CAPITULO 3

OBJETIVO DEL CAPITULO

El estudiante debe aprender a utilizar,

analizar y comprender las
herramientas estadísticas y gráficas
para el control de procesos. Debe
ademas aprender a realizar análisis
de datos para poder tomar decisiones
y acciones de mejora
INTRODUCCION

La Revolución Industrial impulsó el campo de la calidad, pero sobre

todo, el desarrollo de herramientas estadísticas y gerenciales que
ocurre durante el siglo XX. El consumidor, tanto institucional como
el particular, más exigente cada día, y la fuerte competencia
nacional e internacional, provocan una evolución constante en las
bases filosóficas y en la práctica de la Gestión de la Calidad. La II
guerra mundial fue el catalizador que permitió ampliar el cuadro
de control a diversas industrias en los Estados Unidos, cuando la
simple reorganización de los sistemas productivos resultó
inadecuada para cumplir las exigencias del estado de guerra y
posguerra
INTRODUCCION

Los gráficos de control se pueden definir como una herramienta

estadística que se utiliza para controlar un proceso.

Un gráfico de control nos facilita:

1. Vigilancia y control del proceso evitando la producción de
defectos. Sigue la filosofía: hágalo bien a la primera.
2. Aumento de la homogeneidad de la producción mediante la
disminución de la variabilidad del proceso.
3. Evita los ajustes innecesarios, con el lema de si no está roto, no
lo repares.
4. Proporciona información sobre los parámetros del producto y
del proceso, lo que permitirá conocer mejor nuestra actividad
productiva.
CONCEPTOS Y DEFINICIONES

VARIABLE

Característica cuantitativa de un
elemento

ATRIBUTO

Característica cualitativa de un
elemento
CAUSAS EN LA VARIACION DEL PROCESO

Los procesos siempre tienen variación, ya que en él

intervienen diferentes factores sintetizados a través de las 6
M: materiales, maquinaria, medición, mano de obra (gente),
métodos y medio ambiente.

Bajo condiciones normales o comunes de trabajo, todas las

M aportan variación a las variables de salida del proceso, en
forma natural o inherente, pero además aportan variaciones
especiales o fuera de lo común, ya que a través del tiempo
las 6 M son susceptibles de cambios, desajustes, desgastes,
errores, descuidos, fallas, etc. Así, hay dos tipos de
variabilidad: la que se debe a causas comunes y la que
corresponde a causas especiales o atribuibles
CAUSAS EN LA VARIACION DEL PROCESO

VARIACION POR CAUSAS COMUNES

Es aquella que permanece día a día, lote a

lote; y es aportada de forma natural por las
condiciones de las 6 M. Esta variación es
inherente a las actuales características del
proceso y es resultado de la acumulación y
combinación de diferentes causas que son
difíciles de identificar y eliminar, ya que son
inherentes al sistema y la contribución
individual de cada causa es pequeña; no
obstante, a largo plazo representan la mayor
oportunidad de mejora.
CAUSAS EN LA VARIACION DEL PROCESO

VARIACION POR CAUSAS ESPECIALES

Se debe a situaciones o circunstancias

especiales que no están de manera
permanente en el proceso.

Las causas especiales, por su naturaleza

relativamente discreta en su ocurrencia, a
menudo pueden ser identificadas y
eliminadas si se cuenta con los
conocimientos y condiciones para ello
GRAFICOS DE CONTROL

El objetivo básico de un grafico de control es observar y analizar el

comportamiento de un proceso a través del tiempo. Así, es posible
distinguir entre variaciones por causas comunes y especiales
(atribuibles), lo que ayudará a caracterizar el funcionamiento del
proceso y decidir las mejores acciones de control y de mejora.

