Un potro?
Aun cuando no se desea demasiada informacin en histograma, esta figura se va al otro
extremo.
LO QUE LOS HISTOGRAMAS DE FRECUENCIA LE DICEN ACERCA DE LA

DISTRIBUCIONES PRINCIPALES DE FRECUENCIA
Al principio de este mdulo, se aprendi que existen variaciones entre unidades individuales,
como por ejemplo el tiro al blanco, las temperaturas en un lugar de recreo, y la resistencia a la
ruptura de las mangueras de frenos. Asimismo se dijo que una buena forma de describir dichas
variaciones es por medio de un histograma de frecuencia.
Los histogramas de frecuencia que usted desarrolla en su trabajo por lo general se basarn en
muestras. Aunque provengan de un solo proceso, sus histogramas se vern diferentes porque
las muestra son diferentes.
Supongamos que se llena una cubeta con 1000 pequeos discos de metal recubiertos de
plstico, resolvindolos cuidadosamente. Se toma una muestra de diez discos, midiendo el
espesor del recubrimiento de cada uno. La muestra se coloca de nuevo en la cubeta y se
resuelve otra vez y se toma otras diez piezas. Los histogramas de frecuencia para estas dos
muestras se muestran en las Figuras 2-11 y 2-12.
Figura 2-11. Muestra N 1, espesor del recubrimiento
34
Figura 2-12. Muestra N 2, espesor

del recubrimiento.
Figura 2-13. Distribucin principal

de frecuencia, espesor del
recubrimiento para el total de la
cubeta de discos.
El histograma en la Figura 2-13 muestra lo que sucede cuando medimos los mil discos. Al
patrn que se genera al tomar las mil piezas como nuestra muestra se le llama Distribucin
Principal de Frecuencia. La Distribucin principal de frecuencia generar siempre el mismo
patrn, porque incluye todos los discos, que son los mismos siempre.
Por el contrario, las muestras de diez discos son tan pequeas que no proporcionan una idea
clara de la distribucin principal de frecuencia. Adems, las muestras son tan pequeas que los
histogramas son diferentes uno del otro (Compare las Figuras 2-11 y 2-12) Los histogramas
basados en muestras pequeas como estos, por lo general sern diferentes debido a que no es
probable que se tomen dos veces las mismas diez piezas.
Mientras ms grande sea la muestra, el histograma ser ms parecido al de la distribucin
principal y mostrar lo que en realidad hay en la cubeta. Por esa razn le recomendamos
tomar muestras de cincuenta piezas por lo menos. Una muestra de 100 es aun mejor.
Los histogramas de frecuencia basados en muestras dicen algo sobre los promedios, aunque
no muestren las distribuciones principales de frecuencia. Al comparar los histogramas en las
Figuras 2-11 y 2-12 con el de la distribucin principal de la Figura 2-13, se podr ver que los
promedios de los histogramas con muestras pequeas son aproximadamente 30; lo mismo
sucede con el promedio de la distribucin principal.
HISTOGRAMAS DE FRECUENCIA EN SITUACIONES DE PRODUCCIN
35
Un histograma de frecuencia puede mostrar situaciones diferentes de produccin, algunas

buenas y otras no tanto. La figura 2-14 muestra una situacin buena. La variacin es tan
Figura 1-14. Una situacin buena: la extensin del proceso es estrecha y est centrado
entre los lmites de tolerancia.
pequea que todas las piezas en el histograma se produjeron cumpliendo especificaciones.

Adems, el proceso est centrado en el punto medio entre los lmites de tolerancia. Nada
podra estar mejor!
La Figura 2-14 muestra una buena situacin, sin embargo, debemos advertir que aun cuando el
total de piezas incluidas en este histograma estn dentro de las especificaciones, existe la
posibilidad de que un porcentaje muy pequeo de la produccin queda fuera. No se puede
estar seguro a menos que se utilice otra tcnica, que se aprender en el Mdulo 5.
Hay que recordar tambin que un histograma es una instantnea de su proceso. No dice nada
con respecto al tiempo. Par conocer que hace el proceso en funcin del tiempo respecto al
tiempo ser requiere una foto movible. En el Mdulo 3 se explicar como desarrollar grficas
de control que proporcionan este tipo de informacin.
La Figura 2-15 muestra un proceso en problemas. La resistencia a la tensin de algunas
unidades es muy baja. No sirve de nada el mover el centro del proceso. De hecho, es muy
probable que una cantidad mayor de piezas quede fuera de especificaciones. Simplemente
existe demasiada variacin para las especificaciones establecidas.
Tal vez un operario no pueda resolver este problema. Corresponde a la gerencia al decidir que
hacer. Posiblemente se reacondicione el proceso para reducir la variacin y hacerlo similar al
proceso mostrado en la figura 2-14. Podra aplicarse las especificaciones tambin. Podra
incluso decidirse que todos se acostumbren a esta situacin.
A veces el histograma de frecuencia muestra un proceso descentrado, como se muestra en la
Figura 2-16. El operario puede corregir este problema a menudo. No es necesario ms que un
simple ajuste para centrar el proceso en el punto medio entre los lmites de tolerancia. Tal
Figura 2-15. La variacin inherente es demasiado grande para las

especificaciones.
36
Figura 2-16. Proceso fuera del punto medio
vez se tenga que ajustar la temperatura para la carga qumica, el tiempo para el moldeo del
plstico, o la presin para el troquelado. Por supuesto, se debe contar con autorizacin de la
gerencia para realizar dichos ajustes y se debe saber como hacerlos. El histograma le dir si es
necesario el ajuste y qu tanto hay que ajustar.
Aun centrado el proceso perfectamente, una pequea porcin de unidades quedar todava
fuera de especificaciones, pues incluso cuando est centrado, el proceso mostrado en la Figura
2-16 no es tan bueno como el de la Figura 2-14.
La Figura 2-17 en realidad contiene dos histogramas. La mayor parte del producto esta fuera
de especificaciones tanto hacia arriba como hacia abajo. Este patrn sugiere que puede haber
dos distribuciones principales de frecuencia y no slo una. Existen muchas posibles razones
Figura 2-17. Dos distribuciones presentes en una muestra
37
para estas dos distribuciones, como por ejemplo dos mquinas alimentando un mismo lote de
partes, dos cabezas en una maquina, dos cargas de material, o dos turnos trabajando en forma
diferente.
Para corregir la situacin mostrada en la Figura 2-17, es preciso comprender lo que pasa. Se
requiere ajustar un proceso hacia arriba y el otro hacia abajo, con el objeto de centrar ambos
histogramas. Por ejemplo, quiz si se hacen ajustes menores a las dos cabezas de la maquina.
Si dos mquinas alimentan partes a un mismo lote o si dos turnos producen las partes, es
necesario identificar que histograma vienen de cada mquina o turno, antes de llevar a cabo
cualquier ajuste.
Existen muchos otros patrones en los histogramas de frecuencia y cada uno de ellos dice algo
sobre lo que sucede en la lnea de produccin. Para mayor informacin, sugerimos leer algunos
de los libros que se listan en la seccin de Lecturas Recomendadas.
RESUMEN
La variacin es normal en nuestras vidas. No hay dos cosas exactamente iguales. La variacin
se encuentra en todas partes: en la puntuacin del boliche, en las piezas fabricadas por una
misma mquina, en la temperatura de un lugar de vacaciones.
El histograma de frecuencia es una herramienta que ayuda a manejar la variacin. Es una
fotografa del proceso que muestra el rango de las lecturas en una muestra en un momento
dado e indica cuntas piezas hay en cada medida.
Los histogramas de frecuencia tienen diferentes patrones que revelan informacin importante
sobre el proceso. Un patrn podr revelar que la variacin en el proceso es tan pequea que
todas las partes producidas cumplen con las especificaciones. Otro patrn mostrar que el
proceso tienen problemas y que es inevitable producir partes defectuosas.
El histograma de frecuencia podr hablar de la distribucin principal de frecuencia del proceso,
sin decir nada con respecto al tiempo. Otras tcnicas, las que comentaremos en los siguientes
mdulos, ayuda a controlar y a monitorear su proceso con respecto al tiempo.
38
PROBLEMAS DE PRCTICA HISTOGRAMA DE

20 19
FRECUENCIA
Para practicar las tcnicas estadsticas aprendidas en Resulto efectiva la medida correctiva?
el Mdulo 2, resolver los siguientes problemas. Las
soluciones estn en la seccin de Soluciones al final
de este libro. Problema 2-2
El formato de hoja de trabajo del histograma de Se midi la ubicacin de perforaciones en cincuenta
frecuencia es til para desarrollar los histogramas. Un piezas tomadas de una operacin. Las lecturas fueron
ejemplo se muestra en la Figura 2-18. las siguientes.
Problema 2-1a.
Los registros de inspeccin de una operacin de 1.40.4 14.41.0 27.40.4 40.40.7
ensamble de mangueras mostraban un alto ndice de 2.40.8 15.40.4 28.40.8 41.40.4
rechazos. Analizando los registros se encontr que la
principal causa del problema eran las fugas. Se 3.40.3 16.40.8 29.40.5 42.41.0
revisaron las operaciones de ensamble y se tom la 4.40.6 17.40.5 30.40.9 43.40.4
decisin de investigar la operacin de poner
abrazaderas a las mangueras. 5.40.4 18.40.9 34.40.4 44.40.8
Se midi la fuerza de sujecin, o momento de torsin 6.40.8 19.40.4 32.40.8 45.40.3

en veinticinco ensambles de mangueras. La torsin se 7.40.5 20.40.9 33.40.4 46.40.8
registr en pies libra (It lbs) como sigue
8.40.7 21.40.3 34.40.8 47.40.3
9.40.4 22.40.6 35..40.4 48.40.
7 pies 15 pies 13 pies 19 pies
libra libra libra libra 10.40.8 23.40.4 36.40.7 49.40.4
10 12 9 12 11.40.4 24.40.7 37.40.4 50.40.8

14 13 13 12.40.8 25.40.3 38.40.8
16
11 14 14 13.40.4 26.40.8 39.40.2
13 10 16 14

12 11 17 Trazar el histograma de frecuencia con las medidas
anteriores Hay algo incorrecto en estas mediadas?.
13 15 15
Problema 2-3
La especificacin establecida para el m omento de Los datos del movimiento de la flecha proporcionan
torsin es de 12 a 24 ft-lbs. Cmo se comprar este las medidas del juego longitudinal en la flecha de un
proceso con la especificacin? Debe tomarse alguna motor elctrico. Los datos se proporcionan en el orden
accin correctiva? Si fuera, Cul seria?. de produccin, por lo tanto, la columna a (que ms
adelante se menciona), muestra que la primera unidad
Problema 2-1b producida tenia un juego de 61, la segunda tenia 61, la
tercera 57, y as sucesivamente.
En el problema antes descrito, la presin del aire en
la pistola neumtica se redujo para hacer que se Trazar el histograma de frecuencia para la informacin
detuviera al llegar a una torsin de 18 ft-lbs. Antes de de las siguientes columnas:
tomar esta accin correctiva, la presin del aire no
estaba regulada. Esto significaba que el operario 1. A, B,C, y D
deba sentir la abrazadera lo suficiente apretadera. 2. E, F,G, y H
Se tomaron otras veinticinco lecturas de la torsin 3. I, J K, y L
despus de la medida correctiva, con los siguientes
resultados. 4. M, N, O ,y P
5. A, E, I, y M
7 pies libra 17 pies libra 19 pies libra Comparar los cinco histogramas
19 20 18 (a) se observa alguna diferencia entre los
promedios de los primeros cuatro
19 21 19
histogramas?
20 20 19
(b) Se observa alguna diferencia entre las
21 19 18 dispersiones de los primeros cuatro
histogramas?
17 18
18 18 (c) Cmo se comprar el quinto histograma con

los otros cuatro? La dispersin es mayor o
20 19 menor? Por qu si y por que no?
19 20
39
Figura 2-18. Hoja de trabajo para histograma de frecuencia
A B C D E F G H histograma con las lecturas que se listan a
51 56 52 59 56 66 56 60 continuacin. Las lecturas se muestran en el
61 55 61 63 56 62 56 55 orden de produccin del periodo seleccionado.
57 62 59 57 61 55 60 61
56 61 61 53 67 57 56 62 Cmo se considera la calidad de los radios
60 59 55 49 58 60 62 65 fabricados durante este periodo?
52 57 52 60 63 61 63 57
62 61 59 54 56 57 60 62 db db db db
59 52 52 56 60 63 63 67
62 60 53 42 55 59 62 65 1.21 31.27 61.32 91.27
67 51 54 62 46 64 62 62
2.20 32.26 62.28 92.31
55 52 52 53 62 63 64 63
66 54 43 58 65 55 65 65 3.30 33.23 63.25 93.30
52 58 52 42 63 60 55 65
50 41 59 62 59 65 60 55
4..27 34.25 64.23 94.26
59 56 55 69 60 66 62 60
59 56 52 60 60 68 63 58 5.26 35.27 65.25 95.36

60 65 52 53 59 53 63 59
59 53 56 43 60 62 67 65 6.27 36.27 66.30 96.31
49 55 60 50 65 62 58 64
42 56 59 59 65 67 60 55 7.27 37.30 67.23 97.26
55 50 45 63 62 59 65 55 8.29 38.24 68.25 98.25

67 52 60 53 51 53 68 62
63 61 69 60 62 56 60 59
9.25 39.31 69.26 99.22
66 41 67 63 52 65 61 55
60 55 51 60 58 62 54 57
10.28 40.23 700.25 100.27
I J K L M N O P 11.32 41.27 71.29 101.25

62 63 52 59 70 67 70 73
62 69 62 62 70 53 70 70 12.24 42.27 72.31 102.27
72 52 60 52 50 70 73 79
63 61 61 68 58 70 70 66
13.25 43.23 73.27 103.27
61 56 69 65 71 78 52 64
65 54 67 61 65 79 55 70 14.25 44.29 74.24 104.23

62 61 57 68 70 70 78 60
59 66 65 63 73 65 65 68 15.28 45.30 75.22 105.25
62 60 57 64 70 72 66 69
63 65 68 68 69 64 56 66 16.29 46.27 75.24 106.26
68 67 65 67 64 65 65 66 17.28 47.24 77.26 107.24

64 62 55 64 68 69 63 68
67 55 62 64 65 78 70 69
18.28 48.26 78.57 108.28
60 64 59 62 72 69 73 70
59 63 69 59 73 68 63 73
19.25 49.22 79.28 109.24
59 63 56 61 75 66 65 71
61 62 65 60 72 69 66 72 20.25 50.25 80.24 110.25
58 68 63 85 75 65 57 69
65 69 61 65 64 62 71 74 21.25 51.24 61.25 111.31
54 63 60 52 69 67 72 64
22.27 52.23 32.27 112.33
70 60 65 52 60 72 63 70
63 66 63 68 68 65 66 66 23.25 53.27 83.25 113.22
68 62 68 60 66 70 75 72
62 64 72 62 69 58 59 69
61 69 65 61 72 62 64 70 24.25 54.22 84.28 114.24
25.18 55.25 85.25 115.28
Problema 2-4. 26.24 56.23 86.26 116.28

La medida de calidad en radio se conoce como
27.26 57.25 87.29 117.23
relacin seal a ruido. Esto se mide en decibeles
(db) a voltajes muy bajos. Se tomaron cinco 28.25 58.26 88.20 118.26
radios consecutivos de una lnea de produccin y
se midi esta caracterstica de calidad. Esta 29.26 59.26 89.21 119.23
operacin se realiz cada 24 horas durante un
periodo de mes y medio. 30.22 60.21 90.25 120.28
La especificacin establece una lectura mnima
de 15 db para cada radio. Desarrollar un
MODULO
Graficas de Control
de Variables

(Por orden de aparicin)
Grfica R Mediana
Medida ( ) Mediana de medianas ( )
Variacin inherente Mediana de rangos ( )
Media general ( ) 3
Rango promedio (R) 4
Diagrama de decisin o diagrama Grfica individual y rango (X-R)

de flujo
Grfica de medios y rangos ( -R)
Para qu usar las grficas de control? La siguiente historia ayudar a responder a esta
pregunta.
En una fabrica de municiones, durante la Segunda Guerra Mundial, muchos de los

operarios eran mujeres jvenes con novios o familiares en el frente. Estas operarias
queran fabricar el mejor producto posible para que sus hombres lo utilizaran en la batalla.
Al final de la lnea una operaria pesaba los casquillos de artillera para medir el contenido
de plvora. Si el peso era mayor al estndar, le gritaba a la operaria que estaba al principio
de la lnea que redujera la cantidad de plvora, y si quedaba abajo del peso, entonces que
la aumentaran. Las correcciones se hacan durante todo el da.
Entonces la compaa introdujo las grficas de control. Se instruy a las operarias respecto
a cuando corregir el proceso y cuando dejarlo como estaba. El resultado fue un proceso
con menos correcciones y un producto ms consistente. Las operarias trabajaban menos,
y lograron un mejor producto!
Comenzaremos este modulo observando una grfica de control de las ms conocidas y

ms usadas, las grfica de control de promedios y rangos, o grfica - R (X testada, R).
Esta grfica ayuda a saber si se esta haciendo correctamente el trabajo.
Primero, se aprender a usar las grficas de promedio y rango ya establecidas. Es decir,

que otra persona ya asign los lmites de control, el tamao de la muestra y la frecuencia
del muestreo. Las grficas indican si el proceso va bien o no.
A continuacin, aprenderemos a interpretar las grficas de promedio y rango. Qu dicen

stas en caso de que un rango ( R ) o un promedio ( ) estn cerca de los lmites de la
grfica de control? Qu sucede si un punto queda fuera de stos o si varios puntos
consecutivos se desvan de la lnea central?
Figura 3-1. Grfica de Promedio y Rango ( R)
Finalmente, habr oportunidad de crear grficas de promedio y rango. Este es un trabajo

detallado, con ms aritmtica de la que se ha usado hasta ahora, pero a algunas personas
les gusta crear grficas porque stas pueden revelar sorpresas acerca del proceso.
COMO USAR LAS GRFICAS DE PROMEDIO Y RANGO YA ESTABLECIDAS
Supongamos que usted es operario de una fbrica. En forma manual, coloca una rueda
pequea en el extremo de la flecha de un motor elctrico. Es importante presionar la rueda
lo suficiente dentro de la flecha, pero sin excederse. Se le ha pedido seleccionar cinco de
sus motores cada media hora y medir el juego longitudinal de la rueda; es decir, hasta
donde se puede mover la flecha del motor una vez colocado la rueda. Se cuenta con un
instrumento de medicin que facilita y hace rpida la medicin del juego longitudinal.
Figura 3.-2. Grfica de Promedio y Rango ( R) con dos muestras
Alguien ms, quiz un tcnico de calidad, implant ayer las grficas de control. El tcnico
desarroll las dos primeras muestras para el da de hoy. En la Figura 3-2 se muestra la
grfica de control.
Son las once de la maana y el tcnico tiene su hora de descanso. Es su turno. Toma los
cinco motores siguientes que se han ensamblado, ponerlos a un lado y medir el juego
longitudinal de cada uno. El primero mide 26 milsimas de pulgada, as que se nota 26 en
la grfica, justo debajo de 11:00. El siguiente tambin tiene 26 milsimas de pulgada, as
que nuevamente se anota el nmero 26 en la grfica. Continuar de esta manera con las
siguientes tres plazas, que miden 30, 27 y 31, respectivamente. Si algo parece salirse de lo
normal, indicarlo en la lnea de NOTAS, en la columna de 11:00.
Figura 3-3. Porcin de la Grfica R con nuevas medias
Ahora, se suman las cinco medidas y se escribe el resultado, 140 debajo de la columna de
11:00, en la lnea de SUMA (ver figura 3-4). Despus se obtiene el promedio, que se
conoce como media o . (El smbolo se vio en el Modulo 1). El promedio es simplemente
el total, la suma de las lecturas, divididas entre el nmero de mediciones.
El promedio equivale al total dividido entre el nmero de mediciones.
= 140 /5
Puesto que la suma fue 140 y se hicieron cinco lecturas, slo se debe dividir 140 entre 5.
Se puede hacer con una calculadora, pero si usted es bueno con los nmeros, haga la
operacin mentalmente. (Un truco slo para grupos de cinco nmeros es: (a) multiplicar la
suma, 140, por dos para obtener un total de 280, y (b) mover el punto decimal un lugar
hacia la izquierda). Resultado debe ser 28.0, que se debe anotar en la lnea de
PROMEDIOS, (ver la figura 3-4).
Por ltimo, encontrar el rango de la informacin de la muestra. Encontrar y marcar con un

crculo la media mayor de la muestra de las 11:00, que es 31. Dibujar un cuadro alrededor
de la cifra menor que es 26. El rango se obtiene de la siguiente manera:
El rango es igual a la medida mayor menos la menor.
R = 31 26
R=5
Figura 3-4. Porcin de la Grfica R, con suma, promedio y rango

Anotar 5 en la lnea correspondiente a RANGO R. La parte superior de la grfica luce
ahora como aparece en la Figura 3-4.
Despus, trazar el rango y el promedio con pequeos puntos en la grfica y dibujar una
lnea conectando cada punto con el anterior. La grfica debe verse igual a la que aparece
en la Figura 3-5.
Como se vio en el Modulo 1, los promedios y los rangos tienen limites de control marcados
con LSM (lmite superior de control) y LIC (Limite inferior de control). Hay que tener en
mente estos lmites al observar el dibujo. Primero. Est el rango donde debe estar? El
rango es 5. Por lo tanto queda dentro del lmite inferior de control caro y el lmite superior
de control 15.28, as que el rango es correcto. En segundo lugar, est asimismo el
promedio donde debe estar? Si la cifra de 28.0 queda entre los lmites inferior de 26.35 y
superior de 34.69.
Figura 3-5. Porcin de la Grfica R, con nueva anotacin de promedio y rango.
Qu indican estas anotaciones? Cuando el rango y el promedio quedan dentro de los

lmites de control, el proceso marcha correctamente. Es decir, sta dentro de control
estadstico. En este caso no se requiere ningn ajuste slo continuar la produccin.
COMO INTERPRETAR LAS GRAFICAS DE PROMEDIO Y RANGO
Ahora ya es posible obtener los promedios y rangos, y dibujar las grficas, se tomarn
algunas muestras ms y se obtendrn los respectivos rangos y promedios. Despus se
interpretarn las grficas correspondientes.
En la grfica de control (Figura 3-6), todos los puntos estn dentro de los lmites. Esto
indica que el proceso puede continuar operando sin cambios ni correcciones, ya que todos
los puntos estn dentro de los lmites.
Tal vez nos preguntemos, qu hay respecto al quinto promedio, de 34.2, que est muy
cerca del limite superior de control 34.69? La regla es clara: si el punto queda dentro o se
hacen correcciones y se debe continuar produciendo; si el punto sale, se debe encontrar la
causa asignable y corregirla.
Por qu los puntos se mueven hacia arriba y hacia abajo dentro de los lmites? Lo que se
ve en la Figura 3-6 es la variacin natural lgica dentro del proceso. Esto se conoce como
variacin inherente y se debe a las causas aleatorias. A menudo el operario no puede
evitarlo ya que es parte del mismo proceso. Por ejemplo, en una lnea de motores, existen
variaciones en el ancho de las ruedas, en los dimetros internos de las mismas, en los
dimetros de las flechas y as sucesivamente. Todas estas variaciones son naturales y
estn fuera del control del operario. Sin embargo, estas variaciones inherentes mueven los
Figura 3-6. Todos los puntos quedan dentro de los lmites de control
rangos y los promedios hacia arriba y hacia abajo dentro de los l imites de control. (Esto es
verdad solamente para las variaciones inherentes, sin incluir variaciones debidas a causas
asignables, tales como un nuevo lote de flechas con dimetros mayores).
PROMEDIOS FUERA DE LOS LMITES DE CONTROL
Cuando un promedio queda fuera de los limites de control, Qu d ce la grfica que hay
que hacer? La grfica dice que hay que ajustar el proceso, corregirlo. Por alguna razn, el
proceso se desplaz hacia arriba y necesita corregirse hacia abajo. Cmo se realiza la
correccin? No hay respuestas sencillas. En el caso del juego longitudinal de motores, se
deben ajustar las guas. Para otros procesos probablemente habra que cambiar la
colocacin de una herramental, ajustar la temperatura de extrusin de plstico. Algunas
correcciones son fciles de llevar a cabo, algunas otras no.
Cmo interpretar el promedio fuera de lmites en la Figura 3-7? Debido a que se sali del
lmite, ahora el proceso est fuera de control estadstico. Este promedio indica que ya no
existe la simple variacin inherente. Esta se combina ahora con algo ms una causa
asignable. La causa asignable modifica el promedio de todo el proceso. Una vez que
sucede esto, el promedio comienza a salirse de los lmites de control. Esta es la razn por
la cual el sptimo promedio, 36.0 quedo fuera de estos.
Por lo general una causa asignable indica problemas que se pueden solucionar a nivel de
taller, tales como el ajuste de la herramienta. Otras veces habr que notificar al jefe sobre
Figura 3-7. Promedio fuera de los lmites de control.
la naturaleza de dichos problemas, como por ejemplo los cambios en alguna materia prima.
No hablamos de quin es responsable. Por el contrario, queremos que usted vea que algo,
en alguna parte, ha cambiado. El punto fuera de los lmites de control dice esto
precisamente.
Qu es especial o asignable respecto a este punto fuera de los lmites? No es algo
inherente del proceso, no sucede siempre y los ms importante, sebe identificar la causa
es por eso que se llama causa asignable. En el caso de los motores, el promedio de la
muestra pudo haber salido de los lmites cuando lleg un nuevo lote de ruedas; si se
revisan cuidadosamente las ruedas podra descubrirse que las nuevas son ligeramente
ms gruesas de lo usual. En este caso, mediante algunas mediciones se puede identificar
la causa asignable. Ntese que la grfica de control slo indica cundo ocurre una causa
asignable, no por qu.
OTROS SIGNOS PARA IDENTIFICAR UN PROCESO FUERA DE CONTROL
De vez en cuando, los puntos que se trazan forman un patrn. Un patrn en particular a
buscar son siete puntos seguidos arriba o debajo de la lnea marcada con en la seccin
de PROMEDIOS o de aquella marcada con en la seccin de RANGOS. Qu indica
dicho patrn? Esta es otra seal aunque ms dbil de que el proceso est fuera de
control, aun cuando todos los puntos estn dentro de los lmites.
Existen otros patrones con trazos ms largos, as como demasiados o muy pocos puntos
cerca del promedio del proceso. Para interpretar estos patrones, sugerimos buscarlos en
Guide to Quality Control de Ishikawa, en Process Quality Control de Ellis Ott, o Statistical
Quality Control de Grant y Leavenworth. Si usted no tiene ninguno de estos libros, es
probable que alguien en control de calidad tenga un ejemplar, o pueda buscarlos en la
biblioteca pblica de su localidad.
FUENTES DE CAUSAS ASIGNABLES
El origen de las causas asignables surge a menudo de una categora de entre las que se
indican en el diagrama de pescado del Modulo 1 (vea la Figura 1-4). Entre dichas
categoras se incluyen las siguientes:
(1) Las maquinas: Por mquina nos referimos a que la mquina en si misma ha
cambiado de alguna manera y esa es la razn por la que el promedio de muestra sale
de los lmites. El instrumento que coloca la rueda en la flecha del motor se movi o se
desgast.
(2) Los materiales: La causa asignable de materiales significa que algo cambi
en estos. Tal vez las ruedas para los motores provengan de otro lote o, por alguna otra
razn, son ms anchas de lo normal. Este cambio provoc que el promedio quede
fuera de los lmites de control.
(3) Mtodo es la forma de hacer las cosas. La palanca que coloca la rueda en la
flecha, tal vez funcione con un jaln o con un empujn. El hecho de cambiar de un
mtodo a otro puede causar que el promedio salga de los lmites de control.
(4) El medio ambiente es tambin una fuente de variacin. En una empresa que
fabrica llantas para automviles, la humedad del verano afecta el tiempo de
vulcanizacin del hule. Las fluctuaciones de temperatura en los moldes para inyeccin
de plstico, el polvo de la atmsfera de una fbrica de discos compactos, o los cambios
en la presin atmosfrica en la produccin de espuma de poliuretano, pueden hacer
que el promedio quede fuera de los lmites de control.
(5) Usted, el operario. Se enlist al final porque, en nuestra opinin

normalmente el operario no es la causa. La mayora de las veces resulta ser alguno de
los otros cuatro puntos. Muy a menudo se culpa al operario cuando la maquina, el
mtodo, los materiales o el ambiente son las verdaderas causas de un problema.
Cuando el operario es la causa asignable, quiz se debe a que se present un relevo o,
tal vez no hay capacitacin adecuada.
RANGOS FUERA DE LOS LMITES DE CONTROL
En la Figura 3-8, el octavo nmero de rango est fuera de control. En esta situacin resulta
muy til preguntarse primero, La variacin inherente est bajo el control del operario? En
nuestra opinin, por lo general un operario no tiene control sobre la variacin inherente al
proceso. Por lo tanto, un rango fuera de los lmites de control probablemente significa que
el propio proceso se ha desorganizado. Ejemplo de esto es el desgaste en la mquina
utilizada para fabricar una parte o las variaciones en el espesor de una lmina de metal
empleada para fabricar latas de sopas. En estos casos es probable que el operario no
tenga control sobre la variacin inherente, sin embargo, la grfica de control indica que hay
un problema. Como operario, la obligacin es notificar a la gerencia para que se investigue
qu provoc un cambio en la variacin inherente y as proceder con las correcciones.
Figura 3-8. Rango fuera de los lmites de control
Una palabra de advertencia verificar las operaciones aritmticas y (si es posible) las
lecturas para estar seguro de no haber cometido ningn error. Un error enva fcilmente el
rango fuera de los lmites de control, as que hay que evitar una situacin embarazosa
revisndolo todo. Usted podra ser una causa asignable!
En algunos casos, sin embargo, la variacin se debe a algo que se puede controlar, al
menos parcialmente. Si ste es el caso, tal vez se pueda hacer alguna correccin para que
los rangos queden bajo control estadstico de nuevo. Estos casos podran incluir partes
ensambladas a mano o pesaje de productos qumicos antes de mezclarlos. En estas
situaciones el rango puede salirse del control debido a una distraccin momentnea, fatiga,
o un cambio de mtodos.
COMO DESARROLLAR GRAFICAS DE PROMEDIO Y RANGO
Una vez que se sabe utilizar las grficas de promedio y rango, hay que intentar desarrollar
grficas propias. Las grficas de control sirven para varios propsitos. (1) Pueden utilizarse
como control. Es decir, hacer que indiquen si una operacin debe continuar, o buscar y
corregir causas asignables. (2) Las grficas pueden usarse para anlisis. Quiz se desee
conocer la variacin inherente dentro de un proceso, las diferencias entre das, materiales
o tcnicas del operario. (3) Las grficas tambin son tiles para educar, comunicar o
documentar. Como operario, lo ayudan a lograr ms consistencia en la calidad.
En el caso de los motores elctricos, tanto el departamento de produccin como el de
control de calidad acodaron que es necesario contar con un control progresivo en el
ensamble de la pequea rueda al motor elctrico. Si el lector es el operario, las grficas de
promedio y rango le ayudar a controlar el proceso. Aunque el control es el objetivo
principal las graficas tambin ofrecern algunas otras ventajas; tales como mostrarles a los
jefes y al inspector de control de calidad, la forma en que se desarrolla el proceso.
Despus, en algn momento, los ingenieros podrn documentarse en las grficas para
revisar el proceso.
Paso 1. Seleccionar lo que se medir

Se pueden medir muchas cosas relativas al proceso, as que se debe elegir lo que quiere
medir. Hay que recordar dos cosas: Primero, seleccionar una parte importante del proceso
y solamente controlar eso: no desarrollar grficas de control para cada caracterstica del
proceso. Segundo, tal vez no se pueda medir directamente la caracterstica seleccionada;
si esto no es posible debe encontrarse algo medible que permita controlar mediante
grficas dicha caractersticas importante. Un ejemplo es la dureza del hule, es posible
controlar el tiempo de vulcanizacin, que a su vez controla la dureza.
En el caso de los motores elctricos, es importante no insertar demasiado la rueda en la

flecha, porque se traba el motor y ya no gira. Por otra parte, la rueda debe presionarse lo
suficiente, pues de otra manera sobresaldr demasiado y rozar el ensamble final en la
cual se montar el motor.
Qu caracterstica medible permitir controlar dicha insercin? El juego longitudinal; es

decir, a que distancia la flecha del motor se mueve hacia delante y hacia atrs con
facilidad. Esta es la caracterstica importante, y puede medirse en milsimas de pulgada
fcil y rpidamente. Las milsimas de pulgada se expresan con cifras y stas se pueden
anotar en las grficas de control. En otras palabras, se puede controlar el juego por medio
de las grficas de control de promedio y rango. Puesto que es posible controlar el juego
longitudinal, se puede cuidar de no insertar la rueda ms alta del punto especificado.
Paso 2. Toma de muestras

Para desarrollar una grfica de promedio y rango es necesario tomar series de muestras.
Cada muestra consiste en varias mediciones, por lo general cuatro o cinco. La informacin
de estas medidas se utilizar en las grficas de control de varias formas, como por ejemplo,
determinar el promedio de cada muestra.
Es muy importante el mtodo para elegir la muestra. La muestra debe tomarse de tal
manera que solo se observe la variacin inherente. Si hay una causa asignable, aparecer
en todas las piezas de la muestra. Entonces, la diferencia entre las piezas de la muestra
ser slo la variacin inherente.
Una forma de hacer esto es elegir las muestras de tal manera que las piezas de cada una
se parezca tanto como sea posible. Dos aspectos que ayudarn: Primero, tomar cada
muestra a lo largo de periodos muy cortos. Segundo. Tomar cada muestra (y todas las
muestras para las grficas iniciales de control) de una sola fuente de informacin. Es decir
tomar las muestras de una mquina, de un cabezal, de un operario, de un lote de
materiales, y as sucesivamente. (A veces hay tantas y atan variadas fuentes de
informacin que no vale la pena desarrollar grficas de control por separado para cada
fuente. En este caso, cuntas grficas se deben hacer? Eso depende de la cantidad de
grficas necesarias y las que la empresa est dispuesta a pagar.)
Para desarrollar una grfica de control para juego longitudinal, supongamos que se buscan
muestras cada 15 minutos. Los cinco motores de cada muestra se produjeron
sucesivamente y se conoce el orden de produccin. Esto indica que cada muestra se tomo
en lapsos muy cortos en relacin con la anterior, que hay un solo operador, y las piezas
provienen de una sola mquina. Tal vez asimismo se tomaron piezas de un lote de motores
y otro lote de ruedas; el resultado ser que cada muestra de cinco motores se parecer
tanto como sea posible. Por lo tanto, no debe haber ms diferencias o variaciones en una
muestra que inherentes.
Para dar otro ejemplo de cmo reunir informacin para las grficas hncales de control, un
ingeniero desarrolla grficas para un proceso de recubrimiento de papel. El ingeniero no
permiti que el operador ajustara el espesor del recubrimiento durante 48 horas. Las
muestras tomadas en dicho periodo de 48 horas mostraron variaciones de espesor, pero
stas fueron variaciones inherentes debido a causas aleatorias. El operario no las caus
puesto que no hizo ninguna correccin.
Antes de usar las grficas de control el operario trabajaba mucho para mantener el espesor
correcto del recubrimiento, midindolo constantemente. Si una medicin resultaba
demasiado gruesa, ajustaba el recubrimiento para que fuera ms delgado. Si este era
demasiado delgado, lo ajustaba para obtener mayor espesor. Durante todo el turno, este
operario estuvo ajustando el proceso. Sin embargo, una vez que comenz a usar las
grficas de control, realiz los ajustes con menor frecuencia y obtuvo un producto
consistente. El operario trabaj mejor, sin esforzarse ms.
Paso 3. Desarrollo de formas para datos y grficas

Una vez que se han tomado decisiones respecto a las caractersticas importantes y a la
muestra, es tiempo de pensar en las formas. Una forma adecuada facilita los clculos. Hay
Figura 3-9. Grfica de Promedio y Rango ( R) con informacin previa
espacios para anotar la informacin de apoyo, tal como la fecha, el producto, la parte, el
servicio, lo que est midiendo (hora, minuto, pulgada, centmetro) y el operario.
El excelente formato de la Figura 3-9 est disponible en la American Society of Quality
Control (ASQC). Dicho formato muestra espacios con el nombre de la parte, la fecha y
dems informacin.
Paso 4. Acopio de muestras y registro de medidas
Tomas las muestras de acuerdo con el plan y medirlas segn el procedimiento

determinado, registrando las lecturas en el formato. Asegurarse de anotar las medidas de
acuerdo con el orden de produccin. Registrar la hora en que se tomo cada muestra (ver
Figura 3-10) .
Figura 3-10. Grafica de Promedio y Rango con lecturas
Paso 5. Calcular los promedios
Ahora se ha reunido la informacin necesaria para la grfica inicial, lo primero que se debe
hacer es calcular los promedios ( s). Para cada muestra, se suman las medidas y se
registran en el formato en la lnea marcada SUMA (Ver Figura 3-11). Entonces se divide
esa total entre el nmero de lecturas y se anota la respuesta en la lnea marcada
PROMEDIOS, , de modo que se explic. Finalmente, se revisan las operaciones
aritmticas. (Una de las mejores maneras de hacerlos es realizarlas de nuevo).
Sus clculos para las dos primeras muestras aparecern de la siguiente manera:
Primera Muestra Segunda Muestra
32 47
26 32
42 41
53 20
36 28
Total = 189 Total = 168
Promedio = Total / lecturas Promedio = Total / lecturas
En la muestra En la muestra
189.5 168.5
= 37.8 = 33.6
= =
Figura 3-11. Grfica de Promedio y Rango con sumas y promedios
Paso 6. Calcule el promedio general (X)

El promedio general o media general (X), es el promedio de todos los promedios de las
muestras. Primero se suman todos los promedios (Xs). Despus se divide este total entre
el nmero de promedios. Para revisar las operaciones, se repiten los clculos. (Otra forma
de verificar sus operaciones consiste en sumar todas las lecturas individuales en la grfica,
contar dichas lecturas y dividir el total de las lecturas entre el nmero de las mismas).
El juego longitudinal para los motores elctricos proporciona los siguientes datos. (Ver la
Figura 3-11).
Promedios, s: 37.8, 33.6, 43.6, 43.4, 34.2, 41.0

41.2, 43.4, 45.4, 42.0, 35.6, 44.6
41.8, 44.4, 47.6, 41.0, 45.6, 43.2
40.4, 35.4
Total de s: 825.2
Numero de s: 20
Media general : 825.2/20 = 41.26
No anotar todava el en su grfica. Solamente tomar nota del resultado, pues se

necesitar ms adelante.
Paso 7. Determinar los rangos para las muestras

Encontrar y encerrar en un crculo la lectura mayor de cada muestra. Encontrar y encerrar
en un cuadro el menor. Despus calcular el rango para cada muestra, de la siguiente
manera:
Rango = Lectura mayor menos lectura menor
(Restar el ms pequeo del ms grande)
Registrar los rangos en la lnea marcada RANGOS, R, y revisar las operaciones

aritmticas. La grfica para los motores elctricos muestra lo siguiente (Ver Figura 3-12):
Primera Muestra Segunda Muestra
32 47
26 32
42 41
53 20
36 28
Rango = 53 menos 26 Rango = 47 menos 20

R = 27 R = 27
Paso 8. Calcular el rango promedio

Suma todos los rangos; despus se cuentan. Dividir el total entre el nmero de rangos. El
resultado es el rango promedio ( ). Por ltimo, revisar cuidadosamente las operaciones
aritmticas. (No es posible verificar calculando el rango de todos los datos. No
funcionar).
Rangos, R: 27, 27, 14, 14, 21, 27, 15, 21, 30, 18, 13
6, 20, 17, 16, 22, 19, 21, 20, 15
Total de Rs: 383
Figura 3-12. Grfica de promedio y rango con anotacin de rangos
Nmeros de Rs: 20
Rango Promedio, = 383/20 = 19.15
No se anota todava en la grfica. Se utilizar ms adelante.
Paso 9. Determinar las escalas para las grficas y trazar los datos
Primero, se localizan los promedios mayor y menor (Xs), los rangos ms alto y ms bajo
(Rs) y se verifica que en realidad sean los mayores y menores. Despus se establece la
escala para la grfica de manera que los valores ms grande y ms pequeo queden
comprendidos en los extremos de las escalas. (El extremo menor en la grfica de los
Figura 3-13. Grfica de promedio y rango para con trazo grfico. Se trazaron lneas para yR
rangos por lo general se establece en cero). Elegir la escala que permita trazar la
informacin y dejar un espacio adicional en la grfica para los lmites estadsticos de
control. Ahora se trazan los datos y se dibuja una lnea para la media general ( ) y otra
para el rango promedio (R).
Promedio mayor ( ): 47.6 Rango ms alto ( R ): 30

Promedio menor ( ): 33.6 Rango ms bajo (R) : usar 0.0
Para los promedios se pueden manejar las escalas del 30.0 al 50.0 Todos los promedios se
ajustarn adecuadamente y adems dejarn espacio para los limites de control. En el
formato debe hacer cinco lneas entre 45.0 y 50.0, para que cada lnea represente 1.0
Unidades (Ver Figura 3-13).
Para los rangos, en la escala superior deber quedar el 60 en la lnea ms alta. Todos los
tangos quedarn ajustados y se debe dejar espacio libre para los lmites de control. Cada
lnea representa 4.0 unidades, lo que facilita el trazo de los rangos. Es posible que se
quieran marcar tres lneas oscuras como 10, 20 y 30, pero eso no dejara mucho espacio
para los lmites de control de los rangos.
Por ltimo, se trazan los promedios y los rangos con puntos y se conectan con lneas
rectas. Dibuje una lnea gruesa para la media general ( ) y se marca el valor en un extremo.
Se hace lo mismo para el rango promedio ( ) (Ver Figura 3-13).
Paso 10. Determinar los lmites de control para los rangos

Se calculan los lmites de control para los rangos antes de hacerlo para los promedios, pues
de esta manera se sabr si la variacin inherente es estable. Si no lo es, no tiene sentido
verificar si los promedios estn bajo control.
En el reverso del formato para la grfica de promedio y rango, disponible en la American

Society for Quality Control (ASQC), hay un cuadro marcado FACTORES PARA LOS
LIMITES DE CONTROL (Ver Figura 3-14). De la tabla para la grfica de promedios y
Figura 3-14. Factores para los lmites de control, D 4 est en un crculo por una muestra de cinco mediciones.
1 factores para lmites de Control
FACTORES PARA LOS LIMITES DE CONTROL
N A2 D4 d2 3/R2 A2
2 1.880 3.268 1.128 2.659 0.779
3 1.023 2.574 1.693 1.772 0.749
4 0.729 2.282 2.059 1.457 0.728
5 0.577 2.114 2.326 1.290 0.713
6 0.483 2.004 2.534 1.184 0.701
rangos se elige el factor D 4 que corresponde a la dimensin de la muestra que se est

usando. Se marca el 5 localizado en la columna n porque ste representa el tamao de la
muestra. Marcar el 2.114 porque que es el factor D 4 correspondiente a una muestra de 5.
Para encontrar el lmite superior de control para los rangos, se emplea la siguiente frmula:
El lmite superior de control para los rangos (LSC R) equivale a D 4 veces R.
LSCR = 2.114 x 19.15

LSCR = 40.48
Puesto que el tamao de nuestra muestra es 5, nuestro lmite inferior de control para el
rango ser cero.
LICR = 0.0
Para las muestras de seis lecturas o menos, el lmite de control inferior para los rangos
siempre es cero. Asegurarse verificar el tamao de la muestra, el factor D 4, y las
operaciones aritmticas. Despus se dibujan los lmites de control en la grfica de rangos
con los ttulos LSC R y LICR. Recomendamos trazar los limites con lmites punteadas o de
color para poderla distinguir fcilmente (Ver la Figura 3-15).
Paso 11. Estn los rangos bajo control estadstico?

