Beruflich Dokumente
Kultur Dokumente
2011
1. Introducción
y satisfacer, primero con las especificaciones y, en consecuencia con las expectativas de los
clientes.
El control de calidad, un área importante de la ingeniería industrial, se han
desarrollado los estudios de Repetitividad y Reproducibilidad (R&R) que mediante diferentes
procedimientos tratan de identificar si el trabajo realizado por los inspectores se realiza o no
de manera consistente y eficiente. Es decir, si el trabajo de inspección identifica las fallas del
proceso de producción antes de que los artículos lleguen a las siguientes operaciones
generando trabajo adicional en piezas que no lo debieran de recibir, o bien, rescatando
aquellas consideradas como posibles defectuosas, evitando en todo caso desperdicio de los
recursos disponibles y además, antes de que lleguen al cliente y finalmente al último
consumidor.
En el trabajo desarrollado en esta investigación se usará la técnica R&R por atributos
en una empresa del ramo automotriz donde se menciona tienen discrepancias en la calidad de
sus productos y consideran que obtienen productos con mucha variabilidad después de la
primera operación (inyección de resinas) y que durante el trabajo de inspección que se realiza
no es uniforme, por tanto los subproductos obtenidos de esta operación, no se están
identificando oportunamente. Por ello, es importante estudiar este proceso de inspección para
identificar, reducir o eliminar la existencia de posibles discrepancias estudiando los
procedimientos aplicados por los inspectores al calificar los atributos de los artículos de la
producción en proceso mediante el método de análisis de riesgos en un estudio Repetitividad
y Reproducibilidad (R&R).
La medición de los resultados obtenidos muestra que se tiene un problema en el
acabado de uno de sus productos principales. El producto presenta burbujas de aire en su
superficie proporcionando, en consecuencia, una apariencia poco atractiva en la pieza. Este
acabado imperfecto, ocasiona que deba ser rechazado en la inspección, o que al continuar en
el proceso sea devuelto para re-trabajo o su destrucción; y en última instancia, sea un
producto rechazado por el usuario final, en caso de llegar en estas condiciones al cliente.
Ambos casos, impactan a la empresa de una manera directa al utilizar más recursos de los
2
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
2. Justificación
3
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
las actividades clave de cualquier organización. Estas observaciones también se refuerzan con
las experiencias programáticas que se han observado en la industrial ya que mediante la
identificación oportuna de fallas en los métodos de trabajo, su documentación y su
retroalimentación se han reducido los errores y las quejas de los CLIENTES (HANNON C.,
GROSSMAN S., 2011).
En consecuencia, el obtener productos que ofrezcan una calidad con poca variabilidad
puede permitir a una organización disponer de un crecimiento sostenido apoyada en una
plataforma de consumidores leales y satisfechos (HAYES B. E., 2011).
3. Discusión teórica
4
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
medición, que midan las mismas piezas, que sigan el mismo procedimiento, en caso de ser
inspección por atributos, que sigan el mismo procedimiento de inspección, que tengan el
mismo criterio sobre que es un defecto; además, que estas mediciones se realicen de forma
aleatoria, para que todas las piezas tengan la misma probabilidad de ocurrencia, y que el
resultado de la medición no se afecte por la curva de aprendizaje.
La calidad de la medición o de evaluación de la información está definida por las
propiedades estadísticas de mediciones o de evaluaciones múltiples obtenidas de un sistema
de medición o de evaluación en condiciones estables. Las medidas de dispersión son medidas
estadísticas utilizadas comúnmente para caracterizar la calidad de los datos como el sesgo y la
varianza del sistema de medición o de evaluación. La propiedad denominada sesgo se refiere
a la ubicación de los datos en comparación con la referencia (valor maestro) y la varianza,
representa la variabilidad promedio de la lejanía de cada valor en relación con una medida de
centralización.