Cuando se habla de analizar el proceso nos referimos

principalmente a las variables de salida (características de calidad),
pero los graficos de control también pueden aplicarse para analizar
la variabilidad de variables de entrada o de control del proceso
mismo.
GRAFICOS DE CONTROL

μ
TIPOS DE GRÁFICOS
TIPOS DE GRÁFICOS
# muestras por subgrupo

UNIDADES UNIDADES
UNIDADES UNIDADES
SUBGRUPO VERIFICADAS SUBGRUPO VERIFICADAS
N.C. (p) N.C. (p)
(n) (n)
1 120 45 1 277 45
2 120 58 2 266 58
3 120 75 3 320 75
4 120 56 4 264 56
5 120 39 5 275 39
6 120 56 6 313 56
7 120 55 7 277 55
8 120 30 8 291 30
9 120 33 9 317 33
10 120 35 10 296 35
11 120 28 11 275 28
12 120 32 12 303 32
13 120 27 13 284 27
14 120 30 14 273 30
15 120 33 15 283 33
GRAFICOS p - np

Existen muchas características de calidad del tipo pasa

o no pasa y, de acuerdo con éstas, un producto es
juzgado como defectuoso o no defectuoso (conforme
o no conforme), dependiendo de si cumple o no con
las especificaciones o criterios de calidad. En estos
casos, si el producto no tiene la calidad deseada no se
permite que pase a la siguiente etapa del proceso;
además, es segregado y se le denomina artículo
defectuoso ó producto no conforme.
FORMULACION GRAFICOS np

Media μ = 𝑛𝑝ҧ
Desviación estándar 𝜎= 𝑛𝑝ҧ 1 − 𝑝ҧ
Donde:
𝑛 = 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑒𝑛 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠
𝑝ҧ = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠

LIMITES DE CONTROL

LCI = μ − 3𝜎

LCS = μ + 3𝜎
FORMULACION GRAFICOS p

Media μ = 𝑝ҧ
𝑝ҧ 1−𝑝ҧ
Desviación estándar 𝜎=
𝑛ത

Donde:
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠
𝑛ത = 𝑡𝑎𝑚𝑎ñ𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠
𝑝ҧ = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠

LIMITES DE CONTROL
LCI = μ − 3𝜎
LCS = μ + 3𝜎
GRAFICOS c - u

Es frecuente que al inspeccionar una unidad (unidad representa un

artículo, un lote de artículos, una medida lineal —metros, tiempo—,
una medida de área o de volumen) se cuente el
número de defectos que tiene en lugar de limitarse a concluir que es o
no defectuosa. Algunos ejemplos de unidades que se inspeccionan
para contar sus defectos son: una mesa, x metros de rollo fotográfico,
un zapato, z sartenes de teflón, una prenda de vestir, w metros
cuadrados de pintura, etc. Cada una de estas unidades puede tener
más de un defecto, suceso o atributo y no necesariamente se cataloga
al producto o unidad como defectuoso.
FORMULACION GRAFICOS c

Media μ = 𝑐ҧ
Desviación estándar 𝜎 = 𝑐ҧ
Donde:

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
𝑐ҧ = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠 =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠

LIMITES DE CONTROL
LCI = μ − 3𝜎

LCS = μ + 3𝜎
FORMULACION GRAFICOS u

Media μ = 𝑢ത
ഥ
𝑢
Desviación estándar 𝜎=
𝑛ത

Donde:
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
𝑢ത = 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 =
𝑇𝑜𝑡𝑎𝑙 𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠
𝑛ത = 𝑡𝑎𝑚𝑎ñ𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 =
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠

LIMITES DE CONTROL
LCI = μ − 3𝜎
LCS = μ + 3𝜎
EJEMPLO 3.1
La fábrica de municiones de
Bolivia desea realizar un estudio UNIDADES UNIDADES NO
N°
de proyección de productos no VERIFICADAS CONFORMES
conformes de la semana pasada, a 1 250 30
continuación se muestran los 2 287 43
datos de las inspecciones 3 293 41
realizadas, muestras tomadas y 4 227 34
unidades no conformes 5 246 32
obtenidas.
6 271 46
Con esta información: 7 278 25
- Elaborar el grafico de 8 267 32
control correspondiente. 9 243 17
10 275 22
- Determinar que lotes 11 291 32
fueron rechazados. 12 243 34
- Determinar si el proceso 13 300 15
tiene estabilidad 14 293 41
EJEMPLO 3.1