Hay tres respuestas posibles para esta pregunta: (1) Todos los rangos (Rs) estn dentro de
los limites de control: (2) uno o dos rangos quedan fuera de los limites: (3) tres o ms
rangos quedan fuera de los lmites.
(1) Si todos los rangos quedan dentro de los limites de control es decir, ningn rango
queda por encima de limite superior (LSC R), o por debajo del limite inferior (LIC R) Los
rangos han quedado bajo control estadstico. Ahora es posible continuar dibujando los
lmites de control para los promedios. Si un rango queda exactamente en la lnea de
control, no hay que alarmarse; cuenta como si quedara dentro. Cuando se dice que los
rangos estn bajo control, en realidad se est diciendo que la variacin inherente es
estable y no hay causas asignables que los alteren.
(2) Algunas veces uno o dos rangos quedan fuera de los lmites de control. Cuando esto
sucede, es prctica comn descartarlos as como las muestras de donde se obtuvieron
y los promedios de dichas muestras. (No nos gusta descartar datos porque, aunque
sean demasiado ilgicos o extremos, siempre nos dicen algo.) A continuacin se
reorganiza por completo la media general ( ), el rango promedio ( ), y los limites de
control para los rangos sin tomar en cuenta aquellos que quedaron fuera de control.
Figura -15. Grafica de promedio y rango con lmites de control para los rangos
Despus de haber organizado los lmites superior e inferior de control, puede suceder
una de dos cosas: Primero, uno o ms de los rangos restantes podra haber quedado
fuera de los nuevos lmites de control. Si esto sucede, los rangos estn fuera de control
estadstico. En este caso no se dibujan los lmites de control para los promedios. Se
localizan y eliminan las causas asignables que estn alterando los rangos. Luego se
establecen nuevas grficas de promedio y rango con la informacin nueva.
Por otra parte, es posible que ahora los rangos queden dentro de los nuevos lmites de
control. En este caso se pude proseguir desarrollando los lmites de control para los
promedios. Pero, cuidado! Tal vez an existan causas asignables que puedan crear
problemas, hasta localizarlas y eliminarlas.
(3) Si tres o mas rangos quedan fuera de los limites de control originales, los rangos han
quedado entonces fuera de control estadstico y la variacin inherente no es estable.
No se moleste en dibujar los lmites de control para los promedios, sino que se deben
localizar y eliminar las causas asignables que estn trastornando los rangos. Despus
se comienza de nuevo a copiar datos nuevos y desarrollar grficas nuevas de control.
Para ayudarle a conocer estas posibilidades, rbol de decisiones o el diagrama de flujo

son de mucha utilidad. En la figura 3-16 aparece un rbol de decisiones para trabajar
con los rangos.
Figura 3-16. Grfica de decisin para trabajar con rangos
Los rangos para los datos de motores elctricos se muestran en la Figura 3.15. Cuando se
observa la grfica de rangos, se puede apreciar que todos los rangos quedan dentro del
lmite inferior de control de 0.0, y del lmite superior de control de 40.48. Por lo tanto, los
rangos estn bajo control estadstico. Ahora se puede proseguir el trabajo con los lmites de
control para la grfica de promedios.
Paso 12. Determinar los lmites de control para los promedios

Una vez los rangos estn bajo control estadstico, entonces, y solo entonces, se puede
trabajar con los lmites de control para los promedios.
Al reverso del formato ASQC, y bajo el titulo de FACTORES PARA LOS LIMITES DE
CONTROL, est el factor A 2 que corresponde a la dimensin de la muestra que se ha
estado usando (Ver Figura 3-17).
Figura 3-17. Factores para los lmites de control, A 2 est encerrado en un crculo por
la muestra de cinco lecturas. 10 Factores para lmites de control.
FACTORES PARA LOS LIMITES DE CONTROL
N A2 d2 3/R2 A2
D4
2 1.880 3.268 1.128 2.659 0.779
3 1.023 2.574 1.693 1.772 0.749
4 0.729 2.282 2.059 1.457 0.728
5 0.577 2.114 2.326 1.290 0.713
6 0.483 2.004 2.534 1.184 0.701
Marcar el 5 en la columna n por que las muestras constan de cinco motores elctricos.
Despus se marca el 0.57 en la columna de A 2 por que ste es el factor A 2 que debe usarse
con las muestras de 5. A continuacin, se multiplica este factor A 2 por 19.15, que es el rango
promedio que se obtuvo antes.
A2 por equivale a 0.577 por 19.15
= 11.05
Para encontrar el lmite superior de control, sumar esta cifra, 11.05 al promedio general
41.26 que se obtuvo en el Paso 6.
El lmite superior de control para promedios equivale a ms (A2 por ).

= 41.26 (0.577 x 19.15)
= 41.26 : 11.05
= 52.31
Para encontrar el lmite inferior de control, se resta 11.05 del promedio general:
El lmite inferior de control para los promedios equivale a X menos (A 2 por R).
= 41.26 11.05
= 30.21
En resumen, stas son las frmulas para los lmites de control superior e inferior para los
promedios (X):
Lmite de control para promedios = LSCx
= X + (A 2 por R)
Lmite inferior de control para promedios = LICx

= X (A 2 por R)
Despus de revisar la aritmtica, se dibujan los lmites de control en la parte titulada
PROMEDIOS de la grfica y se anotan los titulo LSC x y LICx. Recomendamos usar lneas
punteadas o de color (Ver Figura 3-18).
Paso 13. Estn los promedios bajo control estadstico?

Se realiza el mismo tipo de verificacin que para los rangos. Al igual que en los rangos,
existen tres posibles situaciones: (1) todos los promedios quedan dentro de los lmites de
control; (2) uno o dos promedios quedan fueran de los lmites: o (3) tres o ms promedios
quedan fuera de los lmites.
(1) Si todos los promedios quedan dentro de los lmites del control es decir, si ningn
promedio queda por encima del lmite superior (LSC X), o por debajo del lmite inferior
(LICX)- los promedios se encuentran bajo control estadstico. Aparentemente, ninguna
causa asignable altera los promedios. Si los promedios y los rangos estn bajo control,
entonces se puede usar la grfica de promedio y rango para controlar la accin
progresiva de la produccin.
(2) Si uno o dos promedios quedan fuera de los lmites de control, es prctica comn
descartar dichos promedios. Se reorganiza entonces la media general ( ) y los limites
de control para los promedios, sin contar los que ha descartado. Si cualquier promedio
queda fuera de los nuevos lmites de control, entonces los promedios han quedado
fuera de control estadstico. Localizar y eliminar las causas asignables. Y, cuando se
considere que el proceso est reorganizado, se rene nueva informacin. Ser
necesario desarrollar de nuevo las grficas de control de rango y promedio.
Sin embargo, si se vuelven a trazar la media general ( ) y los lmites de control para los
promedios y ahora todos los promedios quedaron dentro de los nuevos lmites de
control, se podrn usar las grficas de promedio y rango para controlar la produccin.
Figura 3-18. Grafica de Promedio y Rango con Lmites de control para promedios
Pero hay que tener cuidado esos promedios descartados podran indicar la presencia
de algunas causas asignables.
(3) Si tres o mas promedios quedan fuera de los lmites de control originales, los
promedios estn fuera de control. Esta situacin indica algo ms que variaciones
inherentes: es muestra que estn presentes algunas causas asignables. Estas se
deben localizar y eliminar. Entonces se vuelve a comenzar con nueva informacin y se
desarrollan nuevas grficas de control de promedio y rango.
Figura 3-19 es un rbol de decisiones que muestra todas las posibles situaciones de
forma grfica.
En la grfica para motores elctricos, todos los promedios quedan dentro de los
lmites de control superior e inferior, por lo tanto, los promedios estn bajo control.
Figura 3-19. rbol de decisin para trabajar con promedios
Aparentemente no hay causas asignables alterando los promedios. Se usa esta grfica
de control de promedio y rango para regular la produccin.
COMO USAR LAS GRAFICAS DE CONTROL EN PRODUCCIN CONTINA
Tan pronto como se conozca que los rangos como los promedios estn bajo control, se
pude decir que el proceso est bajo control estadstico. Esto significa que, por lo que se
puede observar en las grficas, slo est presente la variacin inherente, la cual existe
debido a causas aleatorias y parece ser que no hay causas asignables. La variacin
inherente es estable porque la grfica de rangos est bajo control. Se puede decir que el
promedio general del proceso ( ) es tambin constante por que la grfica de promedios
tambin est bajo control.
Slo porque el proceso est bajo control, no quiere decir que el proceso deba estar
actuando como usted espera que lo haga. El quedar bajo control slo significa que el
proceso est desarrollndose de forma correcta y se est obteniendo un producto
consistente. Una vez que el proceso est bajo control. Se debe determinar si tiene o no
capacidad. (Se dir ms sobre capacidad de un proceso en el Mdulo 5). Los rangos
podrn estar bajo control, mostrando que la variacin inherente es estable, pero la
variacin inherente quiz es tan grande que gran parte del producto quede fuera de las
especificaciones. En este caso, estaramos enfrentando a un problema que debe resolver la
administracin. Esta probablemente debera redisear el proceso para reducir la variacin
inherente, o tal vez decida ampliar las especificaciones.
Asimismo se debe determinar si el promedio general ( ) se ajusta a lo deseado. El proceso

podr esta bajo control, pero esto no garantiza que el promedio general se encuentre
donde debe estar. Es probable que sea necesario ajustar el promedio general para que el
producto quede dentro de las especificaciones. Si se tienen especificaciones, tanto
superiores como inferiores, es posible que se tenga que decidir si se ajusta el proceso para
que el promedio general quede en medio de las especificaciones.
Ahora que hemos mencionado las especificaciones, es importante resaltar una vez ms la
diferencia entre lmites de control y especificaciones. Las especificaciones y los limites de
control no tienen ninguna relacin entre si. Las especificaciones son lo que el diseador
quiere para las unidades individuales. Los lmites de control se basan estrictamente en las
variaciones dentro del proceso. Estos describen la variacin inherente en promedios y
rangos de muestras. En el problema de los motores elctricos, se habr notado que las
especificaciones nunca fueron proporcionadas.
Si la variacin inherente es lo suficientemente pequea para que el proceso cumpla con las
especificaciones, el proceso podr continuar, en tanto se utilicen las grficas de control. Si
no es as, quiz se tenga que presentar este problema a la gerencia. Cmo saber si la
variacin inherente es lo suficientemente pequea? Tal vez se deba desarrollar una prueba
de capacidad de proceso, que ser descrita en el Mdulo 5. Asimismo quiz sea necesario
ajustar el proceso para que el promedio general ( ) quede donde se desea. Este ajuste no
debe afectar los lmites de control para los rangos, pero si cambiar los de los promedios.
Recomendamos que, una vez realizado este ajuste, se verifique observando los promedios
siguientes. Tomar diez nuevas muestras tan prximas una de otra como sea posible.
Calcular el promedio general de estas muestras y trazarlo en la grfica de control para
promedios. Calcular nuevos lmites de control superior e inferior utilizando el nuevo
promedio general, pero conservando el anterior.
El nuevo LSCx equivale al nuevo ms (A2 por el anterior)
El nuevo LICx equivale al nuevo menos (A2 por el anterior)
Ahora, toado debe estar listo para usar las grficas de control como se comento en la
primera seccin de es mdulo.
Figura 3-20 grfica de medianas y rangos ( )
GRAFICAS DE MEDIANAS Y RANGOS
Ahora que usted ha aprendido a hacer y a usar las grficas de promedio y rango, pasemos
a examinar otro tipo de grficas de control que a veces puede usarse en lugar de una
grfica de promedio y rango. Esta es la grfica de medianas y rangos ( R).
La grfica de medianas y rangos es ms fcil de usar que la grfica de promedio y rango,

pero no es adecuada para todas las operaciones. Esta grfica es conveniente para usarse
en operaciones que (1) se sabe que pueden distribuirse normalmente, (2) no se ven
alteradas con frecuencia por causas asignables, y (3) el operario puede ajustarlas
fcilmente. Si la operacin no cumple con estos requisitos, se debe usar una grfica de
promedio y rango.
El desarrollo de la grfica de medianas y rangos es igual al de la grfica de promedio y
rango. Es fcil de usar una vez establecidos los lmites de control. Para una grfica de
medianas y rangos, puede usarse un tamao de muestra de dos a diez piezas, pero es ms
fcil trabajar con una muestra de tres a cinco piezas.
La forma de esta grfica es muy similar a la de promedio y rango. De hecho, puede usarse
el mismo formato, con el titulo de grfica de medianas y rangos.
COMO DESARROLLAR UNA GRAFICA DE MEDIANAS Y RANGOS
La grfica de la Figura 3-21 se basa en una muestra de tres piezas. El procedimiento para
desarrollar la grfica es la siguiente:
Paso 1. Reunir las muestras:

Tomar muestras fabricadas al mismo tiempo, en la medida de lo posible.
Paso 2. Medir la dimensin que va a ser puesta en la grfica

Tomar lecturas y registrar los resultados en las columnas de MEDIDAS DE LA MUESTRA,
Paso 3. Determine la medida de la mediana

Encuentre la medida de la mediana de la muestra y regstrela en la lnea MEDIANA de la
grfica. Una mediana est siempre en el centro de un grupo de lecturas, cuando se cuenta
desde la ms pequea a la ms grande. La mitad de las lecturas debe ser ms pequea
que la mediana y la otra mitad ser mayor.
Figura 3-21. Grfica de mediana y rango con muestras, medianas, rangos y escalas
En esta grfica se est usando una muestra de tres piezas, as que la mediana es la lectura
que se encuentra entre la ms grande y la ms pequea (Sugerimos dibujar un circulo
alrededor del numero ms grande en la muestra, y un cuadro en el ms pequeo.) Si elige
usar una muestra de cinco pieza, el medio sera la tercera lectura, la cual queda entre las
dos mayores y las dos menores. Cuando se use una muestra con tamao en nmero par, la
medida es el nmero que se encuentra en medio de las dos lecturas del centro en la
muestra (por ejemplo, entre la tercera y la cuarta de una muestra de sus piezas) Una
manera fcil de calcular la mediana en una muestra con nmero de piezas para sumar las
dos lecturas de la mitad de la misma y dividir el resultado entre dos. Este resultado es la
mediana y es una cifra que quedar entre estas dos lecturas.
Es importante no confundir la mediana de medidas con la media del mismo grupo. La

media es el valor promedio de las lecturas y la mediana es la medida central del grupo. En
un grupo de cinco medidas, 9, 3, 2, 8, 10, por ejemplo, el promedio es 6.4 (9 + 3 + 2 + 8 +
10 = 32 dividido entre 5, lo cual equivale a 6.4). Para encontrar la mediana, primero se
ordenan los nmeros: 2, 3, 8. 9, 10. Tenemos dos nmeros menores a 8 y dos mayores, por
lo tanto 8 es el nmero central o mediana.
Paso 4. Determine los rangos para las muestras.

Calcular el rango del modo que ya se indic, es decir, restando la lectura ms pequea de la
ms grande. Se registra el rango en la lnea ce "RANGO" que aparece en el formato.
En este ejemplo, la primera muestra ce tres piezas contiene tres medidas 32, 26, y 42. Cuando
se ordenan: 26, 32, 42, se ve que 42 es la mayor y 26 es la menor, por lo tanto, la mediana es 32
es decir el nmero que se encuentra entre estas dos medidas.
Para calcular el rango de la primera muestra, se resta la lectura ms pequea (26) de la ms

grande (42). El resultado. 16, es el rango.
Como se puede observar en la grfica, la segunda muestra es:
47 (la mayor)
32 (la menor)
41 (la mediana)
47 (la mayor) menos 32 (la menor) es igual a 15 (la mediana).
Paso 5. Determinar la mediana de medianas ( ) y la mediana de rangos ( ).

Cuando se hayan medido y registrado quince muestras, se calcularan la mediana de medianas (
) y la mediana de rangos ( ).
Para encontrar la mediana de medianas, se cuenta desde la mediana ms pequea hasta la ms

alta para encontrar el valor medio de las quince medianas. El valor medio en el grupo de quince
es el octavo medio, contando desde bajo (o desde arriba) de los valores. En la grfica en la
Figura 3-21 se han ordenado las ocho medianas ms pequeas como ayuda para contarlas
desde la ms pequea hacia arriba hasta la octava, del grupo de quince. La primera mediana, la
ms pequea es 32; la siguiente ms pequea es tambin 32, y est ordenada con el 2; la
siguiente es 38, con nmero de orden tercero; la siguiente (cuarta) es 39; la quinta es otro 39; la
sexta es un 41; la sptima es el 42; y la octava es el 43. Este nmero, el 43, es la mediana de
medianas ( ). Por ahora, se anota sobre este valor.
Para encontrar la mediana de rangos o rango mediano, se sigue el mismo procedimiento que se
utiliz para encontrar . Se cuentan quince valores de rango, desde el ms pequeo hasta llegar
al octavo o valor medio. La grfica en la Figura 3-21 muestra que el valor de rango mediano (R) es
14. Se anota una R debajo del 14 en la lnea de "RANGO".
Paso 6. Establecer la escala para la grfica de medio ( )
Se selecciona una escala para la grfica de medianas ( ) de tal forma que el espacio entre la
ms grande y la ms pequea de las medidas individuales abarque cerca de la mitad o tres
cuartas partes del total del espacio disponible en la grfica de medianas.
Puesto que la media de medianas ( ) en este ejemplo es 43, se establece el valor 40 en el

centro de la escala. Entonces, cada divisin mayor equivaldr a diez unidades en la escala. La
escala elegida va desde el 10 hasta el 70. Escriba estos nmeros en la grfica en el rea
marcada como "MEDIANAS".
Paso 7. Establecer la escala para el rango.

Se debe hacer de la misma manera que se estableci la escala para la grfica de medianas.
Cada divisin mayor de la escala en la grfica de rango vale 20 unidades. (Las divisiones han
sido marcadas al costado de la grfica de rangos). Esta disposicin deja espacio libre para el
lmite superior de control en la grfica.
Paso 8. Anotar las medidas en la grfica de control.

Todas las medidas de las muestras se anotan en la grfica de medianas y rangos. Para la
primera muestra se escriben pequeos puntos sobre la primera lnea vertical en la parte
correspondiente de la escala. Se pone la primera medida en el 32, la segunda en el 26, y la
tercera en el 42. Se identifica el punto que representa la mediana, 32, escribiendo un pequeo
circulo alrededor del punto. Anote el resto de las lecturas de la misma manera (Ver la Figura 3-
22). Se unen las medianas con lneas rectas que ayuden a identificar las tendencias. Se
dibuja una lnea para , la mediana de medianas, marcndola para su identificacin.
Se trazan los rangos en la grfica de medianas y rangos de la misma manera que se hizo en la
grfica de promedio y rango. Se dibuja una lnea para , La mediana de los rangos marcndola
para su identificacin.
Paso 9. Determinar los lmites de control para medianas y rangos.

Se calculan los lmites de control para las medianas ( ) y los rangos (R), usando frmulas y
factores similares a los de la grfica de promedio y rango. Los factores se muestran en la
Figura 3-23. Ntese que los factores y para la grfica de medianas y rangos no son los
mismos factores y que se usaron para la grfica de promedio y rango.
Para calcular el lmite superior de control (LSC R) para los rangos, se multiplica el rango de
medianas (14) por el factor de la grfica que aparece en la Figura 3-23. Este valor
es 2.75 para una muestra de tres piezas. El clculo es como sigue:
LSCR equivale a veces
LSCR = 2.75 x 14 - 38.5

Figura 3-22. Grfica de medios y rangos con trazo de puntos.
Figura 3-23. Factores del lmite de

control para grficas de medios y
rangos.
Tamao
de la muestra, n. A2 O4
2 2.22 3.87
3 1.26 2.75
4 0.83 2.38
5 0.71 2.18
El lmite inferior de control para rangos es (LICR) cero.
En este punto, se verifican todas las cifras de rango en la grfica para ver si alguna es mayor a
38.5. Si dos o menos rangos quedan fuera del lmite superior de control, se descartan al igual
que sus medianas. Se encuentra el nuevo rango de medianas y se vuelve a trazar el lmite
superior de control. Si tres o ms rangos quedan fuera del lmite de control, se comienza otra vez
con nuevas lecturas.
En el ejemplo, ningn rango queda fuera del lmite superior de control de manera que se pueden
determinar los lmites de control de las medianas.
El factor para una muestra de dimensin tres es 1.26 (Ver la Figura 3-23). Se multiplica este
nmero por el rango de medianas ( ) y se suma el resultado a la media de medianas de la
muestra ( ), para encontrar el lmite superior de control para las medianas (LSC ).
LSCX, equivale a ms ( por R).
Primero se multiplica por , y se suma el resultado a , que es igual a 43.
LSCx, = 43 + (1.26 x 14)

= 43 + 17.64
= 60.64
El lmite inferior de control para las medianas (LIC X) queda de la, siguiente manera:
LICX equivale a menos ( por )
Primero se multiplica por y se resta el resultado de , que es igual a 43.
LICX = 43-(1.26 x 14)
= 43-17.64
= 25.36
Una vez ms, se comparan las medianas contra los lmites de control para ver si alguna mediana
queda fuera del lmite superior de control. Si una o dos quedan fuera, se descartan, calculando
de nuevo la mediana de medianas y los nuevos lmites de control. Si alguna mediana queda
fuera de los nuevos lmites de control, se descarta la grfica, comenzando otra vez con nuevas
mediciones. Si tres o ms medianas quedan fuera de los lmites de control originales, se
desechan todas las lecturas y se comienza de nuevo, tal como se hizo con la grfica de
promedio y rango.
Se trazan los lmites de control usando lneas punteadas, como se muestra en la grfica (Ver
la Figura 3-24). Es una buena prctica identificar las lneas con sus valores, segn se muestra
en la grfica.
La grfica de medianas y rangos se traza con lecturas individuales. Por esta razn es posible
comparar los puntos trazados contra las especificaciones, pero es necesario recordar que es
necesaria la accin correctiva cuando los valores de las medianas o de los rangos quedan
fuera de los lmites de control, los puntos individuales (no medianas) pueden quedar fuera de
los lmites de control, aun cuando el trabajo se desarrolle con normalidad. Los puntos
individuales fuera de especificacin no indican que el trabajo est fuera de control. Esto no es un
sntoma de una causa asignable. Es bueno recordar que el proceso necesita ajustes slo
cuando las medianas ( ) o los rangos ( ) quedan fuera de los lmites de control.
Figura 3-24 Grfica de medidas y rangos con lmites de control.
GRFICAS DE PARTICULARES Y RANGOS
Una grfica de particulares y rangos (X-R) puede ser til en situaciones especiales. Esta grfica
de control se basa ms en lecturas particulares que en muestras pequeas.
La grfica de particulares y rangos no detecta cambios en el proceso con tanta rapidez como lo
hace una grfica de promedio y rango. Al igual que la grfica de medianas y rangos, es mejor
usar la grfica de particulares y rangos cuando se conoce que la distribucin de frecuencia de
las medidas tomadas del proceso u operacin es igual a la curva acampanada (normal).
Esta grfica se puede usar apropiadamente en la fabricacin de productos fabricados por
lotes, tales como soluciones qumicas, recubrimiento de partes, o productos hechos con
compuestos que son una mezcla de varios ingredientes. Para dar un ejemplo, diversos
ingredientes que pueden mezclarse en grandes lotes y despus utilizar dicha mezcla para
fabricar muchas unidades del producto. En tal situacin las lecturas seran ms o menos
iguales, sin importar de dnde se tom la muestra. Es tambin muy probable que transcurran
largos periodos entre lotes. Por estas razones, se necesita anotar slo una medida por cada
lote.
Para monitorear las soluciones qumicas utilizadas para recubrir piezas metlicas, se puede
utilizar una grfica de particulares y rangos en lugar de una grfica de promedio y rango. Si
se toman cuatro o cinco muestras de una sola vez en un lote de lquido en el tanque de
recubrimiento, se obtendr un rango basado principalmente en los errores cometidos al
medir. Por la misma razn, no es conveniente medir y registrar el espesor de un
recubrimiento en varios sitios de la misma pieza. Es suficiente una sola medida en estos casos
y por ello es apropiado el uso de una grfica de particulares y rangos.
Es posible utilizar tambin este tipo de grfica cuando se considera que es costoso y tardado
probar o medir la dimensin.
COMO DESARROLLAR UNA GRFICA DE PARTICULARES Y RANGOS
El formato de las grficas de promedio y rango puede adaptarse fcilmente a la grfica de

particulares y rango. Al igual que con la grfica de medianas y rangos, se tachan las palabras
que no se aplican en esta grfica y se aaden las necesarias. (Ver la Figura 3-25.).
Para demostrar la forma de desarrollar una grfica de particulares y rangos, se utilizarn

lecturas tomadas en un proceso de vulcanizado de hule. En este proceso, se mezclaron los
diversos ingredientes que conforman un lote de hule sin vulcanizar. Se mezclaron hule natural y
sinttico pequeas cantidades de aceites y varios polvos, se mezclaron en una masa de
hule sin vulcanizar que llamaremos "lote". Por regla general, estos lotes pesan alrededor de
350 libras, (160 kilogramos) y para terminar un lote pueden necesitarse desde algunos minutos
hasta ms de una hora. Si se quisiera monitorear y controlar las caractersticas de este producto,
se encontrara que pasara un buen rato antes de poder obtener cuatro o cinco mediciones para
una tpica grfica de promedio y rango, porque slo se puede obtener una medida por lote.
Para superar este problema, es factible desarrollar una grfica de particulares y rangos con
las mediciones que se obtengan al hacer pruebas en las muestras de los lotes. Los
procedimientos de pruebas no se describirn; para este ejemplo solamente es necesario
saber que las cifras se miden en "unidades de torsin".
Para establecer una grfica de particulares y rangos se necesitarn veinte medidas. Los
valores de torsin se anotan en la grfica de control como se muestra en la Figura 3-26. Estos
valores se anotan en el rengln de "MEDIDAS DE LA MUESTRA". Puesto que es una grfica
particular, slo se obtendr una lectura. En esta grfica, el nmero del lote se registra en el
rengln normalmente empleado para registrar la hora en que se tom la muestra. Debido a que
los lotes se numeran en orden, los nmeros de los mismos son tan tiles como lo son las
horas para indicar el orden de las muestras.
Figura 3-25. Grfica de particulares y rangos (X-R)
Para determinar los valores de rango (R), se calculan las diferencias entre las medidas
particulares. El primer rango es la diferencia entre la primera y la segunda medidas (51.5 menos
46.0 es igual a 5.5). Este dato se registra en la lnea de "RANGO" en la grfica, debajo de la
lectura para el segundo lote. Como no existe valor de rango para el primer lote, los valores de
rango sern inferiores en una unidad a las medidas particulares (Ver Figura 3-26).
Se establece la escala para la grfica de "particulares" de modo que la diferencia entre la

medida ms grande y la ms pequea abarque aproximadamente la mitad del espacio en la
grfica.
La grfica de "rangos" comenzar en cero. Cada divisin en la escala debe tener el mismo valor
que tiene una divisin en la grfica de "particulares". (En esta grfica cada divisin equivale a
una unidad de torsin.)
Figura 3-26. Grfica de particulares rangos con medidas y rangos.
LIMITES DE CONTROL
Calcular los lmites de control de la misma forma que se hizo para la grfica de promedio y
rango. El lmite superior de control para los rangos se calcula de la siguiente manera:
LSCR es igual a D4 por .
El factor D4 es el mismo que se usa en la grfica de promedio y rango, cuando la muestra consta de
dos piezas. Este valor es 3.268 (Ver la Figura 3-14; n = 2).
El valor de R (el rango promedio), como ya se sabe, se calcula sumando todos los rangos y
dividiendo el resultado entre el nmero de los valores de rango. En este caso, el total de los
rangos es 46.5 y el valor de rango es el nmero 19. Hay que recordar que siempre hay un rango
menos que el nmero de lecturas particulares que en la grfica de particulares y rangos.
En esta grfica (Figura 3-27), el lmite superior de control se calcul de la siguiente manera:
= 46.5/19
= 2.45
LSCR = D4
D4 por es igual a 3.268 por 2.45, que es igual a 8.01.

El lmite inferior de control para los rangos siempre es cero en este tipo de grficas.
Para calcular el promedio de los particulares ( ), se suman todas las lecturas particulares y se
divide el resultado entre el nmero de stas. En esta grfica (Figura 3-27), la suma es de 1050 y
la cantidad es veinte. Los lmites de control para los particulares se calculan de la siguiente
manera:
= 1050/20 = 52.5
Lmite superior de control para particulares LSCX:
LSCX, es igual a ms (2.66 por ).
Multiplicar primero 2.66 por R y despus sumar .
LSCX - 52.5 + (2.66 x 2.45) - 59.02
Lmite inferior de control para particulares LICX:
LlCx es igual a menos (2.66 por ).
Multiplicar 2.66 por y despus restar .
LlCX - 52.5 - (2.66 x 2.45) - 45.98
El nmero 2.66, que se usa para calcular los lmites de control, ha sido determinado por
matemticos.
Figura 3-27
Cuando se haya calculado el lmite superior de control para los rangos, se examinan los valores
de rango para ver si alguno de ellos es mayor que el lmite superior de control. Si tres o ms
valores de rango son mayores que el lmite de control, se descartan todas las lecturas y se
comienza otra vez. Si uno o dos valores son mayores que el lmite superior de control, se eliminan
del grupo de valores de rango y se calcula un nuevo rango promedio ( ), as como un nuevo
lmite superior de control para los rangos. Hay que asegurarse de eliminar las
correspondientes medidas individuales (X's). Si alguno de los dems valores de rango an es
mayor que el nuevo lmite superior de control, se descartan todas las lecturas y se comienza
de nuevo. Sin ninguno de los dems valores de rango es mayor que el nuevo lmite superior
de control, se prosigue, calculando los lmites de control superior e inferior para las lecturas
particulares.
Se aplican las mismas pruebas en las lecturas particulares. Si tres o ms quedan fuera de los
lmites de control, se descartan las lecturas y se comienza otra vez. Si una o dos quedan fuera,
se recalculan los lmites de control para los particulares y se verifica si algunas otras medidas
quedan todava fuera de los lmites de control. Si es as, se comienza de nuevo con otras
medidas. Cuando ninguna medida quede fuera de los lmites de control, se prosigue, usando la
grfica.
En el ejemplo de la Figura 3-27, todos los valores de rango y las lecturas particulares que dan
dentro de los lmites de control, de modo que es posible usar la grfica de control.
Una vez establecida la grfica de particulares y rangos con los lmites adecuados de control, se
podr usar como instrumento para monitorear y controlar la operacin o el proceso. Se usa del
mismo modo que las otras grficas de control de variables, pero recuerde - sta es una grfica
de control de lecturas individuales. Las mediciones anotadas pueden compararse contra los
lmites de especificacin, as como contra los lmites de control.
Cuando los puntos en la grfica de control quedan fuera de los lmites de control, existe un
problema que puede solucionarse en el piso. Es preciso buscar las causas asignables y tomar
una accin correctiva. Cuando los puntos en la grfica de control quedan fuera de los lmites de
especificacin, pero no fuera de los lmites de control, se tiene un problema que debe resolver la
gerencia. En este caso, las cosas se estn haciendo tal como fueron planeadas y de acuerdo a
las instrucciones, pero las medidas estn fuera de especificacin. Para corregir esta situacin
se requiere un cambio de planes, de instrucciones, o de procedimiento.
Si cualquiera de los lmites de control para las medidas individuales queda fuera de
especificacin, es posible predecir que se fabricarn algunas piezas fuera de especificacin. Por
esta razn, la prediccin debe ser correcta. Para tener confianza en la exactitud de los lmites de
control, una buena prctica es recalcular los lmites de control tan pronto como se obtengan ms
lecturas.
Cuando se hayan aadido veinte medidas ms a la grfica de control, se suman al grupo original y
se recalculan los lmites de control. Este procedimiento debe continuar hasta haber calculado los
lmites de control usando por lo menos 100 lecturas.
RESUMEN
Las grficas de control pueden indicar que hay que permitir que el proceso se desarrolle con
normalidad, o que se ajuste o corrija. En el primero de los casos, parece estar presente slo la
variacin inherente. En el segundo caso, quiz una causa asignable est alterando el proceso.
La grfica de control de promedio y rango se utiliza cuando se tienen datos variables

(informacin basada en medidas).
Para desarrollar las grficas de promedio y rango, se deben reunir muestras; calcular los 's
y los R's; calcular y ; determinar lmites de control para los rangos y saber usarlos;
determinar lmites de control para los promedios y saber usarlos. Se deben revisar las grficas
para verificar que los rangos quedan bajo control estadstico antes de calcular los lmites: de
control para los promedios. Un rbol de decisin ayuda a trabajar con rangos y promedios.
Los puntos dentro de los limites de control significan que slo la variacin inherente est
presente y no se requieren ajustes al proceso, Los puntos fuera de los lmites de control, as
como ciertos patrones dentro de los lmites, indican la presencia de causas asignables. En ese
caso, se deben investigar las causas - mquina, material, mtodo, medio ambiente, operario- y
corregirlas.
Cuando el proceso est bajo control estadstico, se determina si la variacin inherente es tan
pequea que el producto cumple las especificaciones. Hay que recordar que los lmites de
control no tienen ninguna relacin con las especificaciones. Una grfica de rango dice si la
variacin del proceso es estable o no lo es. Si es estable, se puede revisar para ver qu tan bien
cumple el producto con las especificaciones. En el Mdulo 5, se aprender ms sobre este
tema.
La grfica de medianas y rangos es ms fcil de usar que la grfica de promedios y rangos.

La mediana es el valor medio en un grupo de cifras, y puede encontrarse sin usar aritmtica. El
rango es fcil de calcular porque los puntos en la grfica muestran claramente las medidas
mayor y menor. El tamao ptimo de la muestra es de tres o cinco piezas.
La grfica de medianas y rangos se utiliza cuando se conoce que la distribucin de frecuencia de

las lecturas de una operacin es igual a la curva normal acampanada. Esto no es tan importante
cuando se usa la grfica de promedio y rango.
La grfica de particulares y rangos se usa en circunstancias especiales, como cuando

transcurre mucho tiempo entre productos o medidas o cuando se monitorean las condiciones
del proceso en lugar de la dimensin directa en un producto, como sucede con las soluciones
en los tanques de recubrimiento.
En las grficas de particulares y rangos se registran las mediciones de partes o productos

individuales, pudindose comparar los puntos en la grfica de particulares contra las
especificaciones. Esta grfica es fcil de usar, pero no detecta cambios en el proceso tan
rpidamente como la de promedio y rango. La condicin de mayor importancia para el uso de
esta grfica es que la distribucin de frecuencia de las mediciones tomadas que sean incluidas
en la grfica, sea igual a la distribucin acampanada normal.
PROBLEMAS PRCTICOS: Tiempo Tiempo
GRAFICAS DE VARIABLES
7:00 5 5 5 7 8:30 5 5 4 7
7:15 5 6 4 7 8:45 4 4 4 7
Trabajar con los siguientes problemas usando las 7:30 6 4 3 4 9:00 6 5 6 4
tcnicas estadsticas aprendidas en los Mdulos 2 y 3. 7:45 6 5 6 1 9:15 1 5 7 6
Las soluciones se encuentran en la seccin de 8:00 3 4 5 3 9:30 5 5 1 3
Soluciones al final de este libro. 8:15 4 7 7 6 9:45 7 8 7 3
10:00 3 4 7 7
Problema 3-1
Las siguientes mediadas son dimetros de clavijas. La
especificacin es 250 pulgadas = .008.
Tiempo Tiempo
Se midieron cinco piezas sucesivas cada quince
minutos. 10:15 6 6 6 8 11:45 -1 -1 0 0
10:30 3 4 4 7 12:00 8 8 4 5
Se ve normal un histograma de frecuencia de las 10:45 2 2 2 6 12:15 4 6 4 7
medidas? 11:00 5 4 6 6 12:30 4 5 6 6
La operacin es estable? 11:15 5 4 4 1 12:45 3 3 4 9
11:30 0 4 2 -4 1:00 7 4 6 5
Medidas del dimetro de la clavija (Problema 3-1)
Se ve normal el histograma de las medidas?
Hora La grfica de promedio y rango indica la presencia
de una causa asignable en algn momento? Si es as,
7:51 .249 .251 .251 .248 .250 cul puede ser?
7:30 .251 .246 .252 .248 .250
7:45 .250 .250 .246 .250 .251 Problema 3-3
8:00 .249 .253 .245 .254 .249
8:15 .250 .246 .251 .249 .250 Examinar de nuevo la informacin sobre la tolerancia
8:30 .250 .250 .251 .251 .251 de la flecha mencionada en el Problema 2-3.
8:45 .247 .251 .253 .250 .249 Desarrollar grficas de promedio y rango usando los
9:00 .250 .251 .253 .249 .248 siguientes grupos de informacin. Usar el tamao 6 de
un subgrupo de muestra.
Medidas del dimetro de la clavija (Problema 3-1)
1. A, B, C, y D
2. E, F, G y H
Tiempo 3. I, J, K, y L
4. M, N, O, y P.
9:15 .246 .250 .248 .250 .251 5. A, E, I, y M.
9:30 .251 .248 .249 .249 .250
9:45 .251 .249 .249 .251 .252 Se observan diferencias entre los promedios ( s)?
10:00 .251 .255 .248 .247 .249 Cmo se comparan los promedios con aquellos de
10:15 .250 .252 .252 .249 .251 los histogramas de frecuencia?
10:30 .250 .251 .254 .251 .251 De qu manera se compara la quinta grfica de
10:45 .252 .251 .248 .252 .251 control (A, E, I, y M) con las otras cuatro?
11:00 .249 .250 .249 .251 .252
11:15 .250 .249 .250 .250 .250 Problema 3- 4
11:30 .248 .250 .249 .251 .251 Regresar al Problema 2-4 y desarrollar una grfica de
11:45 .251 .248 .250 .250 .252 medianas y rangos con base en las medidas listadas.
12:00 .254 .251 .254 .247 .251 Dividir las medidas en subgrupos de cinco piezas para
tomar un total de 24 puntos medianos en la grfica.
Cmo se compara el promedio estimado del proceso,

Problema 3-2 o la mediana de medianas ( ) con el promedio
estimado del proceso realizado usando el anlisis
Se tomaron cuatro piezas de una operacin de torneado del histograma?
con intervalos de quince minutos. La dimensin medida
es el dimetro de un prisionero. La especificacin es .
750 = .005 pulgadas
MODULO
Grficas de control
de atributos
NUEVOS TRMINOS EN EL MODULO 4.

(En orden de aparicin)
Variables (Raz cuadrada)
Atributos Grfica p de fraccin o proporcin de
Datos del atributo o de conteo piezas defectuosas
Grafica p n (nmero promedio de piezas
Grfica np defectuosas
Grfica c en el proceso)
Grfica p de porcentaje defectuoso Unidad de inspeccin
(promedio de porcentaje (nmero promedio de defectos para
defectuoso para el proceso) el proceso)
Cuando se realizan tareas de control de calidad, se utilizan o desarrollan grficas basadas en

dos tipos de informacin. En el Mdulo 3, se aprendi a utilizar y formular grficas de promedio y
rango, as como otros tipos de grficas de control. El tipo de informacin necesario para estas
grficas se llama datos o variables. Al medir el juego longitudinal del motor, las lecturas varan de
una pieza a otra. Las variables provienen de las cosas que se pueden medir, tales como el
juego longitudinal de la flecha del motor, los dimetros internos para mangueras de frenos, o la
resistencia en un resistor (restato).
A veces, sin embargo, se presenta una situacin diferente en el proceso de fabricacin. La

unidad de produccin tiene una caracterstica que se desea controlar, pero que no es posible o
muy difcil de medir. Aun as, la caracterstica es importante debido su costo o a la aceptabilidad del
cliente.
Cuando se controlan estas caractersticas, la inspeccin de muestras indica si el producto

cumple o no con las normas y las especificaciones, o tiene uno o ms defectos. El producto
est bien o no lo est. Esto se observa cuando al examinar una unidad de produccin en
busca de posibles defectos: las grietas o desgarres pueden o no estar presentes en un moldeo
de precisin, una parte fabricada con plstico podr tener rebabas o no; una superficie
pintada podr tener raspaduras, manchas o suciedades, o no. Estas caractersticas que no
pueden medirse se llaman atributos, los cuales proporcionan informacin acerca de los datos
de /os atributos, o del conteo
POR QUE USAR UNA GRFICA DE CONTROL DEATRIBUTOS?
Ambos trminos son correctos tcnicamente, pero se escucha mejor resistor.