Los Estudios R&R son el resultado de la combinación de la variación de repetibilidad
y reproducibilidad para un sistema de medición. La variación R&R (Gauge R&R o GRR) es
igual a la suma dentro del sistema y las variancias entre el sistema.
Entendiéndose como repetitividad al resultado de la variación de repeticiones
sucesivas bajo ciertas condiciones de medición, realizadas por un mismo operador; y por
reproducibilidad, usualmente se refiere en las diferencias de medición de una misma pieza
entre diferentes operadores utilizando el mismo método y el instrumento de medición en un
ambiente estable.
A lo largo de los años, se han identificado diversos métodos para evaluar y estudiar los
sistemas de medición donde se pueden identificar aquellos que son para variables continuas
(mediciones cuantitativas), es decir, aquellos cuya característica de calidad puede ser producto
de una medida. Por otro lado, se identifican aquellas cuyas características de calidad que se
miden por medio de apreciación o atributos. Las siguientes formas son variantes de estudios
R&R:
5
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
6
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
el método Analítico es catalogada en los estudios de R&R por atributos, se necesita una
referencia cuantitativa para poder aplicar el método; esto es porque es necesario tener las
especificaciones del cliente de manera cuantitativa y por medio del conteo identificar
cuantas piezas pertenecen a cada clasificación existente. Además, para identificar si los
valores del R&R son relevantes se hace utilizando un estadístico de tablas de la
distribución binomial, pero como dicho método utiliza más de 30 piezas para su
realización los valores obtenidos son aproximados por medio de una distribución normal;
el método de Teoría de la Señal, al igual que el anterior es catalogado como una técnica
para variables por atributos, pero también utiliza variables cuantitativas y un código para
establecer el valor de referencia, y lo que se cuenta es cuantas piezas se encuentran en la
variable cuantitativa previamente establecida.
En este caso de estudio, se estará trabajando con variables discretas donde cada
inspector hace evaluaciones buscando características en el producto por atributos binarios y
donde solamente son aceptables dos valores, ‘pasa’ o ‘no pasa’, al analizar las características
estéticas de los productos.
El método de Análisis de Riesgo es una técnica no destructiva que trabaja con
variables categóricas (Gutiérrez P.H., de la Vara S. R, 2004). Normalmente se utiliza para el
control de calidad, en especial en estudios R&R y mejora el control en la calidad en los
productos; es decir, que todos los productos sean idénticos a la calidad que el cliente estará
esperando. Esta técnica evalúa la concordancia o discordancia entre las opiniones de expertos
y consiste en conocer:
si existe variación entre los operadores al momento de tomar una decisión;
si existe variación entre el operador y el estándar (valor de referencia), que en este caso
puede ser los inspectores de mayor experiencia o el personal del proceso que recibe estos
artículos.
Cuando se desea conocer la variación entre los inspectores en la toma de decisión, se
utiliza el estadístico Kappa (K) (Di Eugenio B., Glass M.; 2004), el cual es definido como el
porcentaje de consenso entre evaluadores. Futrell (1995), define éste estadístico como ‘la
7
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
proporción de acuerdo entre los evaluadores, una vez que se han removido los acuerdos
previos por la probabilidad’. Si el acuerdo entre evaluadores no es bueno, entonces el error
tipo alfa (artículos buenos son rechazados) y el error tipo beta (artículos malos son aceptados)
deben ser considerados al manejar los datos. Este estadístico tiene las siguientes
características:
datos de Atributo / Cualitativos / Pasa – No pasa;
trata todos los errores de clasificación igual; las consecuencias de calificar algo bueno
cuando es malo es igual a las consecuencias de clasificar algo malo cuando es bueno;
utilizado en datos categóricos;
las decisiones son independientes unas de otras;
todas las clasificaciones son independientes entre sí;
las categorías son mutuamente exclusivas y exhaustivas;
una clasificación se puede utilizar más frecuente que otra.