Primer paso: Identificación del tipo de gráfico apropiado

al análisis del problema

p
EJEMPLO 3.1

Segundo paso: Cálculo de los limites de control

μ = 𝑝ҧ Total unidades verificadas = 3764

Total unidades no conformes = 444
444
μ = 𝑝ҧ = = 0,1179
3764

𝑝ҧ 1−𝑝ҧ 𝑇𝑜𝑡𝑎𝑙 𝑢𝑛𝑑 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑑𝑎𝑠 3764

𝑛ത = = ≅ 269
𝜎= 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑔𝑟𝑢𝑝𝑜𝑠 14
𝑛ത

0,1179 1−0,1179
𝜎= = 0,0197
269
EJEMPLO 3.1

Segundo paso: Cálculo de los limites de control

μ = 0,1179 𝜎 = 0,0197

LCI = μ − 3𝜎 = 0,1179 − 3 ∗ 0,0197 = 0,059

LCS = μ + 3𝜎 = 0,1179 + 3 ∗ 0,0097 = 0,177

EJEMPLO 3.1

Tercer paso: Elaborar el grafico de control

UNIDADES NO % UNIDADES NO
N° UNIDADES VERIFICADAS
CONFORMES CONFORMES
1 250 30 0,12
2 287 43 0,15
3 293 41 0,14
4 227 34 0,15
5 246 32 0,13
6 271 46 0,17
7 278 25 0,09
8 267 32 0,12
9 243 17 0,07
10 275 22 0,08
11 291 32 0,11
12 243 34 0,14
13 300 15 0,05
14 293 41 0,14
EJEMPLO 3.1

GRAFICO DE CONTROL p
% MUNICIONES NO CONFORMES
0.2
0.18
0.16
0.14
0.12
0.1
0.08
El lote
0.06
rechazado
0.04 es el Nº
0.02 13

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
EJEMPLO 3.1

Cuarto paso: Identificar lotes fuera de los limites

El lote Nº 13 es rechazado, debe ser revisado para validar

el porcentaje de defectuosos detectados.
EJEMPLO 3.1

Quinto paso: Analizar estabilidad de proceso

Se debe realizar nuevamente el grafico de control sin
tomar en cuenta el lote o subgrupo Nº 13.
444−15
μ = 𝑝ҧ = = 0,1238
3764−300

3764 − 300
𝑛ത = ≅ 266
14 − 1
𝑝ҧ 1−𝑝ҧ 0,1238 1−0,1238
𝜎= = = 0,0202
𝑛ത 266

LCI = μ − 3𝜎 = 0,1238 − 3 ∗ 0,0202 = 0,0632

LCS = μ + 3𝜎 = 0,1238 + 3 ∗ 0,0202 = 0,1844

 EJEMPLO 3.1
GRAFICO DE CONTROL p
% MUNICIONES NO CONFORMES
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9 10 11 12 13
No se observan mas puntos fuera de los limites de control, no se perciben
tendencia u otro tipo de patrones, el proceso se encuentra estable
TIPOS DE GRÁFICOS

Gráfico X-R
Grafica el promedio de las medias y el
promedio de los rangos

Gráfico X-S
Grafica las medias individuales y sus
desviaciones estandar
GRÁFICO X-R

Existen muchos procesos industriales considerados de

tipo “masivo”, en el sentido de que producen muchos
artículos, partes o componentes durante un lapso de
tiempo pequeño. Por ejemplo: líneas de ensamble,
máquinas empacadoras, procesos de llenado,
operaciones de soldadura en una línea de producción,
moldeo de piezas de plástico, torneado de una pieza
metálica, el corte de una tira en pedazos pequeños, etc.
Algunos de estos procesos realizan miles de
operaciones por día, mientras que otros efectúan varias
decenas o centenas. En ambos casos estamos ante un
proceso masivo. Si, además, las variables de salida de
interés son de tipo continuo, entonces estamos ante el
campo ideal de aplicación de las cartas de control X -R.
GRÁFICO X-R
GRÁFICO X-R
LIMITES DE CONTROL GRAFICO X