Cada vez que es preciso monitorear una caracterstica no medible del producto, puede
utilizarse una grfica p, una grfica np, o una grfica c. La grfica p es til para monitorear y
controlar el porcentaje de piezas defectuosas en la produccin. La grfica np sirve para
verificar el nmero de piezas defectuosas. La grfica c ayuda a inspeccionar el nmero de
defectos en los artculos fabricados. Si se desea conocer el Porcentaje de partes
defectuosas en un lote de produccin, se utiliza una grfica p. Si se quiere saber el nmero
de partes defectuosas en el mismo lote, se usa una grfica np. Y si se desea contar los
defectos en una parte, se usa una grfica c. Para tener en mente la finalidad de cada
una hay que recordar que "p" es la inicial de porcentaje, "np" las de nmero de partes
defectuosas, y "c" la de "contar".
La palabra "defectuosa" se utiliza para calificar una pieza o una unidad. La pieza puede ser
buena (aceptable), o mala (no aceptable); es decir, defectuosa. Tambin se usa la palabra
"defecto" de un modo especial. Podr haber uno o ms defectos en una sola pieza, pero
toda la pieza es defectuosa al tener uno o ms defectos.
En este mdulo, se aprendern a usar y a desarrollar estos tres tipos de grficas de

atributos, comenzando con la grfica p.
GRFICA p DE PORCENTAJE DE DEFECTOS
La mayora de las grficas p usan porcentajes. Un porcentaje es la cantidad de piezas de

cada 100 unidades, que es defectuosa, o que de alguna manera no se ajustan a las
especificaciones. A este tipo de grficas p las llamamos grficas p de porcentaje de
defectos.
Para encontrar el porcentaje, p, se utiliza la siguiente frmula:
p equivale al nmero de piezas defectuosas dividido entre el tamao de la muestra.
Multiplicar el resultado por 100.
En una muestra de 100 unidades donde siete piezas son defectuosas.
p = 7/100 x 100% =7%
En una grfica p de porcentaje de defectos, los porcentajes de piezas defectuosas en las

muestras, se indican como puntos.
Figura 4-1. Grfica p.
(Formato desarrollado por Robert y Davida Amsden y Howard Butler)
COMO USAR LAS GRAFICAS p
Tal como se hizo en el Modulo 3, se observar primero una grfica p desarrollada por otra
persona. Un tcnico desarroll una grfica basado en la produccin del da anterior.
Continu tomando muestras como se indica en la figura 4-2.
Figura 4-2. Grfica p ya desarrollada
En el trabajo que se realizar consiste en tomar la muestra, calcular p, registrar los datos de
la grfica p y trazar las lneas. Asimismo se deber comprende lo que dice la grfica para
poder decidir si se continua con el proceso o se deben hacer correcciones.
Figura 4-3. Grfica p con anotaciones de datos a las 9:00 horas
En este caso, supongamos que se estn revisando muestras de moldura para cubiertas
automticas. La muestra consiste en 50 cintas de moldura. Se debe revisar cada cinta para
determinar si est bien o mal, sin considerar el nmero o el tipo de defectos que se
encuentren.
Puesto que se estarn inspeccionando las partes y anotando los resultados en la grfica
durante el resto del turno, anotar el nombre de usted encima del de Baxter, y la hora a
partir de la cual usted tom la grfica a su cargo (Ver Figura 4-3). Escribir 9:00 abajo del
ttulo "FECHA Y HORA", anotacin que corresponde a la octava muestra (la primera de usted).
A las 9:00 se realiz una revisin visual de las siguientes 50 tiras producidas, y encontrando
seis defectuosas. Bajo el ttulo "No. INSP". (Nmero inspeccionado) escribir 50; bajo "No.
DEF". (piezas defectuosas) anotar 6.
Probablemente ya se han observado las divisiones que aparecen abajo del ttulo TIPOS DE
DEFECTOS". Tal vez tambin se haya pedido llenar los espacios de los tipos particulares de
defectos, tales como "agrietado", "rasgado", "cavidades", "rebabas", "manchas" y "otros". Para
llenar estos espacios, se cuentan cuntos defectos de cada tipo encuentra usted y se anota la
cantidad bajo el ttulo apropiado. Hay que recordar que una cinta puede tener ms de un tipo de
defecto. Por ejemplo, grieta y rasgadura. Pero aunque esta cinta tenga dos defectos, cuenta
solamente por una pieza defectuosa, llamada una "defectuosa".
En esta muestra de 50 piezas, dos piezas tienen rebaba, tres piezas tienen rasgadura, y dos
tienen grietas. (Una de estas piezas defectuosas tuvo dos defectos, grietas y rasgaduras.)
Llenar los espacios apropiados bajo el ttulo "TIPOS DE DEFECTOS" (Ver Figura 4-4).
Figura 4-4. Porcin de la grfica p mostrando tipos de defectos, 9,00
Una vez anotada la informacin, todo est listo para calcular el porcentaje defectuoso en esta
muestra de 50 piezas. Recordemos la frmula:
p = nmero de defectos dividido entre el nmero de las piezas de muestra por 100%,
p = 6/50 x 100% 12%
Anotar 12 bajo el ttulo de "% DEF" (porcentaje defectuoso) junto a 9:00 (Ver la Figura 4-5).
Figura 4-5. Porcin de una grfica p mostrado el porcentaje de defectos 9:00.
Ahora se dibuja un punto grande en la grfica y se traza una lnea conectando este punto con
el anterior (Ver Figura 4-6).
En los Mdulos 1 y 3 se mencion que los promedios y los rangos tienen lmites inferiores y
superiores de control, LSC y LIC respectivamente, y lo mismo se aplica para las grficas p. Hay
que tener esto en mente al revisar lo que se dibuj en la grfica. Ms adelante en este mdulo,
se aprender a establecer los lmites de control.
Est el p donde debe estar? Es un 12%, lo cual cae dentro del lmite inferior de cero y del lmite
superior de 23.04%; por que es correcto.
Qu indica este punto? Cuando el porcentaje de defectos queda dentro de los lmites de
control, el proceso est bajo control estadstico. La regla es: si el porcentaje de defectos est
dentro de los lmites de control, hay que continuar el proceso sin realizar ajustes.
Figura 4-6, grfica p mostrando el trazo p a las 9:00
COMO INTERPRETAR LAS GRAFICAS p DE PORCENTAJE DE DEFECTOS
Ahora que es posible calcular el porcentaje de defectos para las muestras y trazar los puntos,
se puede proceder a interpretar las grficas.
PORCENTAJE DE DEFECTOS, p, DENTRO DE LOS LMITES DE CONTROL
Una vez que se han tomado muestras por un tiempo, observar la grfica, de la Figura 4-7.
Puesto que todos los puntos estn dentro de los lmites de control, qu se debe hacer?
Figura 4-7. P dentro de los lmites de control
Mantener el proceso. Cuando todos los puntos estn dentro de los lmites, no es necesario
realizar ninguna correccin. (El punto trazado a las 10:30 horas queda directa mente en el
lmite inferior. Cualquier punto que quede en un lmite de control, deber considerarse como
dentro de los lmites.)
Qu hacer si un punto queda muy cerca de alguno de los lmites? Si el punto queda dentro o
en el lmite, no debe hacerse ningn ajuste y mantener la produccin. Pero si el punto queda
fuera, est presente una causa asignable, que debe encontrarse y corregirse.
Con anterioridad se dijo que un proceso est bajo control estadstico cuando todos los puntos
estn dentro de los lmites de control, aun cuando los puntos se mueven hacia arriba o hacia
abajo, como sucede en la Figura 4-7. Es muy probable que este movimiento indique la variacin
natural del proceso. En el Mdulo 3 se aprendi que este tipo de variacin se llama variacin
inherente y es debido a la presencia de causas aleatorias. Estas causas, que por lo general
quedan fuera del control inmediato del operario, son las que provocan que los puntos se muevan
hacia arriba y hacia abajo dentro de los lmites de control.
PORCENTAJE DE DEFECTOS, p, FUERA DE LOS LIMITES DE CONTROL
La Figura 4-8 muestra una p fuera de los lmites de control. Debido a esto, el proceso se
encuentra fuera de control estadstico. Estn presentes una causa asignable y algo ms que la
simple variacin inherente.
Como se vio en el Mdulo 3, no siempre est presente una causa asignable. No es algo
natural del proceso, pero cuando se presenta en la grfica de control, es posible seguirle la
pista.
Un punto fuera de los lmites indica a menudo un problema que es manejable en el piso, tal
como cambiar una herramienta gastada. En otras veces, sin embargo, como cuando se
cambia una frmula qumica, es el jefe quien debe resolver el problema. Aqu lo importante
no es quin es el responsable, sino qu cambi y qu se necesita hacer. El punto fuera de
los lmites de control le indica un cambio y cundo se present.
Qu se debe hacer? La grfica dice que se debe corregir el proceso. Por alguna razn el
proceso se movi hacia arriba y necesita ajustarse hacia abajo.
En el caso de la moldura, el porcentaje de defectos tal vez se sali del lmite debido a la
extrema humedad del aire, lo que provoc que no se aadiera suficiente agente secador a la
mezcla de hule; o quiz el moldeo estuvo en la prensa menos tiempo que el especificado y
es necesario corregir el tiempo.
OTROS INDICIOS DE PROCESOS FUERA DE CONTROL
En el Mdulo 3, se mencion que el trazo de puntos, puede seguir un patrn, tambin se

seal que un patrn consiste en siete puntos consecutivos por arriba o debajo de la lnea
marcada . (Ms tarde se explicara ). Aunque todos los puntos estn dentro de los lmites
de control, este patrn de un indicio aunque dbil- de que el proceso est fuera de control.
Otros patrones consisten en series ms largas de puntos, as como demasiados o muy pocos
puntos cerca de la lnea . Para interpretar estos patrones se sugiere buscarlos en la
bibliografa del Mdulo 3.
Figura 4-8. p fuera de los lmites de control
TIPOS DE CAUSAS ASIGNABLES
El punto o los puntos fuera de los lmites de control son el indicio ms claro de la presencia de
una causa asignable en el proceso. Una vez ms, se revisarn las fuentes de causas asignables.
(Ver Mdulo 1, Figura 1 -4, para el diagrama de pescado.)
(1) Revisar la mquina. Cambi algo en la propia mquina que hizo que los puntos quedaran
fuera de los lmites de control? Buscar herramientas gastadas, revisar la colocacin de
las guas, el nivel del refrigerante en una esmeriladora, etc.
(2) Los materiales son otro punto que debe revisarse. Cuando los materiales son causa de
una causa asignable, las partes que entran al proceso son diferentes. Por ejemplo,
productos qumicos contaminados, o que se est usando un hilo de diferente resistencia
para coser zapatillas.
(3) Otra rea que debe revisarse es el mtodo. Por "mtodo" se entiende el procedimiento
para fabricar una pieza, tal como la forma de extraer la moldura de la prensa.
(4) Tambin se debe observar el medio ambiente, que incluye puntos como la luz, la altura de la
mesa de trabajo, la humedad o la sequedad, y el polvo.
(5) Por ltimo, el operario. Verificar su capacitacin, sus capacidades auditiva y visual, o sus
errores aritmticos.
COMO DESARROLLAR GRFICAS p DE PORCENTAJE DEFECTUOSO
Ahora se intentar desarrollar grficas p propias para uno de varios propsitos: (1) Tal vez se
utilicen para control. Es decir, para ayudar a determinar si el proceso debe continuar "como
est", o si se deben hacer correcciones, (2) Tambin se pueden usar para anlisis de
diferencias entre materiales, das o turnos. (3) Las grficas son tiles tambin para comunicar
o documentar. Es decir, las grficas pueden ayudar a enfocar la atencin en una calidad
consistente.
Se utilizar el ejemplo de la moldura para cubiertas automticas, para ensear el desarrollo de

una grfica p. Los departamentos de control de calidad y de produccin convienen en la
necesidad de controlar el porcentaje defectuoso en las molduras. Usted es el operario, y la
grfica p le ayudar a controlar el proceso, as como mostrarle a usted, al jefe y a control de
calidad, lo bien que est trabajando.
Paso 1. Tomar la muestra.

A continuacin se presentan algunas bases para determinar los tamaos de muestra para las
grficas p:
Tomar una muestra de por lo menos 50 unidades.

Tomar una muestra lo suficientemente grande como para tener un promedio de cuatro o
ms defectos por muestra.
Evitar las muestras demasiado grandes tomadas en lapsos muy prolongados. De ser
posible, dividir el tiempo de la muestra en segmentos ms pequeos. En lugar del
porcentaje defectuoso para un da de produccin, dividir el da en periodos de dos o cuatro
horas y trazar el porcentaje para estos periodos ms cortos.
Si el tamao de las muestras vara y una de ellas es 20% mayor o menor que el
tamao promedio, calcular lmites de control para esa muestra por separado.
Usted quiere que en la muestra aparezca slo la variacin inherente. Hay que recordar que
variacin inherente significa que los defectos en la moldura aparecen al azar, y que se deben a
causas aleatorias. Si en la muestra aparece slo la variacin ordinaria (inherente), se pueden
indicar lmites exactos de control.
Para obtener slo la variacin inherente, es necesario tomar las muestras por periodos cortos
y de una sola unidad de produccin. Esto significa que se tomarn muestras de una sola
mquina, de un solo cabezal, de un solo operador, y de un solo lote de materiales.
Todo est listo para comenzar a tomar la muestra. El tcnico de calidad determin que 50 piezas
es tamao ptimo de muestra para las grficas p de la moldura. El proceso ha estado
trabajando aproximadamente con 10% de partes defectuosas, as que una muestra de 50
piezas deber incluir alrededor de cinco defectuosas el (10% de 50 es 5). Por lo tanto, una
muestra de estas dimensiones cumplir con facilidad lo dispuesto por las normas que
recomiendan un mnimo de cuatro defectos por muestra, en promedio.
Tomar de la mquina 50 piezas consecutivas de moldura. Existe un solo operario y se toman

muestras de 50 piezas cada quince minutos. En este punto es posible determinar que cada
muestra es lo ms similar posible a las dems. Cualquier variacin entre muestras no ser ms
que la variacin inherente.
En ocasiones, contrario a la norma, se deber desarrollar una grfica p con datos de una prueba
o inspeccin de operacin del 100%. Al hacerlo, la muestra podr ser el resultado de una hora,
medio da, o aun de un da completo de inspeccin. Este tipo de muestras casi nunca son del
mismo tamao. El nmero de partes producidas durante un determinado periodo no siempre es
el mismo y el tamao de la muestra puede ser bastante grande, de miles de piezas.
Paso 2. Anotar la informacin de antecedentes en la grfica p.

La Figura 4-9 es el formato para las grficas p. Este facilita la anotacin de los antecedentes que
son necesarios, tales como el nmero de parte y de operacin. Tambin cuenta con una zona
para graficar los puntos.
Figura 4-9. Forma de grfica p
Anotar los antecedentes en el formato

Paso 3. Reunir las muestras y registrar la informacin
La muestra consiste en cincuenta cintas cada quince minutos. Se sugiere tomar por lo menos
veinte muestras.
Figura 4-10. Porcin de una grfica p con la primera muestra
El personal de control de calidad dio instrucciones sobre cmo determinar si una moldura est o
no defectuosa, y si es buena o mala. Ellos ensearon o proporcionaron pequeas muestras de
moldura en las que se observan varios defectos tales como grietas, rasgaduras y cavidades.
Ahora, se inspecciona cada pieza y se anota la siguiente informacin debajo de los ttulos
correspondientes. 1) Fecha y hora. 2) Abajo de "Pzas, INSP" (Piezas inspeccionadas), anotar
50, que es el tamao de la muestra. 3) Abajo de "Pzas. Def." (Piezas defectuosas) se escribe 4,
que es el nmero de piezas defectuosas que usted encontr (Ver la Figura 4.10).
Por ahora no hay que tomar en cuenta las divisiones que aparecen abajo de "TIPOS DE
DEFECTOS". Quiz se estar muy ocupado tomando las muestras. Una vez establecida la grfica
p, se podr comenzar a reunir datos sobre los tipos de defectos.
Paso 4. Calcular el p, que es el porcentaje defectuoso.

Se han inspeccionado 50 molduras, registrando los datos en la grfica p. El siguiente paso es
calcular p, el porcentaje defectuoso. La frmula para p es la siguiente:
p es igual al nmero de piezas defectuosas dividido entre el tamao de la muestra por 100%.
Para la primera muestra: p = 4/50 x 100% = 8%
Para la segunda muestra: p = 5/50 x 100% = 10%
(Ver Figura 4-11).
Figura 4-11. Grfica p calcula para cada muestra

Paso 5. Calcular el porcentaje defectuoso promedio para el proceso
Sumar los nmeros que aparecen abajo del titulo Pzas. DEF. Nmero de defectos.
4 , 5 , 9 , 6 , 5 , 11 , 4 , 7 , 8 , 3 ,
7, 9, 6, 10, 7, 4, 9, 7, 8, 5
Nmero total de defectos: 134.

Dividir el total de defectos entre el nmero de partes inspeccionadas, y multiplicar el resultado
por 100%. Se han observado 50 piezas veinte veces, por lo tanto, se inspeccion un total de
1000 partes.
Porcentaje promedio de defectos para el proceso, :
134/1000 por 100% es igual a 13.4%
No anotar todava esta informacin en su grfica. Anotarla aparte para el siguiente paso.
Revisar las operaciones aritmticas.
Paso 6. Determinar las escalas para la grfica y trazar los datos.

Establecer las escalas para la grfica con el objeto de que los valores mayor y menor para p se
ajusten con facilidad a los extremos de la escala. (Por lo general, el lmite inferior de control para p
es cero.) Es preciso dejar suficiente espacio sobre la lectura ms alta, para el lmite superior
de control. Elegir las escalas que faciliten el trazo de la informacin.
Porcentaje defectuoso mayor (p): 22
Porcentaje defectuoso menor (p): 6
Es posible manejar escalas de cero a 35. Todos los p se ajustarn con facilidad, y queda todava
espacio suficiente para el lmite superior de control. En la grfica habr cinco lneas entre 5.0
y 10.0, as, cada lnea representa 1.0 unidades. Esto facilitar el trazo de los p (Ver la Figura
4-12.)
Ahora se trazan los p y se conectan los puntos con lneas rectas.
Finalmente, se dibuja una lnea gruesa a travs de la grfica en 13.4%, que es el porcentaje
defectuoso promedio, , y se marca " = 13.4%".
Paso 7. Calcular los lmites de control para las grficas de porcentaje de efectos.
El calcularlos lmites de control para las grficas p no es tan fcil como en las grficas de
promedio y rango. El trabajo es menor, pero un poco ms difcil.
A continuacin se enuncia la frmula para calcular el LSCP, el lmite superior de control para p:
p x (100% p )
LSC p p 3
n
Figura 4-12. Grfica p con anotacin de datos y trazo de p
Es el smbolo de raz cuadrada, un modo especial de clculo ideado por los matemticos.
x es el smbolo de multiplicacin
n es el tamao de la muestra
es el porcentaje promedio
Esto luce muy complicado, pero en realidad no lo es, si se lee de la siguiente manera: el lmite
superior de control por p es igual a p (el porcentaje defectuoso promedio) ms tres veces el
clculo en el smbolo de la raz cuadrada.
Dentro del smbolo de la raz cuadrada, primero se calcula 100% menos . Despus se
multiplica el resultado por , y se divide ese resultado entre n, el tamao de la muestra. Una
vez calculado todo esto, se obtiene la raz cuadrada por medio de una calculadora, oprimiendo
una tecla.
Se multiplica este resultado por 3 y se suma al porcentaje defectuoso promedio, .
La frmula para el lmite inferior de control para p LICP, es:
p x (100% p )
LIC P p 3
n
Realizar los mismos clculos que para el lmite superior de control, pero esta vez se deben
restar 3 veces el nmero obtenido de la operacin de raz cuadrada. Si se obtiene un nmero
negativo al calcular el lmite inferior de control, ste se considera cero.
Esta es la frmula para calcular los lmites cuando es igual a 13.4% y el tamao de la muestra
(n) es 50.
Lmite superior de control (LSCp):
p x (100% - p)
UCL p p 3
n
13.4 x (100 13.4)
13.4 3
50
13.4 x 86.6
13.4 3
50
1160 .44
13.4 3
50
13.4 3 23.2088
13.4 3x4.818
13.4 14.45
27.85%
Lmite inferior de control (LICP):
p x (100% p )
LCL p p 3
n
13.4 14.45
1.05%
La respuesta es negativa, por lo tanto, se establece cero como lmite inferior de control.
Asegurarse de verificar todos los pasos y todas las operaciones aritmticas.
Ahora se trazan los lmites de control en la grfica p y se les asignan los ttulos LSCP y LICP.
Anotar este pas bajo el ttulo de "OBSERVACIONES". Se sugiere dibujar los lmites con lneas
punteadas o de color para distinguirlas claramente (Ver Figura 4-13).
Grficas de Parte Defectuosa.

A veces se establece otro tipo de grficas p, que utilizan fracciones en lugar de porcentajes;
este tipo se conoce como grfica p de parte defectuosa o de proporcin defectuosa. Este tipo
de grficas muestra la cantidad defectuosa comparada contra el total de la muestra. La
Figura 4-14 muestra la grfica para los datos de la moldura utilizando fracciones.
Las grficas de parte defectuosa son iguales a las grficas de porcentaje defectuoso, pero
existen tres diferencias (Ver Figuras 4-13 y 4-14).
La primera diferencia es el clculo de la fraccin de defectos, p. La frmula para p usando

fracciones, y no porcentajes, es:
p es igual al nmero de piezas defectuosas dividido entre el tamao de la muestra.
Para la moldura, p a las 10:30 sera:
p - 4/50
p = 5/50
Alas 10:45, p sera:
= .08
=.10
Convertir el resto de los clculos para de la misma manera. Cuando se calcula p, no se

multiplica por 100%, como en la grfica de porcentaje de defectos. Se obtiene el mismo
resultado, pero el punto decimal se corre dos lugares a la izquierda. Calcular p en la forma
usual: sumar todos los defectos y dividirlos entre el total de piezas inspeccionadas. En el
ejemplo de la moldura, el nmero es el mismo, pero el punto decimal se corre dos lugares hacia
la izquierda.
= 134/100
= .134
La segunda diferencia est en el modo de calcular los lmites de control superior e inferior. La
frmula para el lmite superior de p, parte defectuosa, es:
p x (1 p )
LSCP p 3
n
Figura 4-13. Grfica p con lmites establecidos para control superior e inferior
Los nmeros que estn dentro del smbolo de raz cuadrada son diferentes: 1 en lugar de
100%, y p es una fraccin decimal, no un porcentaje. Fuera de esto, los clculos son iguales a
la grfica de porcentaje defectuoso.
Figura 4-14. Grfica p de fraccin de defectos
As es como lucen los clculos del LSCp para el caso de la moldura usando la parte
defectuosa.
.134 x (1 .134)
LSC P .134 3
50
.134 x.866
.134 3
50
.116040
.134 3
50
.134 3 .00232088
.134 3 x .04818
.134 .1445
.2785
Como se ve, la respuesta es la misma, pero el punto decimal est corrido dos lugares a la
izquierda.
Calcular el lmite inferior de control con esta frmula:
p x (1 - p)
LICp p menos 3
n
.134 - .1445
- 0/0105
Establecer el lmite inferior de control en cero, ya que el clculo final es negativo.
La tercera y ltima diferencia consiste en la escala para la grfica de parte defectuosa, que se
muestra en decimales y no en porcentajes. La escala para la grfica p en el ejemplo ser: .05, .
10, 15, y as sucesivamente. Asegurarse de tachar el ttulo "PORCENTAJE" en el formato y
poner "FRACCIN".
Se comenta sobre la grfica p de parte defectuosa slo porque es posible que aparezca de
vez en cuando. La mayora de la gente prefiere calcular las grficas p en porcentajes, y no en
fracciones. Es ms fcil pensar en trminos de porcentaje -8% o 12% defectuoso- que en
decimales-.08 o .12 defectuoso.
Paso 8. Interpretar la grfica p.

Cuando se interpreta la grfica p, existen tres posibles situaciones que se deben tomar en cuenta:
Todos los porcentajes de defectos, p, quedan dentro de los lmites de control; tal vez uno o dos
p estn fuera de los lmites; o ms de tres p estn fuera de los lmites de control. Este tipo de
decisiones se vio en el Mdulo 3.
S todos los p quedan dentro de los lmites de control, el proceso est bajo control estadstico.
Slo est presente la variacin inherente hasta donde se puede saber.
Si uno o dos p estn fuera de los lmites, la prctica usual es descartar esos p y las muestras de
donde provinieron. Se calcula de nuevo el porcentaje defectuoso promedio de defectos, .
Entonces, con el nuevo p, se obtienen nuevos lmites de control.
Una vez recalculados los lmites de control, se debern revisar dos i situaciones. Si uno o ms
de los dems p queda fueran de los nuevos lmites de control, el proceso no est bajo control
estadstico. Tal vez existan; causas asignables que alteren el proceso. Por lo tanto, se deben
encontrar y eliminar. Despus se toman nuevas muestras y datos, y se desarrolla | una grfica
p nueva, usando lmites basados en esta nueva informacin.
Por otro lado, si todos los p estn, ahora dentro de los nuevos lmites; de control, el proceso
debe proseguir. Pero cuidado! Pudieran existir: causas asignables, que causarn problemas
despus.
Si tres o ms p se salen de los lmites, el proceso est claramente fuera de control

estadstico. Primero, se deben eliminar las causas asignables, o cualesquiera otras causas
que distorsionen su proceso. Slo entonces se podr comenzar de nuevo. Reunir nueva
informacin y desarrollar nuevas grficas p.
Aqu se proporciona un rbol de decisin para ayuda para comprender este proceso. Esta grfica
es similar a la que se estudi en el Mdulo 3 (Ver Figura 4-15).
La Figura 4-13 muestra los p para la moldura. Todos ellos estn dentro del lmite superior de
27.85% y el inferior de 0. Por lo tanto, los p estn bajo control estadstico.
Paso 9. Anotar los tipos de defectos.

Ahora que los p estn bajo control. Se puede comenzar a reunir informacin sobre los
tipos diferentes de defectos. Abajo del ttulo "TIPOS DE DEFECTOS" se anotan subttulos como
"grietas", "desgarre", "cavidades" y cualquier otro defecto que se encuentre. En este
momento es; posible comenzar el conteo de defectos especficos. Hay que recordar que este
conteo total de defectos puede arrojar un total mayor al nmero de piezas defectuosas,
porque una pieza puede tener ms de un defecto.
COMO USAR UNA GRFICA p RECIN DESARROLLADA EN UNA PRODUCCIN CONTINA
Una vez que los porcentajes de defectos estn bajo control, se puede decir que el proceso est
bajo control estadstico. Es decir, parece ser que slo est presente la variacin inherente
debida a causas aleatorias. Aparentemente, ninguna causa asignable est presente.
Una palabra de advertencia: an cuando el proceso est bajo control, es posible que no est
haciendo lo previsto. El nivel del puede no ser aceptable por costo o insatisfaccin del
cliente. Se tendr que resolver este problema.
Ahora que la grfica p qued establecida y el porcentaje defectuoso est bajo control, es
posible usar la grfica progresivamente. Una vez determinados los lmites de control, stos
pueden usarse para detectar si los defectos se deben a causas aleatorias o asignables.
Figura 4-15. rbol de decisiones para trabajar con p
Revisar peridicamente la grfica p para asegurarse de que an est donde debe estar. Ser
preciso revisar la grfica p si se han tratado de introducir algunas mejoras, o si se cree que
hubo cambios en el proceso. Estudiar la grfica de nuevo es una manera de revisar. Se toman
diez nuevas muestras de 50 piezas lo ms consecutivas que se posible. Se encuentran los
nuevos valores de p y se calculan los nuevos promedios ( ). Se compara el anterior contra el
nuevo para ver cmo se est desarrollando el proceso.
Figura 4-16. Grfica p de porcentaje de defectos,
son con anotacin de tipos de defectos y trazo de lmites de control
LA GRAFICA np
A veces es ms conveniente usar una grfica de control con el numero en vez de porcentaje
de piezas defectuosas en una muestra .Esta grfica de conteo se conoce como grfica np.
Debe seguirse estrictamente una regla cuando se usa una grfica np: El tamao de todas las
muestras debe ser el mismo.
COMO DESARROLLAR LA GRFICA
El desarrollo de una grfica np es muy similar al de la grfica p. La nica diferencia estriba en

registrar cantidades de piezas defectuosas en lugar de porcentajes o partes defectuosas.
Paso 1. Se toman las muestras.

El tamao de la muestra para una grfica np deber ser lo suficientemente grande para
asegurar que habr partes defectuosas en cada muestra. Una buena regla a seguir es
establecer el tamao de la muestra de manera que la cantidad de partes defectuosas por
muestra sea de cuatro o ms. Tomar la muestra de la misma manera y con la misma
frecuencia que para la grfica p.
Paso 2. Llenar el formato en los datos y la grfica.

Es posible usar el mismo formato de la grfica p, tachando el ttulo "PORCENTAJE
DEFECTUOSO" y escribiendo "CANTIDAD DEFECTUOSA", para identificarla como grfica np.
No se anotar nada bajo el titulo "% DE DEF".
Paso 3. Recopilar las muestras y registrar los datos.

Este paso es idntico al procedimiento de la grfica p, excepto que bajo el ttulo "Cant. Rev". se
pondr la misma cifra en todas las muestras. Se traza en la grfica la cantidad de partes
defectuosas en cada muestra.
Paso 4. Calcular np.

Para calcular n , nmero promedio de defectos para el proceso, se suma la cantidad de
partes defectuosas encontradas en las muestras y se divide entre el nmero de muestras. Se
debe recordar que en la grfica np, si se examinan (por ejemplo) 50 piezas en una ocasin, esas
50 piezas conformarn una sola muestra. El total de muestras son las veces que se examinan las
piezas, no el total de piezas inspeccionadas.
La frmula para encontrar el n es como sigue:
n es igual al total de partes defectuosas en todas las muestras dividido entre las muestras
tomadas.
n es la cantidad defectuosa para el proceso.
Se usarn los datos de inspeccin de la Figura 4-13 para desarrollar una grfica np. La
cantidad de defectos, as como la informacin general de dicha grfica, se copiaron a la figura
4-17.
Para calcular la cantidad defectuosa del proceso para nuestro ejemplo, se suman todos los
nmeros que aparecen abajo del ttulo "No. de DEF.", cuyo total es 134. Entonces se divide
134 entre el nmero de muestras, que es 20. El resultado, 6.7, es n . Se traza una lnea en
la grfica en el nivel correspondiente y se escribe "n = 6.7".
Paso 5. Determinar la escala para la grfica y trazar los np.
La escala se establece de tal manera que los np ms grandes y los ms pequeos se ajusten
dentro de la grfica, y se elige una escala que facilite el trazo de los datos. Es necesario dejar
espacio libre para el lmite superior de control. (El lmite inferior por lo general es cero.)
Paso 6. Calcular los lmites de control para la cantidad defectuosa.

La frmula para calcular los lmites de control para la cantidad defectuosa es casi idntica a la
que se utiliza para determinar los lmites de control para el porcentaje defectuoso, en la
grfica p. As lucirn los clculos cuando n es igual a 6.7: (n es la cantidad defectuosa de
defectos y n es la cantidad de piezas de la muestra.)
Lmite superior de control para n :
UCLnp n p 3 n p x (1 n p / n )
UCLnp 6.7 3 6.7 x (1 6.7 / 50)
6.7 3 6.7 x (1 .134)
6.7 3 6.7 x .866
6.7 3 5.8022
6.7 3 x 2.4088
6.7 7.2264
13.9264
Se dibuja el lmite superior de control en la grfica con una lnea punteada (Ver Figura 4-17).
Para encontrar el lmite inferior de control para la cantidad defectuosa, se utiliza la siguiente
frmula:
LCLnp n p 3 n p x (1 n p / n)
6.7 7.2264
LCLnp 0.5264
Puesto que la respuesta es un nmero negativo, el lmite inferior de control es cero.

Figura 4-17. Grfica np
Paso 7. Interpretar la grfica np

La grfica recin desarrollada se interpreta de la misma manera que la grfica p. (Vase el
Paso 8. Interpretar la grfica p)
Esta grfica de control es muy similar a la grfica p de la Figura 4-13 .

La diferencia est en que la grfica p muestra el porcentaje de defectos en la muestra, y la
grfica np muestra la cantidad de defectos en la muestra. Es posible elegir qu grfica se
usar siempre en tanto las muestras para la grfica np guarden el mismo tamao.
LAS GRFICAS c
Al principio de este mdulo, se coment que es posible controlar una caracterstica no medible
en su producto, utilizando una grfica p, una grfica np, o una grfica c. La grfica p ayuda a
controlar el porcentaje de piezas defectuosas en la produccin, en tanto que la grfica np es til
para controlar la cantidad de piezas defectuosas. Por otro lado, la grfica c controla la cantidad
de defectos en una parte o unidad de ensamble. Usar la grfica c es buena idea cuando existe el
riesgo de uno o ms defectos presentes en una parte o unidad. La Figura 4-18 es una grfica c.
No se debe confundir la grfica c con la grfica np. Como recordar, la grfica np calcula la
cantidad de partes defectuosas en la muestra. La grfica c calcula la cantidad de defectos en
la unidad de inspeccin.
Como se sabe, las grficas p, np y c usan un atributo o conteo de datos. Para las grficas p
y np se contaron las piezas defectuosas, es decir, que no estaban bien, existentes en la
muestra. Para la grfica c, se contarn los defectos especficos en cada unidad de
inspeccin. Una unidad de inspeccin puede constar de una parte, como por ejemplo un
lienzo pintado en la portezuela de un coche; o un grupo de partes, como una tarjeta de
circuitos impresos con transistores. En ambos casos puede existir cualquier cantidad de
defectos, incluso ninguno.
Es muy fcil calcular c: slo se cuentan todos los defectos en cada pieza o grupo de piezas.
No existe una frmula para hacerlo.
COMO USAR LAS GRFICAS c
Al iniciar este mdulo, se examin una grfica p desarrollada por otra persona. Ahora se har lo
mismo para la grfica c.
Al igual que con las otras grficas de atributos, el trabajo a desarrollar consiste en tomar la
muestra, contar el nmero de defectos, anotar la informacin en la grfica c, y dibujar los
puntos. Es necesario comprender lo que indica la grfica, para decidir si se contina produciendo
o es preciso hacer correcciones.
La grfica c en la Figura 4-19 se refiere a cojines de espuma de poliuretano para asientos de

automviles. El trabajo que se debe realizar es revisar un cojn y contar la cantidad total de
defectos y cuntos hay de cada tipo. Otra persona desarroll la grfica original y marc las
primeras muestras.
Usted se encargar de marcar la grfica en este turno. A las 10:00 horas, se toma un cojn de
la produccin en bsqueda de defectos. Escribir el nombre encima del de Lund en la grfica,
anotando la hora en que se comenz a marcar la grfica (Ver Figura 4-20).
En la grfica hay varias lecturas debajo del ttulo TIPOS DE DEFECTOS. Los tipos de
defectos son ms importantes en la grfica c que en la grfica p, puesto que una pieza puede
tener varios defectos. Cada encabezado tiene espacio suficiente para un tipo particular de
defecto que se observa y anota: agujeros, desgarres, manchas, decoloraciones, y
otros. Un asiento puede tener varios tipos de defectos; como manchas, agujeros y
decoloracin. Simplemente se cuenta los defectos de cada tipo y se anota la cantidad en el
lugar adecuado.
Figura 4-18. Grfica c (formato diseado o por Robert y Davida Amsden, y Loward Butler)
Figura 4-19. Grfica c ya desarrollada
Figura 4-20. Grfica c con nuevos datos
Ahora se suman los defectos encontrados y se anota ese nmero en la lnea de CANT. DE
DEF. (Cantidad de defectos) existen tres agujeros y una mancha, nada ms. La suma de
estos defectos es 4. Escribir 4 en la lnea Cant DE DEF.
Figura 4-21. Grfica c con nuevo punto
Una vez registrada la informacin, se dibuja un punto en la grfica y se une con el anterior por
medio de una lnea recta (Ver Figura 4-21).
INTERPRETACIN DE LAS GRFICAS c
Del mismo modo que los promedios, rangos y porcentaje de defectos tienen lmites superior e
inferior de control, las grficas c (conteo de defectos) los tienen. Es necesario recordarlo al
revisar los trazos.
Hay que hacerse una pregunta, "la c est donde se supone que debe estar? En este caso c es
igual a 4, que est entre los lmites superior, 5:17 e inferior de cero. Por lo tanto, es correcto.
Qu indica la grfica? Cuando c (conteo de defectos) est dentro d los lmites de control, el
proceso est bajo control estadstico. Esto significa que se puede continuar la produccin de
cojines para asientos, sin corregir o ajustar el proceso.
Todo anteriormente escrito sobre puntos dentro, cerca o fuera de los lmites de control, as como
los patrones de puntos, se aplica a las grficas c tanto como a las grficas p. (Vase el
comentario en la seccin de grficas p de este mdulo.) Si se desea saber si el proceso est
bajo control, con slo la variacin inherente a causas aleatorias, o si hay alguna variacin debida a
causas asignables, la grfica c proporciona este tipo de informacin.
Si la grfica c muestra uno o varios puntos fuera de los lmites, se deben buscar y eliminar
causas asignables. Como se explic con anterioridad, las fuentes de causas asignables son:
maquinaria, mtodo, materiales, medio ambiente, y operario. Ya se habl de estas fuentes en
el Mdulo 3, y en la seccin de grficas p de este mdulo.
COMO DESARROLLAR LAS GRFICAS c
Un departamento est corriendo un nuevo proceso para fabricar cojines de asientos; el trabajo
consiste en desarrollar la grfica c. En este proceso, la grfica servir para varias cosas: Como
ayuda para monitorear el proceso y tener presente la cantidad y tipo de defectos. Tambin
documentar lo que sucede y comunicar todo esto al operario (usted), al jefe, al departamento
de control de calidad y a quien quiera saberlo.
Paso 1. Toma de muestra.

Se requiere que la muestra indique slo la variacin inherente. Para lograr esto, la muestra
debe representar solamente una fuente de datos. Por lo tanto, se tomar la muestra de una sola
mquina, de un operario y de un lote de materia prima. Puesto que es un proceso nuevo, tal
vez se requiera inspeccionar una pieza cada 15 minutos. Cuando el proceso est normalizado, no
sern precisas tantas muestras.
La unidad de inspeccin es la muestra tomada. En la Figura 4-18, la unidad de inspeccin es

una cabina de camin. En las Figuras 4-19, a 4-21, la unidad de inspeccin es un cojn, porque
se inspecciona uno cada, faltan hojas
Figura 4-23. Grfica c con registro de datos
Establecer las escalas en la grfica de tal modo que los c ms grande y ms pequeo se
ajusten fcilmente. Se deja suficiente espacio para los lmites de control (Ver figura 4.24).
Es factible manejas escalas desde cero hasta 8. Todos los c se ajustarn, y habr suficiente
espacio para los lmites de control superior e inferior. En la grfica, la primera lnea ms oscura
ser 1, la siguiente ser 2 y as sucesivamente.
Figura 4-24. Grfica c con puntos tratados.
Dibujar los c y conectar los puntos por medio de lneas rectas. Ahora se traza la media general
, anotando 1.95
Paso 6. Calcular los lmites superior e inferior de control.

La aritmtica utilizada para calcular los lmites de control para las grficas c, es ms sencilla
que la usada para las grficas p. La frmula para el lmite superior de control es:
LSCC c 3 c
El lmite superior de control para c es igual a c ms 3 veces la raz cuadrada de c. (La raz
cuadrada se obtiene por medio de una calculadora.)
Para calcular el lmite interior de control, se usa la siguiente frmula:
LIC C c3 c
El lmite inferior de control para c es igual a menos tres veces la raz

cuadrada de .
Recuerde, se resta el trmino 3 de , al calcular el lmite inferior de control. Si la respuesta es

negativa, e! limite inferior de control es cero.
As se vern los clculos cuando equivale a 1.95:
Lmite superior de control para c:
UCLC c 3 c
1.95 3 1.95
1.95 3 x1.396
1.95 4.188
6.138
Redondear 6.138 a 6.14
Lmite inferior de control para c:
LCLC c3 c
1.95 3 1.95
1.95 4.188
2.239
La respuesta es un nmero negativo, por lo tanto el lmite inferior de control es cero.
Revisar los clculos en cada paso. Usted no quiere ser una causa asignable!.
Dibujar los lmites de control en la grfica c, identificndolas con las marcas LSCC = 6.14 y
LICC = 0.00, se sugiere trazar lneas punteadas o de otro color, para que sean claramente
visibles (Ver Figura 4-25).
Paso 7. Interpretar la grfica c.