Martínez Berber (2007), hizo notar que el estadístico kappa que utiliza Futrell en sus
estudios es para evaluar sistemas en escala nominal, de tipo binario. Dichas pruebas se
realizan haciendo uso de comparaciones pareadas entre evaluadores; mientras que para el caso
de sistemas en escala ordinal, propone el empleo de un método basado en la correlación
interclases. Además, este estadístico solamente determina la diferencia al medir de los
evaluadores, sin embargo no indica que tan buena es la medición comparada con el valor de
referencia. Incluso, para que este estadístico pueda ser utilizado es necesario crear matrices de
comparación entre los evaluadores, puesto que para cada matriz vamos a hacer una
calculación del estadístico Kappa; la operación para conocer el valor de kappa es la siguiente:
(1)
Donde:
po = La suma de las proporciones observadas en la diagonal.
pe = La suma de las proporciones esperadas en la diagonal.
8
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
La siguiente tabla, muestra el significado en intervalos de los valores que pudiera tener
kappa durante la evaluación:
Tabla 1.Valores del estadístico Kappa
Si el valor del estadístico es menor a 0.70 entonces es probablemente algún error con
la clasificación de la definición operacional, posiblemente sea muy ambiguo, o el evaluador
pudiera necesitar entrenamiento. Si después de realizada una prueba, el estadístico kappa tiene
un valor igual a 1, esto quiere decir que existe un acuerdo perfecto entre los evaluadores, o
que el evaluador tiene un acuerdo perfecto con el estándar. Mientras que si el estadístico
kappa tiene un valor igual o menos a cero significa que el nivel de acuerdo es el mismo que el
esperado por la probabilidad.
4. Metodología
9
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
10
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
Se hace la comparación entre evaluadores del mismo turno. Y para poder hacer la
comparación en el tercer turno, se tomó la información del mejor evaluador del primero y
segundo turno. Esto se hizo porque no existían suficientes evaluadores en el tercer turno para
poder hacer una comparación entre evaluadores; entonces para poder aplicar ésta técnica se
hizo ese ajuste. Se seleccionaron los mejores evaluadores de cada turno porque son los que
tienen un mayor nivel de concordancia con lo establecido por el estándar. Además, se realizó
la comparación de cada evaluador contra el estándar establecido, para conocer si concuerda su
opinión.
El propósito de esta prueba es conocer si existe diferencia de criterios entre los
evaluadores; para que en caso que así sea, poder identificar las causas y reducir las diferencias
de criterio o procedimiento requeridos para que se obtenga y conserve un producto con
características y apariencias mas homogéneas y se incremente las posibilidades de tener un
artículo de alta aceptación, primero por el cliente interno y, en consecuencia, después por el
cliente externo; además, de contar con un equipo con una mayor moral al producir artículos
con excelente aceptación y al desarrollarse en una empresa con resultados más prometedores.
El análisis de la información capturada será analizado de la siguiente forma:
se realizará un análisis comparando primero entre los operadores de cada turno; esto es
con la finalidad de poder conocer el nivel de concordancia entre los operadores; una vez
que se conoce dicho nivel, en caso de que se tenga un buen nivel de concordancia (según
lo establecido por el estadístico kappa), se deberá tener registro de cuáles son los
procedimientos que siguen los inspectores, con el fin de que los inspectores que pudieran
tener un nivel menor puedan mejorar. Así mismo, en caso que no se tenga un buen nivel
de concordancia, se buscará identificar cuáles son los factores que influyen, para aumentar
dicho nivel;
después, se hará una comparación de cada evaluador contra el valor estándar o de
referencia, el cual, fue previamente establecido por uno o varios expertos. En este punto,
se desea identificar que tantas veces el inspector acepta una pieza cuando debe ser
aceptada, y la rechaza cuando se debe ser rechazada.