Media y desviación estándar del proceso desconocidas

LCI = 𝑋ധ − 𝐴2 𝑅ത
LCC = 𝑋ധ
LCS = 𝑋ധ + 𝐴2 𝑅ത
Donde:
𝑋ധ = Media de las medias
𝑅ത = Media de los rangos
𝐴2 = 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑢𝑐𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑔𝑟𝑎𝑓𝑖𝑐𝑜 𝑋
𝐴2 = 𝑓 𝑛
𝑛 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜
LIMITES DE CONTROL GRAFICO X

Media y desviación estándar del proceso conocidas

𝜎
LCI = 𝜇 − 3
𝑛
LCC = 𝜇
𝜎
LCS = 𝜇 + 3
𝑛

Donde:

𝜇 = Media del proceso

𝜎 = Desviacion estandar del proceso
𝑛 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜
LIMITES DE CONTROL GRAFICO R

LCI = 𝐷3 𝑅ത
LCC = 𝑅ത
LCS = 𝐷4 𝑅ത

Donde:
𝑅ത = Media de los rangos
𝐷3 = 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑢𝑐𝑐𝑖𝑜𝑛 𝐿𝐶𝐼 𝑑𝑒𝑙 𝑔𝑟𝑎𝑓𝑖𝑐𝑜 𝑅
𝐷4 = 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑢𝑐𝑐𝑖𝑜𝑛 𝐿𝐶𝑆𝑑𝑒𝑙 𝑔𝑟𝑎𝑓𝑖𝑐𝑜 𝑅
𝐷3 , 𝐷4 = 𝑓 𝑛
𝑛 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜
FACTORES PARA CONSTRUCCION DE GRAFICO X-R

EJEMPLO
𝑛 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜

𝑛 =?
𝑛=5
FACTORES PARA CONSTRUCCION DE GRAFICO X-R

EJEMPLO
𝑛=5

𝐴2 =? 𝐷3 =? 𝐷4 =?
𝐴2 =0.577 𝐷3 = 0.00 𝐷4 = 2.1144
GRÁFICO X-S

Cuando con una carta X – S se quiere tener mayor

potencia para detectar cambios pequeños en el
proceso, se incrementa el tamaño de subgrupo, n.
Pero si n > 10, la carta de rangos ya no es eficiente
para detectar cambios en la variabilidad del
proceso, y en su lugar se recomienda utilizar la
carta S, en la que se grafican las desviaciones
estándar de los subgrupos
LIMITES DE CONTROL GRAFICO X

𝑆ҧ
LCI = 𝑋ധ − 3
𝑐4 𝑛

LCC = 𝑋ധ
𝑆ҧ
LCS = 𝑋ധ + 3
𝑐4 𝑛
Donde:
𝑋ധ = Media de las medias
𝑆ҧ = Media de las desviaciones estandar
𝑐4 = 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑢𝑐𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑔𝑟𝑎𝑓𝑖𝑐𝑜 𝑋 −S
𝑐4 = 𝑓 𝑛
𝑛 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜
LIMITES DE CONTROL GRAFICO S

𝑆ҧ
LCI = 𝑆ҧ − 3 1 − 𝑐42
𝑐4

LCC = 𝑆ҧ
𝑆ҧ
LCI = 𝑆ҧ + 3 1 − 𝑐42
𝑐4

Donde:
𝑆ҧ = Media de las desviaciones estandar
𝑐4 = 𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑢𝑐𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑔𝑟𝑎𝑓𝑖𝑐𝑜 𝑋 −S
𝑐4 = 𝑓 𝑛
𝑛 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑠 𝑜 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜
INTRODUCCIÓN

Los procesos tienen variables de

salida o de respuesta, las cuales
deben cumplir con ciertas
especificaciones a fin de considerar
que el proceso está funcionando de
manera satisfactoria.

Evaluar la habilidad o capacidad de

un proceso consiste en conocer la
amplitud de la variación natural de
éste para una característica de
calidad dada, lo cual permitirá saber
en qué medida tal característica de
calidad es satisfactoria (cumple
especificaciones).
INTRODUCCIÓN

En el proceso se supone que se tiene una

característica de calidad de un producto o variable
de salida, del tipo valor nominal es mejor, en donde,
para considerar que hay calidad las mediciones
deben ser iguales a cierto valor nominal o ideal (N),
o al menos tienen que estar con holgura dentro de
las especificaciones inferior (EI) y superior (ES).
 INTRODUCCION

CARACTERISTICA DEL REQUISITO DEL

PRODUCTO PRODUCTO

LCI EI
En funcion En funcion
de la media del requisito
LCC y desviacion EN del cliente
del proceso
LCS ES

Concepto de CALIDAD segun la ISO 9001.