Una vez completa la grfica c, habr 3 posibles situaciones, del mismo modo que la grfica p.
Puede ser que todos los c queden dentro, que uno o dos queden fuera, o que tres o ms c
queden fuera de los limites de control. Como se hizo en las grficas p se toman las
Figura 4-25. Grfica c con lmites de control aadidos.

acciones necesarias dependiendo de cuantas c que quedaron fuera de los lmites de
control.
Como se pueden ver en la figura 4-25, todos los c para los cojines estn bajo control.
Debido a esto, se puede usar la grfica c para continuar monitoreando y controlando el
proceso.
RESUMEN
Cuando se requiere controlar o monitorear caractersticas de calidad en el proceso, se deben
utilizar grficas de control de atributos. Estas grficas se basan en atributos o en conteo de
datos. Un atributo no es medible; est presente o no.
Los tres tipos ms importantes de grficas de atributos son: las grficas p, np, y c.
La grfica p se usa cuando se quiere controlar el porcentaje o partes defectuosos de las

unidades producidas. Si se quiere monitorear el nmero de unidades defectuosas, se usa la
grfica np. Para controlar la cantidad o el conteo de defectos en la unidad de inspeccin, se
usa la grfica c.
Una pieza o una cantidad es defectuosa si no es buena (no aceptable). Una unidad defectuosa
puede tener uno o ms defectos, como por ejemplo rasguos o un agujero, lo cual la
convierte en una unidad inaceptable o defectuosa.
Es preciso conocer lo que indican las grficas de control. Cuando los puntos estn dentro de
los lmites de control quiere decir que, desde cualquier punto de vista, slo la variacin
inherente afecta el proceso. Por lo tanto, no es necesario realizar correcciones ni ajustes. Sin
embargo, s uno o ms puntos quedan fuera de los lmites de control, o si se presentan ciertos
patrones de puntos, entonces se puede decir que hay causas asignables alterando el proceso.
En este caso, ser necesario hacer ajustes o correcciones.
Un punto fuera de los lmites de control indica que algo relacionado con la operacin cambi.
No dice qu sucede, slo cundo.
PROBLEMAS PRCTICOS: GRFICAS DE Una compaa de cableado utiliza maquinaria de alta

ATRIBUTOS velocidad para corlar cable a una longitud
Practicar con los siguientes problemas usando las predeterminada e instalar terminales en los extremos.
tcnicas estadsticas aprendidas en el Mdulo 4. Las
soluciones de estos problemas estn a! final del libro, Los productos son bsicamente los mismos: el cable es
en la Seccin 'Soluciones. de bronce con una capa aislante, y las terminales
tambin son de bronca. La longitud y el dimetro del
Problema 4-1. cable, as como la forma de las terminales puede variar
Durante mucho tiempo se ha observado que los pera los tipos de defectos son iguales para todos les
tableros tienen muchas manchas de suciedad y grasa tamaos y formas.
cuando se empacan y embarcan al salir de!
departamento. El cliente dice que hay que hacer algo El inspector de piso realiza un recorrido entre las
para mejorar esta situacin. Este problema puede mquinas e inspecciona visualmente el producto que
resolverse en el rea de produccin, c esta gerencia sale de las mquinas que aperan en ese momento.
quien debe tomar las acciones necesarias? (Varias mquinas desarrollan esta operacin, pero
ninguna trabaja todo el tiempo.)
Alguien inspeccion a diario, durante veinte das 48
partes en la operacin final de empaque. Usando esta Su inspeccionan visualmente den piezas de cada
informacin, tratar de determinar si el problema se debe mquina que est operando, y se registra el nmero de
a causas asignables, o a la forma en que est defectos encontrados en la muestra. Si la mquina no
establecido el proceso. est operando, el registro se deja el blanco.
Realzar una grfica de control para cada mquina. Qu

Da No. de defectos Da No. de defectos mquinas necesitan atencin por la persona que
2 27 12 20 estableci el montaje en el rea de produccin?
3 34 13 24
4 23 14 23
5 20 15 16 A continuacin se enlistan los datos de seis mquinas.
6 33 16 19 Recorrido de
No. 1 No. 2 No. 3 No. 4 No. 5 No.6
inspeccin
7 22 17 32 1 0 6 0 1
8 24 18 26 2 0 __ 5 1 0
9 18 19 25 3 0 1 0 0
10 34 20 25 4 0 0 0 1
5 5 0
6 6 0 4 3 0
Problema 4-2.
7 0 inspeccin listados a continuacin, la primera lnea
8 0 0 0 0 0 muestra 14 unidades con raspaduras y 10 unidades
con arrugas. Pueden ser o no las mismas piezas.
9 2 0 0 0 0
Cada clasificacin de defecto est separada de las
10 1 0 0 0 0 otras. Solamente es constante el tamao de las
11 1 0 . 0 0 0 muestra -100- Cules serian las recomendaciones
12 2 1 0 0 para mejorar la calidad?
13 0 0 0 0 0 0
14 0 3 4 0
Datos de muestra para el problema 4-3
15 0 1 2 1 1
16 0 2 0 5 1
Parte
17 0 0 5 0 Muestra Raspadura Arrugas Doblez Grietas
equivocada
18 0 0 0 0 1 14 10 5 1 0
19 0 6 0 0 0 2 16 7 5 0 1
20 0 1 0 0 1
3 13 10 2 2 0
21 2 7 1 0 -
22' 4 0 8 0 0 - 4 12 6 5 1 0
23 12 0 2 0 0 2 5 12 10 9 5 0
24 8 0 1 0 0 1
5 11 6 4 0 2
25 - 0 3 2 1 2
7 17 6 3 0 0
26 - 0 1 0 0 2
8 20 12 1 1 0
27 - 0 1 0 0 1
9 11 6 5 1 1
28 - 1 3 0 0 1
10 9 10 7 0 0
29 - 0 - - 0 0
11 6 7 7 2 0
30 - - - - 0 -
12 8 6 8 3 0
13 21 6 3 3 0
Problema 4-3.
14 17 7 3 3 0
La empresa comenz en programa para mejorar la 15 15 11 2 3 0
calidad de los productos que se fabrican; los
compaeros de trabajo quieren colabora]1 en este 16 10 10 4 2 0
esfuerzo, por lo que se renen para comentar qu 17 9 9 3 3 0
pueden hacer como grupo.
18 17 5 2 3 1
Se decide analizar algunos resultados de inspeccin 19 12 11 2 1 0
para ver dnde comenzar. Los productos se
procesan y empacan en grupos de 100. Los 20 14 7 5 4 0
resultados de las inspecciones estn registrados de tal
manera que, si se descubre una parte con raspones,
es registrada como unidad defectuosa. Asimismo, si
se encuentra una parte con arrugas o grietas, se Desarrollar una grfica de control para cada tipo de
registra como unidad defectuosa. En los datos de defecto. Qu se recomendara la gerencia?
MODUL
Capacidad de
maquinaria y de
proceso

(en orden de aparicin)
Diagrama de probabilidad Frecuencias acumuladas estimadas

Capacidad de mquina (FAE)
Capacidad de proceso Celda
d2 Puntos de trazo
Lmite superior para particulares (LSX) Lnea de mejor ajuste
Limite inferior para particulares (LlX) Promedio estimado de proceso
Limite superior de especificacin (LSE) ndice de capacidad (Cp y CPK)
Lmite inferior de especificacin (LIE) Relacin de capacidad (RC)
Papel para grficas de probabilidades
Una vez eliminadas las causas asignables de un proceso u operacin, es posible decir que es
estable. La parte "solucionable en el piso" del problema de calidad se ha eliminado. La mayor
parte de las tcnicas estadsticas de control de calidad, las "herramientas de la calidad", miden
la estabilidad de la maquinaria, del proceso o de la operacin.
Despus de estabilizar un proceso u operacin, se debe responder la siguiente pregunta: "Este

proceso o maquinaria fue diseado e instalado de manera que no habr problemas de calidad
una vez eliminadas las causas asignables? En otras palabras, la maquinaria o el proceso
tienen capacidad para producir partes dentro de especificaciones? Si no es as, se ha
identificado un problema que debe ser resuelto por la gerencia.
En este mdulo se aprendern dos formas para medir la capacidad de una mquina o de un
proceso y a compararla contra la tolerancia del producto. Estos dos mtodos son la grfica de
promedio y rango y el diagrama de probabilidades. Estas deben usarse juntas para obtener la
mejor estimacin de la capacidad de mquina o del proceso.
Las tcnicas analticas para la capacidad de la maquinaria y para la capacidad del proceso son
casi iguales. La diferencia radica en la forma de obtener las medidas.
El lector tendr ms relacin con la capacidad de una mquina u operacin. Quiz tambin
tendr inters en la capacidad global del proceso una vez establecida la produccin, pero ms
frecuentemente ser necesario realizar estudios de capacidad de maquinaria para determinar
los efectos de un cambio de materiales, mtodos o herramientas. Se comentar primero la
capacidad de maquinaria.
CAPACIDAD DE MAQUINARIA
Las mquinas por lo general se consideran como parte del proceso total. Este est sujeto a
variaciones procedentes de fuentes tales como el (los) operario (s), los mtodos que usan, los
materiales entregados por los proveedores para alimentar el proceso, el medio ambiente que
los rodea, y las mquinas utilizadas para fabricar el producto. (Ver el diagrama de pescado en el
Mdulo 1, Figura 1-4.)
Un estudio de capacidad de mquina se desarrolla en un solo equipo u operacin. Las medidas

utilizadas para determinar la capacidad deben indicar slo la variacin causada por la
mquina, y no la que provocan otras partes del proceso, como el operario, los mtodos, los
materiales, o el medio ambiente. No es posible eliminar completamente los efectos de estos
otros factores, pero pueden minimizarse reuniendo las medidas durante un periodo lo ms
corto y prctico posible. Al hacer esto, se puede realizar el mejor estimado posible de capacidad
de maquinaria.
EL MTODO DE LA GRFICA DE PROMEDIO Y RANGO
Un estudio de capacidad de mquina se realiza en una dimensin y en un solo producto. Uno de

los propsitos de este estudio es estimar la dimensin promedio de produccin de la mquina u
operacin. Entonces es posible comparar este promedio contra planos y especificaciones, para
ver el cumplimiento o aproximacin a stos.
Un segundo propsito de este estudio sera estimar cmo se agrupa la dimensin en torno al
promedio. Como se analiz en el Mdulo 1, a este patrn se le llama dispersin del proceso. Este
se mide en trminos de la desviacin estndar de la operacin. La desviacin estndar es
simplemente una cifra que se puede utilizar para describir la dispersin del proceso.
Para desarrollar una grfica de promedio y rango se utilizan mediciones de partes de la

operacin que se est estudiando. Estas mediciones son necesarias puesto que es importante
conocer la estibilidad de la operacin al estimar la capacidad. Este estimado de capacidad se
basar en las estadsticas obtenidas cuando todas las condiciones de operacin son normales
o estables. La mejor forma para determinar la estabilidad es utilizar una grfica de promedio y
rango y buscar causas asignables o problemas solucionables en el piso. Si la grfica muestra
puntos fuera de control, existen indicios de que alguna causa asignable est alterando la
distribucin normal de la dimensin. Es preciso eliminar las causas asignables siempre que sea
posible. Si no es posible, el estimado de capacidad ser menos exacto.
Como se vio en el Mdulo 2, es factible usar un histograma de frecuencia para estimar el

promedio de una dimensin y la dispersin en torno al mismo. Es posible anotar la
especificacin de diseo en el histograma y as estimar la capacidad de la mquina. Por lo general,
el histograma es satisfactorio si se requiere efectuar una revisin rpida y hay certeza de la
ausencia de causas asignables, pero la grfica de promedio y rango es ms precisa y confiable
para predecir la capacidad de una mquina.
Una vez identificadas y eliminadas las causas asignables, se puede considerar la operacin
como estable y predecible. Una vez logrado esto, se puede proceder a realizar el estudio de
capacidad para saber si dicha operacin producir partes dentro de la tolerancia.
Figura 5-1 Grfica de promedio y rango, estudio de capacidad de maquinaria.
Se ilustra un estudio tpico de capacidad de maquinaria en las Figuras 5-1 y 5-2. En esta;
operacin, se presiona un buje al interior de una bisagra. La Figura 5-1 muestra la grfica de
control desarrollada durante el estudio de capacidad.
Como se vio en el Mdulo 2, se pueden aplicar los conocimientos sobre la operacin para
simplificar el trabajo. En este ejemplo se "codificaron" las medidas usando 2.670 pulgadas
como cero. (Ver el espacio correspondiente a "equivalentes de cero" en la grfica, Figura 5-1.)
Es decir, cuando una parte mide 2.673 pulgadas, se anota 3 en la grfica. Cuando mide 2.680
pulgadas, entonces se registra 10, y as sucesivamente. As es posible usar nmeros ms
pequeos al registrar las medidas y hacer los clculos.
Se midieron 125 partes fabricadas en forma consecutiva y se anotaron las lecturas en la

grfica de control siguiendo el orden de produccin; en el periodo ms corto posible; de esta
manera, se mantuvo baja la variacin debida a causas ajenas a la prensa de ensamblaje.
Despus de haber registrado todas las medidas, se calcularon el rango promedio ( ); el lmite
superior de control para el rango (LSC R); el promedio de promedios ( ); y los lmites de control
superior e inferior para el promedio (LSC X y LICX). Al igual que en cualquier grfica de
promedio y rango, se desarroll primero la grfica de rango, verificando que no hubiera
puntos fuera de control antes de proseguir con la grfica de promedios.
Por fortuna, no hubo puntos fuera de los lmites de control (ver Figura 5-1), pero no siempre
es el caso. A menudo es muy difcil encontrar y eliminar las causas asignables. Sin embargo,
aunque no se eliminen todas las causas asignables, por lo general es til realizar el estudio
de capacidad. Al hacerlo, debe desarrollarse cuidadosamente el estimado de capacidad.
Tenga en mente que las causas asignables tienden a distorsionar la curva normal de
distribucin de frecuencia. Cuando esto sucede, se pierde la habilidad para predecir con
precisin la capacidad de proceso o de mquina.
LAS
VARIACIONES DEBIDAS A CAUSAS ASIGNABLES TIENDEN A

DISTORSIONAR LA CURVA NORMAL DE DISTRIBUCIN DE
FRECUENCIA!
LIMITES PARA PARTICULARES
Una vez establecida la grfica de promedio y rango con lmites de control, se deben eliminar los
lmites superior e inferior para partes individuales. Este clculo se puede realizar usando el
formato de la parte posterior de la grfica de promedio y rango. Se proporcionan las formulas
slo es necesario anotar los nmeros. Usar el formato Lmites para particulares (Ver figura 5-
2).
Figura 5-2. Parte posterior de la Grfica de Promedio y Rango, mostrando
Lmites para particulares parte superior derecha.
CONTROL LIMITS LIMITS FOR INDIVIDUALS

COMPARE AN ESPECIFICATION
SUB GROUPS
INCLUDED 25 X = 2.6761
R = 1.29 x 0.000488 = .0063

R 122 = 2.6824
R 4.88 ________
k 25
= 2.6698
X 151.6 US = 2.684
X 6.06 ________
k 25 US = 2.666
OR US LS = .018
=.0126
X ( MIDSPEC.ORSTO.)
A2 R = 577 x 4.88 = 2.82 x = _______
UCLr = X - A2 R = 8.88 =
UCLr = X - A2 R = 3.24 =
UCLr = D4R = 2.114 x 4.88 = 10.3 x =
MODIFIED CONTROL LIMITS FOR AVERAGES FACTORS FOR CONTROL LIMITS
BASED ON SPECIFICATION LIMTS PROCESS CAPABILITY

APPLICABLE ONLY IF US LS 6 n A2
D4
US = LS =
AM R= x =_________ AM R = d2
_________ 3/D2 AM
URLR = US -AM R = LRLr =LS - AM R = 2 1.880
NOTES 3.268 1.128
2.659 0.779
3
R = 122 = 4.88 (IN THOUSANDTHS OF AN INCH = .00488) 1.023
25 2.574 1.693
1.772 0.749
4
X = 151.6 = 6.06 (IN THOUSANDTHS OF AN INCH = .00606 0.729
25 2.282 2.059
1.457 0.728
ZERO = 2.670; THERFORE X IN INCHES EQUALS 5 0.577
2.670 + .00606 = 2.6761 2.114 2.326
1.290 0.713
3 = 6
15 SELECTED FROM THE TABLE OF FACTORE 0.483
X OF FACTORS FOR CONTROL LIMITS. FOR A
d2 SAMPLE SIZE (N) OF THIS IS 1.290 2.004 2.534
1.184 0.701
3 R = 1.290 x .00488 = .0063
d2
6 R =.0063 x 2 = .0126
d2
Como ayuda para comprender y usar este formato, se han definido e identificado varios
trminos, algunos de los cuales son nuevos y otros ya se han visto en este libro.
promedio general o media del proceso u operacin.

rango promedio de la operacin.
a "sigma", desviacin estndar del proceso u operacin. Una de las divisiones de
la distribucin alrededor del promedio de la curva normal. (Ver Mdulo 1).
d2 un factor usado en combinacin con el rango promedio ( ) para
determinar la desviacin estndar (a). (Ver d 2 bajo Factores para Limites de
Control", Figura 5-2.) 1 equivale a dividido, entre d2; 3 equivale a 3 dividido
entre d2.
LSx lmite superior para particulares; la parte individual ms grande 3 estimada que
pueda producir la operacin en estudio. Este lmite no debe confundirse con el
lmite superior de control (LSCX), el cual es el lmite para los promedios. LS X
equivale a ms (3 dividido entre d2).
LLx lmite inferior para particulares; la parte individua! ms pequea estimada que
pueda producir la operacin en estudio.
Llx es igual a menos (3 dividido entre d2).
ES lmite superior de especificacin.
EL lmite inferior de especificacin. LSE menos LIE equivale al lmite de
especificacin o de tolerancia. 6 dividido entre d2 es igual a 6 la frmula
para el process spread (capacidad de la mquina).
Si el lmite superior para individuales (LS X) es igual o menor que el lmite superior de
especificacin (LSE); y si el lmite inferior para individuales (Llx) es igual o mayor que el lmite
inferior de especificacin (LIE), la operacin o la mquina es capaz de cumplir con las
especificaciones. Hay que recordar que esto es cierto slo si las medidas muestran que la
operacin es estable y normal. La Figura 5-3 ilustra una condicin estable: (1) la dispersin de
proceso y los lmites de especificacin son los mismos, y (2) coinciden. La gran mayora de las
partes (99.73%) producidas en una operacin como esta quedarn dentro de las
especificaciones. Se puede ver que si ocurre algn cambio en dicha operacin, las partes
quedarn fuera de especificaciones.
En caso de que la dispersin de proceso sea mayor a los lmites de especificacin, la mquina
o la operacin no son capaces de cumplir con las especificaciones (Ver Figura 5-4).
Figura 5-3. La dispersin de proceso es normal: coincide con los lmites de especificacin.
En caso de que la dispersin de proceso sea menor que la dispersin de especificaciones, pero
los lmites superior (LSX) o inferior para particulares (LIX) estn fuera de los lmites de
especificacin, se requiere un ajuste en el promedio o en la media del proceso ( ). En la Figura
5-5, la curva tiene la misma extensin que en la Figura 5-3, pero la meda del proceso ( )
aparece del lado "alto" del centro. Como resultado, el lmite 3 inferior est dentro de
especificaciones, pero el 3 superior queda muy arriba del lmite de especificacin. Este
proceso puede componerse para quedar dentro de los lmites si ajusta la dispersin del
proceso a un valor menor.
Una situacin mucho mejor se muestra en la Figura 5-6. El proceso est centrado en la
especificacin y la dispersin del proceso es tal que 8 es igual a la especificacin. En este
caso, la operacin podr modificarse de cualquier manera y an as las partes fabricadas
estarn dentro de especificacin.
Figura 5-4. La dispersin de proceso es mayor a los lmites de especificacin
Figura 5-5. La medida de proceso es alta, el lmite superior excede al lmite superior de especificacin
Este es el objetivo. La dimensin creada por la mquina o la operacin en estudio debe quedar
centrada en la especificacin, y la dispersin de proceso debe ser lo ms pequea posible. Hay
que tener en mente qu la capacidad de una mquina o de una operacin es slo una parte del
total del proceso. A lo largo del tiempo el producto que fabrica esta mquina ser afectado por
diversas fuentes de variacin. Estas otras fuentes causarn que la dispersin del proceso sea
mayor que la dispersin estimada provocada slo por la mquina.
La variabilidad implcita en la mquina debe ser lo suficientemente pequea para permitir la
entrada de otras fuentes de variacin al proceso total y an as mantener el resultado del
proceso entre 3 superior y 3 inferior al promedio. Se espera y requiere esta condicin al
llevar a cabo un estudio de capacidad de maquinaria.
Figura 5-6. Una condicin ideal: el proceso est al centro en la

especificacin y la dispersin del proceso es menor a la especificacin.
Cuando se utiliza la grfica de promedio y rango para predecir la capacidad de proceso o de

mquina, existe la ventaja de poder ver la estabilidad de la operacin porque la grfica indica la
presencia de causas asignables, en el trabajo durante el tiempo de medicin. No obstante, no
siempre se puede estar seguro sobre la forma de distribucin de las medidas originales. Si las
medidas individuales forman o no una distribucin normal, la distribucin del promedio de
muestras trazado en la grfica de promedio y rango es casi normal. Se supuso que la
distribucin de frecuencia era normal, como se muestra en la Figura 5-3. Cuando se compar
la dispersin de operacin contra la especificacin. Al hacer los clculos (Figura 5-2) para
estimar los lmites superior e inferior para las partes individuales y para determinar la
dispersin de operacin, se supuso tambin que la distribucin era normal.
Las grficas de las Figuras 5-1 y 5-2, son tpicas de un estudio de capacidad de mquina. Las
mediciones se tomaron sobre bases continuas para minimizar la variacin debida a fuentes
externas. Como resultado, la mayor parte de la variacin mostrada en la grfica se debe a la
mquina que gener la dimensin bajo estudio, es decir el ancho de los bujes de la bisagra.
Ningn punto qued fuera de los lmites de control, por lo tanto se consider la operacin lo
suficientemente estable para continuar el estudio.
LA GRFICA DE PROBABILIDAD
Es esta una buena estimacin de capacidad? Una forma simple de comprobar las
estimaciones basadas en las medidas de la grfica de control, es usando una grfica de
probabilidades para determinar la forma de la distribucin formada por dichas medidas.
Figura 5-7. Grfica normal de probabilidad (Formato desarrollado por Howard Butler).
Para la grfica de probabilidades, se toman las mediciones utilizadas para crear la grfica de
promedio y rango, y se desarrollan de manera que sea posible estimar el ajuste a una curva
normal. Estas tcnicas se usan junto con el mtodo para la grfica de promedio y rango, antes
comentado, para realizar la mejor estimacin de capacidad de una mquina.
Este mtodo hace uso de una hoja especial para grficas llamada grfica normal de
probabilidades (Ver Figura 5-7). Este formato ha sido desarrollado durante aos de esfuerzos
de muchas personas en el campo del control estadstico de la calidad. Cada paso en el
desarrollo de este formato ha ayudado a simplificar su uso. Si dicho formato no se puede
obtener, es posible utilizar cualquier otro o hacer copias de que se muestra aqu.
Usando la grfica normal de probabilidades es posible mostrar lo siguiente:
El centro de la curva de distribucin de frecuencia (donde estn las lecturas en su

mayora).
La dispersin de la curva de distribucin de frecuencia (cmo se agrupan las lecturas
en el centro).
La forma de la curva de distribucin de frecuencia.
El porcentaje de mediciones fuera de los limites de especificacin
En las pginas siguientes se aprender a desarrollar una grfica de probabilidad sobre una
grfica normal de probabilidades.
Paso 1. Reunir la informacin y llenar el encabezado.

Al igual que en la prctica cotidiana en la planta, usar los primeros veinte subgrupos de
mediciones de la Figura 5-1, hasta llegar a un total de 100. Es posible estimar la normalidad del
proceso con menos mediciones; cincuenta seran suficientes y, de hecho, muchas estimaciones
se realizan aun con 25 lecturas. Pero al usar menos de 50, aumenta la probabilidad de error en
la estimacin. Por otra parte, no vale la pena tomar ms de 100 medidas.
Puesto que la informacin est disponible, es posible aprovechar el mayor grado de exactitud
que proporcionan las muestras ms grandes.
La grfica necesaria para llevar a cabo el estudio de capacidad se muestra en la Figura 5-7.
Anotar la informacin pertinente para este estudio en el encabezado de la grfica. Esto incluye
el nombre y nmero de parte, la operacin, la dimensin medida, y la especificacin (Ver
Figura 5-8).
Figura 5-8. Grfica normal de probabilidad, con informacin en el encabezado, marca, valores y
frecuencias.
Paso 2. Marcar las mediciones.
Inmediatamente debajo del encabezado hay una seccin para anotar la frecuencia de los datos.
(Tambin se muestra en la Figura 5-8) Para hacer estas anotaciones, usar el mtodo descrito en
el Mdulo 2. Primero se establece una escala que proporcione por lo menos diez divisiones. En la
lnea de "Valor" anotar una serie numrica comenzando con 0, 1,2, hasta llegar al 12. Estos
son valores "codificados" y as se registran en la grfica de promedio y rango (Ver Figura 5-1).
Como se recordar, el 0 equivale a 2.670, 1 a 2.671 y as hasta llegar a 12, que es igual a
2.682.
Para anotar, se pone una marca en la seccin apropiada. Por ejemplo, ponga una marca en la
seccin "5" para cada medicin de 5. Al concluir se anota la cantidad de marcas para cada
divisin en la lnea de "frecuencia" inmediatamente debajo de la de "valor".
Paso 3. Encontrar las frecuencias acumuladas estimadas.
Para colocar los puntos de trazo en la grfica, es necesario transformar la frecuencia de los
valores (1,2,7,15, etc.) obtenida del histograma de frecuencia, en frecuencia acumuladas
estimadas (FEA). Despus, es preciso convertir las frecuencias estimadas acumuladas a
porcentajes del total de la muestra. Al principio, esto puede sonar confuso, pero con la
prctica, se ver que es una manera sencilla de convertir medidas a un formato utilizable para
estimar las distribuciones normales de las medidas en torno al promedio.
El modo de calcular las frecuencias acumuladas estimadas (FAE) aparece en la Figura 5-9.
Figura 5-9. Grfica normal de probabilidad con frecuencias acumuladas estimadas.

Pasar la primera frecuencia de la izquierda al espacio o celda de FAE, dos lneas abajo. En este
caso, el nmero es 1.
Para el segundo nmero, comenzar con la FAE recin anotada (1), seguir la flecha, cruzando
el signo +, hasta la lnea de frecuencia, y sumar a la primera frecuencia (1). Seguir la flecha a
la derecha cruzando el siguiente signo + hasta la segunda frecuencia (2), seguir la lnea
cruzando el signo = y anotar el total en el espacio de FAE. En el ejemplo, 1 + 1 + 2 = 4 .
Para el tercer nmero, seguir la siguiente flecha hacia arriba, comenzando en el segundo valor
FAE (4), y sumar las dos marcas de frecuencia (2 y 7) para obtener 13, el tercer FAE. En el
ejemplo, 4 + 2 + 7=13.
Seguir las flechas, sumando los nmeros hasta cubrir por completo el conteo de frecuencias. La
ltima flecha en el ejemplo comienza con un FAE de 198, seguir la flecha hacia arriba hasta
el ltimo conteo, 2, y sumarlo a 198. Entonces, se pasa a la siguiente celda, que est en blanco,
se contina hacia abajo hasta la celda de FAE y se anota el total de 200. En este punto, se
revisa la suma slo comparando el valor mayor de FAE contra el tamao de la muestra. Este
valor es siempre el doble del tamao de la muestra. En el ejemplo, el valor mayor FAE es 200, y
el tamao de la muestra es 100.
Paso 4. Coloque los puntos de trazo.

Ahora es posible usar las frecuencias acumuladas estimadas para ubicar los puntos de trazo
en la grfica de probabilidad. Para obtener dichos puntos, se convierten las frecuencias
acumuladas estimadas a porcentajes del total de la muestra de la distribucin de frecuencia.
(Ver "puntos de trazo" en la Figura 5-10.)
Para determinar los puntos de trazo, se utiliza la frmula que aparece en la lnea "puntos de
trazo". Dividir cada FAE entre dos veces el tamao de la muestra (2N) y multiplicar el resultado
por 100.
El porcentaje de los puntos de trazo (%) es igual a FAE dividido entre

2N, y siempre es 100.
En el ejemplo, N es igual a 100, as, 2N es igual a 200. La primera FAE es 1. Por lo tanto, el primer
punto de trazo es 1/200 x 100 = 0.5. El segundo es 4/200 x 100 = 2; el tercero es 13/200 x 100 =
6.5; y as sucesivamente, como se muestra en la Figura 5-10.
A continuacin se registran los puntos de trazo en la seccin correspondiente a la grfica, de la

siguiente manera: en el margen izquierdo, que tiene el ttulo "% abajo", encontrar el nmero
igual al cuadro de la lnea de puntos de trazo. En esta grfica, la cifra en el primer cuadro es .5,
por lo tanto, se localiza .5, o 0.5 en la escala "% abajo", se sigue la lnea horizontal de 0.5
hasta llegar a la lnea vertical correspondiente al cuadro de la lnea "puntos de trazo" que tiene la
otra 0.5. Se dibuja un punto en la interseccin de ambas, el cual se encierra en un pequeo
crculo, para hacerlo ms visible (Ver la Figura 5-10). El nmero en el siguiente cuadro de la lnea
"puntos de trazo" es 2, as que se localiza 2 en la escala de "% abajo". Seguir la lnea horizontal
hasta encontrar la lnea que llega hasta el "punto de trazo" con el nmero 2 y dibujar el punto.
Continuar con el mismo procedimiento hasta haber trazado el punto que corresponde al
nmero 99 (Ver la Figura 5-10).
Figura 5-10. Grfica de probabilidad normal, mostrando puntos de trazo.
Paso 5. Trazar una lnea de tendencia
Despus se dibuja una lnea que se ajuste a los puntos de trazo. Esta lnea se llama lnea de
tendencia. Si las mediciones tomadas en el estudio se distribuyen normalmente alrededor del
promedio, los puntos generarn una lnea recta en la grfica. Cualquier desviacin a la lnea
recta indica desviaciones a la distribucin normal. En la Figura 5-11 se observa la lnea de
tendencia a los puntos de trazo.
En este punto ya es factible juzgar la exactitud de la estimacin de dispersin de proceso, que

se realiz en base a la grfica de promedio y rango. Si dicha lnea de tendencia es recta o casi
recta, se puede confiar en la estimacin del promedio y la desviacin estndar, basada en la
grfica de promedio y rango. Si dicha lnea es ms irregular, la estimacin es menos confiable.
Paso 6. Estimacin de la dispersin del proceso.
Ahora se prolonga la lnea de tendencia hasta los mrgenes superior e inferior de la grfica.
Las dimensiones representadas por estas dos intersecciones se utilizan para estimar la
dispersin del proceso (Ver Figura 5-11).
En la Figura 5-11, la lnea de tendencia cruza el margen inferior de la grfica en una lnea que, al
seguirla hasta la parte superior de la grfica, termina en el centro de la divisin con valor cero. Al
observar nuevamente la grfica de promedio y rango con su anotacin de medidas (Figura 5-1),
se ver en la seccin "equivalentes de cero", que cero es igual a 2.670. Este es el valor mnimo
que se puede esperar en esta operacin.
Cuando la lnea de tendencia cruza el margen superior de la grfica, lo hace en la lnea vertical
inmediatamente posterior a la unidad de medida ms alta, que es 12. (En la escala usada para
esta grfica, cada lnea principal vertical termina al centro de cada cuadro de la lnea de
"valor"-) La unidad de medida registrada en la grfica de promedio y rango de la Figura 5-1,
es .001 pulgada. (Ver el cuadro "unidad de medida" de la Figura 5-1.) Cada lnea principal vertical
representa .001 pulgada en la grfica, mientras que cada una de las otras lneas verticales
corresponde a .0002 pulgadas, o .001 dividido entre 5 (hay cinco divisiones entre dos lneas
principales). Con esta informacin, se puede determinar ahora que la lnea de tendencia cruza el
margen superior de la grfica una divisin localizada ms all de la lnea principal que termina en
el cuadro de valor marcado con el nmero 12. Este nmero equivale a 0.12 (ver el cuadro
"unidad de medida" en la Figura 5-1), y una divisin ms all equivale a .0002, por lo tanto este
valor aadido a .012 equivale a .0122. Como se recordar, "cero" es igual a 2,670. Si se
aade ,0122 a 2.670, el resultado ser 2.6822, que es la medida ms grande que se puede
esperar de esta operacin.
Este rango de 2.670 a 2.6822 es "seis sigma" (6) la amplitud de mediciones para esta
operacin. La capacidad de la mquina es igual a la dispersin estimada de las medidas de la
operacin cuando no est presente ninguna causa asignable. En el ejemplo, 6, o la
capacidad de esta operacin, es .0122 pulgadas.
Figura 5-11. Grfica de probabilidad Normal mostrando la lnea de tendencia.
COMO ESTIMAR LA PROPORCIN DE PARTES FUERA DE ESPECIFICACIN
La grfica obtenida mediante el mtodo anterior es til para estimar la proporcin que quedar
fuera de especificacin. Los lmites de especificacin pueden dibujarse en la grfica, cmo en
la Figura 5-12. Si la lnea de tendencia cruza el lmite de especificacin antes de llegar al
borde superior o inferior de la grfica, es posible estimar el porcentaje de partes que
quedarn fuera, leyendo el porcentaje arriba del lmite superior de especificacin en el
Figura 5-12. Grfica normal de probabilidad con lmites de especificacin.

La operacin est dentro de los lmites.
margen derecho de la grfica (% mayor), opuesto al punto donde la lnea de tendencia cruza
el lmite superior de especificacin. Asimismo es posible estimar el porcentaje que queda
abajo de especificacin leyendo el porcentaje de la escala izquierda (% menor), en el punto en
donde la lnea de tendencia cruza el lmite inferior. Estas estimaciones pueden usarse aun si la
lnea de tendencia no es recta, pero dichas estimaciones no sern tan buenas.
La Figura 5-12 indica que la operacin de ensamble de bujes en las bisagras cumple con la
especificacin porque:
La operacin est bien centrada en la especificacin a 2.676 p ulgadas, comparadas

con las 2.675 pulgadas especificadas.
La dispersin de proceso de .0122 pulgadas (6) es menor a la tolerancia de .018
pulgadas.
El limite superior para particulares (LSX) es menor al especificado (LSEx), 2.682 contra
2.684.
El lmite inferior para particulares (Ll x) es mayor al especificado (LIE,), 2.670 contra
2.666.
La Figura 5-13 muestra una grfica de probabilidad para otro estudio de capacidad de mquina.
La dimensin medida para este estudio es un dimetro, con especificaciones de 1.00 a 1.035.
Cero equivale a 1.00, por lo tanto, la especificacin se marca con lneas verticales en los
valores cero y 35 de la escala.
Se puede ver que la lnea de tendencia trazada cruza el lmite superior de especificacin antes de
llegar al borde superior de la grfica. El punto donde la lnea de tendencia intersecta el lmite
superior de especificacin es el 32% de la escala "% mayor". Es decir, se puede esperar que un
32% de las partes de esta operacin queden arriba del lmite. Cualquier operacin que
produzca un porcentaje tan alto de partes arriba del lmite, no se considera capaz.
Si la lnea de tendencia cruza el lmite inferior antes de cruzar el borde inferior de la grfica, se
estima el porcentaje de partes debajo del lmite inferior, observando el punto de cruce
respecto a la escala del margen izquierdo (% menor).
Una palabra de advertencia: se seleccionaron estos ejemplos para mostrar la tcnica, por lo
que muestran condiciones casi ideales para determinar la capacidad o no capacidad de las
operaciones. Muy rara vez se encontrar que la lnea de tendencia es tan recta como aparece
en estos ejemplos. De hecho, muchos estudios no terminan con una clara decisin de
"capacidad" o "no capacidad"; sino determinando la necesidad de realizar ms mediciones y
contar con mayor informacin antes de tomar una decisin al respecto.
Figura 5-13. La operacin sobre pasa el lmite superior en 32%
CAPACIDAD DEL PROCESO

La mayor parte de tiempo el inters primordial estribara en la capacidad de maquina, pero en
algunas ocasiones ser necesario conocer la capacidad de todo un proceso de produccin
relativo a la operacin.
La diferencia bsica entre capacidad de mquina y de operacin est en que la capacidad de
mquina se relaciona slo con la variacin en mediciones a causa de una mquina u
operacin, y nada ms con la variacin causada por dicha mquina u operacin. La
capacidad del proceso se relaciona con la variacin causada por todas las fuentes de
variacin: la mquina, el material, los mtodos, los operarios involucrados, y la forma en que el
medio ambiente afecta el producto. (Ver el diagrama de pescado de la Figura 1 -4.)
Si se desea conocer la capacidad de un proceso, las mediciones deben incluir la variacin

aleatoria de todas las fuentes. Esto incluye la variacin inherente al proceso, pero que ocurre
durante un lapso relativamente largo. Los cambios en los embarques de material que llegan en
la temperatura, el desgaste de las herramientas, el uso por diferentes operarios y cambios
pequeos en los mtodos son parte del proceso y deben incluirse al calcular la capacidad del
proceso.
Para realizar un estudio de capacidad del proceso, se renen mediciones de las mquinas
estudiadas para determinar la capacidad de mquina durante un periodo ms o menos
largo. Una vez registradas las mediciones, stas se analizan de manera similar al estudio de
capacidad de mquina.
Estos son los pasos para llevar a cabo un estudio de capacidad de proceso:
Desarrollar una grfica de promedio y rango con muestras del proceso por un tiempo.
Generalmente treinta das son suficientes para obtener mediciones que incluyan variaciones
procedentes de todas las fuentes.
Identificar y anotar las causas asignables, en especial aquellas que ocasionen que el rango
quede fuera de control.
Dibujar una grfica de probabilidad con las mismas mediciones usadas para la grfica de
promedio y rango.
Estimar la dispersin del proceso con base en la grfica de probabi lidad y evaluar la
capacidad del proceso comparando la dispersin del proceso contra los lmites de
especificacin.
La grfica de promedio y rango proporciona la sensacin de estabilidad en el proceso. El rango

es una medida de la dispersin de proceso al momento de tomar la muestra. Usualmente se
considera que el rango refleja la capacidad de la mquina, mientras que el promedio se ve
afectado por variaciones procedentes de las otras fuentes.
Despus de un tiempo es de esperarse que el rango sea constante, a menos que le

sucediera algo a la mquina. Durante el mismo periodo no sera raro descubrir que el
promedio se mueve hacia arriba o hacia abajo debido al uso de nuevos lotes de materia
prima, cambios de temperatura, desgastes de la herramienta o a otras cosas que pudieran
ocurrir en el rea de produccin.
Es necesario revisar a menudo la grfica de control para ajustar los cambios de largo plazo en
el promedio. Es posible hacerlo mientras el proceso siga produciendo partes dentro de
especificacin.
Puesto que el rango tiende a indicar slo las variaciones de la mquina y el promedio de las
dems fuentes, se debe calcular la capacidad del proceso utilizando las mediciones
individuales que forman el promedio.
Como se vio en el estudio de capacidad de mquina, la grfica de probabilidad es til para

calcular la forma y distribucin de las medidas en torno al promedio. Este es tambin el mtodo
recomendado para calcular la capacidad del proceso. Si la grfica de probabilidad es una lnea
recta, o casi recta, es posible usarla para calcular el promedio y la dispersin del proceso. (Existen
muchas formas ms complicadas para calcular la capacidad del proceso, pero se las dejamos a los
matemticos y a los ingenieros.)
Figura 5-14. Grfica de promedio y rango desarrollada durante un estudio de capacidad de proceso.
La Figura 5-14 muestra una grfica de promedio y rango desarrollada durante un estudio de
capacidad de proceso. En esta tarea se midi la alineacin relativa o concentricidad de dos
dimetros en un cigeal. La especificacin es .060 pulgadas, lectura total del indicador
(LTI). Esta tolerancia se consider lo bastante amplia como para permitir las varia ciones
debidas a las remesas de forja, los diferentes operarios a cargo del trabajo, y el mantenimiento
del torno. Las lecturas se obtuvieron durante un periodo de dos meses.
La grfica de control muestra que el proceso es estadsticamente estable. En un periodo (del

12 al 21 de junio), el promedio de las muestras parece estar en un nivel, y en otro periodo (del 22
de junio al 10 de julio), se mueve a otro nivel. Esta variacin pudo deberse a un nuevo lote de
materiales, nueva herramienta, a reparaciones, o a muchas otras variables de largo plazo, pero
no provoc desestabilizacin ni puntos fuera de control.
Los clculos para los "lmites de individuales" de la Figura 5-15 indican que el proceso usa la
mayora de la tolerancia pero es capaz; este estimado, sin embargo, se basa en el rango
promedio ( ), que refleja principalmente las variaciones en la mquina. La capacidad total del
proceso debe estimarse por medio de las mediciones individuales.
La Figura 5-16 es una grfica de probabilidad de las mediciones y muestra que stas son
normales. La lnea de tendencia cruza el borde; inferior de la grfica en 1 (.001 pulgadas
LTI), y el borde superior en 59 (.059 pulgadas LTI). Se calcula la dispersin del proceso entre .
001 y .059. pulgadas LTI, es decir .058 pulgadas. Como en todas las dispersiones, esta
extensin equivale a seis veces la desviacin estndar (6) del proceso.
El promedio estimado del proceso es el valor en el punto donde la lnea de tendencia intersecta
a la lnea de 50% en la grfica. Este valor es 30 (.030 pulg LTI), exactamente a mitad entre .001
y .059 pulgadas LTI.
Al igual que en el estudio de capacidad de mquina, se trazaron los lmites de especificacin

en la grfica, comparndolos contra la lnea de tendencia. En esta grfica la dispersin total
del proceso (6) es menor al rango de la especificacin, como se demuestra por el hecho de
que la lnea de tendencia cruza los bordes superior e inferior de la grfica antes de cruzar
cualquiera de los lmites de especificacin.
Este proceso puede considerarse capaz porque el anlisis demuestra lo siguiente:
El proceso est bien centrado en la especificacin.

La dispersin del proceso es menor que la tolerancia.
El lmite superior para particulares es menor que el lmite superior de especificacin.
El lmite inferior para particulares es mayor que lmite inferior de especificacin.
Figura 5-15. Clculos para Limites de Particulares, parte superior derecha

SUB GROUPS
INCLUDED 25 X =.0297
R = 1.290 x .0224 = .0289

R 559
R 22.36 ________
k 25 = .0586
X 743.4 = .0008
X 29.74 ________ US = .0600
k 25
US = .000
OR US LS = .060
X ( MIDSPEC.ORSTO.) =. 0578
A2 R = 577 x 22.36 = 12.90 x = _______

UCLr = X - A2 R = 42.64 =
UCLr = X - A2 R = 16.84 =
UCLr = D4R = 2.114 x 22.36 =47.27 x =

US = D4
LS d2
=
AM R= x =_________ 3/D2 AM
AM R 2 1.880
= _________ 3.268 1.128
URLR = US -AM R = 2.659 0.779
LRLr =LS - AM R = 3 1.023
2.574 1.693
1.772 0.749
4 0.729
2.282 2.059
1.457 0.728
5 0.577
2.114 2.326
1.290 0.713
6 0.483
2.004 2.534
1.184 0.701
Ntese que, para este trabajo, se calcula una parte sustancialmente mayor de la tolerancia a la
de la de las bisagras para puertas en el estudio de capacidad de mquina. Si la operacin de
bisagras se estudiara durante dos meses, la parte de tolerancia tambin sera mayor.
Figura 5-16. Grfica de probabilidad mostrando un proceso de paz
NDICE DE CAPACIDAD
Una vez que se ha determinado que un proceso u operacin es estable (bajo control estadstico) y
distribuido con normalidad, debe evaluarse la capacidad. Como se ha visto, se debe calcular
primero la dispersin del proceso por medio de una grfica de promedio y rango, y despus se
analiza la forma de distribucin con una grfica de probabilidad.
La capacidad de un proceso o de una mquina puede expresarse con un nmero, al cual se har
referencia como ndice de capacidad. Esta es una forma prctica de hablar de capacidad para
cualquier proceso o mquina, cualesquiera que sean los productos o procesos. Como se ver
ms adelante, este nmero se obtiene comparando la dispersin de proceso contra el rango de
la especificacin, y se expresa en trminos de desviacin estndar.
Una forma de ndice de capacidad (C p) es simplemente la relacin del rango de la especificacin

contra la dispersin de la mquina o del proceso, o seis desviaciones estndar (6) del
proceso. Un Cp de 1.0 o mayor, indica que la mquina o el proceso son capaces de producir partes
con una dispersin menor a la tolerancia.
Esta es la frmula para el ndice de capacidad:
Cp es igual a la tolerancia dividida entre 6 de la mquina o del proceso.

Cp = tolerancia/6s de la mquina o del proceso
Una mquina o proceso con 6 igual a la tolerancia, tendr un Cp de 1.0. Una mquina o
proceso con una tolerancia total de .018 pulgadas, y una dispersin de .012 pulgadas, tendra
Cp de 1.5 (Cp = .018 / .012 = 1.5).
El ndice Cp no lo dice todo, sin embargo. Con este mtodo, es posible indicar un Cp mayor a 1.0,
que indica que la dispersin es menor al rango de la especificacin y por lo tanto, es capaz. Aun
as, dicha mquina o proceso podran producir partes fuera de tolerancia. El ndice C p no toma
en cuenta el centro del proceso con respecto a la tolerancia de la parte.
Un segundo tipo de ndice de capacidad, el Cpk, es usado ahora por muchas compaas. Este
ndice dar como resultado un nmero negativo si el promedio del proceso o de la mquina
estn fuera de la tolerancia. Cualquier nmero menor a uno indica incapacidad de la mquina
o del proceso.
Este Cpk se calcula como el menor de estos dos valores:
El lmite superior de especificacin menos el promedio de la mquina o del proceso, dividido

entre tres desviaciones estndar del proceso, o
El promedio de la mquina o del proceso menos el lmite inferior de la especificacin, dividido

entre tres desviaciones estndar del proceso.
Cpk es igual al menor de: (LSE menos ) entre 3, o
( menos LIE) entre 3,
Recuerde que la dispersin del proceso es 6, por lo tanto, la mitad de la misma, es decir 3,
caer a cada lado del promedio del proceso (Ver Figura 5-17.)
RELACIN DE CAPACIDAD
Algunas compaas usan la relacin de capacidad, (RC), para expresar la capacidad de la

mquina o del proceso. Esta relacin es la que existe entre la dispersin de proceso o de
mquina (6) con la tolerancia de la especificacin, multiplicada por 100 para convertirla en un
porcentaje. La RC es igual a 6 entre la tolerancia de la especificacin, por 100%.
Figura 5-17. Dos posibles

principios de Cpk. El verdadero CPk
es el menor de estos dos valores.
Figura 5-18. Dos procesos con la misma

relacin de capacidad (RC).
La curva superior no est centrada en la
especificacin; la curva inferior s lo
est.
Una relacin mayor a 100% indica la incapacidad de la mquina o del proceso. Esta expresin
de capacidad no considera el promedio del proceso o de la mquina en relacin con la
tolerancia. El convertir la dispersin (6) a porcentaje de la tolerancia no indica si las partes
producidas por la mquina o el proceso estn en realidad dentro de la tolerancia, sino
solamente la capacidad de la mquina o del proceso cuando el promedio est centrado en la
media de la especificacin (Ver Figura 5-18).
RESUMEN
El anlisis de la capacidad est dividido en dos tipos: estudios de capacidad de la mquina u

operacin, y estudios de capacidad total del proceso.
Ambas tcnicas usan los mismos mtodos estadsticos, que se basan en los seis principios
bsicos del mtodo estadstico para control de calidad.
Un estudio de capacidad de mquina analiza la variacin en una dimensin provocada por

una mquina u operacin. Por lo general, esta mquina es slo parte del proceso total. Un
estudio de capacidad de mquina cubre un periodo relativamente corto.
Un estudio de capacidad de proceso analiza la variacin en una dimensin causada por

todas las partes en un proceso total. Un estudio de capacidad de proceso analiza el resultado
de un proceso durante un periodo adecuado, por lo general, treinta das o ms.
El estimado de la capacidad de una mquina o de una operacin se basa en el rango promedio

de medidas en muestras pequeas tomadas de la operacin. El estimado de capacidad de un
proceso total est basado en la distribucin de las medidas individuales en torno al promedio
general.
La capacidad de las mquinas o de los procesos puede describirse por medio del ndice y la
relacin de capacidad. Ambos mtodos usan cifras para describir la dispersin de la mquina o
del proceso en relacin con la tolerancia de la especificacin.
El ndice de capacidad tambin indica la relacin del promedio con los lmites de la
especificacin. Cuando se utiliza la relacin de capacidad para describir la capacidad de una
mquina o de un proceso, se precisa informacin adicional para indicar si la mquina o el
proceso son capaces al operar del modo actual, o si se requiere ajustar el promedio en un nuevo
nivel para lograr dicha capacidad.
Problema 5-3.
PROBLEMAS PRCTICOS: CAPACIDAD DE MAQUINAY DE
PROCESO Regresar a la informacin sobre el movimiento de la flecha
mencionada en el Problema 2-3. Calcular la capacidad de
Practicar con los siguientes problemas, que se basan en cada uno de los cinco grupos de datos.
el material estudiado en ICI Mdulos 3 y 5. Las
respuestas estn en la seccin de "Soluciones" al lado La dimensin especificada para el movimiento de la
del libro. flecha es .080 pulgadas como mximo. Tomar una
dimensin mnima de .040 pulgadas como lmite inferior
Problema 5-1. de especificacin.
Regresar al dimetro de pernos mencionado en el Todos los sistemas de la mquina son capaces como
problema 3-1, y estimar la capacidad de la mquina cuando se realiz el estudi? Deben hacerse
usando la grfica de promedie y rango, as como el ajustes?
mtodo de la grfica de probabilidad.
De qu manera los promedios calculados de la grfica
Cul es el ndice de capacidad (Cpk) de la mquina? de probabilidad se comparan contra aquellos
Cul es la relacin de capacidad (RC) de la obtenidos de las grficas de promedio y rango
mquina? (Problema 3-3), y de los histogramas de frecuencia
(Problema 2-3)?
Problema 5-2.
Problema 5-4.
Regresar a la tabla de medidas listada en el Problema
3-2. Esta informacin es til para calcular la capacidad Usando las medidas del Problema 2-4, realizar un
de una mquina? Si es as hacer el Estudio anlisis de capacidad de proceso.
correspondiente, usando grficas de promedio y fango,
y de probabilidad. Cmo se compara el proceso estimado del promedio
contra la mediana de medianas obtenido en el
El ndice de opacidad (CPA) indica que la mquina Problema 3-4?
es capaz?
La relacin de capacidad (RC) indica que la mquina Cmo se compara el promedio estimado del proceso
es capaz? contra el clculo obtenido usando el histograma de
frecuencia del problema 2-4?
El proceso es capaz? Cul es el Cpk).