11
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
Turno 1
12
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
1 * 2 Datos Cruzados
2
Total
Pass Fail
Conteo 26 3 29
Pass
Conteo Esperado 17.9 11.1 29.0
1
Conteo 11 20 31
Fail
Conteo Esperado 19.1 11.9 31.0
Total Conteo 37 23 60
Conteo Esperado 37.0 23.0
Tabla 3. Datos cruzados del inspector 1 con el inspector 3
1 * 3 Datos Cruzados
3
Total
Pass Fail
Conteo 18 11 29
Pass
Conteo Esperado 9.7 19.3 29.0
1
Conteo 2 29 31
Fail
Conteo Esperado 10.3 20.7 31.0
Total Conteo 20 40 60
Conteo Esperado 20.0 40.0
Tabla 4. Datos cruzados del inspector 2 con el inspector 3.
2 * 3 Datos Cruzados
3
Total
Pass Fail
Conteo 19 18 37
Pass
Conteo Esperado 12.3 24.7 37.0
2
Conteo 1 22 23
Fail
Conteo Esperado 7.7 15.3 23.0
Total Conteo 20 40 60
Conteo Esperado 20.0 40.0
Una vez que se obtuvieron las matrices de datos cruzados para el primer turno se
procede a calcular el estadístico kappa, del cual se resumen los resultados en las tabla 5.
13
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
Kappa 1 2 3
1 - 0.54 0.56
2 0.54 - 0.41
3 0.56 0.41 -
Para analizar la información de la tabla 5, se utilizarán los valores de referencia del
estadístico kappa localizados en la tabla 1, por lo que puede decirse que:
inspector 1 y el inspector 2 – Como en esta comparación se tiene el valor de 0.54 kappa,
se puede concluir que el sistema de medición es marginal, y con campos de mejoras;
inspector 1 y el inspector 3 – En este caso, el valor de comparación es de 0.56,
concluyendo que el sistema de medición es marginal, y con campos de mejoras;
inspector 2 y el inspector 3 – En el tercer caso, su valor es menor que en las otras 2
comparaciones, siendo 0.41, por lo que se deduce que el sistema de medición es
inaceptable.
Para comparar a cada inspector contra el estándar, también se utiliza el estadístico
kappa, la diferencia que se tiene al hacer comparaciones entre inspectores y realizar
comparaciones entre inspector y el valor de referencia es que en esta última la tabla de datos
cruzados se realiza comparando el evaluador contra el valor de referencia; como el trabajo de
las tablas cruzadas sigue el mismo procedimiento que los anteriores, solamente se presentarán
los valores del estadístico, por lo que los datos obtenidos son los siguientes:
Tabla 6. Inspectores contra el estándar del turno 1
1 2 3
Referencia 0.43 0.64 0.72
Al igual que al hacer la comparación entre inspectores, éstos resultados también serán
comparados contra la tabla 1, por lo que se puede concluir lo siguiente, el cual se presentará
de manera descendente:
el inspector 3, tiene un valor correspondiente al estadístico kappa de 0.72, por lo que está
de acuerdo con el estándar, y su nivel de acuerdo es capaz;
14
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
el inspector 2, su valor del estadístico es de 0.64, por lo que se concluye que se encuentra
en un nivel marginal, pero con campo de mejora;
el inspector 1, tienen trabaja con un valor del estadístico kappa de 0.43, por lo que se
deduce que no tiene tanta afinidad con el estándar, por lo que se considera un nivel
inaceptable.