“Grado en que un conjunto de caracteristicas inherentes cumplen con los
requisitos del producto.”
CALIDAD EN FUNCION DE σ
Calidad 1σ = El 68.26% de los productos
cumpliran la especificacion

Calidad 2σ = El 99.46% de los productos

cumpliran la especificacion

Calidad 3σ = El 99.73% de los productos

cumpliran la especificacion

Calidad 6σ = El 99.999999% de los

productos cumpliran la especificacion
CALIDAD EN FUNCION DE σ

EJEMPLO
La salida de voltaje de una fuente de poder esta normalmente
distribuida con un promedio de 12V y una desviacion estandar de 0.05V.
Si la especificacion del producto es de 12V +/- 0.1V, ¿Cuál es la
probabilidad que una fuente de poder seleccionada aleatoriamente sea
conforme con el requisito?

µ = 12V Caracteristica del producto

σ = 0.05V
EI = 11.9V = x1 Requisito del producto
ES = 12.1V =x2
P(x1 ≤ X ≤ x2) = ? Distribucion de
P(11.9 ≤ X ≤ 12.1) = ? probabilidad NORMAL
P(11.9 ≤ X ≤ 12.1) = 0.9545
CALIDAD EN FUNCION DE σ

P(11.9 ≤ X ≤ 12.1) = 0.9545 = 95.45%

Calidad superior a 1σ pero

menor a calidad 2σ
CALIDAD EN FUNCION DE σ

Se realizaron mejoras en la linea (capacitacion de personal,

mantenimientos correctivos y adquisicion de materias primas de mayor
calidad), ahora la desviacion estandar del proceso es de 0.0333, ¿Cuál es
la probabilidad que una fuente de poder seleccionada aleatoriamente
sea conforme con el requisito?

µ = 12V Nueva caracteristica del producto

σ = 0.033V
EI = 11.9V = x1 Requisito del producto
ES = 12.1V =x2)
P(x1 ≤ X ≤ x2) = ? Distribucion de
P(11.9 ≤ X ≤ 12.1) = ? probabilidad NORMAL
P(11.9 ≤ X ≤ 12.1) = 0.9973
CALIDAD EN FUNCION DE σ

P(11.9 ≤ X ≤ 12.1) = 0.9973 = 99.73%

Calidad 3σ
CALIDAD EN FUNCION DE σ

Se realizo una actualizacion de tecnologia en la linea de produccion y

ahora la desviacion estandar del proceso es de 0.01667, ¿Cuál es la
probabilidad que una fuente de poder seleccionada aleatoriamente sea
conforme con el requisito?

µ = 12V Nueva caracteristica del producto

σ = 0.01667V
EI = 11.9V = x1 Requisito del producto
E2 = 12.1V =x2
P(x1 ≤ X ≤ x2) = ? Distribucion de
P(11.9 ≤ X ≤ 12.1) = ? probabilidad NORMAL
P(11.9 ≤ X ≤ 12.1) = 0.999999998
CALIDAD EN FUNCION DE σ

P(11.9 ≤ X ≤ 12.1) = 0.999999998 = 99.9999998%

Calidad 6σ
INDICE Cp

Capacidad potencial de proceso que resulta de comparar la amplitud de las

especificaciones del producto versus la desviación natural del proceso. APTO
PARA PROCESOS CENTRADOS

REQUISITO

𝑉𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑡𝑜𝑙𝑒𝑟𝑎𝑑𝑎 Vs.