MODULO
Herramientas para
solucionar los
problemas de calidad
NUEVOS TRMINOS
EN EL MODULO 6
Problema crnico Diagrama de causa y efecto
Problema espordico del proceso
Tormenta de ideas Anlisis de Pareto
Accin de aadir Diagrama de Pareto
Diagrama de causa y efecto (C y E) Frecuencia acumulativa
Porcentaje acumulativo
Los problemas aparecen en casi cualquier situacin. Si no se tiene algn problema, quiz no
se comprenda dicha situacin! Tal vez el trabajo sea muy tranquilo la mayor parte del tiempo,
pero no se ha preguntado: "Por qu hay tanto desecho en este proceso?" "Por qu las
mangueras del radiador se agrietan en este doblez?"
En este mdulo se aprendern los mtodos y procedimientos que ayudan a manejar los
problemas de produccin. Aunque este libro se relaciona principalmente con herramientas
estadsticas, se incluyen tres mtodos para solucionar problemas.
Estos mtodos sirven para resolver problemas crnicos de produccin, en donde sucede lo
mismo una y otra vez. Por ejemplo, tal vez se encuentren constantemente desalineados los
orificios de cojinetes y zapatas de freno, o la consistencia de la lechada de cemento es
diferente de un da a otro. (Otro tipo de problema es el problema espordico, que sucede slo
de vez en cuando, como la descompostura de una mquina, o la omisin del ingrediente clave
en la mezcla para producir vidrio. En este mdulo, sin embargo, nos vamos a concentrar en
las formas de resolver los problemas crnicos.)
Buscar soluciones para problemas crnicos, los que continuarn presentndose, dar por
resultado el descubrimiento de nuevos y mejores niveles de operacin, que representarn
mejoras importantes en calidad y productividad. Solucionar dichos problemas le proporcionar a
quien los resuelve una satisfaccin real.
LA TORMENTA DE IDEAS - UN CHAPARRN
En el proceso de solucin de problemas, es preciso identificar stos y determinar sus causas.

La tormenta de ideas es til en ambos casos; una excelente manera de identificar problemas,
como los que se encuentran en el trabajo, as como una buena manera de reunir varias
explicaciones posibles a un problema especfico.
La tormenta de ideas es un mtodo para solucionar problemas en equipo, ya que aprovecha

la habilidad creativa de la gente para identificar y resolver problemas, generando una gran
cantidad de ideas en poco tiempo. Debido a que es un proceso de grupo, ayuda a que la
gente se desarrolle como seres humanos. Por ejemplo, la tormenta de ideas alienta a los
miembros individuales a contribuir con el grupo y a desarrollar su confianza en los dems.
QUE SE NECESITA PARA UNA TORMENTA DE IDEAS?
Un grupo dispuesto a trabajar unido.
Para comenzar la tormenta de ideas. Se debe contar con un grupo de personas dispuestas a
trabajar unidas. Es posible sentir que esto es imposible, que el grupo con el que se trabaja
nunca formar un equipo. Sin embargo, la tormenta de ideas puede ser la clave para crear
un equipo! Es ms, es una gran herramienta para los grupos que ya trabajan como equipos.
A quin debe incluir el grupo? A toda persona relacionada con el problema, por dos razones.
Primero, las ideas de todos los involucrados estarn disponibles para la tormenta de ideas.
Segundo, esas personas pueden tomar parte activa en la solucin del problema. De esta
manera es posible hacerlos apoyar la solucin.
Un lder.
Todos pueden dirigir la tormenta de ideas: el jefe, uno de los miembros del grupo, incluso alguien
externo. Lo importante es que alguien pueda y quiera ser el lder.
El lder es necesario para dirigir de algn modo la tormenta de ideas, para que se produzcan
stas. El lder debe tener suficiente control sobre el grupo para mantenerlo en orden y al
mismo tiempo debe alentar las ideas de la gente y su participacin. Esta persona debe hacer
a un lado sus objetivos en beneficio del grupo. En este sentido, el lder dirige y sirve, y debe
andar por la final divisin existente entre control y participacin.
Un lugar de reunin.
El grupo debe tener un lugar de reunin donde no haya interrupciones ni distracciones. En

algunas plantas hay salas especiales para juntas. En otras plantas, se usa la oficina de un
capataz, un espacio especial en el rea de produccin, o incluso la sala de juntas de los
ejecutivos.
El equipo.
El grupo necesitar rotafolios, marcadores y cinta adhesiva para pegar las grficas en la pared.
COMO FUNCIONA UNA TORMENTA DE IDEAS?
Aqu se enuncian algunas reglas generales para lograr una buena sesin de tormenta de
ideas:
1. Elegir el tema.
2. Verificar que todos comprendan el problema o el tema.
3. Cada persona tendr su turno y expresar una idea. Si alguien no puede pensar en
algo, dir "Paso". Si algn miembro tiene una idea fuera de su turno, la escribir en una
hoja de papel y la usar en el siguiente turno.
4. Algn miembro debe anotar las ideas segn vayan expresndose; esta persona deber
tener un turno para exponer sus propias ideas.
5. Escribir todas las ideas.
6. Alentar las ideas atrevidas, pues pueden desencadenar el pensamiento de alguien ms.
7. No permitir crticas hasta que termine la sesin -la crtica bloquea el flujo libre de ideas.
Los objetivos de la tormenta de ideas son cantidad y creatividad.
8. Un poco de risa es divertido y saludable, pero sin extralimitarse. Est bien rer con
alguien, no de alguien.
9. Permitir que transcurran algunas horas o das para pensamientos posteriores. La primera
tormenta de ideas sobre un tema estimular a la gente a pensar, pero un periodo de
incubacin permite que la mente libere ms ideas creativas.
Una vez revisadas las reglas, el lder puede decir simplemente. "Comienza la tormenta de
ideas". A veces se determina un lmite de tiempo, tal vez de doce a quince minutos. Aunque
parezca muy poco, tiempo, se sugiere comenzar con periodos cortos y alargarlos a medida
que el grupo se vaya acostumbrando a trabajar unido. Entonces ser posible alargar las
sesiones cuando sea necesario.
Ilustremos la tormenta de ideas con una simulacin. El grupo que incluye a cinco personas: Sharon
que es la lder; Fred; Jan; George, que anota; y Aaron. Puesto que tienen poco tiempo de estarse
y los miembros carecen de experiencia en tormentas de ideas, el lder tiene que hacer la mayor
parte del trabajo para evitar distracciones. A medida que el grupo gana experiencia, otros
miembros deben comenzar a compartir el liderazgo.
Sharon: Creo que es tiempo de tener una tormenta de ideas sobre los condensadores
defectuosos. Este es el problema que escogimos para trabajar la ltima vez. George,
como eres bueno con el rotafolio, podras ayudarnos ah?
George: Mientras me ayuden con la ortografa, (risas)
Sharon: Tu ortografa es tan buena como la ma! Los dems ayudarn. Nuestro tema, que
George est apuntando ahora, son los condensadores defectuosos. Pongamos un
lmite de quince minutos para esta sesin. Y no olviden las reglas:
Iremos uno por uno, una idea a la vez. No se preocupen si sus ideas suenan un
poco extraas. Despus de todo, una idea descabellada puede estimular a otro.
No habr evaluaciones. Nada de "esa es una buena idea" ni "esa es una idea
tonta". Despus habr tiempo suficiente para examinarlas.
Bueno. Estn listos? (Todos estn de acuerdo.)
Fred, es tu turno.
Fred: Ventas. (George apunta VENTAS.)
Jan: He visto abolladuras en algunos. Y creo que una abolladura en el exterior significa
algo roto, oprimido o estropeado de alguna manera...
Sharon: Jan, ests diciendo "abolladuras"; correcto?
Jan: No, me refiero a que las abolladuras muestran problemas interiores.
Sharon: Podemos abreviarlo diciendo: "abolladuras muestran problemas interiores"? (Jan

aprueba. "Est bien".)
Sharon: George, es tu turno.
George: Creo que pasar esta vez.

Aaron: Las terminales de los condensadores no estn bien soldadas a veces. Eso los hace
aparecer como defectuosos.
George: Cmo escribo eso? "Soldadura de las terminales"?

Aaron: S, es correcto.
Sharon: Mi turno. Me uno a la idea de Fred. "Ventas". Tal vez el problema en realidad es uno
de ellos y no todos. George, escribe "un vendedor".
Fred: Creo que el problema est en la forma de AX12. Me recuerdan a las tapas de los
asientos para excusados. (Muchas risas.)
Sharon: Volvamos al tema. Tal vez Fred tenga algo de razn. As que. George, escribe
"forma del AX12".
Y as se desarrolla. La tormenta de ideas es divertida, es creativa y todos participan. Se

desaprueba cuidadosamente la represin, mientras que se acepta risa sana. El grupo
desarrolla una lista exhaustiva de las razones posibles de un problema. Es probable que nadie
conozca en ese momento la causa real, pero la tormenta de ideas les proporcionar una valiosa
gua para encontrar una o varias causas mayores. El grupo ha comenzado a participar
activamente en la solucin del problema.
LAS TCNICAS DE ESTIMULACIN
Tarde o temprano el flujo en la tormenta de ideas se seca. Qu se debe hacer para

reanudarlo? Qu se debe hacer con el miembro que permanece en silencio y no participa?
En las siguientes secciones se harn sugerencias para manejar estos problemas. Pero
cuidado! Es necesario conocer al grupo y recordar que se est realizando un proceso de grupo,
excitante y poderoso, pero frgil.
Alentando las ideas: Cebando la bomba de nuevo.

Si la tormenta de ideas parece aflojar el paso, el lder puede sugerir agregados. Esto significa
agregar algo a las ideas de los dems. En la historia Sharon sugiri "un vendedor" agregando
a la idea de Fred, "ventas". Para dar otro ejemplo de agregado, la forma del AX12" podra
servir, pues a veces "deben entrar hacia atrs". La idea descabellada de Fred condujo a otra
muy til.
Otra tcnica es sugerir opuestos. El lder dice, Tenemos muchas ideas en el rotafolio. Ahora,
pueden darme algunos puntos opuestos? Si alguien dice poca soldadura en las terminales, lo
puesto sera "demasiada soldadura".
Tambin pueden intentarse asociaciones rpidas. El lder dice una palabra y los miembros
responden, lo ms rpido posible, con otra palabra asociada que pudiera aplicarse de alguna
manera al problema. Por ejemplo:
Sharon: Cargado.
Fred: Corto circuito.
Jan: Rayo.
George: Barato.
Aaron: Electrones.
Sharon: Ahora intenten con una nueva palabra. Metales.
Fred: Dbil.
Jan: Oxidado.
George: Quemado.
Aaron: Paso.
Sharon: Ahora regresemos a la tormenta normal. Fred?
Fred: Seguro. Algunas partculas de metal provocan cortos circuitos en los
condensadores.
Jan: Creo que un rayo cay en la lnea y los quem.
El lder puede estimular la tormenta de ideas lanzando ideas en ciertas direcciones, o pedir al
grupo que trabaje con un nuevo grupo de causas posibles, o tratar uno ms a fondo. Quiz
suceda algo como esto:
Sharon: Est bien, hasta ahora hemos visto cosas bastante generales. Ahora pensemos en
posibles causas durante la produccin.
George: Te refieres a la fabricacin de los condensadores?
Sharon: Correcto, George. Por qu no comienzas?
George: Bueno, el borde del condensador a veces est mal hecho.
El Miembro Silencioso.
Cuando un miembro del grupo no habla, el mejor consejo "paciencia!". A veces un miembro
permanece callado reunin tras reunin, y despus comienza a abrirse. Cuando esto sucede,
es muy emocionante, as que hay que darle tiempo a esa persona. Quiz esa persona
permanecer siempre callada, pero sirviendo al grupo en otras formas valiosas. Una vez los
autores invitaron a un grupo de tormenta de ideas dar una demostracin. El miembro
silencioso se ocupaba de operar el proyector. Despus, l fue quien los felicit en privado. Se
sospech que realiza el mismo tipo de trabajo en su grupo.
Existe un mtodo simple y efectivo para ayudar a estimular al miembro silencioso. Recordar al
grupo que cuando llega el turno de cada persona, sta debe decir "Paso" si no tiene una idea.
Esto ayuda a la gente a salir de apuros, pero tambin rompe la barrera del silencio: las
personas escuchan sus propias voces y participan diciendo "Paso".
La pregunta directa es otro mtodo, pero se debe usar con cuidado. Algo como lo siguiente
podra ser apropiado: "Sandy, t conoces bien este proceso. Tienes alguna sugerencia?" Pero el
lder debe conocer al grupo y saber si esto ayuda o impide el desarrollo de la persona.
La Segunda Parte.
Despus de la tormenta inicial y de un tiempo para pensar, es buena idea tener otra sesin para
poder capturar ideas adicionales. Estas ideas vienen a la mente a medida que los miembros del
grupo piensan en el problema y consideran lo que se ha dicho.
La segunda parte puede manejarse de dos maneras. La primera es reunir al grupo, pasar por
una segunda tormenta de ideas con un tiempo lmite de diez o doce minutos. Se aplican las
mismas reglas del primer paso. El objetivo principal de esta sesin es registrar todas las ideas
surgidas desde la primera tormenta.
Otra tcnica para la segunda parte es pegar las hojas de rotafolio de la tormenta de ideas en el
lugar de trabajo para que la gente pueda anotar las ideas que vayan teniendo. Pegar las hojas
tiene otra ventaja: permite que las personas que trabajan en el rea contribuyan, aunque no
formen parte regular del grupo. As, ellos sienten que se les toma en cuenta.
COMO COMPLETAR LA TORMENTA DE IDEAS -EMPAPARSE TOTALMENTE
Cmo se puede asegurar que la tormenta de ideas ha cubierto todas las causas posibles de un
problema? Bueno, la verdad es que no es posible. Algunas veces se encaran problemas
realmente difciles. Otras veces la solucin est en el laboratorio de investigacin, donde slo
un experto altamente capacitado tiene la oportunidad de descubrirlo. Por lo general, sin
embargo, la solucin est delante de la puerta.
Aun si no se resuelve el problema de inmediato, es posible asegurarse de haber cubierto todas las
grandes secciones de causas posibles. Hacer una lista de dichas secciones generales y despus
verificar que el grupo haya examinado cada una de ellas.
Esta lista incluira varios temas. En el Mdulo 3 se habl de algunos factores importantes que
intervienen en una operacin: maquinaria, mtodo, materiales, medio ambiente y operarios.
(Vase tambin el diagrama de pescado. Figura 1 -4, del Mdulo 1.) La maquinaria incluye el
tipo d mquina, el mantenimiento y la programacin. Los materiales son los elementos que
entran en el proceso, ya sean materia prima, subensambles, componentes, o materiales
parcialmente procesados. El mtodo se refiere al proceso en s mismo. Los tornillos giran
automticamente en la direccin adecuada antes de pasar al atornillador neumtico? El medio
ambiente puede ser tambin importante. La humedad o el polvo afectan el proceso.
Finalmente, el operario es la persona que realiza el trabajo. Los factores relacionados con el
operario incluyen capacitacin, vista, y nivel de habilidad.
Asimismo pueden aplicarse otras secciones generales. Quizs el grupo quiera tomar en cuenta
los factores que no se muestran en el diagrama de pescado del Mdulo 1, tales como dinero,
direccin, competencia, muestreo y errores aritmticos.
LAS DIFICULTADES EN LAS TORMENTAS DE IDEAS Y QUE HACER AL RESPECTO
Ests metindote en mi terreno!

En una tormenta de ideas, tal vez algunas personas conozcan bien el problema y otras no.
Por ejemplo, un grupo en el rea de produccin, dirigido por el supervisor, en el cual
participa un ingeniero de control de calidad. Cuando una idea proviene del "elemento ajeno",
los "de adentro" lo resienten. Qu se debe hacer?
Una respuesta sera capacitar al grupo, lo cual debe ser "obligatorio". Mientras capacita a su
grupo respecto a los objetivos de la tormenta de ideas -el autodesarrollo de cada persona, la
solucin de problemas, y el desarrollo del espritu de equipo - es preciso explicar que todos
tenemos los ojos vendados, por lo que cada uno slo ve parte del problema y de sus
causas. Tambin, se debe recordar al grupo que una persona ajena ve cosas que los
involucrados no ven. Por eso es necesaria la opinin de personas ajenas. Es un asunto de
perspectiva.
Critica.
Sobre todo, se debe formar un ambiente constructivo y positivo en el grupo. Hgalo criticando los
problemas, no a la gente. Es preciso evaluar las ideas, no las personas. Y tener especial
cuidado en no publicar los errores, y que nunca aparezcan en el expediente personal de
alguien.
El Miembro Difcil
Algunas personas son difciles de manejar en un grupo. Hablan demasiado; se desvan;
critican a la gente en lugar de las ideas o las matan. Cmo manejar a este tipo de personas?
Es necesario ser firme pero amigable. Primero, tratar de hablar con esa persona en privado.
Explicarle que su actitud por ejemplo, que habla demasiado o que mata las ideas
"desorganiza el trabajo del grupo o reprime a los dems. Asignarle tareas especiales. Indagar lo
que piensa de lo que hace el grupo. No pelear con l, sino orientarlo.
Otras veces puede ser necesaria la confrontacin directa. Cuando una, persona se desva en la
discusin, se debe regresar al tema con amabilidad. Para poder manejar la crtica de la gente
o de las ideas, recordar al grupo cules son las reglas.
En nuestra experiencia, la gente difcil por lo general hace una de dos cosas: o se convierten en
los colaboradores ms fuertes, o se van.
DIAGRAMAS DE CAUSA Y EFECTO - COMO ORGANIZAR LA TORMENTA DE IDEAS
Una vez terminada la tormenta de ideas y que stas estn anotadas en el rotafolio, se puede
preguntar: "Qu sigue?" Es muy probable que la lista sea una mezcla desorganizada de
ideas, y necesite ser organizada para poder usarla con efectividad.
Aqu es posible usar el segundo mtodo para solucionar problemas, el diagrama de causa y
efecto (C y E). Este diagrama muestra en forma de grfica o de dibujo las relaciones entre s de
las ideas expuestas en la tormenta.
La Figura 6-1 es un diagrama de causa y efecto o de pescado. Ntese que se trata del mismo tipo
de diagramas del Mdulo 1, Figura 1-4. En el cuadro del extremo derecha est el "efecto" o
problema: variacin en el espesor del recubrimiento. Todo lo que aparece a la izquierda del
mismo es una causa posible del efecto.
Se hace nfasis en lo "posible", porque en este momento no se conocen con certeza la causa o
causas, reales. Todas las causas posibles provienen de la tormenta de ideas. Supngase que en
esa sesin el lder pidi al grupo trabajar sobre las posibles causas de las variaciones en el
espesor del recubrimiento. El grupo sugiri diecisiete causas posibles.
En el diagrama C y E, se organiz dicha lista de causas bajo diversos encabezados. Por ejemplo,
bajo el ttulo de "material", se enlistaron "formulacin", "variacin", y "mal, defectuoso". Estos
tres trminos provienen de la lista y describen a los materiales que llegan. Por esta razn se
dibujaron como ramas de la flecha principal, "material".
Se vern otras cuatro flechas principales: mtodo, mquina, medio ambiente, y operario. Todas
las ideas de la tormenta caen en alguna de estas flechas. Por ejemplo, "velocidad" puede
quedar en "mquina" y "formulacin" en "material".
POR QUE UTILIZAR EL DIAGRAMA C Y E?
Hay varias razones para usar el diagrama de causa y efecto. Primero, este diagrama organiza las
ideas de la tormenta y ayuda a organizadas en categoras bsicas. Segundo, muestra las
relaciones entre stas. La velocidad de la mquina puede provocar variacin en el espesor del
recubrimiento, pero esta causa puede deberse a falta de control. Por lo tanto, la relacin es
como sigue:
"falta de control velocidad mquina variacin en el espesor del

recubrimiento".
El agrupar las ideas bajo ttulos principales ayuda tambin a completar la tormenta de ideas.
Cuando el equipo examina el diagrama C y E, es posible encontrar algunos espacios que
deben llenarse. Por ejemplo, se nota la falta de ideas bajo "medio ambiente", lo cual podra
sugerir que ste se omiti durante la tormenta de ideas.
Finalmente, el diagrama C y E ayuda al equipo a ubicarse en el proceso de solucin de

problemas. Sirve como registro de la tormenta de ideas. Los diagramas C y E se pueden usar
cada vez que un grupo resuelve problemas.
Figura 6-1. Diagrama de causa y efecto.
COMO DESARROLLAR UN DIAGRAMA DE CAUSA Y EFECTO
El diagrama C y E es muy sencillo. A medida que el equipo trabaja en l, se encontrarn ms

relaciones entre las diversas ideas.
Paso 1. Reunir el material.
Se necesita un pizarrn o rotafolio grande, cinta adhesiva, marcadores gruesos, y la lista de la
tormenta de ideas.
Paso 2. Citar a toda la gente involucrada en el problema.

Por lo general, este grupo incluye al lder y a los miembros del grupo que form la tormenta de
ideas, pero es posible incluir tambin a expertos externos como ingenieros, representantes de
ventas, o personal de aseguramiento de la calidad. Alguien puede ofrecerse a anotar y trazar el
diagrama.
Paso 3. Comenzar el desarrollo del diagrama.

En el extremo derecho del papel se anota el problema o efecto. Se debe establecer con
claridad para que todos comprendan el tema de discusin.
Figura 6-2. El problema
Despus, se dibuja un cuadro alrededor del problema.
Figura 6-3. El problema encerrado en un cuadro
Paso 4. Trazar la "espina del pescado".

Se comienza desde la izquierda del papel y se traza una flecha hacia el cuadro.
Figura 6-4. La espina del pescado
Paso 5. Aada las causas principales.

Mquina", "mtodo", "material", y "operador", son los cuatro ttulos principales ms utilizados,
pero se puede determinar la existencia de otros que sean apropiados. Por ejemplo, como ya lo
sugerimos antes, es posible aadir "medio ambiente", ya que muchas ideas de la tormenta
parecen relacionarse con factores como temperatura, humedad y polvo. Otras posibles
causas pudieran incluir:
Prejuicios o errores en la medicin o inspeccin

causas externas del proceso
errores en el muestreo
errores aritmticos
dinero
administracin
indicadores o medidores
El diagrama comienza a parecerse al de la Figura 6-5:
Figura 6-5.principales causas o espinas de pescado.
Si el equipo ha decidido incluir causas adicionales, el diagrama C y E ser similar a la Figura 6-6.
Figura 6-6. Espinas principales adicionales
Paso 6. Aadir las ideas resultantes de la tormenta de ideas.

En este punto, se comienzan a seleccionar las ideas provenientes de la tormenta de ideas,
agrupndolas lgicamente en cada uno de los ttulos. Estas ideas pueden subdividirse an ms
(Ver Figura 6-7).
Figura 6-7. Diagrama de causa y efecto completo

EL PROCESO PARA DESARROLLAR EL DIAGRAMA DE CAUSA Y EFECTO
Quizs las ideas para el diagrama provengan de una sesin previa, o es posible sugerirlas a
medida que se desarrolla el diagrama. Si se sugieren las ideas mientras desarrolla el diagrama,
ese proceso equivale a una tormenta de ideas. Es preciso que el lder dirija la sesin y otra
persona que la registre. Las reglas bsicas para la tormenta de ideas tambin se aplican en
este caso. Las aportaciones se hacen por turno, pasar cuando si no se tiene una idea, y
abstenerse de criticar.
Al igual que en la tormenta de ideas, el desarrollo del diagrama requiere de esfuerzo y

direccin por parte del lder. Hay muchas decisiones por tomar respecto a las ideas que van en
cada lugar. Tal vez el lder deba preguntar: "Cundo pasa esto? Por qu sucede?" Al mismo
tiempo, debe hacerse nfasis en cmo resolver el problema, y no en quin tiene la culpa.
Existen dos formas de poner las ideas debajo de las causas. El equipo puede cubrir todos los
ttulos de manera rpida en una sola sesin, o bien trabajar cada uno por turnos. Si un rea no
recibe atencin, el equipo puede concentrarse en ella durante algunos minutos.
Qu se debe hacer cuando una idea parece entrar en ms de un ttulo? Debe incluirse en
todos los ttulos que parezcan apropiados.
TIPOS DE DIAGRAMAS DE CAUSA Y EFECTO
El diagrama de C y E ms comnmente usado es el conocido como diagrama de pescado, en

las Figuras 1 -4 y 6-1. Este diagrama organiza y relaciona las causas del problema.
Otro tipo de diagrama de C y E, es el diagrama de proceso de C y E, que sigue al producto paso

a paso a travs del proceso de produccin o de ensamble. El equipo examina cada etapa de la
produccin y determina los factores que se relacionan en cada una de ellas (Ver Figura 6-8). Para
desarrollar un diagrama de proceso de C y E, el grupo realiza una tormenta de ideas sobre la
primera etapa, "peso de materia prima" y cualquier factor aplicable - en este caso materiales,
mquina, mtodo y operario. Despus se procede igual en la siguiente etapa, "mezcla de materia
prima". En esta etapa los factores son: operario, mtodo, mquina y medio ambiente.
Figura 5-8. Diagrama de proceso de causa y efecto.
La tormenta de ideas y el diagrama de causa y efecto son dos mtodos utilizados para encontrar
las causas de los problemas en la produccin. Ambos mtodos pueden usarse en varias
etapas del proceso de solucin de problemas, tales como descubrir las causas posibles y
desarrollar probables soluciones.
EL ANLISIS DE PARETO
Un tercer mtodo, el anlisis de Pareto, es particularmente til para manejar problemas
crnicos, pues ayuda a decidir a cul de ellos atacar. Tambin es posible realizar un anlisis
Pareto al final del proceso de solucin de problemas, para comprobar si la solucin adoptada
funcion.
Es probable que se haya escuchado decir "La rueda que rechina es la que se aceita". Al elegir
el problema por resolver, por lo general sucede lo mismo. Los problemas que parecen ms
grandes y ms urgentes son los que llaman la atencin. Sin embargo, para tener efectividad
en la solucin de problemas, es necesario poder seleccionar los pocos realmente importantes de
entre todos los dems que tienen poca importancia. El anlisis de Pareto ayuda a hacerlo.
Es posible que ya se conozca la idea detrs del anlisis de Pareto, aunque no se haya odo
mencionar con ese nombre. Sucede cuando el veinte por ciento de la clientela representa el
ochenta por ciento de los negocios. Para dar otro ejemplo, cuando unas cuantas partes en
una refaccionaria automotriz -silenciadores, bandas y bujas- conforman la mayor parte de sus
inventarios.
Los problemas tienden tambin a autoseleccionarse de esta manera. Al realizar alguna

investigacin, por lo general se encuentran que, de doce o ms problemas investigados, slo
uno o dos, tal vez tres, provocan mayor prdida de dinero, se presentan como ms frecuencia,
o son la razn de las principales fallas.
En la Figura 6-9, aparece un tipo especial de grfica de barras llamado diagrama de Pareto. En
este ejemplo, un equipo de solucin de problemas reuni informacin sobre los defectos en un
pequeo motor fabricado por ellos. El equipo revis los reportes de inspeccin del mes anterior y
registr los datos en un diagrama Pareto (ver Figura 6-9). Entre los 145 defectos registrados,
Figura 6-9. Diagrama de Pareto

encontraron 53 casos de juego longitudinal, 31 de motor trabado, 28 desbalanceados, 16
con ruedas faltantes, 8 con problemas del interruptor, 5 motores muertos y 4 con "otros"
defectos. El juego longitudinal representaba 53 defectos en un total de 145, es decir, un 36.6 por
ciento.
Si dicho equipo quisiera mejorar la calidad de los motores qu problema debera atacar
primero, los motores muertos o el juego longitudinal? Un motor muerto es un problema obvio,
pero el equipo descubri que los defectos en el juego longitudinal eran mucho ms frecuentes.
Por lo tanto, para mejorar tanto la calidad como la productividad, el mejor enfoque para reducir
los defectos en este motor, es atacar los problemas en el juego longitudinal, que es el
problema ms grande. El anlisis de Pareto ayud al equipo a tomar esta decisin.
Cul es la diferencia entre el anlisis y e! diagrama de Pareto? Como ya se dijo antes, un

diagrama de Pareto es un tipo especial de grfica de barras. En esta grfica, el problema que
ocurre con mayor frecuencia se indica en la primera barra vertical de la izquierda, la ms alta.
El segundo problema ms frecuente est representado por la segunda barra ms alta. La tercera
barra muestra el tercer problema y as sucesivamente. La "Frecuencia" puede significar costo
en dinero, nmero de defectos (como en el caso de los asientos de espuma de poliuretano), o la
frecuencia con la que se presenta una falla. Cada barra representa un tipo especfico de
defecto, parte, da de la semana, o an el operario.
El anlisis de Pareto es til para notar la necesidad de cambiar y mejorar, en tanto que el
diagrama de Pareto es la parte ilustrativa del anlisis. El anlisis Pareto ayuda a jerarquizar
los problemas que necesitan ser resueltos y a decidir qu se debe hacer primero. Es til para
tomar decisiones basadas en datos, no en el "ruedas que rechinan".
COMO TRAZAR UN DIAGRAMA DE PARETO
Paso 1. Especificar claramente el objetivo.

Supngase que la empresa le vende asientos para automvil a una de las compaas
automotrices ms importantes. Uno de los departamentos se encarga de fabricar los cojines de
espuma de poliuretano que van en los asientos. Puesto que la compaa quiere producir los
asientos de ms alta calidad entre todos los proveedores, el departamento har su parte
haciendo los mejores cojines.
El objetivo es mejorar la calidad de los cojines y, en particular, reducir el porcentaje de cojines

defectuosos.
Paso 2. Recopilar la informacin.

Primero se debe determinar si los datos estn disponibles. Si no, se conseguir la informacin
necesaria.
En el ejemplo, los reportes de inspeccin indican los tipos de defectos que ocurren en los
cojines. En unos cuantos minutos se pueden obtener todos los datos necesarios (y tal vez
ms!).
Figura 6-10. Reporte de inspeccin
REPORTE DE INSPECCIN
Turno: 2
Inspector: L. Millar Producto: Cojines para asiento: ____
Departamento: Moldiing Fecha: Ago. 19,, 1985
8/12 8/13 8/14 8/15 8/16

Tipo de defecto
Mezclado deficiente 2 3 1
Agujeros 8 4 7 3 5
Golpes 1
No hay suficiente componente 1 1
Deformado 1
Rasgado en el manejo 1 1
Manchas de aceite / grasa 1 1 1
El reporte de inspeccin para el mes de Agosto se muestra en la Figura 6-10.
Paso 3. Marcar la informacin.
Contar los defectos en cada categora. Al terminar el conteo, se tendrn los nmeros de la
Tabla 6-1.
TABLA 6-1
Conteo de Datos
Mezclado deficiente 6
Agujeros 27
Golpes 1
No hay suficiente componente 2
Deformado 1
Rasgado en el manejo 2
Manchar de aceite/grasa 3
Total de Defectos 42
Paso 4. Clasificar por frecuencia las categoras de defectos.

Enlistar primero el defecto con mayor frecuencia, despus el que le siga y as sucesivamente.
Una vez hecho esto, la lista se parecer a la de la Tabla 6-2.
TABLA 6-2
Conteo de Datos
Mezclado deficiente 27
Agujeros 6
Golpes 3
No hay suficiente componente 2
Deformado 2
Rasgado en el manejo 1
Manchar de aceite/grasa 1
Total de Defectos 42
Ahora usted est listo para organizar la informacin en su diagrama Pareto.
Paso 5. Preparar la grfica para los datos.

Primero se trazan las escalas vertical y horizontal. Despus se marcan los nmeros en la escala
vertical de la izquierda, para comenzar con la categora mayor, que es "agujeros" con 27
defectos, as que se corre su escala vertical hasta el 35. Esta escala lleva el ttulo
"Frecuencia".
Despus, se subdivide la escala horizontal en intervalos con el mismo ancho para contar con
suficientes intervalos para las categoras. Es posible combinar las categoras ms pequeas
en un solo grupo llamado "otros". Se recomienda que el total de las categoras en "otros" no
exceda del 10 por ciento del total.
Ahora hay siete categoras o tipos de defectos. Los dos ms peque os, "golpes" y
"deformado", slo tienen un caso cada uno, por lo que pueden combinarse en una sola
categora, llamada "otros". Como resultado, solamente sern necesarios seis intervalos del
mismo ancho (Ver la Figura 6-11).
Paso 6. Dibujar las barras.

Para el primer intervalo de la izquierda, se dibuja la barra que representa la categora ms
grande, "agujeros", con 27 casos, as que se traza con una altura de 27 y se le identifica
"agujeros".
En el segundo intervalo de la izquierda, se traza una barra para "mezclado deficiente", que
es la siguiente categora a una altura de 6, y se le identifica.
Continuar de esta manera con las dems categoras.

Figura 6-11. Diagrama Pareto con escala establecida
Figura 6-12. Diagrama Pareto con trazo de barras

Paso 7. Hacer los clculos basados en las marcas.
Primero se suman las marcas: 27 ("agujeros"), la ms grande, se le suma la siguiente, que es 6
("mezclado deficiente"), lo cual hace 33. La tercera columna, el 3 ("manchas") aumenta la
frecuencia acumulada a 36, porque se han sumado "agujeros", 27, "mezclado deficiente", 6,
y "manchas", 3. Anotar las frecuencias acumuladas y continuar sumando hasta llegar a la
ltima entrada. La frecuencia acumulada final debe ser 42, el nmero total de defectos (Ver la
Tabla 6-3.)
Ahora que se calcularon las frecuencias acumuladas, el siguiente paso es encontrar el porcentaje
acumulado para cada entrada. Para hacerlo se emplea una sencilla frmula:
El porcentaje acumulado es igual a la frecuencia acumulada dividida entre el total de frecuencia,

por 100%.
TABLA 6-3
Frecuencias Acumuladas y Porcentajes
Como ya se
ACUMULADO
FRECUENCIA FRECUENCIA %
Agujeros 27 27 64
Mezclado deficiente 6 33 79
Manchas 3 36 86
No hay sufic. Comp. 2 38 90
Rasgaduras 2 40 95
Otros 2 42 100
observ, la primera frecuencia acumulada es 27. Dividir 27 entre 42, el total de la frecuencia
(total de defectos); el resultado es. 64. Multiplicar esta cifra por 100% para encontrar el
porcentaje acumulado.
27 / 42 = .64
.64 x 100% = 64%
Para encontrar el segundo porcentaje acumulado se toma 33, que es la segunda frecuencia
acumulada, y se divide entre 42. El porcentaje acumulado es mayor esta vez, porque ahora se
utiliz la frecuencia acumulada de dos categoras de defectos.
33 / 42 x 100% = 79%
Continuar as para encontrar el porcentaje acumulado de cada frecuencia, anotando cada uno
de ellos. Cada porcentaje ser mayor que el anterior, y el ltimo debe ser 100%.
Paso 8. Completar el diagrama de Pareto.

Por ltimo, establecer la escala en el diagrama para mostrar los porcentajes acumulados. Es
posible usar diez subdivisiones mayores del papel milimtrico. Se recomienda usar: (1) un
mtodo sencillo y (2) una escala fcil de leer, que se ajuste bien a la grfica y agradable a la
vista. El siguiente mtodo es simple y claro.
Se traza una escala vertical para los porcentajes acumulativos en el margen derecho de la
grfica, con el ttulo de "% Acumulado". Se marcar diez divisiones que representen diez puntos
porcentuales cada una. Se marcan algunos porcentajes - por lo menos 0%, 50%, y 100%-
para que el lector comprenda la escala.
Despus se trazan los porcentajes acumulados. Encima de la barra de "agujeros" se marca un
pequeo crculo a la altura del 64%, el primer porcentaje acumulado. Arriba de la barra de
""mezclado deficiente", se dibuja otro crculo en el 79%, y as sucesivamente. Despus los
crculos se unen con lneas rectas para hacer la grfica fcil de leer.
Finalmente, se titula la grfica "Diagrama de Pareto de Defectos. Departamento de Moldeo

por Inyeccin. Agosto 12-16". Con esto se completa el diagrama.
COMO INTERPRETAR EL DIAGRAMA DE PARETO
El diagrama de Pareto (Figura 6-13) es un testimonio de los problemas de calidad existentes

en el proceso: puede duplicarse, copiarse en acetato para una presentacin, reproducirse y
almacenarse de cualquier otra manera.
El diagrama de Pareto es tambin un instrumento de comunicacin basado en datos, y debe

ayudar a decir cules problemas resolver primero. El diagrama permite que el proceso cuente
su propia historia, sin polticas ni sentimientos personales. En la Figura 6-13, por ejemplo,
cualquieragerencia, supervisores, operarios- puede notar que los agujeros son por mucho el
defecto ms frecuente en el periodo estudiado y debe atacarse antes que nada.
Por ltimo, el diagrama de Pareto sirve para comparar problemas existentes antes de trabajar para
mejorar el proceso, con problemas posteriores a dicho trabajo. Despus de resolver el problema
de los agujeros, un nuevo diagrama de Pareto deber mostrar a los agujeros como un pro-
blema menor o inexistente.
Figura 6-13. Diagrama Pareto terminado
RESUMEN
Las grficas de control indican si el proceso est o no bajo control estadstico, pero no cmo
mejorarlo.
Existen tres herramientas muy poderosas para mejorar el proceso: la tormenta de ideas, el
anlisis de causa y efecto y el anlisis de Pareto. Estas tres herramientas son especialmente
tiles para resolver problemas crnicos.
La tormenta de ideas es un mtodo por medio del cual un grupo identifica problemas y rene
sugerencias respecto a las causas de los mismos. Este proceso estimula la creatividad y la
participacin de todos en el grupo. La tormenta de ideas permite las ideas extravagantes y el
proceso de agregar -construir sobre la idea de otra persona- . El momento adecuado para la
crtica es despus de haber concluido la sesin y la crtica debe ser hacia las ideas y no hacia
las personas.
El diagrama de causa y efecto organiza las ideas resultantes de la sesin de tormenta de ideas,
en categoras como mquina, mtodo, material, medio ambiente y operario. Esta organizacin
muestra cmo las diferentes ideas de la tormenta de ideas se relacionan entre s. El diagrama de C y
E complementa la tormenta de ideas, porque revela reas que pudieron omitirse durante la
tormenta. Tambin ayuda a conocer la ubicacin cuando se trata de resolver un problema.
Cualquier grupo de personas que traten de solucionar problemas pueden utilizar el diagrama d e
CyE.
El diagrama de proceso de C y E es til para rastrear un producto a travs de la secuencia de las

operaciones de fabricacin o de ensamble. Este tipo de diagramas analiza cada etapa de la
operacin.
La ltima herramienta, el anlisis de Pareto, ayuda a separar los problemas importantes del
conjunto de aqullos que tienen poca importancia. El diagrama de Pareto es la descripcin
grfica del anlisis. Cuando est terminado sirve como testimonio de los problemas de calidad y
como herramienta de comunicacin. El diagrama Pareto puede ser la base para comparar la
situacin antes y despus de resolver el problema.
PROBLEMAS PRCTICOS: HERRAMIENTAS PARA Peso de la materia prima.
PROBLEMAS DE CALIDAD Cambios en el precalentado.
Molde picado/rayado.
Practicar con los siguientes problemas, usando las Temperatura de curado.
tcnicas para resolver problemas aprendidos en el Materiales contaminados en el almacn.
Mdulo 6. Las soluciones se encuentran en la seccin Carga de los moldes.
de "Soluciones" al final de este libro. Temperatura del molde.
Catalizadores.
Problema 6-1a. Especificaciones demasiado amplias.
Cintas torcidas en caliente.
La tormenta de ideas requiere de un grupo para poder Mezclado deficiente.
funcionar bien. Son necesarias las otras personas para Las bsculas no estn limpias.
poder tener un flujo de ideas creativas. Si no se cuenta Descarga de moldes.
con un grupo, intentar realizar una tormenta de ideas Molde demasiado fro.
con la familia, o amigos en el almuerzo. Hasta una
sesin de diez minutos puede ser divertida y productiva. Muy poco catalizador. Agente liberador omitido. Las
bsculas no son exactas.
Si el grupo no conoce la mecnica o si los miembros
no estn acostumbrados a trabajar en un grupo, tratar Cuales causas mayores o "espinas* se usaran en el
primero con una tormenta de ideas divertida. Esto har diagrama de C y E? El grupo de tormenta de ideas
que los miembros del grupo se acostumbren a las reglas cubri todas las reas principales? Si se omiti algn
y les demostrar que la tormenta de ideas puede ser rea, cmo puede cubrirse? Existen otras posibles
productiva y creativa. Intente con alguno de los causas principales que el grupo hubiera podido tomar
siguientes temas: en cuenta para este problema?
Usos para los libros viejos. Problema 6-3a.