Turno 2
En el segundo turno, al igual que en el turno 1, se tienen 3 inspectores, en el apéndice
2 se muestra la información recolectada en el formato preestablecido por el MSA. De manera
similar al turno anterior, nuevamente se realizarán los pares, igual que en el turno uno para
realizar las comparaciones utilizando éste método: Las matrices de datos cruzados, se
proporcionan en las tablas 7, 8 y 9, a continuación:
Tabla 7. Datos cruzados del inspector 1 con el inspector
1 * 2 Datos Cruzados
2
Total
Pass Fail
Conteo 13 13 26
Pass
Conteo Esperado 6.5 19.5 26.0
1
Conteo 2 32 34
Fail
Conteo Esperado 8.5 25.5 34.0
Total Conteo 15 45 60
Conteo Esperado 15.0 45.0
Tabla 8. Datos cruzados del inspector 1 con el inspector
1 * 3 Datos Cruzados
3
Total
Pass Fail
Conteo 18 8 26
Pass
Conteo Esperado 9.5 16.5 26.0
1
Conteo 4 30 34
Fail
Conteo Esperado 12.5 21.5 34.0
Total Conteo 22 38 60
3 Conteo Esperado 22.0 38.0
15
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
2 * 3 Datos Cruzados
3
Total
Pass Fail
Conteo 11 4 15
Pass
Conteo Esperado 5.5 9.5 15.0
2
Conteo 11 34 45
Fail
Conteo Esperado 16.5 28.5 45.0
Total Conteo 22 38 60
3 Conteo Esperado 22.0 38.0
Kappa 1 2 3
1 - 0.46 0.59
2 0.46 - 0.42
3 0.59 0.42 -
Si se hace la interpretación de los datos, el nivel de acuerdo entre los inspectores 1 y 2,
se puede observar que se tiene un estadístico kappa igual a 0.49, mientras que los inspectores
2 y 3 tienen un 0.42 de estadístico kappa, lo cual, tanto en el primero como el segundo caso
del turno 2, ambas comparaciones trabaja con niveles inaceptable, y por último, la relación
entre los inspectores 1 y 3 tiene un valor estadístico kappa de 0.59, lo que significa que tiene
un nivel d e concordancia marginal, pero con campo de mejora.
El nivel de acuerdo de los inspectores contra el estándar establecido es mostrado en la
tabla 11.
16
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
1 2 3
Referencia 0.46 0.46 0.71
En esta tabla, puede decirse que el inspector 3, con un valor 0.71 del estadístico kappa
es quien tiene el mayor número de acuerdos con el estándar, por lo que su nivel de
concordancia es capaz, mientras que los operadores 1 y 2 con un valor de 0.46 del estadístico
kappa, por lo que tienen un nivel inaceptable.
Turno 3
En este turno, solamente se tiene un inspector, por lo que la comparación se realizó
con los inspectores que tuvieron el nivel de concordancia más alto contra el estándar de los
turnos anteriores; y los datos se muestran en el apéndice 3.
Las Tablas 12, 13 y 14, muestran las matrices de datos cruzados de donde se
obtuvieron ‘po’ que son las proporciones observadas en la diagonal y ‘pe’ que indica las
proporciones esperadas en la diagonal, para poder calcular el estadístico kappa, el cual se
muestra en la Tabla 10. Por lo que a continuación, se muestran las matrices de datos cruzados
con la separación por partes para el tercer turno, véase las tablas 12, 13 y 14.
Tabla 12. Datos cruzados del inspector 1 con el inspector 2.
1 * 2 Datos Cruzados
2
Total
Pass Fail
Conteo 18 8 26
Pass
Conteo Esperado 8.7 17.3 26.0
1
Conteo 2 32 34
Fail
Conteo Esperado 11.3 22.7 34.0
Total Conteo 20 40 60
Conteo Esperado 20.0 40.0
17
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
1 * 3 Datos Cruzados
3
Total
Pass Fail
Conteo 20 6 26
Pass
Conteo Esperado 9.5 16.5 26.0
1
Conteo 2 32 34
Fail
Conteo Esperado 12.5 21.5 34.0
Total Conteo 22 38 60
Conteo Esperado 22.0 38.0
Tabla 14. Datos cruzados del inspector 2 con el inspector 3.