𝐶𝑝 =
𝑉𝑎𝑟𝑖𝑎𝑐𝑖𝑜𝑛 𝑟𝑒𝑎𝑙
CARACTERISTICA

𝐸𝑆 − 𝐸𝐼
𝐶𝑝 =
6𝜎
INDICE Cp

CENTRADO DEL PROCESO

Media del proceso = Valor nominal de la especificacion

 INDICE Cp

EJEMPLO
La salida de voltaje de una fuente de poder esta normalmente
distribuida con un promedio de 12V y una desviacion estandar de 0.05V.
Si la especificacion del producto es de 12V +/- 0.1V. Determine la
capacidad potencial del proceso
µ = 12V
Caracteristica del producto
σ = 0.05V
EI = 11.9V
Requisito del producto
ES = 12.1V
Media del proceso Valor nominal especificacion Valores iguales,
por tanto es un
12V 12V proceso centrado

𝐸𝑆 − 𝐸𝐼 12.1 − 11.9
𝐶𝑝 = = = 0.67 ¿Cuál es la interpretacion?
6𝜎 6 ∗ 0.05
INTERPRETACION INDICE Cp

VALOR INDICE Cp INTERPRETACION

Cp ≥ 2 Proceso con calidad seis sigma
1.33 ≤ Cp < 2 Proceso capaz
Proceso parcialmente capaz, requiere
1 ≤ Cp < 1.33
control estricto
Proceso no capaz, es necesario analisis y
0.67 ≤ Cp < 1
modificaciones para alcanzar la calidad
requerida
Proceso no capaz, requiere
Cp < 0.67 modificaciones muy serias para alcanzar
la calidad requerida
INDICE Cp

EJEMPLO
Se realizaron mejoras en la linea (capacitacion de personal,
mantenimientos correctivos y adquisicion de materias primas de mayor
calidad), ahora la desviacion estandar del proceso es de 0.0333.
Determine la capacidad potencial del proceso

µ = 12V Caracteristica del producto

σ = 0.033V
EI = 11.9V Requisito del producto
ES = 12.1V
𝐸𝑆 − 𝐸𝐼 12.1 − 11.9
𝐶𝑝 = = =1
6𝜎 6 ∗ 0.033
Proceso parcialmente capaz, requiere
control estricto
INDICE Cp

EJEMPLO
Se realizo una actualizacion de tecnologia en la linea de produccion y
ahora la desviacion estandar del proceso es de 0.01667. Determine la
capacidad potencial del proceso

µ = 12V Caracteristica del producto

σ = 0.01667V
EI = 11.9V
Requisito del producto
ES = 12.1V
𝐸𝑆 − 𝐸𝐼 12.1 − 11.9
𝐶𝑝 = = =2
6𝜎 6 ∗ 0.01667
Proceso con calidad
6 sigma
INDICE Cpk

Capacidad potencial de proceso que resulta de comparar la diferencia entre

especiación del cliente y la media del proceso versus la desviación natural del
proceso. APTO PARA PROCESOS DESCENTRADOS

𝐶𝑝𝑘 = 𝑀𝑖𝑛൛𝐶𝑝𝑠 ; 𝐶𝑝𝑖 ൟ

𝐸𝑆 − 𝜇
𝐶𝑝𝑠 =
3𝜎
𝜇 − 𝐸𝐼
𝐶𝑝𝑖 =
3𝜎
INDICE Cpk

DESCENTRADO DEL PROCESO

Media del proceso ≠ Valor nominal de la especificacion

INDICE Cpk

EJEMPLO
La salida de voltaje de una fuente de poder esta normalmente
distribuida con un promedio de 12V y una desviacion estandar de 0.05V.
Si la especificacion del producto es de 12.1V +/- 0.1V. Determine la
capacidad potencial del proceso

µ = 12V
Caracteristica del producto
σ = 0.05V
EI = 12.0V
Requisito del producto
ES = 12.2V