Usos para un pauelo grande (2 metros * 2 El ensamble de mangueras ha sido criticado debido a los
metros). muchos defectos que presenta. De 14.993 ensambles
Usos para las llantas viejas. infeccionados en un ao, un total de 1,509, es decir el
10,1 por ciento, estacan defectuosos. El reporte de
No es raro que en una tormenta de ideas se piensen inspeccin es como sigue:
treinta o ms usos para cada artculo. Elegir uno de
estos temas para una tormenta de ideas divertida y vea Reporte de Inspeccin para Ensamble de Mangueras
si el equipo puede superar la marca.
Problema 6-1 b. Defectos 1er. turno 2o. turno 3er. turno

Una vez que el grupo haya adquirido alguna Muy cortas 30 35 26
experiencia en las lamentas de ideas, ser ms fcil Muy largas 44 44 44
usarlas para resolver un problema de trabajo. A
Roscas omitidas 70 69 70
continuacin se presenta un problema prctico para el
lacer de produccin. Fugas 330 321 347
Daadas 8 11 5
Desee hace algn tiempo un departamento recibe quejas Otros 22 20 13
de manchas de suciedad y grasa en los productos. Estas Producto correcto 4508 4495 4481
quejas provienen de dos de los cuentes principales. El
problema parece ocurrir cuando se empaca y embarca
el producto. Realizar una tormenta de ideas para La gerencia expres su preocupacin de que los tres
encontrar las cesibles causas de sus manchas. turnos no cuentan con igual supervisin, lo que puede
contribuir al problema. Desarrollar un diagrama de
Problema 6-2. Pareto de los tres turnos. Cmo se establecern las
En una tormenta de ideas, una seccin gener una lista escalas horizontal y vertical? Es posible combinar los
de posibles causas de grietas y desgarres en una datos de los tres turnos o se deben dividir por turnos?
moldura. Alguien se ofreci para clasificar estas ideas en Por qu s y por qu no?
un diagrama de causa y efecto. Usando las siguientes
ideas de la tormenta de ideas, desarrollar un diagrama de Cuando se observa el diagrama de Pareto terminado,
C y . se nota alguna diferencia entre los tres turnos? Dicho
diagrama ser til para convencer a la gerencia respecto
Temas de Tormenta de ideas para el Problema 6-2 a lo que se encontr?
El agente liberador no est aplicado uniformemente.
Tiempo de curado demasiado corto. Problema 6-3b.
No se pone suficiente mezcla en el molde. Supngase que la gerencia solicita una investigacin ms
El molde est demasiado caliente. profunda. Desarrollar un diagrama de Pareto para
Demasiado catalizador. encontrar los defectos en el ensamble de mangueras.
Especificaciones. Qu dice el diagrama terminado? Con base en el
Las cintas se jalan con demasiada fuerza. diagrama, qu recomendaciones se podran hacer a la
Proporciones incorrectas de mezclado. gerencia?
Suciedad en el molde.
Mantenimiento inadecuado.
MODULO
Elementos de un
sistema de control de
calidad
(por orden de aparicin)
Sistema de designacin critica Sistema de control interno

Dimensiones criticas Direccin por deteccin
Operaciones criticas Sistema de aseguramiento
Sistema de control de proveedores de la calidad
Si el lector es supervisor de produccin, ingeniero de calidad, incluso gerente o ingeniero de

diseo, estar interesado es este mdulo. Los mdulos anteriores dicen cmo usar las
herramientas para controlar la calidad, incluyendo las grficas de control y las tcnicas de
solucin de problemas. Ahora se comentar lo que implica el manejar un sistema exitoso de
aseguramiento de la calidad, en combinacin con las herramientas de calidad comentadas
hasta aqu. Este mdulo proporciona el panorama de la gerencia sobre los mtodos de control de
calidad y explica cmo debe aplicar estos mtodos en un sistema de control de calidad
general.
En este libro usted aprendi a manejar los problemas de calidad en el rea de produccin.
Veamos de qu manera se ajusta esta informacin a las actividades y responsabilidades de los
gerentes e ingenieros.
UNA GERENCIA DE VANGUARDIA
Una compaa podr tener mucho xito en el mercado, pero ste y las utilidades no se mantienen
por mucho tiempo si no se cuenta con prcticas gerenciales sanas. Muchas compaas en los
Estados Unidos se van a la quiebra debido a la competencia extranjera. La industria automotriz
padeci tanto por esta competencia, que contribuy a generar la recesin ms profunda
experimentada en muchos aos.
Cuando las grandes empresas estudiaron a sus competidores, encontraron en los Estados
Unidos de Amrica los mismos conocimientos tcnicos que en cualquier otro pas del mundo,
pero los competidores extranjeros estaban ganando en productividad, en calidad, y por lo tanto
en precio. Esto significaba que aun con el conocimiento tcnico, no se manejaban los asuntos
del mismo modo que los competidores.
Un cuidadoso examen mostr que la filosofa gerencial de implicar al trabajador en el control de

calidad era el factor clave que permita a los competidores extranjeros superar la produccin y
con mejor calidad. Es posible desarrollar esa filosofa, ahora que se conocen las herramientas
para el control de calidad.
La gerencia de vanguardia, como se ha dado en llamarla, se convirti rpidamente en un modo de

vida en las grandes compaas. Los productores saben que, si quieren sobrevivir, deben
incorporar esta filosofa en todas las etapas del proceso de produccin, desde el proveedor ms
pequeo hasta el usuario.
La gerencia de vanguardia requiere que los proveedores entreguen mejores materiales y

mejores productos. Muchas grandes empresas simplemente no les compran las compaas que
no mantienen una alta calidad. Es posible que muchos clientes estn estableciendo requisitos
que obligarn a los proveedores a concentrarse en una produccin de mayor calidad.
Algunos de estos requisitos se basan en las tcnicas comentadas en este libro.
Entre stos se incluyen los siguientes:
un compromiso de la alta direccin hacia la calidad, incluyendo un plan de accin oportuno

con recursos de apoyo.
una accin gerencial para proporcionar sistemas y el medio ambiente que promuevan la
participacin del trabajador en el mejoramiento de la calidad y la productividad.
informacin sobre capacitacin de calidad al personal gerencial a los operarios e
inspectores del rea de produccin.
uso de mtodos estadsticos para verificar que los procesos de fabricacin son
estables, capaces y que estn ubicados en el centro de la especificacin.
uso de procesos de control estadstico para cumplir con los requisitos del cliente,
incluyendo grficas de control para medir la capacidad y un control progresivo del proceso.
un sistema que asegure que el material adquirido satisface los requisitos. Este
sistema incluye el uso de grficas para control estadstico de procesos.
Un buen sistema de control de calidad tiene muchos elementos. De hecho, se puede decir que
todas las actividades de una compaa son elementos de un sistema de control de calidad,
porque la gente que realiza, las actividades necesarias para fabricar un producto est (o debe
estar) interesada en la calidad del mismo. Cuando todos se interesan por la c alidad, la
empresa cuenta en realidad con un sistema de control de calidad tan grande como ella misma.
En este mdulo se comentarn las actividades relacionadas directamente con la capacidad de

la organizacin para controlar la calidad del producto. Un sistema efectivo de control de
calidad tiene cuatro elementos, que trabajan juntos:
Asignacin crtica.
Control de proveedores.
Control interno del proceso.
Asegurar la calidad en el producto salida.
UN SISTEMA DE ASIGNACIN CRTICA: PLANEAR LO QUE DEBE CONTROLARSE
Antes de que iniciar la produccin de un nuevo producto, se deben trazar algunos planes.
Cuando ya se tiene un diseo completo del producto, se deben planear la maquinaria y los
herramentales, la materia prima y dems suministros, as como el equipo de medicin y
prueba.
Es obvio que los herramentales son precisos para crear cada dimensin del producto, los
materiales son necesarios para fabricarlo. Los materiales y las dimensiones, por lo general, se
especifican como parte del diseo. Sin embargo, no siempre queda claro que se va a medir o
a probar una vez terminado el producto. A menudo la gente pregunta. Qu debo revisar?
La respuesta fcil es decir que todo debe ser revisado, pero en el rea de produccin esto no
siempre es prctico o viable. Quien produce necesita un sistema para determinar las
dimensiones o caractersticas ms importantes. A esto se le llama sistema de asignacin crtica,
y es til para identificar las dimensiones que requieren tcnicas de control estadstico durante la
fabricacin del producto.
El requisito principal de cualquier producto, desde un simple desarmador hasta un mecanismo
complejo como un automvil, es que debe funcionar. Debe hacer lo que se supone debe
hacer. Si se fabrica el producto completo, es posible probarlo para ver si funciona, pero al
fabricar un componente de un producto complejo, no siempre es posible colocar esa parte en el
producto final y probarla. En lugar de esto, se debe decidir lo que se debe revisar.
Al enfrentarse con esta decisin, el gerente puede hacer una de varias cosas. La primera es
revisar todas las dimensiones en todas las partes (una buena manera de ir a la quiebra). No
revisar ninguna dimensin o ninguna parte y dejar que el cliente haga las revisiones y
pruebas (otra buena manera de quebrar). Obviamente, el mejor enfoque est en medio de
ambas opciones.
Para tomar la mejor decisin posible, se debe conocer la funcin o funciones que debe
realizar el producto. Si se conoce esto, no ser difcil determinar las dimensiones o
caractersticas ms importantes para que realice su trabajo. Las dimensiones de cualquier
producto que le permiten desempear la funcin para la que fue diseado se llaman
dimensiones crticas. Si una dimensin crtica no tiene el diseo especificado, el producto no
funcionar como se pretende. La operacin que produce dicha dimensin debe controlarse
para asegurar que todas las partes de esa operacin estn fabricadas de acuerdo al diseo
especificado. La mejor manera son las tcnicas estadsticas en el rea de produccin.
Ya sea que el producto sea simple o complejo, que la organizacin sea grande o pequea, el
ingeniero o el gerente encontrarn necesario identificar las dimensiones o las caractersticas
crticas en los productos, o asignar esta tarea a otra persona. Este proceso es parte del
sistema de asignacin crtica.
Las operaciones crticas son aquellas que crean dimensiones crticas. Estas operaciones deben
controlarse muy de cerca y mantenerse estables estadsticamente para asegurar que son
estables y estn dentro de las especificaciones.
CONTROL DE PROVEEDORES: QUE ESTA ENTRANDO POR LA PUERTA TRASERA?
La mayora de las compaas saben que es necesario comprar materiales y partes para fabricar
sus productos. La compaa compradora debe conocer el estado de los materiales y partes
respecto al diseo de especificacin.
Los clientes esperan que el proveedor les suministre productos fabricados en un nivel de
control estadstico. Para lograrlo, el proveedor a su vez debe estar seguro que los materiales y
las partes que sus proveedores le suministran fueron fabricados a un nivel de control estadstico
y que se ajustan al diseo de especificacin. Para determinar la calidad de los materiales
suministrados, es posible inspeccionar o probar la totalidad de las partes que se reciban en la
planta, o usar el material o las partes en sus propios procesos sin ninguna inspeccin.
Una tercera y ms efectiva forma de monitorear la calidad del material comprado es contar con
un sistema de control de proveedores que utilice la asignacin crtica. Si se identificaron las
dimensiones crticas para el producto final, esta informacin debe ponerse en conocimiento
de los proveedores. Un gerente de vanguardia ciertamente utiliza tcnicas estadsticas para
monitorear y controlar las operaciones crticas en la planta.
El material adquirido para usarse en los productos es esencial para las dimensiones creadas
en la planta; por lo tanto, se requiere que el proveedor use tcnicas estadsticas para
monitorear y controlar sus propias dimensiones crticas.
Un sistema de control de proveedores debe asegurar la calidad del material adquirido para su
uso en la fabricacin. Es posible lograr esto ms efectivamente por medio de sistema que
requiera que el proveedor muestre las operaciones crticas estadsticamente estables y que es
capaz de producir el material acorde a las especificaciones. El proveedor debe conservar en
una grfica de control acerca del desempeo de las operaciones crticas. Es deseable revisar
estas grficas de vez en cuando para asegurar la buena actuacin del proveedor. Las grficas
asimismo indican cundo tomar una accin oportuna para prevenir embarques de material
defectuoso. Cuando se usa el sistema de control de proveedores, la inspeccin y prueba de
material puede ser mnima. Y entonces, es razonable pasar el material adquirido
directamente a produccin, sin ninguna inspeccin.
CONTROL INTERNO DEL PROCESO: QUE SUCEDE EN EL REA DE PRODUCCIN?
Los anteriores mdulos de este libro ofrecieron tcnicas bsicas para medir, monitorear, evaluar
y resolver problemas de produccin. Estas tcnicas son la esencia del control interno del
proceso
En el pasado, muchas compaas utilizaron un sistema de inspeccin y prueba para mantener lo

que suponan era el control de sus operaciones de produccin. Los procesos se disearon para
fabricar un ritmo especfico. Como prctica normal, muchos fabricantes de equipo construyeron
maquinaria para aumentar el ritmo de produccin. De esta manera, al descartar los productos
que no cumplan la especificacin, la produccin cumpla la velocidad requerida.
Este mtodo de operacin se llama administracin por deteccin. El operario de produccin

hace las partes, el inspector las mide y prueba para detectar y desechar cualquier parte que no
cumpla las especificaciones. Como resultado, los gerentes emplean mucho tiempo tomando
decisiones respecto a qu hacer con el material descartado.
Este enfoque tradicional permita el uso del material fuera de especificaciones. Y lo ms serio,
no proporcionaba datos para determinar si era debida a la variacin inherente en el proceso o a
causas asignables. Se intent asignar una causa por cada caso de incumplimiento de especifi-
caciones, cuando, de hecho, alrededor del 85% del total se deba a causas aleatorias inherentes al
proceso de produccin. Slo cerca de un 15% del incumplimiento se debe a causas asignables.
Los gerentes de vanguardia saben que la mejor forma de evitar perder el tiempo en estas
decisiones, es prevenir la fabricacin de material fuera de especificaciones. Como se aprendi
en los mdulos anteriores, las tcnicas de control estadstico del proceso son tiles para
predecir los problemas. Estas le dicen al operario cundo tomar accin correctiva y cundo
dejar que el trabajo siga su curso. Un sistema de control interno del proceso, que asegure la
accin correctiva cuando sea necesaria, ser muy efectivo para prevenir la produccin de
material fuera de especificacin, y funcionar mucho mejor que un sistema que solamente
detecte dicho material.
Un sistema efectivo de control interno del proceso debe medir la capacidad de ste y
detectar los cambios en la misma. Las tcnicas estadsticas descritas en este libro
normalmente se usan para estos propsitos. El gerente de vanguardia las usar para desarrollar
un sistema % de control interno del proceso basado en el sistema de asignacin crtica. Este
sistema identifica las dimensiones que deben controlarse, mientras que el sistema de control
interno del proceso usa las grficas de control estadstico del proceso para monitorear y
controlar las operaciones que producen esas dimensiones.
SISTEMA DE ASEGURAMIENTO DE LA CALIDAD: QUE ESTA SALIENDO POR LA

PUERTA?
El gerente de vanguardia tendr la seguridad adicional de que el material embarcado sobre

estas bases cumple con las especificaciones del cliente. Para proporcionar esta seguridad, el
inspector tradicional se ha convertido en auditor de aseguramiento de la calidad en muchas
empresas. Las funciones de este auditor son asegurarse que los sistemas de control, tanto de
proveedores como interno del proceso estn funcionando de acuerdo a su objetivo.
Al igual que en el sistema de control interno del proceso, el sistema de aseguramiento de la

calidad, utiliza las herramientas estadsticas para determinar si el trabajo se desarrolla en
forma satisfactoria, o si algo va mal y es necesario tomar accin correctiva. La recopilacin
de datos en esta fase de produccin por lo general revela tendencias, y el gerente que acta
sobre stas puede atajar los problemas de calidad antes de que se presenten. Las grficas de
control de atributos son tiles para determinar la calidad y, lo ms importante, la estabilidad del
proceso. Los hstogramas de frecuencia y las grficas de probabilidad sirven para comparar
dimensiones variables contra la especificacin y a estimar la capacidad continua.
El aseguramiento de la calidad es como una doble revisin para asegurarse de que todas las
partes del sistema de control de calidad estn trabajando con eficiencia.
COMPRENDIENDO LA VARIABILIDAD
Para tener xito en el manejo de cualquier parte de una organizacin que fabrique productos
para su venta en el mercado, se debe comprender la variabilidad existente en los productos, es
necesario recordar el primer principio bsico de control de calidad: no hay dos cosas
exactamente iguales.
El propsito de las tcnicas estadsticas comentadas en este libro es medir y evaluar la

variabilidad de las caractersticas del producto fabricado. Las matemticas estadsticas son
bastante complejas, pero el gerente, no necesita involucrarse profundamente en ellas. Sin
embargo, debe comprender los conceptos bsicos del anlisis estadstico como se presentan
en este libro. Si se quiere mayor comprensin de la estadstica, recomendamos los libros que
aparecen listados al final de este libro.
TOMA DE DECISIONES Y RESOLUCIN DE PROBLEMAS
Algunas decisiones que afectan la calidad se toman mucho antes de comenzar la produccin.
Estas decisiones incluyen el diseo del proceso, equipo y herramental, los materiales y los
mtodos que se usarn. Todos estos aspectos impactan en la calidad del producto. Junto con
los operarios, estos elementos determinan la variabilidad inherente del proceso. Esta es la
variacin "normal", que se crea dentro del proceso y es responsable de la variacin por causas
aleatorias.
El personal en el piso por lo regular no toma parte en las decisiones anteriores al arranque de la
produccin. Por esta razn, cualquier defecto de calidad resultado de la variacin inherente del
proceso por lo general se considera como responsabilidad o "problema que debe resolver la
gerencia". El personal de produccin solamente puede mantener el proceso dentro del nivel de
variabilidad que la gerencia determin. Si la variabilidad inherente debe reducirse, mejorando as
la calidad, es la gerencia quien debe hacerlo.
Las variaciones que no sean inherentes al proceso provienen de cambios en los materiales,
mtodos, operarios y/o inspectores, y de la maquinaria y herramienta originalmente establecidas
por la gerencia. Este tipo de variacin deforma el patrn normal, y no se debe a causas
aleatorias. Las causas de esta variacin, llamadas causas asignables pueden identificarse y
corregirse. Se dice que las causas asignables son "problemas que pueden resolverse en el
piso", porque se deben a otras causas diferentes a la variacin inherente.
Los buenos gerentes delegan la autoridad para tomar decisiones al nivel ms bajo posible y el
personal de produccin puede y debe identificar y resolver los problemas de calidad surgidos
debido a causas asignables. Si se va a delegar esta responsabilidad al personal de piso, dicho
personal debe contar con las herramientas necesarias para tomar buenas decisiones.
Las tcnicas de control estadstico del proceso son efectivas para monitorear los procesos de
fabricacin de productos. El propsito del control estadstico es en primer lugar identificar y
eliminar los problemas que puedan resolverse en el piso y despus, cuando el proceso est
estable, atacar los problemas que deba resolver la gerencia.
Cuando se determina la presencia de una causa asignable, se requiere una accin correctiva
que identifique y elimine la causa. Esto debe hacerse tan pronto como sea posible por dos
razones. La primera es que las causas asignables no forman parte del sistema de causas
aleatorias inherentes al proceso. No son continuas, sino que vienen y se van. Si no se toma
una accin correctiva oportuna, una causa asignable puede desaparecer y reaparecer varias
veces antes de ser corregida, pudiendo esto afectar la calidad total del producto. La otra
razn que, cuando el sistema tiene causas asignables, el clculo de variaciones en el proceso
ya no es vlido; se desconoce la capacidad del proceso para cumplir las especificaciones. (Ver
Mdulo 5 para un comentario de la capacidad.)
Las tcnicas comentadas en este libro son las herramientas que el personal de produccin
requiere para tomar las decisiones de calidad que quedan bajo su responsabilidad. Estas
tcnicas pueden usarse para determinar cuando todo est normal y el trabajo puede seguir, o
cuando algo est mal y se requiere una accin correctiva. Los gerentes deben poseer las
habilidades necesarias para revisar las grficas de control y determinar si se tomaron las
decisiones apropiadas. A continuacin se presenta un repaso de las grficas de control de los
Mdulos 3 y 4.
GRFICAS DE VARIABLES
Existen muchos tipos de grficas de control para monitorear y controlar las dimensiones o
caractersticas de productos. Cuando una caracterstica se mide de modo que el resultado
puede representarse de manera grfica en una escala continua es decir, cuando una
medicin es mayor o menor que las anteriores- sta es una caracterstica variable y se
controla con una grfica de variables.
La grfica de variables ms comnmente usada es la de promedio y rango ( - R), con

frecuencia llamada grfica detestada y R. Aunque esta grfica mide la variabilidad inherente o
la capacidad de proceso, es ms usada para detectar la presencia de causas asignables en
el proceso.
Existen otras grficas de variables menos utilizadas, pero todas se basan en los principios
comentados en este libro. Una de estas grficas, la de medianas y rangos ( -R), ha ganado
popularidad porque es ms sencilla que la grfica de promedio y rango. Tomando en cuenta
que la grfica de promedio y rango requiere que el usuario calcule el promedio de la muestra
para obtener el valor a graficar, en tanto que la grfica X-R requiere trazar slo el valor
intermedio de la muestra, junto con el rango. En favor de la simplicidad del trazado, la grfica
de medianas y rangos sacrifica alguna precisin para detectar los cambios en el nivel o
promedio de la caracterstica.
Otra grfica de variables es la grfica de particulares y rangos (X-R). Esta grfica

normalmente se usa en casos donde se requiere periodo relativamente largo para obtener
una muestra pequea. La misma causa asignable quiz no est presente durante la
produccin de las piezas de una pequea muestra normal; por lo tanto, las medidas
particulares se trazan junto con el rango. En este caso, el rango es la diferencia entre cada
pieza y la siguiente. La grfica de particulares y rangos se usa en aplicaciones especiales,
pero la base estadstica es la misma que en las otras grficas.
A veces se usan otras grficas de variables, pero las anteriores son las ms comunes. Los
detalles respecto al desarrollo de stas se comentaron en los mdulos anteriores de este libro.
GRFICAS DE ATRIBUTOS
Muchos productos tienen caractersticas conocidas como atributos. Un atributo no est definido
por nmeros con un lmite superior y uno inferior, sino que por lo general se conoce como
caracterstica visual. Este puede estar visiblemente presente o no.
Las dimensiones definidas con nmeros y aceptables dentro de lmites especficos, se consideran
como variables; sin embargo, pueden considerarse tambin como atributos. Si la dimensin
queda dentro de los lmites especificados, se considera que est presente un atributo. Si sta
sale de los lmites especificados, el atributo se considera ausente. Estas dimensiones se miden
con indicadores de pasa/no pasa". En otras palabras, un atributo es una caracterstica que un
producto tiene o no tiene.
Si se asigna un nmero a un atributo, la variacin de ese atributo puede monitorearse con tcnicas
estadsticas que implican el uso de grficas de atributos. Existen varias grficas de atributos
para controlar la variacin debida a causas asignables.
La grfica p de porcentaje defectuoso se usa frecuentemente. Implica muestreo del producto y

clculo del porcentaje defectuoso en la muestra. ("Defectuoso" es un producto que contiene uno
o ms atributos que no van de acuerdo con la especificacin.) El valor calculado del
porcentaje defectuoso se traza en la grfica p a sobre un lapso de tiempo. Cuando se
establece el porcentaje defectuoso promedio, puede determinarse la variacin normal respecto
al promedio. Los lmites de dicha variacin normal se convierten en los lmites de control que
sealan la necesidad de tomar accin correctiva, de la misma manera que las grficas de
variables.
La grfica p de parte defectuosa es muy similar a la grfica p de porcentaje de defectos. Esta

grfica p simplemente traza la fraccin decimal en lugar del porcentaje de la muestra
defectuosa. El uso de una grfica u otra es cuestin de preferencia personal.
Otra grfica de atributos muy similar a las dos grficas anteriores es la grfica np de nmero de
defectos. Esta se usa cuando el tamao de la muestra es constante. Se traza el nmero de los
productos defectuosos en la muestra en lugar del porcentaje o la fraccin.
Los atributos pueden manejarse tambin con una grfica de control de nmero de defectos, la
grfica c. Esta hace la distincin entre el nmero de defectos observados y el nmero de
productos defectuosos en la muestra. El mismo defecto puede ocurrir varias veces en algunos
productos; en tal situacin, el nmero, o el conteo, de los defectos por producto o lote, es ms
importante que el nmero de productos considerados como defectuosos.
CAPACIDAD DE PROCESO Y DE MAQUINA
La clave para prevenir con xito la produccin de artculos defectuosos, es la capacidad para
predecir el proceso de produccin. Cada proceso tiene una capacidad que puede medirse y
compararse contra las especificaciones de diseo. (Ver Mdulo 5.) Es necesario conocer esta
capacidad si se desea fabricar productos de manera predecible'. Cuando la nica fuente de
variacin presente sean las causas asignables, se dice que el sistema est estadsticamente
estable. En este caso la produccin es predecible y la capacidad puede medirse. Entonces y
slo entonces, se pueden atacar los problemas que deba resolver a la gerencia.
Existen dos mtodos para calcular la capacidad de una mquina o de un proceso: la grfica de
promedio y rango y la grfica de probabilidad. Ambos mtodos deben usarse conjuntamente
para asegurar el clculo ptimo de la capacidad. La grfica de promedio y rango sirve para
verificar que el proceso o la operacin se est desarrollando baje condiciones estables
durante un estudio de capacidad. Esta grfica proporciona asimismo un buen clculo del
promedio del proceso, usando el rango para calcular la dispersin del mismo. Estos clculos
suponen que las lecturas tomadas durante el estudio se distribuyen normalmente, pero ste
puede no ser el caso en todas las operaciones. La grfica de probabilidad indica qu tan
cercanas a la normalidad son las medidas. Esta grfica tambin proporciona un clculo del
promedio y la desviacin estndar del proceso, y puede usarse para confirmar estos
parmetros calculados utilizando la grfica de promedio y rango. Estas dos tcnicas se
complementan mutuamente al llevar a cabo los estudios de capacidad.
LOS EMPLEADOS Y LA SOLUCIN DE PROBLEMAS
Los empleados son un recurso muy valioso. Un gerente de vanguardia escuchar las
sugerencias de los empleados como resultado de las tcnicas para solucin de problemas
que se comentaron en el Mdulo 6. Estas sugerencias deben escucharse y usarse en
combinacin con las grficas de control, para determinar si un problema se debe a causas
asignables o es inherente del sistema. Los gerentes de vanguardia pueden usar tambin el
anlisis de Pareto, la tormenta de ideas, y el anlisis de causa y efecto para atacar los
problemas a nivel gerencial.
USOS GERENCIALES DE LAS TCNICAS DE CONTROL DE CALIDAD
El gerente raras veces se ver implicado en la recopilacin de datos y en el dibujo de una

grfica de control. De hecho, muy pocas veces tendr que analizar grficas para tomar accin
correctiva. Estas actividades deben ser responsabilidad del personal de produccin. Sin
embargo, comprobar que es muy valioso comprender bien todos los tipos de grficas de
control.
Las grficas de control identifican la parte del problema de calidad total que se debe a causas
asignables. Al hacerlo, tambin identifican la parte del problema debida a la variabilidad
inherente del proceso -la parte que puede ser resuelta por la gerencia.
Las causas asignables, o problemas que pueden resolverse en el piso, deben identificarse
continuamente para que el gerente pueda atacar con xito los problemas que deba resolver.
Una forma eficiente de hacerlo es estableciendo un procedimiento regular en el cual se revisan
las grficas de control generadas en el rea de produccin. Este procedimiento es una buena
herramienta de direccin porque realiza varias cosas a la vez.
Una revisin completa de las grficas de control indicar lo grande o pequeo que puede ser un
problema de calidad debido a causas asignables. Estas deterioran la calidad y la productividad.
Cuando una grfica de control muestra un proceso estadsticamente estable - es decir, cuando
no hay causas asignables - se puede tener confianza en que el proceso est generando la
mejor calidad a su mxima productividad.
Un sistema de revisin de grficas por parte de la gerencia, indica tambin un compromiso

para un mejoramiento constante en la calidad. Cuando dicho sistema est en vigor, el
personal del rea de produccin sabe que la gerencia se interesa en el esfuerzo que hacen
para mejorar la calidad.
Adems, la necesidad de mejorar la calidad de las partes y materiales comprados, se confirmar

o se negar por medio de la revisin de las grficas completas. Las grficas de control
debidamente completadas contendrn anotaciones que indicarn cundo las partes o
materiales provocan puntos fuera de los lmites de control. Como tales, se tornan una parte
efectiva del sistema de control de proveedores.
En cuanto al control interno del proceso, se podr juzgar con mayor exactitud el mantenimiento
que los supervisores de produccin dan al equipo. Las grficas de control pueden decir si se
realiz mantenimiento preventivo antes de haber producido las partes defectuosas, o si las
descomposturas de la maquinaria impidieron que el personal cumpliera con sus programas.
Las grficas de control completas muestran asimismo si se corrigieron las causas asignables, o si
stas continan ocurriendo.
Otro uso efectivo de la revisin de las grficas de control es verificar la exactitud de las
decisiones gerenciales. Si la gerencia ha decidido cambiar a otro material, las grficas de
control mostrarn si el producto mejor o no. Si se reemplaza una pieza del equipo o una
herramienta, las grficas de control mostrarn si la decisin fue correcta.
Si debe reducirse la produccin y si un nmero de lneas estn produciendo la misma pieza, la
revisin gerencial de las grficas de control facilitar la decisin sobre las lneas o equipos que
deben reducirse. Si los clientes se quejan respecto a la calidad del producto, las grficas de control
generadas durante la fabricacin del producto confirmarn o negarn las reclamaciones de sus
clientes.
Los estudios de capacidad pueden mostrar que un proceso es capaz, pero las condiciones
tienden a cambiar. El desgaste de las mquinas, las herramientas rotas, la variacin en los
materiales, todo ello hace que la capacidad del proceso cambie. Una revisin de las grficas
de control confirmar de modo constante la capacidad del proceso para cumplir con las
especificaciones.
Todos estos beneficios y ms- se obtienen al usar las grficas de control como herramientas
para la toma de decisiones gerenciales. Muchos gerentes, sin embargo, pasan por alto estas
aplicaciones de las grficas de control estadstico. Piensan que las grficas son solamente
que el personal de produccin mantenga la calidad y resuelva los problemas de calidad que
surjan. Como resultado, estos gerentes creen que no necesitan desarrollar ninguna habilidad
para comprender y usar las grficas de control. Nada ms alejado de la verdad - las grficas de
control son mucho ms tiles para la gerencia que para el personal de produccin.
Las compaas con filosofa preventiva, basada en las saludables prcticas estadsticas que
hemos comentado en este libro, podrn mantenerse en una economa cambiante y competir
exitosamente en el mercado mundial.
Solucin a los problemas
prcticos
MODULO 2: HISTOGRAMAS DE FRECUENCIA
Problema 2-1 a.
Las veinticinco lecturas de torsin originales listadas en el Problema 2-1a, se desarrollaron en

el histograma de la Figura 8-1.
La forma del histograma parece normal, pero se midieron slo veinticinco piezas para
desarrollarlo, as que slo es posible tener una idea aproximada de la normalidad del proceso.
Cuando se establecen los lmites de especificacin para la torsin de ajuste en el histograma,

se observan varias lecturas fuera de especificacin, por su parte inferior. (Ver Figura 8-1.)
De hecho, se observan cuatro lecturas en el intervalo 10-11, y una lectura en cada intervalo
para 8-9 y 6-7, es decir, un total de seis lecturas fuera de especificacin. La respuesta a la
pregunta "Cmo se compara este proceso contra la especificacin? es: "No cumple con la
especificacin".
Obviamente, es precisa una accin correctiva. El Problema 2-1b, describe lo que se hizo
para corregir la situacin.
Problema 2-1 b.
El histograma de la Figura 8-2 se desarroll en base a veinte lecturas posteriores a la aplicacin

de la accin correctiva. Comparar este histograma con el de la Figura 2-14.
Se utilizaron los mismos intervalos que en la Figura 8-1 de esta manera que se hizo una
comparacin directa de las lecturas antes y despus de tomar la accin correctiva.
Como lo muestra la Figura 8-2, las lecturas estn centradas ahora en la especificacin y dentro
de los lmites. La accin correctiva fue efectiva.
Problema 2-2.
Este problema muestra lo que sucede cuando se mezcla la produccin de dos procesos. Como se
recordar, una de las reglas para analizar un histograma, es tomar lecturas de una sola fuente -
una perforadora, un cabezal de fresa, un lote de material, un turno de trabajo, y as sucesivamente.
Figura 8.1. Histograma con datos de torsin de la abrazadera para mangueras. (Problema 2-1a.)
Figura 8.2. Histograma con datos de torsin de la abrazadera para mangueras. (Problema 2-1b.)
Figura 8.3. Histograma con datos de ubicacin de aberturas (Problema 2-2.)
Figura 8.4. Histograma con datos de movimiento de la flecha A, B,C, D. (Problema 2-3.)
Figura 8.5. Histograma con datos del movimiento de la flecha E, F, G, H. (Problema 2-3.)
Figura 8.6. Histograma con datos del movimiento de la flecha I, J, K, L (Problema 2-3.)
Figura 8.7. Histograma con datos del movimiento de la flecha M, N, O, P (Problema 2-3.)
Figura 8.8. Histograma con datos del movimiento de la flecha A, E, I, M (Problema 2-3.)
La Figura 8-3 muestra el histograma desarrollado con las lecturas en el Problema 2-2. Comparar
este histograma con los de las Figuras 2-9 y 2-17.
Se puede decir que algo estaba mal en los datos cuando se examin la lista de mediciones antes
de hacer el histograma? En este caso, es fcil responder. El histograma dice, "si, algo estaba
mal!"
Problema 2-3.
En este problema se compara la produccin de cuatro procesos del mismo producto. Al hacer
este tipo de anlisis, es mejor usar la misma escala de frecuencia y el mismo intervalo en
todos los histogramas. De esta manera ser ms fcil hacer las comparaciones.
Si el lector hizo sus histogramas con los datos proporcionados en el problema, deben
parecerse mucho a las Figuras 8-4 a 8-8.
Es fcil comparar los histogramas alinendolos verticalmente. Se observar que la parte media
de los histogramas, que es el mejor estimado de promedio del proceso es 58 en la Figura 8-4; 62
en la Figura 8-5; entre 62 y 66 en la Figura 8-6; y en la Figura 8-7. La pregunta, "Se observan
diferencias en los promedios de los primeros cuatro histogramas?, deber tener la siguiente
respuesta: "s".
La segunda pregunta en este problema es "Se observan diferencias en las amplitudes de los
cuatro primeros histogramas? Los histogramas muestran que la amplitud de cada uno (desde el
intervalo ms bajo hasta el ms alto, es ms o menos el mismo, aunque las medidas se
agrupen en torno a diferentes promedios. Es posible calcular en estos cuatro histogramas
que los promedios de los cuatro procesos son diferentes, pero que las amplitudes alrededor
de stos es ms o menos la misma.
El quinto histograma (Figura 8-8) se desarroll con una mezcla de mediciones de cada uno
de los primeros cuatro procesos. Cuando se elabor este histograma, se rompi una de las
reglas que se deben observar - es decir, usar datos de una sola fuente de informacin. Sin
embargo, se hizo esto para hacer hincapi en la facilidad de uso de los histogramas, que son
tan poderosos como algunas otras tcnicas estadsticas para detectar que algo est mal.
El histograma de la Figura 8-8 no proporciona ninguna indicacin de estar manejando

informacin de varias fuentes, tal como se puede ver fcilmente en la Figura 8-3 del Problema
2-2. El punto a recordar es que el histograma no siempre detecta diferencias en los procesos.
Si se estuvieran comprando partes a un proveedor y se tomara una muestra de cien piezas de

un embarque recin llegado, se podr tener la clase de situacin de la Figura 8-8. Se calculara
que el proveedor podra producir estas partes en una dispersin de .032 pulgadas
aproximadamente en torno a un promedio de .062 pulgadas. Pero si se supiera que las
partes provienen de cuatro procesos diferentes y se realizara el anlisis; de las Figuras 8-4 a
8-7, entonces se calculara algo completamente diferente que los procesos ABCD se podran
ajustar un poco hacia arriba y un poco hacia abajo, los procesos MNOP, para reducir la
dispersin general de los cuatro procesos aproximadamente .024 pulgadas.
Problema 2-4.
Los datos de la prueba de relacin seal/ruido muestran un rango de 18, (36 es el valor ms alto
y 18 el ms bajo). Diez intervalos parecen ser mejor eleccin que 18. Al dividir el rango 18 entre
10, el resultado es 1.8. Redondeando 1.8 a 2.0 da por resultado diez intervalos de 2. Si se hubiese
redondeado a 1.0 o dividido el rango entre, digamos 15, tendramos 18 intervalos. El eje
horizontal sera demasiado largo y plano para mostrar el patrn verdadero de distribucin (Ver
Figura 2-8).
El histograma de la Figura 8-9 se desarroll usando las medidas proporcionadas en el

problema.
A la pregunta; "Cul es el clculo de calidad de los radios fabricados durante este periodo?"
Observar que para la caracterstica de calidad - el nivel de decibeles- se especifica solamente el
mnimo. Se traz una lnea que representa este mnimo (15 db). Para calcular la calidad de los
radios, se observa la forma del histograma y se busca la relacin con la especificacin.
La forma del histograma de la Figura 8-9 es muy similar a una curva normal, as que ste es un
buen inicio para calcular la calidad. El histograma completo est encima del mnimo requerido de
15 db; por lo tanto, se puede decir que no se esperan radios con relacin de seal/ruido inferior
a 15 db, mientras el proceso se mantenga estable en el nivel actual.
MODULO 3: GRFICAS DE VARIABLES Problema 3-1.
Las mediciones para este problema se tomaron de pernos metlicos maquinados en un torno.
Dichos pernos se fabricaron durante un periodo relativamente corto, por lo que se podra
esperar que las mediciones se agruparan en torno al promedio, resultando en una curva
normal. Esto ser cierto en tanto no existan causas asignables en la operacin.
Se pregunt: "El histograma de frecuencia de las medidas luce normal?" "Es estable la
operacin?"
La Figura 8-10 muestra un histograma de las mediciones. Este no se ajusta perfectamente a la

curva normal de distribucin, pero como se recordar, una muestra no siempre se ajusta a la
distribucin principal de frecuencia (Ver Figuras 2-11, 2-12, y 2-13). Lo mejor que se puede decir
sobre este histograma es que tal vez represente una distribucin principal de frecuencia casi
normal.
La segunda pregunta es acerca de la estabilidad de la operacin y la respuesta requiere de una

grfica de promedio y rango.
Las mediciones se listan en subgrupos de cinco piezas, identificados de acuerdo con el tiempo en
que se produjeron los pernos. Esta informacin se anot en el formato de la grfica de
promedio y rango. Se calcularon y trazaron los promedios y rangos para cada subgrupo.
Figura 8.9. Histograma de la relacin seal / ruido (Problema 2-4.)
Figura 8.10. Histograma de dimetros de pernos (Problema 3-1.)
Figura 8.11. Grfica de promedio y rango del dimetro de pernos (Problema 3-1.)
En esta hoja de trabajo, el trmino R es la suma de los rangos (R) de los subgrupos,
dividida entre el nmero de stos. El trmino es la suma de los promedios ( ) de
subgrupos, dividida entre el nmero de subgrupos.
La Figura 8-11 muestra la grfica de promedio y rango para los dimetros de pernos del
Problema 3-1. La Figura 8-12 muestra los clculos necesarios para obtener el promedio del
proceso ( ), el rango promedio ( ) y los lmites de control.
Figura 8-12. Hoja de trabajo en la parte posterior del formato de la grafica de promedio y rango de
la Figura 8-11 (Problema 3-1)

SUB GROUPS
INCLUDED 20 X =
R = 1.290 x .0224 =
R 088
R .0044 _______
k 20 =.
X 5.0019 =.
X .25009 ________ US =
k 20
US =
OR US LS =
X ( MIDSPEC.ORSTO .) =
A2 R = .577 x .0044 = .00254 x = _______

UCLr = X - A2 R = .25263 =
UCLr = X - A2 R = .24455 =
UCLr = D4R = 2.114 x .0044 = .0093 x =

US = D4
LS d2
=
AM R= x 3/D2
=_________ AM
AM R 2 1.880
NOTES = _________ 3.268 1.128
URLR = US -AM R = 2.659 0.779
ON THIS CALCULATION LRLWORKSK
=LS - AM R SHEETT, = 3 1.023
r
2.574 1.693
THE TERM IS THE SUM OF ALL THE SUBGROUP RANGES1.772
(R) DIVIDED0.749
BY THE TOTAL NUMBER OF SUBGROUPS.
4 0.729
THE TERM IS THE SUM OF HALL THE SUBGROUP 2.282 2.059
AVERAGES (X), DIVIDED BY THE TOTAL NUMBER OF SUBGROUP.
1.457 0.728
5 0.577
2.114 2.326
1.290 0.713
6 0.483
2.004 2.534
1.184 0.701
Los promedios y rangos de la muestra se grafican, trazando los lmites de control. Lo primero
que se debe buscar son un punto o puntos fuera de los lmites de control, tanto en la grfica de
rangos o en la de promedios. No hay ninguno. Quiz se quiera decir que la operacin es estable,
pero como se recordar, la forma del histograma para estos datos no es igual a la curva
normal. Por lo tanto, no se puede estar plenamente seguro de que la distribucin principal de
frecuencia sea normal. Algo -posiblemente una causa asignable- podra deformar la curva normal
de distribucin. Se debe examinar la grfica ms de cerca para encontrar una posible causa de
deformacin en el histograma de frecuencia para dimetros de pernos.
Un examen ms profundo de la grfica muestra que todos los valores de rango para los
subgrupos 13 a 19, estn debajo del rango promedio (R). Es decir, siete puntos consecutivos
y como se recordar, siete puntos consecutivos encima o debajo del promedio en las grficas
de promedio o rango, puede interpretarse como indicio de la presencia de una causa
asignable. La grfica de promedio y rango proporciona evidencia sobre la discrepancia entre
el histograma y la curva normal de distribucin.
El histograma no detecta la presencia de causas asignables; solamente indica la forma de la

distribucin de las mediciones. La grfica de promedio y rango detecta la presencia de causas
asignables, pero no dice nada sobre la forma de la distribucin principal.
Problema 3-2.
En este problema se pregunta si el histograma de las medidas parece normal. La siguiente

pregunta es si una causa asignable pudiera estar presente, y si es as, cul podra ser.
Las mediciones se agrupan en torito a .750 pulgadas. Se tomaron en grupos de cuatro y, para
facilitar el manejo de los nmeros, stos se codificaron restando .750 a cada medida. As,
cuando una pieza mide .755, se registra 5; cuando otra mide .754, se registra 4.
La Figura 8-13 incluye el histograma para estas medidas.
Este histograma presenta una desviacin hada la izquierda, que J indica que algo est
deformando la distribucin normal de los datos.
La Figura 8-14 muestra la grfica de promedio y rango desarrollada para estas medidas y la
Figura 8-15 a su vez muestra los clculos para los lmites de control. Ntese que el tamao de la
muestra en este caso es cuatro piezas, y es necesario recordar que los factores utilizados para
calcular los lmites de control son diferentes para cada tamao de muestra. (Ver Figura 8-15.)
La Figura 8-15 muestra los clculos para los lmites de control utilizando los 25 subgrupos en la
grfica. El lmite superior de control para el rango (LSCR) es 7.39, pero el rango para el
subgrupo 19 es 8. Esto indica la presencia de una causa asignable al tomar el subgrupo.
Este subgrupo debe descartarse. Los lmites de control para los promedios (X) se calcularon
sobre los 25 subgrupos originales. Como se observa en la grfica de control (Figura 8-14)
los promedios de los subgrupos 19 y 20 quedan fuera del lmite inferior de control (Lid), por
lo que se descartaron y se calcularon de nuevo los promedios y rangos (Ver Figura 8-15).
Figura 8-13. Histograma del dimetro de la muesca (Problema 3-2.)
Figura 8-14. Grfica promedio y rango en el dimetro de corote,
con puntos fuera de los lmites de control (Problema 3-2.)
La Figura 8-14 muestra la grfica de control con lmites de control para 23 subgrupos. Si se
examina esta grfica completa, tal vez que encuentren indicios que ayuden a identificar la causa
asignable. El trazo en la grfica de control debe ser adecuado para mostrar la hora en que se
midi y registr cada subgrupo. Los subgrupos 19 y 20 se tomaron y registraron a las 11:30 y
11:45. Quiz el operario norma! sali a comer a esa hora y algn relevo continu con la
produccin? Si ste fuera el caso (y lo fue), fue muy til anotar en la grfica el cambio de
operario. Para hacer esto, se escribe un nmero en el cuadro situado entre el nmero del
subgrupo (19), y el valor de rango (8), en la lnea de "NOTAS". Se escribe el mismo nmero en la
parte posterior del formato en la parte de "NOTAS", con una explicacin corta de lo que sucedi
a esa hora. En este caso sera algo como: "Operario sustituido para el almuerzo de 11:30 a
11:50". Quien escribe la nota debe firmarla o poner sus iniciales.
Figura 8.15. Hoja de Calculo en la parte posterior del formato de la Figura 8-14 (problema 3-2)