2 * 3 Datos Cruzados
3
Total
Pass Fail
Conteo 20 6 26
Pass
Conteo Esperado 9.5 16.5 26.0
2
Conteo 2 32 34
Fail
Conteo Esperado 12.5 21.5 34.0
Total Conteo 22 38 60
Conteo Esperado 22.0 38.0
Un resumen de la comparación de las evaluaciones entre los inspectores se muestra
enseguida en la tablas 15.
Tabla 15. Tabla de relaciones entre los inspectores del Turno 3.
Kappa 1 2 3
1 - 0.65 0.72
2 0.65 - 0.72
3 0.72 0.72 -
Aquí, puede observarse que los niveles de acuerdo entre los inspectores 1 y 2 con
valores 0.65 del estadístico kappa es marginal, con niveles de mejora, mientras que entre las
parejas de inspectores 1 y 3, y 2 y 3 tienen un valor de 0.72 del estadístico kappa tienen un
nivel capaz.
18
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
1 2 3
Referencia 0.59 0.72 0.71
Se puede observar que el inspector 2 con un valor del estadístico kappa igual a 0.72 es
el que tiene el mayor nivel de concordancia contra el estándar, el inspector 3 tienen un valor
de 0.71 y el inspector 1, quien es el correspondiente al turno 3, tiene un valor de 0.59; de
donde pidiera concluirse que todos los niveles son aceptables; es decir, los inspectores, la
mayoría de las veces están de acuerdo con el estándar.
6. Conclusiones
19
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
inspección establecido para poder identificar exitosamente los defectos en la pieza; por lo que
los resultados sugieren la necesidad de reentrenamiento entre los inspectores para eliminar
una posible fuente de variabilidad en esta función.
7. Recomendaciones
20
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
evaluadores buscando que las piezas por inspeccionar tengan la misma probabilidad de ser
evaluadas objetivamente.
Debe de resaltarse que después de este ejercicio será importante reunir a todos los
inspectores, de los tres turnos, para hablar sobre que dificultades encontraron ellos al
momento de hacer la prueba y buscar soluciones de manera consensada.
8. Referencias
AUTOMOTIVE INDUSTRY ACTION GROUP (AIAG); Measurement System Analysis, Reference Manual;
3rd Edition, 2002; www.aiag.org
DI EUGENIO B., GLASS M.; The Kappa statistic: a second look; Computational Linguistics, Volume 30
Issue 1, pp. 95-101, 2004.
DOGAN C. A., GJENDEM F. H., RODYSILL J.; Fueling Supply Chain Transformation; APICS, Volume 21,
number 4, pp. 38-43, 2011.
FUTRELL, D.; When Quality is a Matter of Taste, use Reliability Indexes; Quality Progress, May, pp. 81-86,
1995.
GUTIERREZ P. H., DE LA VARA S. R.; Control Estadístico de Calidad y Seis Sigma; México: McGraw-
Hill, 2da. Edición, 2009.
HANNON C., GROSSMAN S.; Put Job Instruction Breakdown on the Job; Quality Progress, July, pp. 30-35,
2011.
HAYES B. E.; Lessons in Loyalty; Quality Progress, March, pp. 24-31, 2011.
JURAN J. M., DE FEO J. A.; Juran's Quality Handbook, Sixth Edition: The Complete Guide to
Performance Excellence; New York: Mc Graw Hill, 6th Edition, 2010.
MAIO M. J.; Quality Improvement; Milwaukee: American Society for Quality, 2010.
MARTÍNEZ B. D. R.; Evaluando la Repetitividad y Reproducibilidad de sistemas de medición para
características de calidad replicables, definidas por atributos múltiples en escala nominal; Tecnointelecto,
Volumen 4, Número 1, pp. 34-41, 2007.
NORMA ISO 9000:2008 – Sistema de gestión de la calidad: Fundamentos y vocabulario.
21
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
Apéndices
22
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
23
D. Romero, L F. et. al.
Estudio R y R por atributos de un proceso de inspección en el sector automotriz. Produção em Foco, v. 1,n. 1, p. 140, 165 jan/jun
2011.
24