Media del proceso Valor nominal especificacion Valores NO iguales,

por tanto es un
12V 12.1V proceso descentrado
INDICE Cpk

𝐸𝑆 − 𝜇 12.2 − 12
𝐶𝑝𝑠 = = = 1.33
3𝜎 3 ∗ 0.05

𝜇 − 𝐸𝐼 12 − 12
𝐶𝑝𝑖 = = = 0.00
3𝜎 3 ∗ 0.05

𝐶𝑝𝑘 = 𝑀𝑖𝑛൛𝐶𝑝𝑠 ; 𝐶𝑝𝑖 ൟ

𝐶𝑝𝑘 = 𝑀𝑖𝑛ሼ1.33; 0.00ሽ

PROCESO NO CAPAZ, REQUIERE
𝐶𝑝𝑘 = 0.00 MODIFICACIONES MUY SERIAS PARA ALCANZAR
LA CALIDAD REQUERIDA
INDICE Cpk

EJEMPLO
Se realizaron mejoras en la linea (capacitacion de personal,
mantenimientos correctivos y adquisicion de materias primas de mayor
calidad), ahora la desviacion estandar del proceso es de 0.0333.
Determine la capacidad potencial del proceso

µ = 12V Caracteristica del producto

σ = 0.033V
EI = 12V Requisito del producto
ES = 12.2V
INDICE Cpk

𝐸𝑆 − 𝜇 12.2 − 12
𝐶𝑝𝑠 = = =2
3𝜎 3 ∗ 0.033

𝜇 − 𝐸𝐼 12 − 12
𝐶𝑝𝑖 = = = 0.00
3𝜎 3 ∗ 0.033

𝐶𝑝𝑘 = 𝑀𝑖𝑛൛𝐶𝑝𝑠 ; 𝐶𝑝𝑖 ൟ

𝐶𝑝𝑘 = 𝑀𝑖𝑛ሼ2; 0.00ሽ

PROCESO NO CAPAZ, REQUIERE
𝐶𝑝𝑘 = 0.00 MODIFICACIONES MUY SERIAS PARA ALCANZAR
LA CALIDAD REQUERIDA
INDICE Cpk

EJEMPLO
Se realizo una actualizacion de tecnologia en la linea de produccion y
ahora la desviacion estandar del proceso es de 0.01667. Determine la
capacidad potencial del proceso

µ = 12V Caracteristica del producto

σ = 0.01667V
EI = 12.0V
Requisito del producto
ES = 12.2V
 INDICE Cpk
𝐸𝑆 − 𝜇 12.2 − 12
𝐶𝑝𝑠 = = =4
3𝜎 3 ∗ 0.01667
𝜇 − 𝐸𝐼 12 − 12
𝐶𝑝𝑖 = = = 0.00
3𝜎 3 ∗ 0.01667

𝐶𝑝𝑘 = 𝑀𝑖𝑛൛𝐶𝑝𝑠 ; 𝐶𝑝𝑖 ൟ

𝐶𝑝𝑘 = 𝑀𝑖𝑛ሼ4; 0.00ሽ
PROCESO NO CAPAZ, REQUIERE
𝐶𝑝𝑘 = 0.00 MODIFICACIONES MUY SERIAS PARA ALCANZAR
LA CALIDAD REQUERIDA

Análisis: Deben hacerse modificaciones al proceso para alcanzar una

media superior a 12V pero menor a 12.2V
 µ = 12V
COMPARACION INDICES Cp Y Cpk σ = 0.033V
EI = 12.0V
ES = 12.2V

Cp Cpk

𝐸𝑆 − 𝜇 12.2 − 12
𝐶𝑝𝑠 = = =2
𝐸𝑆 − 𝐸𝐼 3𝜎 3 ∗ 0.033
𝐶𝑝 =
6𝜎 𝜇 − 𝐸𝐼 12 − 12
𝐶𝑝𝑖 = = = 0.00
3𝜎 3 ∗ 0.033
12.2 − 12 𝐶𝑝𝑘 = 𝑀𝑖𝑛൛𝐶𝑝𝑠 ; 𝐶𝑝𝑖 ൟ
𝐶𝑝 =
6 ∗ 0.033
𝐶𝑝𝑘 = 𝑀𝑖𝑛ሼ2; 0.00ሽ

𝐶𝑝 = 1 𝐶𝑝𝑘 = 0.00
DATOS ADICIONALES

Para la estimacion de σ del proceso y poder realizar el calculo

de la capacidad del proceso, se toman en cuenta las siguientes
formulas de aproximacion

Gráfico X - R Gráfico X - S

𝑅ത 𝑆ҧ
𝜎= 𝜎=
𝑑2 𝑐4