SUB GROUP 19 COMPARE AN ESPECIFICATION
SUB GROUPS AND REMOVED
INCLUDED 25 FROM DATA 23 =
= 1.290 x .0224 =
R 81 72
R 3.24 3.13
k 25 23 3R
X 115 115 UL X R =.
X .4.6 5.00 d7
k 25 23
OR
3
LLi X R =.
X ( =MIDSPEC .ORSTO.) d7
A2 .729 x 3.24 = 2.36 .729 x 313 2.28
US =
UCLr = - A2 = 6.96 = 7.28 US =
UCLr = - A2 = .224 = 2.72 US LS =
UCLr = D4 = 2.282x3.24 = 7.39 2.282 x 3.13 = 7.14 d
6r R =
MODIFIED CONTROL LIMITS FOR AVERAGES A2FACTORS FOR CONTROL LIMITS
BASED ON SPECIFICATION LIMTS PROCESS CAPABILITY n A2 D4 d2 3/D2 AM
APPLICABLE ONLY IF US LS 6 2 1.880 3.268 1.128 2.659 0.779
3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
URLR = US -AM = LRLr =LS - AM R = 5 0.577 2.114 2.326 1.290 0.713
6 0.483 2.004 2.534 1.184 0.701
NOTES
ON THIS CALCULATION WORKSK SHEETT,
R
THE TERM IS THE SUM OF ALL THE SUBGROUP RANGES ( )
K
DIVIDED BY THE TOTAL NUMBER OF SUBGROUPS.
X
THE TERM IS THE SUM OF HALL THE SUBGROUP
K
AVERAGES (X), DIVIDED BY THE TOTAL NUMBER OF SUBGROUP.
1. operator relieved for lunch 11:30 to 11:50

Figura 8-16. Grfica de promedio t rango del movimiento de la flecha A, B, C y D (Problema 3-3)
Figura 8-17. Hoja de calculo en la parte posterior del formato de la Figura 8-16 (Problema 3-3)
CONTROL LIMITS LINE A, B, C, D LIMITS FOR INDIVIDUALS

SUB GROUPS
INCLUDED 20 =
= 1.290 x .0224 =
R 269
R 13.454 ________
k 20 3R
X 1126 .2 UL X R =.
X 56.31 _______ d7
k 20
OR
3
LLi X R =.
X ( MIDSPEC .ORSTO .) x d7
A2 = .577 x 13. 45 = 7.76 = ______
US =
UCLr = - A2 = 64.0 = US =
UCLr = - A2 = 48.55 = US LS =
UCLr = D4 = 2.114x13.45 = 28.43 x = d
6r R =
3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________ 4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
Figura 8-18. Grfica de promedio y rango del movimiento de flecha E, F, G, H, (Problema 3-3)

SUB GROUPS
INCLUDED 20 =
= 1.290 x .0224 =
R 189
R 9.45 ________
k 20 3R
X 1212.2 UL X R
X 60.61 _______ d7
k 20 =.
OR 3R
LLi X
X ( MIDSPEC.ORSTO.) x
A2 = .577 x 9345 = 5.45 = ______
d7 =.
UCLr = - A2 = 66.06 = US =
UCLr = - A2 = 55.16 = US =
UCLr = D4 = 2.114 x 9.45 = 19.98 x = US LS =
d
MODIFIED CONTROL LIMITS FOR AVERAGES 6r R
A2FACTORS FOR CONTROL= LIMITS
3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
Figura 8-20. Grfica de promedio y rango del movimiento de la flecha I, J, K, y L (Problema 3-3)

SUB GROUPS
INCLUDED 20 =
= 1.290 x .0224 =
R 206
R 10.3 ________
k 20 3R
X 126.06 UL X R
X 63.03 _______ d7
k 20 =.
OR 3
LLi X R
A2 = .577 x 10.3 = 5.94 = ______
d7 =.
UCLr = - A2 =68.97 = US =
UCLr = - A2 = 57.09 = US =
UCLr = D4 = 2.114 x 10.3 = 21.7 x = US LS =
d
3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
Figura 8-22. Grfica de promedio y rango del movimiento de la flecha M, N, O, P (Problema 3-3)

SUB GROUPS
INCLUDED 20 =
= 1.290 x .0224 =
R 236
R 11 .8 ________
k 20 3R
X 1365.2 UL X R
X 68.26 _______ d7
k 20 =.
OR 3
LLi X R
A2 = .577 x 11.8 = 6.81 = ______
d7 =.
UCLr = - A2 = 75.01 = US =
UCLr = - A2 = 61.45 = US =
UCLr = D4 = 2.11 4x 11.8 = 24.95 x = US LS =
d
3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
Figura 8-24. Grfica de promedio y rango del movimiento de la flecha A, E, I, M,
con puntos fuera de los lmites de control (Problema 3-3)
Figura 8-25. Hoja de clculo en la parte posterior del formato de la figura 8-24 (Problema 3-3)

SUB GROUPS
INCLUDED 20 =
= 1.290 x .0224 =
R 224
R 11 .2 ________
k 20 3R
X 1241.6 UL X R
X 62.08 _______ d7
k 20 =.
OR 3
LLi X R
A2 = .577 x 11.2 = 6.46 = ______
d7 =.
UCLr = - A2 = 68.54 = US =
UCLr = - A2 = -55.62 = US =
UCLr = D4 = 2.114x 11.25 = 23.68 x = US LS =
d
3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
Problema 3-3.
En el problema 2-3 se examin el movimiento de la Hecha por medio de histogramas de

frecuencia. En este problema se solicito examinar los mismos grupos por medio de una tcnica
estadstica diferente, la grfica de promedio y rango. Las grficas de control desarrolladas con
base en los datos del problema debern parecerse a las de las Figuras 8-16 a 8-25.
Se observan diferencias entre los promedios (5) de las grficas de control y de los
histogramas? Los promedios de las grficas de control siguen el mismo patrn que observado
en el anlisis del histograma, pero los valores no son los mismos. La razn de esto estriba en que
los valores promedio de los histogramas se encontraron al examinar visualmente los
histogramas, pero los valores promedio de las grficas de control se calcularon tomando el
promedio de los promedios de los subgrupos. Ntese tambin que los promedios de los
histogramas se dan en nmeros enteros, mientras los de las grficas de control llevan decimales.
Estos promedios se obtuvieron partiendo de los mismos datos, pero la tcnica estadstica
utilizada en las grficas de control ofrece una respuesta ms precisa que el examen visual
del histograma. Ambos mtodos dan estimados del promedio real del proceso, pero la grfica
de control es ms exacta.
La grfica de control para las operaciones A, E, I, y M. (Figuras 8-24 y 8-25), muestra tres
puntos fuera de los limites de control en la grfica de promedios. Esta es un claro indicio de la
presencia de causas asignables y que los datos deben descartarse para reunir nueva
informacin. Esta grfica indica que la grfica de promedio y rango es mucho mejor que el
histograma de frecuencia para detectar algo que anda mal en la operacin o en los datos para el
desarrollo de la grfica de control y el histograma.
El histograma de la Figura 8-8 no indica nada inusual en los datos, pero la grfica de
promedio y rango de la Figura 8-24 muestra claramente que algo est mal. En este ejemplo se
sabe que los datos provienen de cuatro operaciones diferentes fabricando el mismo producto,
pero aun sin esta informacin, la grfica de control indicara que hay que comenzar a buscar
causas asignables. El histograma, sin embargo, no da la alerta respectiva.
Problema 3-4.
La grfica de medianas y rangos desarrollada de las lecturas de decibeles para la relacin

seal/ruido del Problema 2-4, deber parecerse a la Figura 8-26. Los clculos para los lmites
de control se muestran en la Figura 8-27.
Para desarrollar esta grfica, se usaron subgrupos de cinco piezas para obtener las 24
medianas trazadas en la grfica. Al tener 24 subgrupos, la media de medianas (X) es el valor
intermedio entre los subgrupos doce y trece (contar hacia arriba comenzando por el valor ms
bajo). La Figura 8-26 muestra que el valor de la mediana del duodcimo subgrupo en 26 y la
del dcimotercer subgrupo es 26, por lo tanto, la media de medianas es 26.
Al contar en forma ascendente desde el valor ms bajo del rango (3), se observa que el
duodcimo valor es 5 y que el decimotercero es 7. Entonces, el rango mediano es 6, que
est a la mitad entre estos dos valores. La Figura 8-27 muestra el clculo del lmite de
control para los rangos. El factor D4 obtenido de la Figura 3-23 es "2.18 debido a que el
tamao de la muestra del subgrupo es de 5 piezas. (Como se recordar, Di y A2 son factores
especiales para calcular grficas de control de medianas y rangos.)
La Figura 8-27 muestra tambin los clculos para los lmites de control superior e inferior para
las medianas de los subgrupos, usando el factor 2 obtenido de la Figura 3-23. Los lmites de
control de la grfica (Figura 8-26) revelan que todos los valores de rango y de las medianas
quedan dentro de los lmites de control, por lo que es posible usar esta informacin para
establecer la grfica de medianas y rangos para futura produccin y calcular el promedio del
proceso
El histograma desarrollado en el Problema 2-4, muestra que el promedio del proceso

probablemente quede en el intervalo 26/27. La grfica de medianas y rangos indica que la
mediana de medianas (X) es 26, por lo que es evidente que coincidan ambos mtodos de anlisis
del promedio del proceso.
Figura 8-26. Grficas de Medianas y Rangos de la relacin seal / ruido, mostrando
determinacin de mediana de medianas y medina de rangos
MODULO 4: GRFICAS DE ATRIBUTOS
Problema 4-1.
Los resultados de la inspeccin de este problema muestran las piezas defectuosas (no los
defectos) en una muestra de 48 piezas. Estos datos son tiles para desarrollar una grfica de
porcentaje de piezas defectuosas. La grfica desarrollada deber parecerse a la Figura 8-28.
La Figura 8-29 muestra los clculos del porcentaje de piezas defectuosas (p) en los lmites
superior e inferior de control.
La pregunta es: decir si las manchas de suciedad y de grasa representan un problema para la
gerencia o para los trabajadores. El promedio (p es muy alto, 52.1%), y muchos gerentes y
operarios de produccin consideran que, ya que este porcentaje estn alto, alguien en el piso
debe estar haciendo algo mal. La grfica de control, sin embargo, indica que todos los
promedios de las muestras estn dentro de los lmites de control. Esta tcnica de anlisis
estadstico dice que el alto porcentaje de manchas de suciedad y grasa es inherente al sistema.
Los operarios no pueden realizar nada significativo y duradero sin hacer cambios que
requieran la aprobacin y la intervencin de la gerencia.
Problema 4-2.
Se deben desarrollar seis grficas c para responder a la pregunta. "Qu mquinas requieren
atencin por parte de la persona que las prepara en el rea de produccin?" Estas grficas c
deben ser similares a las Figuras 8-30, 8-32, 8-34, 8-36, 8-38 y 8-40. Los clculos para los
lmites de control estn en las Figuras 8-31, 8-33, 8-35, 8-37, 8-39 y 8-41.
Al revisar las grficas de control. Se podr responder la pregunta. La mquina nmero 1

(Figura 8-30) operaba slo catorce veces cuando el inspector se acerc a revisar 100 piezas.
El primer clculo de lmites de control mostr dos puntos (las muestras 23 y 24) fuera de los
lmites. Cuando estas piezas se desecharon y se calcularon nuevos lmites, la muestra tena
seis puntos fuera. Se puede concluir que la produccin de esta mquina es demasiado
inestable para establecer una grfica de control. Deben localizarse y eliminarse las causas
asignables, y el preparador debe darle atencin a la mquina.
La figura 8-27. Hoja de clculo en la parte posterior del formato de la Figura 8-26,
con los clculos para lmites de control de medianas y los rangos (problema 3-4)

SUB GROUPS
INCLUDED 25 =
R
R ______ ............ _____ ..........
= 1.290.. x .0224 =
k
3R
R UL X =.
X d7
X _____ ............. . _____ ..........
k 3
LLi X R =.
d7
A2X (=MIDSPEC x .ORSTOx .)
= ______ = _______ US =
UCLr = - A2 = ______ = US =
UCLr = - A2 = ______ = US LS =
UCLr = D4 = x = x = d
6r R =
3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
MEDIAN R ( ) IS 6 (NUMBER12 RANGE IS 5 AND NUMBER 13 RANGE 15 7)
UCLS R = TIMES ( S )
= 2.18 TIMES 6
= 13.08
MEDIAN OF MEDIANS ( ) IS 16
UCL X = +
= 26 +. .71 x 6
= 26 + 4.26
= 30.26
LCLX = -
= 26 4.26
= 21.4
Figura 8-28. Grfica de porcentaje de piezas defectuosas
por manchas y grasa en los entrepaos de empaque
(Problema 4-1)
Figura 8-29. Clculos para la grfica de

porcentaje de defectos de la Figura 8-28.
(Problema 4-1)
n = 48
Total de piezas defectuosas = 500
Total inspeccionado = 950
500
p x100% 52.1%
960
52.1(100 52.11)
LSCp 52.1 3
= 52.1-21.6 48
= 73.7%
LICp = 52.1 21.6
=30.5
Figura 8-30. Grfica c de la produccin de la mquina
de cableado N 1, mostrando los puntos descartados
de los datos (Problema 4-2)
Figura 8-32. Grfica c de la produccin de la
mquina de cableado N 2, con puntos an fuera
de los lmites (Problema 4-2)
Figura 8-33. Clculos para los lmites de

control de la grfica c de la Figura 8-32. Los
lmites de control estn recalculados despus
de descartar las muestras 12 y 21. La mquina
no es estable. (Problema 4-2)
Maquina N 2
Total de cs = 6
Num. De unidades = 25
6 + 3 .24
LSC c = .24
c .24
= .24 + 1.47
25
= 1.71
LIC c = 0
Muestras N 12 y N 21 descartadas
LSC c = .09 2
Nuevo .c + 3 .09
.09
= .09 + .925
LIC c =0
Dos puntos fuera de control.

La mquina no es estable.
Se requiere una muestra mayor.
Figura 8-34. Grfica c de produccin de la mquina de cableado N 3,
mostrando todos los puntos dentro de los lmites de control (Problema
4-2)

control de la grfica c de la Figura 8-34. La
mquina es estable, pero tienen un alto ndice
de rechazo (Problema 4-2)
Maquina N 3
Total de cs = 55
Unidades de inspeccin = 17
55
c 3.24
17 + 3 3.24
LSC c = .3.24
= 3.24 + 5.4
= 8.64
LIC c = 0
Todos los puntos dentro de los lmites de control

La mquina es estable pero tienen un alto ndice
de rechazo
Problema de solucin general
Figura 8-36. Grfica c de produccin de la mquina de cableado
N 4, mostrando puntos descartados y dos puntos an fuera de
los lmites de control (Problema 4-2)

control de la grfica c de la Figura 8-36. Los
lmites de control estn recalculados despus
de descartar la muestran N 5, pero dos
puntos todava estn fuera de control. La
mquina no es estable (Problema 4-2)
Maquina N 4
Total de cs = 12
Num. De unidades = 25
12
c
LSC c = .48 +3.48
.48
25
= .48 + 2.09
= 2.57
LIC c = 0
Muestra = 5 descartada
7
Nuevo
LSC .c + 3 .29 .2 9
c = .29
24
= .29 + 1.62
= 1.91
LIC c =0
Dos puntos fuera de control.

La mquina no es estable.
Figura 8-38. Grfica c de produccin de la mquina de
cableado N 5, con tres puntos fuera de los lmites de control
(Problema 4-2)

control de la grfica c de la Figura 8-38. Tres
puntos fuera de control. La mquina no es
estable (Problema 4-2)
Maquina N 5
Total de cs = 19
Unidades de inspeccin
19
c .76
25+ 3 .76
LSC c = .76
= .76 + 2.62
= 3.38
LIC c = 0
Tres puntos fuera de c control

La mquina no es estable
Figura 8-40. Grfica c de produccin de la mquina de cableado
N 6, con todos los puntos dentro de los lmites de control
(Problema 4-2).

control de la grfica c de la Figura 8-40.
Ningn punto fuera de los lmites de control.
La mquina es estable (Problema 4-2)
Maquina N 5
Total de cs = 14
Unidades de inspeccin = 25
14+ 3 .56
LSC c = .56
c .56
=25
.56 + 2.24
= 2.80
LIC c = 0
Todos los puntos estn dentro de los lmites de control

La maquina es estable
La mquina nmero 2 (Figura 8-32) mostr dos puntos fuera de control (muestras 12 y 21) la
primera vez que se calcularon los lmites. Cuando se descartaron estas dos muestras y se
recalcularon los lmites, dos puntos ms quedaron fuera. Esta mquina opera con un
promedio muy bajo de nmero de piezas defectuosas por inspeccin, pero la grfica de control
indica que no es estable y que requiere atencin. El siguiente paso debe ser aumentar la unidad
de inspeccin de 100 o tal vez 200 piezas. Una grfica de control desarrollada con una unidad
de inspeccin ms grande podra indicar algo diferente.
La mquina nmero 3 (Figura 8-34) opera con un promedio mucho mayor de defectos por
unidad de inspeccin (c - 3.24) que las dems mquinas, pero la grfica de control indica que
todos los puntos estn dentro de los lmites. La mquina es estable, pero tiene un alto ndice de
rechazo. El preparador no puede hacer nada para mejorar la calidad. La variacin es inherente
al proceso y es la gerencia la que debe tomar acciones para mejorar la operacin de esta
mquina.
La mquina nmero 4 (Figura 8-36) se muestra como inestable. Se descart la muestra 5 de

los clculos y se recalcularon los lmites de control. Las muestras 15 y 25 quedaron fuera de
los nuevos lmites. Esta mquina requiere atencin del preparador, para localizar y eliminar las
causas asignables.
La mquina nmero 5 (Figura 8-38) es una de las peores. Tres puntos fuera de control en el
primer clculo de lmites. Si se eliminaron las causas asignables, esta mquina ser la mejor del
grupo; cuando se descartan los puntos fuera de control, el promedio de defectos (c) es muy
bajo.
La mquina nmero 6 (Figura 8-40) es una mquina estable. Todos los puntos estn dentro de
los lmites de control. No requiere atencin por parte del preparador.
Antes de desarrollar las grficas de control para este problema, se detect que las mquinas
que no requieren atencin seran las nmeros 3 y 6? Muy frecuentemente los gerentes y el
personal de produccin buscarn causas asignables basadas en las cifras de los inspectores.
No obstante, sin una grfica de control, es difcil decir si los defectos reportados se deben a
causas asignables o aleatorias.
Problema 4-3.
Al utilizar los datos de inspeccin disponibles para analizar problemas de calidad, es importante
aclarar lo que esos datos representan. La informacin indica la cantidad de piezas defectuosas
en cada una de cinco categoras de defectos. No es posible decir, basado en estos registros,
cuntas unidades en cada muestra tuvieron defectos. Tampoco se puede decir cuntos defectos
de cada tipo haba en cada muestra, porque cuando el inspector ve raspaduras, dicha parte
se registra como defectuosa debido a raspaduras. Aunque esa parte tenga ms de una raspa-
dura, se registra como una pieza defectuosa.
Los resultados de la inspeccin presentados en este problema deben utilizarse para desarrollar
grficas de porcentajes de defectos separadas para cada categora.
Figura 8-42. Grfica de porcentajes de piezas defectuosas de los
registros de inspeccin final, con porcentaje defectuoso para
raspaduras (Problema 4-3).

control de la grfica p de la Figura 8-42.
Ningn punto, queda fuera de los lmites de
control (Problema 4-3)
Raspaduras
Total de piezas defectuosas:

= 264
Total inspeccionado:
= 2000
264
p x100% 13.2%
2000
13.2(100 13.2)
LSCp 13.2 3
= 13.2 + 10.15 100
= 23.35%
LIC c = 13.2 10.15
= 3.05%
La grfica para "raspaduras" se muestra en la Figura 8-42, y los clculos de los lmites de
control en la Figura 8-43. El porcentaje promedio de piezas defectuosas en el proceso (p) es de
13.2%. Un tamao de muestra de 100 piezas para este promedio dio por resultado un lmite
superior (LSCp) de 23.35%. y un lmite inferior de control (LICp) de 3.05% (ver la Figura 8-43). La
totalidad del porcentaje de piezas defectuosas queda dentro de los limites de control, por lo
que es posible decir que p de 13.2% estable para este sistema de produccin.
La segunda categora de defectos es "arrugas" De acuerdo a la grfica p de la Figura 8-44 y los

clculos de lmites de Figura 8-45. El porcentaje promedio de piezas defectuosas en el proceso
(p) es 8.1%. El lmite superior de control (LSCp) es 16.29% y el lmite inferior (LICp) es cero.
Todos los puntos quedan dentro de los lmites de control, por lo que esta categora se considera
estable estadsticamente.
La tercera categora es "doblez", segn la grfica p de la Figura 8-47.
El porcentaje promedio (p) es 4.25%. El lmite superior de control (LSCp) es 10.3%, y el lmite
inferior (LICp) es cero. La grfica indica que la categora est bajo control porque ningn
punto ha quedado fuera de los lmites.
La cuarta categora es "grietas", en la grfica p de la Figura 8-46 y los clculos para lmites de la
Figura 8-48, y los clculos de la Figura 8-49. El porcentaje promedio (p) es 1.9%. El lmite
superior de control (LSCp) es 6.0%, y el lmite inferior (LICp) es cero. Ntese que la escala es
mayor en esta grfica. Cuando p es bajo, es bueno ampliar la escala del porcentaje de piezas
defectuosas para poder leer mejor la grfica. Todos los porcentajes de las muestras estn dentro
de los lmites, por lo que se puede decir que esta categora es estable para un promedio de
1.9%.
La quinta categora de defectos es "error en la parte", mostrada en la grfica p de la Figura 8-50,

y los clculos para lmites de control de la Figura 8-51. El porcentaje promedio de piezas
defectuosas (p) es muy bajo, de 0.25%, y la mayora de los porcentajes defectuosos de las
muestras es cero. Esta grfica muestra un punto (muestra 6) fuera del lmite superior de control,
1.75%. Cuando una grfica tiene un promedio muy bajo, no es raro ver uno o dos puntos encima
del lmite superior, aunque en realidad el proceso sea estable.
Como se puede observar, es una muestra de 100 unidades, cada unidad defectuosa
representa el uno por dentro de la muestra. Por lo tanto, los puntos en el grfica de control
quedarn solamente en las lneas de nmeros enteros; es decir, 0, 1, 2, 3, etc. Cuando el
lmite superior es 1.75%, dos piezas defectuosas sern marcadas fuera de control, sealado la
presencia de una causa asignable. De hecho puede ser que stas no existan, por razones que
no se discuten en este libro. Todo lo que se debe conocer es que al utilizar grficas de atributos
con ndices muy bajos de producto rechazado, se debe proceder con cautela en caso de que
algunos puntos de la muestra queden sobre el lmite.
Si se realiza una investigacin como la de este problema, qu se recomendara para mejorar

la calidad? Basados en el anlisis de la grfica de control recin completada, se reportar a la
gerencia que los defectos en el proceso, se deben a causas aleatorias. Deben llevarse a cabo
cambios bsicos en el sistema de produccin para mejorar significativamente la calidad.
Figura 8-44. Grfica de porcentaje de piezas defectuosas
del registro de inspeccin final arrugas (Problema 4-3).

Ningn punto fuera de los lmites de control
(Problema 4-3)
Arrugas.

= 162
= 2000
162
p x100% 8.1%
2000
8.1(100 8.1)
LSCp +88.19
= 8.1 .1 3
100
= 16.29
LIC c = 8.1 8.19
= -.09
=0
Figura 8-46. Grfica de porcentaje de defectos de los registros de
inspeccin final para partes dobladas (Problema 4-3).

control de la grfica p de la Figura 8-46 Ningn
punto fuera de los lmites de control
(Problema 4-3)
Dobleces

= 85
= 2000
85
p x100% 4.25%
2000
4.25(100 4.23)
LSCp 4.25 3
= 4.25 + 6.05 100
= 10.30
LIC p =0
Figura 8-48. Grfica de porcentaje de piezas defectuosas de
los registros de la inspeccin final para grietas (Problema 4-
3).

Ningn punto fuera de los lmites de
control (Problema 4-3)
Grietas

= 38
= 2000
38
p x100% 1.9%
2000
= 1.9 + 4.10 1.9(100 1.9)
1.9 3
LSCp= 6.0
100
LIC p =0
Figura 8-50. Grfica de porcentaje de piezas defectuosas del registro
de inspeccin final para partes errneas mostrando un punto
aparentemente fuera de control en la muestra N 6 (Problema 4-3).
Figura 8- 51. Clculos para los lmites de

(Problema 4-3)
Parte equivocada:

=5
= 2000
5
p x100% : 25%
2000
25(100 25)
LSCp 25 3
= .25 + 1.50 100
= 1.75%
LIC p =0
MODULO 5: CAPACIDAD DE LA MAQUINA Y DEL PROCESO
Problema 5-1.
La grfica de promedio y rango de la Figura 8-11 muestra que los dimetros de pernos estn
bajo control, pero debe realizarse una grfica de probabilidad para poder juzgar la normalidad
de la distribucin principal (Ver Figura 8-52). Los puntos de la grfica se ajustan adecuadamente
a la lnea recta. La lnea de mejor ajuste cruza la parte superior de la grfica de probabilidad (+3)
en ms o menos .2558, y la parte inferior (-3) aproximadamente en .2444. La diferencia entre
estos dos valores, .0114, es el clculo de la dispersin del proceso (6).
Se trazaron en la grfica las lneas que representan los lmites de especificacin (.242 y .258).
La lnea de mejor ajuste cruza las partes e inferior de la grfica, antes de encontrar los lmites
de especificacin. Esta es una evidencia grfica de la capacidad del proceso para cumplir con las
especificaciones.
La hoja de trabajo de la Figura 8-53 se obtuvo a partir de la grfica de promedio y rango de la

Figura 8-11, pero aqu se completaron los clculos para los "lmites particulares". Dichos
clculos proporcionan un lmite superior aproximado de .25577, y un lmite inferior aproximado
de .24441. El clculo para la dispersin del proceso (6) es .0113. Todos estos clculos
concuerdan con los trazos en la grfica de probabilidad.
El ndice de capacidad de la mquina (C pk) se calcul en la parte inferior de la Figura 8-53. El

ndice real de capacidad es el menor de los dos valores determinados de la relacin entre el
promedio ( ) y desviacin estndar del proceso (), con los lmites superior (LSE) e inferior de
especificacin (LIE). En este problema los valores son 1.39 y 1.42. El clculo real del ndice
de capacidad de la mquina es 1.39, el menor de ambos valores.
La relacin de capacidad de la mquina (RC) se calcul tambin en la Figura 8-53. La

relacin de capacidad es la relacin de la dispersin estimada del proceso (6 ) con la
tolerancia total, expresada como un porcentaje. La dispersin estimada del proceso es .0113 y
la tolerancia total en el dimetro de los pernos es de .016. La relacin de capacidad (RC) se
calcul en 70.6%.
Figura 8-52. Grfica de de probabilidad del dimetro de pernos, con la lnea de mejor ajuste y su
relacin con los puntos graficados y los lmites de especificacin (Problema 5-1).
Figura 8-53. Hoja de clculo en el reverso del formato de la Figura 8-11 con los clculos de lmites de particulares, el
ndice y la relacin de capacidad en la parte inferior (Problema 5-1)

SUB GROUPS
INCLUDED 20 = .25009
R .088 = 1.290 x .0044 = .00568

R .0044 _____ ............
k 20
3R
R UL X = .25577
X 5.0018 d7
X .25009 . _____ ..........
k 20 3
LLi X R
d7 = .24441
AX
2 = .577 x .0044 .ORSTO
( MIDSPEC = .00254 .) x = _______
UCLr = - A2 = .25263 = US = .258
UCLr = - A2 = .24755 = US = 2.42
UCLr = D4 =2114 x .0044=.0093 x = US LS =.016
d
6r R
MODIFIED CONTROL LIMITS FOR AVERAGES A2FACTORS FOR CONTROL=.0113
LIMITS

3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
USL X X LSL
C PK OR
36 3
.258 .25009
1.39 SMALLER OF THE TWO
00568
OR
.25009 .242
1.42
.00568
CPK=1.39
65 .0113
CR x100% x100%
TOTAL TOLERANCE .016
CR = 70.6%
Problema 5-2.
En este problema se pregunta si los datos de la grfica de promedio y rango de la Figura 8-14,
son adecuadas para calcular la capacidad de la mquina. Para responder, se debe desarrollar
una grfica de probabilidad con dichos datos (Ver Figura 8-54).
Al desarrollar dicha grfica, (Figura 8-54), se eliminaron las mediciones de los subgrupos de
muestra 19 y 20, al igual que en el Problema 3-2. Despus de hacerlo, el resto de la informacin
se ajust en lnea recta; esto indica que los datos estn distribuidos normalmente, y que los
valores de la grfica de promedio y rango son adecuados para calcular la capacidad de la
mquina.
El lmite superior de especificacin se traz en la grfica de probabilidad. La lnea de ajuste cruza

la lnea del lmite superior de especificacin en la lnea de "50% mayor". Por lo tanto, se puede
calcular que el 50% de la produccin de esta mquina quedar por encima de la especificacin.
La Figura 8-55 muestra la hoja de trabajo del reverso de la grfica de promedio y rango de la
Figura 8-14. Los clculos de los "lmites para particulares" indican que el lmite superior (LSx)
es .7596, y el inferior (Llx) es .7504. La dispersin estimada del proceso (6 ) es .0091. Todas
estas cifras se comparan favorablemente contra los estimados de la Figura 8-54.
La Figura 8-55 muestra los clculos para calcular el ndice de capacidad (Cpk). El menor de los
dos valores es cero, y cualquier valor inferior a uno indica que el proceso no es capaz. Por lo
tanto, se considera esta mquina "no capaz", como trabaja actualmente.
El clculo para la relacin de capacidad (RC) de dicha mquina (ver Figura 8-55) indica un
factor de 91 %. Como se coment en el Mdulo 5, este mtodo de evaluacin de capacidad de
mquina o de proceso requiere explicaciones adicionales. En este caso diramos que "La mqui-
na tom menos del 100% de la tolerancia permitida de .010. Podra ser capaz si el promedio
del proceso ( ) se centrara en la especificacin".
Se observ algo interesante en este problema? El suplente que relev al operario normal
durante la hora del almuerzo, quien fue responsable de los puntos fuera de control (muestras 19 y
20 de la Figura 8-14), produjo en realidad partes dentro de especificacin porque conoca ms
sobre el trabajo. Cuando el operario normal recibi mejores instrucciones y capacitacin, pudo
operar el torno al mismo nivel que el suplente, eliminando as la situacin de cincuenta por ciento
fuera de especificacin. Las mejoras en la calidad son por lo general as de simples.
Problema 5-3.
La capacidad de los grupos de datos del problema 2-3, se calcul desarrollando una grfica de
probabilidad, los lmites para particulares y la dispersin calculada del proceso para cada grupo de
datos. El ndice y la relacin de capacidad se calcularon asimismo para cada grupo de datos.
Figura 8-54. Grfica de probabilidad para el dimetro de muesca, mostrando la relacin de la lnea de mejor ajusta
los puntos graficados y los lmites de especificacin (Problema 5-2).
Figura 8-55. Hoja de clculo del reverso del formato de la Figura 8-14, con los clculos para lmites de particulares, el
ndice y la relacin de capacidad (Problema 5-1).

SUB GROUPS
INCLUDED 23 5.00 EQUALS = .755
R 73 = 1.457 x .00313 = .0046

R . 3.13
k 23
3R
UL X R
X 115 d7
X 5.00 = .7596
k 23 3
LLi X R
A2 = x = ________.729 x 3.13 = 2.28
d7 = .7504
X ( MIDSPEC .ORSTO .)
UCLr = - A2 = = 7.28 US = .755
UCLr = - A2 = = 2.72 US = .745
UCLr = D4 = x = 2.282 x3.13 =7.14 US LS =.010
d
A2FACTORS FOR CONTROL=.0091
LIMITS

3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
USL X X LSL
C PR OR
3 3
.755 .755
0 LESS THAN ONE " NOT CAPABLE "
.0046
.755 .745
2.17
.0046
6
CR x100%
TOTAL TOLERANCE
.0091
x100% 91%
.010
MACHINE USES LESS THAN
100% OF THE TOLERANCE
COULD BE CAPABLE IF THE
PROCESS AVERAGE ( ) WERE
Figura 8-56. Grfica de probabilidad del movimiento de flecha para los procesos A, B, C, D indicando las relaciones
de la lnea de ajuste con los puntos graficados y los lmites de especificacin (Problema 5-3).
Figura 8-57. Hoja de clculo del reverso del formato de la Figura 8-16, mostrando los clculos para lmites de
particulares, el ndice y la relacin de capacidad (Problema 5-3).

SUB GROUPS
INCLUDED 20 = 56.31
R .269 = 1.290 x 13.45 = 17.35

R 13.45 _____ .......... ..
k 20
3R
UL X R
X 1126.2 d7
X 56.31 . _____ .......... = 73.66
k 20 3R
LLi X
A2 X (=MIDSPEC
.577 x 13.45 .=ORSTO
7.76
d7
.)x = _______ = 38.96
UCLr = - A2 = 64.07 = US = 30
UCLr = - A2 = 48.55 = US = 40
UCLr = D4 =2.14 x 13.95=28.43 x = US LS =.40
d
A2FACTORS FOR CONTROL=.34.7
LIMITS

3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
USL X X LSL
C PK OR
36 3
80 56.31
1.37 " NOT CAPABLE
17.35
X LSL 56.31 40
94 LESS THA ONE
3 17.35
6
CR x100% 7.
TOTAL TOLERANCE
Los datos de los procesos A, B, C, D, se analizan en las Figura 8-56 y 8-57. La grfica de
promedio y rango de la Figura 8-16 muestra todos los puntos dentro de los lmites de control,
por lo cual se analiz la grfica de probabilidad para calcular la normalidad en la distribucin
de los datos.
Figura 8-58. Grfica de probabilidad del movimiento de la flecha para los procesos E, F, G, H, con la relacin de la
lnea de ajuste con los puntos y los limites de especificacin (Problema 5-3).
Aunque los puntos tienden hacia el extremo inferior de la grfica (ver Figura 8-56), se dibuj una
lnea de ajuste en los puntos de trazo. Al dibujar dicha lnea en puntos como stos, debe drsele
mayor importancia a los puntos del centro de la grfica que a los de las orillas.
Se trazaron lneas de lmites de especificacin en la grfica de probabilidad y la lnea de ajuste

cruza el lmite inferior de especificacin cerca de la marca ".2% abajo". Esto significa que se
puede esperar aproximadamente .2% de partes quedarn por debajo de la especificacin
inferior.
La dispersin calculada de proceso (6) es 34 (o .034 pulgadas); el valor menor (-3 ) es 39. y
el ms alto (+3 ) es 73.
La Figura 8-57 es la hoja de clculo del reverso de la Figura 8-16. Aqu los clculos de los "lmites
para particulares" indican que el lmite superior (LSx) es 73.66, en tanto que el lmite inferior (Llx)
es 38.96. La dispersin de proceso (6) se calcul en 34.7. Este valor concuerda con los valores
determinados grficamente en la Figura 8-56.
El ndice de capacidad (Cpk) se calcula en la Figura 8-57, y el valor menor es .94. Debido a que
ste es menor a 1.0, se considera el proceso "no capaz".
La relacin de capacidad (RC) de la Figura 8-57 es 86.75%. El proceso es "capaz si el promedio

del proceso se ajusta al centro de la especificacin".
Los datos de los procesos E, F, G, H, se analizaron en las Figuras 8-58 y 8-59. La grfica de
promedio y rango de Figuras 8-18 indica la totalidad de los puntos dentro de los lmites de
control. La grfica de probabilidad muestra una dispersin estimada de proceso (6 ) de 23, un
valor inferior de 49 y uno superior de 72. Los puntos trazados y la lnea de ajuste quedan dentro
de los lmites de especificacin (Ver Figura 8-58).
La Figura 8-59 muestra en lmite superior para particulares de 72.8, uno inferior de 48.42 y una
dispersin calculada de proceso de 24.4. Estos valores concuerdan con los de la Figura 8-58.
La Figura 8-59, establece el ndice de capacidad (Cpx) en 1.59 y la relacin de capacidad en

61%. Por lo tanto, el proceso es "capaz".
Los datos de los procesos I, J, K, L, se analizan en las Figuras 8-60 y 8-61. La grfica de
promedio y rango de la Figura 8-20 muestra todos los puntos dentro de los lmites de control. La
grfica de probabilidad indica una dispersin calculada de proceso (6 ) de 28. Un valor inferior
de 49 y uno superior de 77. Los puntos trazados y la lnea de ajuste estn en los lmites de
especificacin (Ver Figura 8-60).
La Figura 8-61 tiene un lmite superior de 49.74, una dispersin calculada de proceso de
26.57. Estos valores concuerdan con la Figura 8-60.
En la Figura 8-61, el ndice de capacidad (C pk) es 1.28 y la relacin de capacidad (RC) es 66.4%.
Por lo tanto, el proceso es "capaz".
Figura 8-59. Hoja de clculo del reverso de la Figura 8-18, con los clculos para lmites de particulares, el ndice y la
relacin de capacidad (Problema 5-3).

SUB GROUPS
INCLUDED 20 = 60.61
R 189 = 1.290 x .0044 = 12.19

R 9.45 _____ ............
k 20
3R
UL X R
X 1212.2 d7
X .60.61 . _____ .......... = 72.80
k 20 3
LLi X R
AX = .577 x 9.45 .ORSTO
= .5.45
d7
2
( MIDSPEC .)x = _______ = 48.42
UCLr = - A2 = .66.06 = US = 80
UCLr = - A2 = 55.16 = US = 40
UCLr = D4 =2114 x 9.45 =19.98 x = US LS =40
d
A2FACTORS FOR CONTROL= 24.4
LIMITS

3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
USL X X LSL
C PK OR
3 3C
80 60.61
1.59 " CAPABLE "
12.19
X LSL 60.61 40
1.69
3c 12.19
6
CR x100%
TOTAL TOLERANCE
Figura 8-60. Grfica de probabilidad con datos del movimiento de la flecha para los procesos I, J, K, L, con
relaciones de la lnea de ajuste con los puntos y los lmites de especificacin (Problema 5-3).

SUB GROUPS
INCLUDED 20 = 63.06
R 206 = 1.290 x 10.3 = 13.39

R 10.3 _____ ............
k 20
3R
UL X R
X 1260.6 d7
X 63.03 . _____ .......... = 76.32
k 20 3
LLi X R
A2X (=MIDSPEC
.577 x 10.3 .ORSTO
= 5.94 x.) = _______
d7 = 49.74
UCLr = - A2 = 68.97 = US = 80
UCLr = - A2 = 57.09 = US = 40
UCLr = D4 =2.114 x 10.3 =21.77 x = US LS = 40
d
LIMITS

3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
USL X X LSL
C PK OR
3 3
80 63.03
1.28 " CAPABLE "
13.29
X LSL 63.03 40
1.73
3 13.29
65 26.57
CR x100% x100% 66.47
TOTAL TOLERANCE 40
" CAPABLE "
Figura 8-62. Grfica de probabilidad del movimiento de flecha de los procesos M, N O, P, con las relaciones de la
lnea de ajuste con los puntos y lmites de especificacin (Problema 5-3).
Figura 8-63. Hoja de clculo del reverso del formato de la Figura 8 - 22, con los clculos para lmites de particulares,
el ndice y la relacin de capacidad (Problema 5-3).

SUB GROUPS
INCLUDED 20 = 68.26
R 236 = 1.290 x 11.8 = 15.22

R 11 .8 _____ ............
k 20
3R
UL X R
X 1365.2 d7
X 68.26 . _____ .......... = 83.48
k 20 3
OR LLi X R
AX = .577 x 11.8 .ORSTO
= 6.81
d7
2
( MIDSPEC .)x = _______ = 53.04
UCLr = - A2 = 75.07 = US = 80
UCLr = - A2 = 61.45 = US = 40
UCLr = D4 =2.114 x 11.8 =24.95 x = US LS = 40
d
LIMITS

3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
USL X X LSL
C PK OR
3 3
80 68.26 " NOT CAPABLE "

.77
15.22 LESS THAN ONE
68.26 40
1.86
15.22
6
CR x100%
TOTAL TOLERANCE
30.44
76.7% " CAPABLE IF PROCESS AVERAGE IS ADJUST
40
Los datos de los procesos M, N, O, P, se analizan en las Figuras 8-62 y 8-63. La grfica de
promedio y rango de la Figura 8-22 muestra todos puntos dentro de los lmites de control. La
grfica de probabilidad indica una dispersin calculada del proceso (6s) de 30, un valor
inferior de 53 y uno superior de 83. La lnea de ajuste cruza el borde superior de la grfica en
la lnea del 75% mayor, por lo cual es posible calcular un .75% de los productos del proceso
por encima del lmite superior.
La Figura 8-63 indica un lmite superior de 83.48, uno inferior de 53.04, y una dispersin calculada
de proceso de 30.44. Estos valores concuerdan con la Figura 8-62.
El ndice de capacidad (CPK) es .77 y la relacin de capacidad (RC) es 76.1 %. Este proceso "no es
capaz como trabaja actualmente", pero puede serlo "si se ajusta al centro de la especificacin".
Los datos para el grupo A, E, I, M, son una mezcla de datos de los cuatro procesos. Un estudio
de capacidad con estos datos carecera de sentido y de confiabilidad, porque la grfica de
promedio y rango de la Figura 8-24 tiene demasiados puntos fuera da control y los datos no son
tiles para calcular capacidades.
Resumiendo, el promedio estimado del proceso, con base en la grfica de probabilidad, es el valor
en el que la lnea de ajuste cruza la lnea de "50% mayor".
Los promedios de los procesos obtenidos basados en las grficas de probabilidad, se aproximan
mucho a los valores calculados para los promedios de los procesos, con base en las grficas de
promedios, rangos y en los histogramas. Los clculos con base en las grficas de promedio y
rango son mucho ms precisos cuando los puntos en la grfica de probabilidad se ajustan como
recta a la lnea de ajuste. Cuando los puntos de dicha grfica no se ajustan a la lnea de ajuste,
se debe dar preferencia a la grfica de probabilidad y al histograma al calcular el promedio del
proceso.
Problema 5-4.
Los datos del Problema 2-4 (relacin seal/ruido) se utilizaron para el anlisis de capacidad de
proceso en este problema.
Se desarroll una grfica de promedio y rango a partir de esta informacin (Ver Figura 8-64).
La hoja de clculo para esta grfica se muestra en la Figura 8-65. Como se observa en la Figura
8-64, el promedio de subgrupo para la muestra 19 qued fuera del lmite superior de control. Se
descart dicho punto y se recalcularon los lmites de control. Los puntos restantes quedaron dentro
de los lmites de control.
Con esta informacin se desarroll una grfica de probabilidad (Ver Figura 8-66). Los puntos
de trazo se ajustan perfectamente, por lo cual los clculos de lmites de particulares y de la
dispersin del proceso son vlidos. Estos se indican en la Figura 8-65.
Este producto slo tiene especificacin mnima (15 db). El lmite inferior para particulares se
calcul en 17.68, lo cual indica, que el proceso es capaz de producir todas las partes con ms de
15 decibeles en la relacin seal/ruido.
El promedio estimado del proceso se acerca mucho a la mediana de medianas del Problema 3-
4 (25.87 vs 26).
Figura 8-64. Grfica de promedio y rango para datos de relacin seal / ruido, mostrando un punto fuera de control
en la muestra N 19 (Problema 5-4).

SUB GROUPS
INCLUDED 28 = 25.81
R 156 146 = 1.290 x 6.35 = 8.19

R 6 .5 6.35
k 24 23
X 625 595 3R
X 26.34 25.87 UL X R
k 24 23 d7 = 34.04
OR
3
X ( MIDSPEC .ORSTO.) LLi X R
A2 = .577 x 6.5 = 3.75 .577 x 6.35 =3.66
d7 = 17.68
UCLr = - A2 = 29.79 =29.53 US = NOMO
UCLr = - A2 = 22.29 =22.21 US = 15
UCLr = D4 =2.114 x 6.5 =13.76 2.114 x 6.35 =13.42 US LS =
d
LIMITS

3 1.023 2.574 1.693 1.772 0.749
US = LS =
AM R= x =_________ AM = _________
4 0.729 2.282 2.059 1.457 0.728
6 0.483 2.004 2.534 1.184 0.701
NOTES
USL X
C PK
3
25.87 15

8.19
1.33
THE PROCESS IS CAPABLE.
THE SPECIFICATION IS 54 B MINIMUM WITH NO MAXIMUM

REQUIREMENT THE CPK IS CALCULATED USING ONLY THE
LOWER SPECIFICATION LIMIT (LSL)
Figura 8-66. Grfica de probabilidad de relacin seal / ruido con la relacin de la lnea de ajuste con los puntos y el
lmite de especificacin (Problema 5-4).
El promedio del proceso tambin puede estimarse con un histograma de frecuencia. Al examinar
la Figura 6-9 se observa que el promedio del proceso es aproximadamente 26, pero el
histograma no es tan preciso como la grfica de promedio y rango para estos clculos. El
ndice de capacidad (C^) del proceso es 1.33. Por lo tanto, es capaz. Cuando slo se establece
el lmite inferior, el ndice de capacidad se encuentra utilizando nicamente el clculo para el lmite
inferior de especificacin (ver Figura 8-65). Cuando se especifica nicamente el lmite mximo se
utiliza el clculo del lmite superior de especificacin.
MODULO 6: HERRAMIENTAS PARA SOLUCIONAR PROBLEMAS DE CALIDAD
Problema 6-1a.
Cada vez que se participa en una tormenta de ideas, se deben verificar varias cosas. Se
revisaron las reglas para la tormenta, tales como no hacer evaluaciones antes del fin de la
sesin? Haba quien registrara las ideas? Se anotaban todas stas? Participaron todos? Hay
que recordar que la tormenta de ideas no slo genera las posibles causas de un problema,
sino que ayuda a formar a la gente. El problema ms serio es cuando se reprime a alguien del
grupo. Sucedi esto en el grupo? Se corrigi?
Las Tablas 8-1, 8-2, y 8-3, son listas de ideas para tormentas acerca de proyectos divertidos. Se
pueden ver los agregados en la Tabla 8-1. Usos para libros viejos; "papel tapiz" se agrega a
la idea "papel para envoltura". En la Tabla 8-2. Usos para una gran bufanda roja, encontramos
otros ejemplos de agregados tales como "honda", "vendaje", y "torniquete". Se observan
otros ejemplos? Cuntas ideas expres el grupo?
TABLA 8-1
Tormenta de Ideas: Usos para Libros Viejos. (Problema 6-1a).
USOS PARA LIBROS VIEJOS
papel para envoltura (artesana) tope de retencin para tiro al blanco

papel tapiz forro de pajarera
fuente de combustible Baratijas
lugar para esconder una llave aumento de silla
puntales (para construccin) Regalo
Recitar donar a bibliotecas pblicas
venta de garage nivelar una pata de la mesa.
ponerlos en un contenedor como relleno de tierra
donar al Cuerpo de Paz Vestimenta
aviones de papel comida para cucarachas
TABLA 8-2
Tormenta de Ideas: Usos para una bufanda larga y roja. (Problema 6-1 a.)
USOS PARA UNA BUFANDA LARGA Y ROJA

muleta para torear Corbata
bandera de castigo para deportes chal
trapo de limpiar paal
bandera de socorro agarradera para olla
bufanda base para baseball
manta para nios filtro
Mantel Sombrilla
toalla de bao Cabestrillo
para limpiar zapatos Dosel
pintarla de verde y blanco y usara como bandera combustible (como lea)
Vendas Parche
Torniquete tiro al blanco para pistola o flechas
borrador para pizarrn Mordaza
paracadas para gato cortina para ventana
apagar un fuego
Problema 6-1 b.
La lista de la tormenta de ideas para el problema de solucin por parte del personal del piso
depender del producto que tenga en mente el grupo en la seccin. Cuando los autores
realizamos nuestra tormenta (ver Tabla 8-4), pensbamos en un artculo pequeo que llega a los
empacadores en una banda transportadora. Los empacadores lo colocan manualmente en una caja
junto con las instrucciones y los materiales de empaque. No se sigui ningn orden al anotar las
ideas que se enlistan tal como se escribieron originalmente.
TABLA 3-3
Tormenta de Ideas: Usos para llantas viejas. (Problema 6-1a.)
USOS PARA LLANTAS VIEJAS
reciclar - materia prima carrera de obstculos

columpio cerrar y hacer tapetes
sandalias topes para coches
plantar equipo para patio de juegos
control de erosin casa para perro
amortiguador de embarcadero 'imite de jardn
ejercicio (equipo de ftbol) sied in winte
blanco para lanzar pelotas hula-huia
aislante siiia
carrera de llantas zapatos y botas
re vitalizar boyas, aparatos flotantes
balsa como suelo
protector en pistas de carreras construccin de torres
TABLA 8-4
Tormenta de Ideas: Manchas de suciedad y de grasa
MANCHAS DE SUCIEDAD Y DE GRASA

empacadores con manos sumas grasa en la mesa de empaque
maquina con fuga de aceite mugre en la banda transportadora
material de empaque sucio guantes sucios
el producto se ensucia de grasa en la banda sellador de la caja con fuga de aceite
transportadora el producto ya estaba sucio cuando lleg a los empacadores
los ventiladores vuelan polvo de papel inspectores lo ensucian
el producto se golpea con rozamientos grasosos las instrucciones se caen al piso y se ensucian
el producto no se limpia antes del empaque el producto cae al piso y se ensucia
usamos implementos mugrosos de otras personas migajas porque los empacadores comen en la mesa de empaque
suciedad en la mesa de empaque
Figura 8-67. Diagrama C y E para grietas y rasgaduras en el trim holding (Problema 6-2)
Problema 6-2.
La Figura 8-67 es un diagrama de causa y afecto para grietas y desgarres en la moldura

Cmo se compara contra el desarrollo por el lector?
Este diagrama tiene cuatro espinas principales: material, mtodo, mquina y operario. El
diagrama debe incluir por lo menos estos cuatro.
Hay que tener en mente dos aspectos al estudiar este diagrama C y E. Primero, notar que la
espina de "operario" no contiene ideas. De alguna manera el grupo omiti esta parte. Se debe
realizar otra sesin -un segundo paso- para llenar este espacio. Si el grupo es nuevo y
todava no confa en el proceso para solucin de problemas, es posible dejar pendiente al
"operario" mientras se trabaja en los dems aspectos del problema. Despus, cuando el
grupo haya ganado confianza, regresar y examinar al "operario".
Segundo, el diagrama de causa y efecto es un diagrama de trabajo para que un grupo lo use
mientras intenta relacionar entre s las diversas ideas. Hay suficiente espacio para comentarios
acerca de cmo organizar exactamente las ideas. Algunas ideas se ajustarn bien en ms de
una espina. "Bsculas", por ejemplo, aparece tanto en "mquina" como en "mtodo". Si se
calentara la mezcla de la moldura en el molde, "variacin de precalentado" ira en la espina de
"molde". El grupo como conjunto debe tener la ltima palabra para desarrollar el diagrama.
"Medio ambiente" es la otra rea principal que la tormenta de ideas pudo haber tomado en
cuenta para este problema. Otros problemas podran requerir espinas adicionales a las cinco
principales.
Problema 6-3a.
En este problema, la razn de hacer un diagrama de Pareto de los tres turnos es conocer si la
supervisin desigual contribuye al gran nmero de mangueras defectuosas, o si el problema tiene
otras causas. Existen dos maneras de desarrollar el diagrama. Por un lado, se pueden combinar
todos los tipos de defectos en cada turno y preparar un diagrama Pareto de los tres turnos, o
bien preparar tres diagramas, uno para cada turno, y organizar cada diagrama por tipos de
defectos. Qu se har? Eso depender de lo que se encuentre al examinar los datos; en este
caso, el reporte de inspeccin.
Lo primero que se debe buscar en el reporte de inspeccin es si cada turno tiene el mismo ndice
de defectos. Contar los defectos en cada turno. Despus, calcular el total inspeccionado para cada
turno (Ver Tabla 8-5). Ntese que el tercer turno se enlista primero, porque es el que tiene ms
defectos.
Ahora se determina el porcentaje de defectos para cada turno. El diagrama Pareto debe lucir
como el de la Figura 8-63.
TABLA 8-5.
Hoja de trabajo para el diagrama de Pareto por turnos. Figura 8-68. (Problema 6-3a).
FRECUENCIA PORCENTAJE NUMERO PORCENTAJE

TURNO FRECUENCIA
ACUMULADA CUMULADO INSPECCIONADO DE DEFECTOS
Tercero 505(1) 505 33.5 4986 (2) 10.13 (3)

Primero 504 1009 66.9 5012 10.06
Segundo 500 1509 100.0 4995 10.01
Clculos
(1) 26 + 44 + 70 + 347 + 5+13 = 505
(2) 505 + 4481 = 4986
(3) (505 / 4986) x 100%= 10.13%
Figura 8-68. Diagrama de Pareto por turnos
Al interpretar el diagrama Pareto de la Figura 8-68, se observar que los tres turnos tienen ms
o menos el mismo porcentaje de defectos. Con base en este diagrama, no se ha encontrado
evidencia de que la inspeccin desigual haya contribuido al problema.
Existe algo, sin embargo, para comparar entre los tres turnos. Estos tienen la misma tasa de
defectos. Supngase que al examinar el reporte de inspeccin, se encontr que el primer
turno produjo un lote de mangueras demasiado cortas, el segundo fabric un gran nmero de
mangueras con fuga y el tercero produjo muchas mangueras daadas y sin roscado. En este
caso, se debe hacer un diagrama de Pareto por defectos, uno para cada turno.
Figura 8-69. Diagrama de Pareto por defectos
TABLA 8-6
Hoja de trabajo para diagrama de Pareto por defectos. Figura 8-69.

(Problema 6-3b.)
PORCENTAJE
DEFECTOS: FRECUENCIA FRECUENCIA ACUMULADA
ACUMULADO
Fugas 998 998 66.1
Omisin de rosca 209 1207 80.0
Muy largas 132 1339 88.7
Muy cortas 91 1430 94.8
Daadas 24 1454 96.4
Otros 55 1509 100.0
El reporte de inspeccin para este problema muestra el mismo patrn de defectos para los tres
turnos. No se trazaron diagramas separados para cada turno porque es obvio que el patrn es el
mismo. Puesto que las cantidades y tipos de defectos son comunes a los tres turnos y los
porcentajes son similares, la supervisin desigual no es la causa de los defectos.
Problema 6-3b.
En el Problema 6 - 3 se demostr que el patrn y el porcentaje de defectos son iguales

para los tres turnos. Por lo tanto, al desarrollar el diagrama de Pareto se pueden combinar los
datos de los tipos de defectos por turnos. La Figura 8-69 muestra el diagrama de Pareto para
defectos en el ensamble de mangueras. El defecto ms frecuente es la filtracin o fuga, el cual
representa casi dos terceras partes de todos los defectos (ver Tabla 8-6).
Al usar este diagrama, se cuenta con una base firme para recomendar a la gerencia que se
concentre en resolver el problema de fugas para reducir los defectos.
Es mejor si se realizan diagramas de Pareto de defectos por turno. Con estos diagramas se
demostrar a la gerencia que las fugas representan el problema ms serio en los tres turnos.
GLOSARIO
DE TRMINOS
A2Factor especial para calcular los lmites de control en las grficas de promedio y rango.
A2Factor especial para calcular los lmites de control para medianas en una grfica de medianas y
rangos. A2 no es igual a A2, que se usa para las grficas de promedio y rango.
Agregar accin deEs una actividad en el proceso de tormenta de ideas en la cual se aade algo a la
idea de otra persona. Puede usarse como tcnica para estimular la tormenta de ideas.
Asignables, causas o causas especialesSon

Las causas respecto a las cuales el operario puede hacer algo; son detectables porque no siempre
estn activas en el proceso. Las causas asignables son evidentes porque tienen mayor influencia en
el proceso que las causas aleatorias.
Atributo, grfica deTipo de grfica en la que las caractersticas no se miden con nmeros, sino
como aceptables o no aceptables, buenas o malas. La grfica p es un ejemplo de una grfica de
atributos.
Atributo o conteo de datosDatos provenientes de caractersticas que no pueden medirse, pero

que pueden contarse.
AtributosCaractersticas que no pueden medirse. Pueden estar o no presentes.
Bajo controlUna condicin en la cual los puntos trazados en una grfica de control varan, pero
permanecen dentro de los lmites de control. Cuando un proceso est bajo control, parece estar activa
ninguna causa asignable.
c (promedio de defectos en el proceso) Equivale al total de defectos dividido entre las unidades
inspeccionadas, c es el promedio de defectos para el proceso.
Capacidad, ndice de (Cp y Cpk)Nmero que expresa la capacidad de un proceso o de una mquina
(Ver "capacidad de mquina" y "capacidad de proceso"). Para encontrar este ndice, se compara la
dispersin del proceso contra la amplitud de la especificacin y se expresa en trminos de desviacin
estndar. El ndice Cp no toma en cuenta el punto donde se centra el proceso respecto a la tolerancia
de la parte.
Capacidad de mquinaEs la aptitud a corto plazo de una mquina para fabricar una parte de
acuerdo a las dimensiones especificadas. Por lo general se mide comparando la dimensin espe-
cificada con la amplitud (6) de la dimensin que la mquina produce.
Capacidad de procesoEs la aptitud a largo plazo de un proceso o mquina para fabricar una
parte con las dimensiones especificadas. Usualmente se mide comparando la amplitud de la
dimensin (6) con la dimensin especificada.
Capacidad, relacin deEs la relacin de la mquina o del process spread (6) con la especi-
ficacin o tolerancia, expresada como porcentaje.
Causa y efecto, (C y E) diagrama deSon las causas respecto a las cuales el operador no puede
hacer nada porque son inherentes al proceso. Las chance causes estn siempre activas en el proceso.
Curva de campanaVer "curva normal de distribucin".
Curva normal de distribucinEs un tipo de curva en la que las medidas tienden a agruparse en
tomo al centro. Como esta curva tiene forma de campana, a veces se le llama curva de campana.
d2Factor especial usado con el rango promedio (R) para determinar la desviacin estndar (a).
D4Factor especial para calcular el lmite superior de control para los rangos en una grfica de pro-
medio y rango.
D4Factor especial para calcular el lmite superior de control para los rangos en la grfica de medianas
y rangos. D4 no es igual a D4, que se usa en las grficas de promedio y rango.
Desviacin estndarClculo especial que describe la proximidad con que se agrupan las medidas
en torno al centro de la curva normal. Este nmero puede usarse para describir la dispersin de
proceso.
Diagrama de causa y efecto del procesoTipo de diagrama C y E que sigue al producto a travs de
algunos, o todos, los procesos de fabricacin y ensamble.
Diagrama de pescadoTambin conocido como diagrama de causa y efecto.
Dimensiones crticasSon las dimensiones de un producto que le permiten desempear las fun-
ciones, para las que fue diseado.
Direccin por deteccinEnfoque tradicional de control de calidad, que se basa principalmente en la

inspeccin y prueba para mantener el control de las operaciones de fabricacin.
Distribucin de frecuenciaPatrn formado por un conjunto de medidas de la misma clase de

unidades cuando stas se clasifican de acuerdo a las veces que se presenta cada una de ellas.
Forma normal de grfica de probabilidadClase especial de forma grfica usada para registrar la
grfica de probabilidad.
Fraccin defectuosa, grfica p deGrfica p que usa fracciones en lugar de porcentajes. Esta
grfica p muestra las partes defectuosas, comparadas contra el total en la muestra. Las fracciones se
indican por lo general en forma decimal.
Frecuencia acumulada estimada (FAE)Frecuencia acumulada de medidas en una distribucin;

se usa para determinar los puntos de trazo en una grfica de probabilidad.
Frecuencias acumuladas Frecuencias sumadas sucesivamente en un diagrama Pareto.
Fuera de controlUna condicin en la cual los puntos trazados en una grfica de control quedan
fuera de los lmites de control. Esta condicin indica la presencia de una causa asignable, alte-
rando el proceso.
Grfica cTipo de grfica de control de atributos que ayuda a monitorear el nmero, o el conteo, de
defectos parte por parte, o por unidades de inspeccin, en una operacin de produccin.
Grfica de controlTipo especial de grfica que muestra los resultados de pequeas inspecciones
peridicas, como una pelcula del proceso. Una grfica de control dice cundo corregir o ajustar un
proceso y cundo dejarlo como est.
Grfica de toma de decisiones o grfica de flujoGrfica que muestra los varios pasos en
proceso de toma de decisiones.
Grfica de particulares y rangos (X-R)Tipo de grfica de control de variables basada en me-

didas individuales en lugar de promedios o medios de muestras pequeas. Una grfica X-R es til
para monitorear la fabricacin de productos por lotes en donde las mediciones del proceso siguen la
forma de la curva (normal).
Grfica de medianas y rangos (X-R)Tipo de grfica de control de variables que usa las medianas
y los rangos para determinar si un proceso necesita corregirse o dejarse como est. Su mejor
utilizacin est en operaciones que siguen la curva acampanada y que el operario puede ajustar con
facilidad.
Grfica de probabilidadMtodo para calcular el ajuste a la curva normal de las medidas usadas
para desarrollar la grfica de promedio y rango. Este mtodo tambin calcula la distribucin.
Grfica de variablesTipo de grfica en la que las cosas o caractersticas se trazan y miden en

nmeros. Un ejemplo es la grfica de promedio y rango (X-fi).
Grfica npGrfica de control de atributos que ayuda a monitorear el nmero de piezas defectuosas
en una operacin de produccin.
Grfica pGrfica de control de atributos que ayuda a monitorear o controlar el porcentaje o la

fraccin de piezas defectuosas en una operacin de produccin.
Histograma de frecuencia o histograma"Instantnea" de un proceso en forma de grfica de

bloque o de barras, que muestra la dispersin de las medidas en un grupo de partes, y la frecuencia de
cada medida.
Intervalo o intervalo de claseDivisin en un histograma de frecuencia marcado por los lmites, y.

todas las medidas posibles que quedan dentro de esos lmites.
LmitesLnea entre un intervalo y el siguiente en el histograma de frecuencia.
Lmites de controlLmites en una grfica de control dentro de los cuales los puntos trazados
pueden variar sin necesidad de correccin o ajuste. Los lmites de control se buscan en el rendi-
miento anterior y muestran lo que se puede esperar de un proceso mientras nada cambie.
Lmite inferior de control (L1C)Lmite menor, encima del cual los puntos de la grfica de control
pueden variar sin necesidad de correccin o ajuste.
Lmite inferior de control para promedios (LIC,) Lmite menor de una grfica de control de
promedios, encima del cual los puntos trazados pueden variar sin necesidad de correccin o ajuste.
Lmite inferior de control para particulares (Ll,)La pieza calculada como la menor a ser
producida por una operacin. Este lmite no debe confundirse con el lmite inferior de control para
promedios (Llx).
Lmite inferior de especificacin (LIE)La pieza aceptable ms pequea, producida por una
operacin o un proceso.
Lnea de ajusteLnea recta dibujada en una grfica de probabilidad, lo ms cercana posible a los
puntos de datos.
Lmite superior de control (LSC)Lmite mayor, debajo del cual los puntos de grfica de control
pueden variar sin necesidad de ajuste o correccin.
Lmite superior de control para promedios (LSCX)Lmite superior en una grfica de control,
debajo del cual los puntos de trazo pueden variar sin necesidad de correccin.
Lmite superior de control para particulares (LSx)Es la pieza ms grande que producir la
operacin. No debe confundirse con el lmite superior de control para promedios (LSCX).
Lmite superior de especificacin (LSE) Es la parte ms grande aceptable producida por un

proceso o una operacin.
Media ( )Es otro trmino para referirse al promedio.
MedianaEs la parte media de un grupo de medidas, contando desde la ms pequea hasta la ms

grande.
Mediana de Medianas ( )La mediana de un grupo de medianas, contando del ms bajo al ms

alto; utilizado para calcular los lmites de control para las medianas.
Mediana de rangos ( )Es la mediana de un grupo de rangos en una grfica de control de

mediana y rangos ( -R), contando del ms bajo al ms alto; usado para calcular los lmites de
control para medianas y rangos.
MuestraVarias, aunque no todas, de las mediciones posibles en un grupo de artculos de un solo

tipo.
np (promedio de piezas defectuosas en el proceso)Nmero de partes defectuosas en las

muestras dividido entre el nmero de las muestras tomadas.
Operaciones criticasSon aquellas operaciones que crean dimensiones crticas.
p (porcentaje defectuoso promedio en un proceso) En una grfica de porcentaje de piezas

defectuosas, equivale al nmero de partes defectuosas dividido entre el total inspeccionado, multi-
plicado por 100%. p se expresa como porcentaje.
p (fraccin o proporcin promedio defectuosa en un proceso) En una grfica de fraccin

defectuosa, es el nmero total de piezas defectuosas dividido entre el total inspeccionado, p se
expresa como una fraccin decimal o una proporcin.
Pareto, anlisis Ayuda a establecer prioridades para resolver problemas, ordenando los pocos
realmente importantes de los dems numerosos, pero de menor importancia. El anlisis Pareto es
til para manejar problemas crnicos.
Pareto. diagrama deTipo especial de grfica de barras que registra el problema ms frecuente
como la primera barra, el siguiente en frecuencia en la segunda, y as sucesivamente. El diagrama
de Prelo es como la fotografa, o la parte grfica del anlisis de Pareto.
Dispersin del procesoEs la amplitud de la curva formada por la distribucin de frecuencia. Al

compararse contra las especificaciones, la dispersin del proceso dice si el proceso cumple con la
especificacin. Tambin se representa como 6.
Porcentaje de defectos, grfica pTipo especial de grfica de control de atributos. Esta grfica
muestra el porcentaje de las unidades defectuosas o que no cumplen las especificaciones.
Porcentajes acumuladosFrecuencias acumuladas en un diagrama de Pareto, convertidas a

porcentajes.
Problema con resolucin en el pisoProblema debido a la presencia de una causa asignable. Por lo
general, el operario de produccin puede encontrar dicha causa asignable y corregirla.
Problema con solucin por la gerenciaProblema en el cual debido a causas aleatorias, o el

sistema. Para corregirlo, se requieren cambios bsicos en el proceso. La gerencia debe encontrar la
solucin.
Problema crnicoTipo de problema que sucede una y otra vez. Problema espordicoTipo de
problema que se presenta ocasionalmente.
Promedio estimado del proceso1) Valor en el punto en que la lnea de ajuste cruza la marca de
50% en la grfica de probabilidad; 2) El valor X en la grfica de promedio y rango.
Proceso estableSituacin en la que las variaciones del producto se deben solamente a causas
aleatorias. El producto vara de manera predecible.
Promedio (X) Es el resultado de dividir el total, o la suma de un grupo de mediciones, entre el

nmero de cosas medidas. Promedio es otro trmino para "medida".
Promedio general ( )Valor medio, o promedio, del conjunto de promedios de una grfica de pro-
medio y rango; se usa para calcular los lmites de control para promedios en la grfica de promedio y
rango.
Promedio y rango, grficaGrfica de variables ms usada, llamada tambin grfica - R ("X tes-
tada R").
Proporcin defectuosa, grafa p deVer "grfica p de fraccin defectuosa".
Punto medioPunto en un intervalo que representa la misma distancia entre ambos lmites de un
intervalo. El punto medio se encuentra dividiendo la amplitud del intervalo entre dos y sumando este
valor al lmite inferior.
Puntos de trazoPuntos en una grfica de probabilidad que se obtienen de la distribucin de

frecuencia de las medidas.
RSmbolo para rango.
Smbolo para el rango promedio.
(Raz cuadrada)Smbolo para la raz cuadrada, un clculo especial en matemticas.
RangoLa diferencia entre la medida ms pequea y la ms grande de un grupo.
Sigma ()Smbolo de la desviacin estndar.
Sistema de control de proveedoresEs una forma efectiva de monitorear la calidad de los

materiales comprados; utilizando el sistema de asignacin crtica.
Sistema de control interno del procesoSistema que usa las tcnicas prcticas del control es-
tadstico de la calidad para medir, monitorear, evaluar y detener los problemas en el rea de
produccin.
Sistema de asignacin crticaSistema que determina las dimensiones o caractersticas ms im-

portantes de un producto. Este identifica las dimensiones que requieren utilizar tcnicas de control
estadstico durante la fabricacin de un producto.
Sistema continuo de aseguramiento de la calidadSistema que utiliza herramientas estadsticas

para determinar si el trabajo se desarrolla o no satisfactoriamente y si se fabrican partes que cumplen
con las especificaciones de una manera consistente.
Tormenta de ideas Es un mtodo de resolver problemas en grupo, produciendo muchas ideas en

poco tiempo.
Distribucin principal de frecuencia Patrn creado al tomar la mayor cantidad posible de

artculos iguales en un grupo y clasificarlos en un histograma de frecuencia. Este patrn ser siempre
igual porque incluye a todos los artculos.
Unidad de inspeccin Puede consistir en una parte, como por ejemplo un lote de hule, o un
grupo de partes, como una transmisin o el sistema elctrico de un automvil.
Variables, datos de Son los datos que provienen de cosas que pueden medirse. Las mediciones
variarn de una pieza a otra.
Variacin inherente Es la variacin natural en un proceso, debida a causas aleatorias.
Smbolo para promedios en la grfica de promedio y rango. Se lee "X testada".
Smbolo para el promedio de promedios de las mediciones en una grfica de promedio y

rango. Tambin se le llama "promedio general".
-R, grficaTipo de grfica de control de variables que utiliza promedios y rangos para mostrar si
se debe ajustar el proceso o dejarse como esta.
Lecturas Recomendadas
1. Biondi, Angelo M. ed. The Creative Process. D. O. K. Publishers, Inc; (Buffalo, NY) 1972.
2. Charbonneau, Harvey C, y Webster, Gordon L Industrial Quality Control. Prentice Hall, 1978.
3. Feigenbaum, A. V. Total Quality Control. Mc-

GrawHill BookCompany, 1961.
4. Grant, Eugene L y Leavenworth, Richard S. S

tatisticai Quality Control. McGraw-Hill Book Company, 5a. edicin, 1980.
5. Hayes, Gien E., y Roming, Harry G. Modermn Quality Control. Bruce, 1977.Ishikawa, Kaoru.
6. Guide to Quality Control. Qua lity Resources, 1984.
7. Ishikawua, Kaoru. Whatis Total Quality Control? The Japanese Way. (Traducido por Lu, David J.)
P-entice Hall, 1985.
8. Juran, J. M. y Gryna, Frank M. Quality Planning and Analysis. McGraw-Hill Book company, 1980.
9. Kaufman, Roger. Identifying and Solving Pro- blems: a System Approach. Universiy Associates,
Inc. (LaJolla, CA) 1,976.
10. Ott, Eiiis R. Process Quality Control. McGraw- Hill Book Company, 1975.
11. Shewhart, Walter A. Economic Control of Qua lity of a Manufactured Product D. Van Nostrand
Company, Inc. Publicado originalmente en 1931. Publicado nuevamente en 1980 por la American
Society for Quality Control. Este es el libro original de control de calida
Apndice de factores
y frmulas
Este apndice contiene los factores y formulas para calcular los muestra, n Factores para particulares D4
lmites de control de todas las grficas de este libro. 1 2.66 3.268
Lmite superior de control para particulares (X):
Factores y frmulas para las grficas de promedio y LSC.X = + (2.66 . )
rango: Lmite inferior de control para particulares (X):
LICX = - (2.66 . )
Tamao de la muestra A2 D4
2 1.880 3.268 Lmite superior de control para rangos (R):
3 1.023 2.574 LSCR = D4 .
4 0.729 2.282
5 0.577 2.114 Lmite inferior de control para rangos: cero.
6 0.483 2.004
Frmulas para las grficas p:
Lmite superior de control para promedios ( ): Lmite superior de control para p (porcentaje defectuoso):
LSCX = + (A2 ) LSCP = +3 p x (100% p )

Lmite inferior de control para promedios ( ): n
Lmite inferior de control para p (porcentaje defectuoso): LSCP
LICX = - (A2 )
Lmite superior de control para rangos (R):
= +3 p x (100% p )
LSCx = D4 R n
Lmite inferior de control para rangos: es cero para las Lmite superior de control para p (fraccin defectuosa):
muestras menores o iguales a seis. LICp = - 3 p x (1 p )
n
Factores y frmulas para las grficas de medianas y Lmite inferior de control para p (fraccin de piezas
rangos: defectuosas):
Tamao de la muestra LiCp = -3 p x (1 p )
2 2.22 3.87
3 1.26 2.75
n
4 0.83 2.38
Frmulas para la grfica np:
5 0.71 2.18 Lmite superior de control para np (piezas defectuosas):
LSCnp n p 3 n p x (1 n p.n)
Lmite superior de control para medios (X):
LSCX = +( . ) Lmite inferior de control para np (nmero de piezas defectuosas):
Lmite inferior de control para medios ( ):
LSC np n p 3 n p x (1 n p.n)
LICx = X - (A2 . R)
Lmite superior de control para rangos (R):
LSC = .
Frmulas para grfica c:
Lmite inferior de control para rangos: es cero para las
Lmite superior de control para c (cortes de defectos)
muestras menores o iguales a seis.
LCSC = +3
Factores y frmulas para las grficas de parti culares y

rangos: Lmite inferior de control para c (conteo de defectos)
Tamao de la LICC = - 3
Frmula para la relacin de capacidad:
Factores y frmulas para realizar estimados de capacidad:
Tamao de muestra d2 RC = 6 / parte tolerancia x 100%.
2 1.128
3 1.593
4 2.059
5 2.326
6 2.534
Lmite superior de control para particulares
LSX = X + 3 R / d2
Lmite inferior de control para particulares:-
LlX = - 3 R / d2
Frmula para dispersin del proceso (capacidad de mquina): 6 =

6R / d2
Frmula para ndice de capacidad:
Cp = parte tolerancia / 6.
Cpk = menor que el (LSC - )/ 3 o ( - LlC) / 3
NDICE
A2 Ver factores para grficas de medios y rangos de campana curva. Ver Curva de distribucin normal.
Acumulada, frecuencia, -
Acumulada, porcentaje, -
agregar accin de,
Atributo, datos de,
Atributo, grficas de
definicin, 10
lmites de control para
tipos
grfica c,
grfica np,
grfica p.
usos de
Atributos,
C y E, grfica. Ver Diagramas de causa y efecto. Calculo del promedio del proceso,
Calidad sistema constante de aseguramiento de la,
Capacidad del proceso,
ndice de capacidad,
relacin de capacidad,
diferencia con la capacidad de la mquina,
cmo realizarlo,
uso de la grfica de promedio y rango en,
use de la grfica de probabilidad en
Capacidad, ndice de (CP y CPK),

y capacidad de mquina
y capacidad del proceso
cmo calcular,
Capacidad, relacin de (RC),
Causa y efecto, diagramas,
Ver tambin Diagrama de pescado,
cmo desarrollarla,
ttulos principales,
proceso de desarrollo,
tipos
de Pescado,
proceso,
usos de.
Causas aleatorias,
causas especiales,
causas del sistema,
Causas asignables,
Causas de variacin.
Causas asignables. Ver Causas asignables
Causas del sistema. Ver Causas aleatorias
Causas especiales. Ver Causas asignables
Codificadas, medidas,
Cp Ver Capacidad, ndice.
Cpk Ver Capacidad, ndice,
c (promedio del conteo de defectos para el proceso).
como encontrarlo,
Critica, sistema de designacin,
Crticas, dimensiones,
Crticas, operaciones,
Curva normal de distribucin,
d2, factor para determinar la desviacin estndar,
D4 Ver Factores para grficas de medianas y rangos.
Datos de conteo. Ver Atributos, datos.
Desviacin estndar,
Ver tambin Sigma ().
Diagrama de Pareto,
cmo hacerlo.
cmo interpretarlo,
Diagrama de causa y efecto del proceso,
Diagrama de pescado,
Ver tambin Causa y Efecto, diagramas,
definicin.
Direccin por deteccin,
Dispersin del proceso,
definicin,
con la grfica de promedio y rango,
con la grfica de probabilidad,
Distribucin de frecuencia.
definicin,
y variacin,
el histograma como una fotografa de,
interpretacin,
usos de,
Distribucin principal de frecuencia,
Elementos,
Empleado, implicacin del,
Especificaciones.
diferentes de los limites de control,
relacin con el ndice de capacidad,
relacin con la relacin de capacidad,
usos de
en estudios de capacidad de mquina,
con histogramas de frecuencia,
con grficas de probabilidad,
Estudio de capacidad de mquina
ndice de capacidad.
relacin de capacidad,
diferencia entre la capacidad del proceso,
cmo hacerlo,
propsito,
uso de la grfica de promedio y rango en.
uso de la grfica de probabilidad en,
FAE. Ver Frecuencia acumulada estimada.
Factores,
para grficas de promedio y rango,
para determinar la desviacin estndar,
para grficas de individuales y rangos,
Fraccin o proporcin defectuosa,

grfica p,
difiere de la grfica p de porcentaje defectuoso
cmo hacer los clculos.
cmo calcular los limites de control,
Frecuencia acumulada estimada (FAE),
Fuentes de causas asignables,
Fuera de control.
otros patrones de,
Grfica c.
limites de control,
cmo establecerla.
cmo interpretarla,
pruebas de control,
usos de,
Grfica de medios y rangos, (X-R),
lmites de control,
factores para,
cmo establecerla,
interpretacin,
uso de,
Grfica de particulares y rangos (X-R),
lmites de control,
factores para,
cmo establecerla,
interpretacin,
pruebas para estar bajo control,
uso de,
precauciones, 78
Grfica de probabilidad,
Grfica de variables,
definicin.
lmites de control,
factores para,
tipos,
promedio y rango,
individuales y rangos,
medios y rangos,
usos de,
Grfica np.
lmites de control,
cmo desarrollarla,
interpretacin,
usos de,
Grfica p
limites de control,
cmo desarrollarla,
interpretacin,
usos de,
Grfica p de porcentaje de defectuoso
Ver tambin grfica p,
difiere de la grfica p de fraccin o proporcin defectuosa,
Grfica toma de decisiones o de flujo,

para promedios,
para rangos,
para trabajar con p's,
Grficas de control, definicin,
lmites de control,
factores para,
patrones de,
tipos,
promedio y rango,
grfica c,
particulares y rangos,
medianas y rangos,
grfica np,
grfica p,
usos de,
Histograma de frecuencia,
definicin,
y variacin,
precauciones,
cmo desarrollarlo,
interpretacin,
relacin con la distribucin principal de frecuencia,
usos de
en estudios de capacidad de mquina,
en situaciones de produccin,
para estimar la capacidad,
intervalos o intervalos de clase para histogramas

cmo determinar la anchura,
problemas que deben evitarse,
la regla del pulgar para determinar el nmero. 20
Intervalos para diagramas de Pareto,
LIX Ver Limite inferior para particulares,

LSE Ver Limite superior de especificacin.
LSX Ver Lmite superior para particulares
Limite inferior de control. Ver Lmites de control.
Limite inferior de especificacin (LIE),
Limite inferior para particulares LIX
Limite superior de control-particulares (LSX),
Limite superior de especificacin (LSE),
Lmites de control, definicin,
clculos para,
promedio y rango.
grfica c,
individuales y rango.
medios y rangos,
grfica np.
grfica p,
factores para,
puntos fuera de lmites.
Limites para los histogramas,
Limites superiores de control. Ver Lmites de control. Lnea de ajuste,
Media, cmo calcularla?

Media. Ver Promedio.
Mediana de medianas, (X) cmo calcularla?
Mediana de rangos, el (R), cmo calcularla?
Mtodo prctico para determinar intervalos de histogramas,
Muestras, cmo tomarlas?
Normal, curva de campana

Ver Curva normal de distribucin,
np (promedio de piezas defectuosas, cmo encontrarlo?
Pareto, anlisis,
Diferencias entre el anlisis y el diagrama de Pareto
p (porcentaje promedio de piezas defectuosas
Cmo encontrarlo?
Problema crnico,
Problema que debe tener solucin gerencial,
Problema con solucin basado en la realidad,
Problema espordico.
Proceso estable,
Promedio
Definicin,
Cmo calcular el,fuera de los lmites de control,
Uso de:
Promedio de promedios de la muestra (X).

Ver Promedio general.
Promedio general (X),
Cmo calcularlo,
Promedio y rango, grfica
y capacidad de mquina,
y capacidad del proceso,
lmites de control, factores para,
cmo establecerla,
cmo interpretar,
pruebas para estar bajo control,
usos de,
Promedio, rango (R).

cmo calcular,
uso de.
Puntos de trazo (de grfica),
Raz cuadrada,
Rango
cmo calcularlo,
fuera de los lmites de control,
para la grfica de promedio y rango,
para la grfica de medianas y rangos.
para la grfica de particulares,
usos de,
RC Ver Capacidad, relacin de.
Seis principios del control estadstico del proceso, los,

Sigma (), 8, 1301
Ver tambin Desviacin estndar.
Sistema de control de calidad,
elementos del.
Sistema de control de proveedores,
Sistema de control interno del proceso,
Solucin de problemas.
los empleados y la solucin de problemas,
herramientas para.
Tcnicas de control de calidad,

uso de gerencial de las,
Tipos de causas asignables.
Toma de decisiones y solucin de problemas,
Tormenta de ideas.
lo que se necesita,
cmo funciona.
tcnicas de estmulo,
accin de agregar,
complementar.
dificultades,
Unidad de inspeccin,
Vanguardia, gerencia de,
Vanguardia, gerente de,
Variable, datos de,
Variacin,
definicin,
causas,
cmo representarla.
en estudios de capacidad,
patrones de.
fuentes de,
Variacin inherente.
X-R. Ver Grfica de promedio y rango.

X. Ver Promedio.

Control Estadístico de Procesos Simplificados - amsdEN

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

Control Estadístico de Procesos Simplificados - amsdEN

Hochgeladen von

Copyright:

Verfügbare Formate

CONTROL ESTADSTICO DE PROCESOS Mg. Cs.

Roque Flix Ros Barreno

Mg. Cs. Roque Flix Ros Barreno

Por Fin! Un Libro de Capacitacin en control de la calidad

CONTROL ESTADSTICO de Procesos Simplificado

Adems, esta herramienta de capacitacin nica

CONTROL ESTADSTICO de Procesos Simplificados hace entendible la metodologa del

ACERCA DE LOS AUTORES

Robert T. Amsden es actualmente profesor asociado de la Escuela de Negocios de la

Titulo original en ingles

Traduccin al espaol por:

Primera edicin en espaol: 1993

Cmo usar las grficas de promedio y rango ya establecidas

Cmo interpretar las grficas p de porcentaje de defectos

Tormenta de ideas un chaparrn

Una gerencia de vanguardia

Control de proveedores: qu est entrando por la puerta trasera?

Soluciones a los problemas prcticos

Apndice: factores y frmulas

principalmente para los operarios de produccin, para el personal de preparacin, para

El Mdulo 5 se refiere a los anlisis de capacidad. Si se quiere controlar la calidad de los

NUEVOS TRMINOS DEL MODULO

Distribucin de frecuencia Grfica de atributos

1. Que se desarrolla satisfactoriamente el trabajo.

al mencionarse la palabra estadstica, pero si se utilizan las tcnicas estadsticas para el

1. No hay dos cosas exactamente iguales.

2. Las variaciones en un producto o proceso son medibles.

Figura 1-1. Distribucin de frecuencia.

3. Las cosas varan de acuerdo con un patrn

Figura 1-3. Porcentaje aproximados o

5. Es posible determinar la forma de la curva de distribucin para las partes fabricadas

Figura 1-4. Diagrama del esqueleto del pez.

Mtodos Medio Operaciones

Figura 1-5. Deformaciones de la curva normal.

Esto nos conduce al sexto principio bsico

6. Las variaciones debido a causas asignables tienden a deformar la curva normal de

LAS HERRAMIENTAS DE LA CALIDAD

Estamos haciendo algo que no debemos hacer?

1. El histograma o distribucin de frecuencia

EL HISTOGRAMA O DISTRIBUCIN DE FRECUENCIA

Muchas familias acostumbran tomarse una fotografa

1. El proceso produce partes segn la curva

SPEC. Examinemos cada una de estas preguntas en los

1. El proceso produce partes segn la curva

un proceso estable igualarn la curva normal.

Figura 1-8. Histograma

2. En donde est el centro del proceso?

Figura 1-9. Curva normal

La distribucin de frecuencia y el histograma se usan para los siguientes propsitos:

Evaluar o revisar los procesos.

Figura 1-10. Grfica de promedio y rango

Figura 1-11. Grfica de porcentajes de 1 6

NUEVOS TRMINOS EN EL MODULO 2

Histograma de frecuencia Puntos medidos

QUE ES UNA VARIACIN?

Figura 2-1. Histograma de frecuencias:

En la figura 2-1, que es un histograma de frecuencias, el margen inferior de la grfica, llamado

COMO FORMAR UN HISTOGRAMA DE FRECUENCIAS

Paso 1. Reunir las lecturas.

Paso 3. Encontrar la lectura mayor y la menor de toda la serie

Nmero de Lecturas Nmeros de intervalos

PUNTOS MEDIOS INTERVALO LIMITES

Paso 7. Determinar las frecuencias