Las 7 Herramientas

Bsicas

Introduccin :
Todo proceso productivo es un sistema formado por personas, equipos
y procedimientos de trabajo. El proceso genera una salida (output),
que es el producto que se quiere fabricar. La calidad del producto
fabricado est determinada por sus caractersticas de calidad, es
decir, por sus propiedades fsicas, qumicas, mecnicas, estticas,
durabilidad, funcionamiento, etc. que en conjunto determinan el
aspecto y el comportamiento del mismo. El cliente quedar
satisfecho con el producto si esas caractersticas se ajustan a lo que
esperaba, es decir, a sus expectativas previas. Por lo general, existen
algunas caractersticas que son crticas para establecer la calidad del
producto. Normalmente se realizan mediciones de estas
caractersticas y se obtienen datos numricos. Si se mide cualquier
caracterstica de calidad de un producto, se observar que los
valores numricos presentan una fluctuacin o variabilidad entre las
distintas unidades del producto fabricado.

Para qu se miden las caractersticas

de calidad?

El anlisis de los datos medidos permite obtener informacin

sobre la calidad del producto, estudiar y corregir el
funcionamiento del proceso y aceptar o rechazar lotes de
producto. En todos estos casos es necesario tomar decisiones
y estas decisiones dependen del anlisis de los datos. Como
hemos visto, los valores numricos presentan una fluctuacin
aleatoria y por lo tanto para analizarlos es necesario recurrir a
tcnicas estadsticas que permitan visualizar y tener en cuenta
la variabilidad a la hora de tomar las decisiones.

Las 7 Herramientas Bsicas

Diagramas
Pareto
Estratificacin

Diagramas
Ishikawa

Hojas de
registro

Histogramas

Diagramas de
Dispersin

Cartas de Control

Estratificacin

CONCEPTO:

Es un mtodo consistente en clasificar los datos

disponibles por grupos con similares caractersticas.
A cada grupo se le denomina estrato.
Los estratos a definir lo sern en funcin de la
situacin particular de que se trate, pudiendo
establecerse estratificaciones atendiendo a:
Personal.
Materiales
Maquinaria y equipo.
reas de gestin.
Tiempo.
Entorno.
Localizacin geogrfica.
Otros.

Estratificacin
Objetivos de la coleccin de datos (en control de calidad):

Inspeccin

Control del proceso de

produccin
9

Anlisis de no conformidades

Estratificacin
Estratificar:
Accin de agrupar los datos en categoras
llamadas estratos o clases, con base en criterios
adecuados al objetivo de su recoleccin.
Estratificacin por forma y color.

Estratificacin
Observacin:
Estratificar es la aplicacin del principio
romano "divide y vencers.

Aqu se
aplica con el
propsito
de:

obtener mayor claridad;

comprender mejor la situacin;
encontrar caminos para el anlisis;
encontrar indicios sobre la informacin
contenida; y
facilitar el procesamiento de los datos.

Estratificacin
Ejemplos de criterios de
estratificacin aplicados a
productos no conformes:

Por
defectos

Por tipos de
defectos

Por causas
de defectos

Estratificacin
Las clases son
intervalos que no se
traslapan y que al
unirse incluyen la
totalidad de los datos.

Cuando los datos son

cuantitativos, es
conveniente estratificarlos
en clases.

Considere,
por ejemplo,
los siguientes
datos.

3
1
5
2

1
5

1 2
6 4

1
2
1

0
6
0

2 6 8 2

Estratificacin
Tres formas distintas
de estratificarlos
seran:

[0,2], [3,7],
[8,10]

[-1,3], [4,9]

[0,2],[3,4],
[5,7], [8,9]

Estratificacin
Yo me
conform
con dos.

Yo form
tres estratos

[0,2], [3,7],
[8,10]

[-1,3],
[4,9]

Yo tengo
cuatro!

[0,2],
[5,7],

[3,4],
[8,9]

En los tres casos no

hay traslape e
incluyen la totalidad
de los datos.

VENTAJAS
Permite aislar la causa de un problema, identificando
el grado de influencia de ciertos factores en el
resultado de un proceso.
La estratificacin puede apoyarse y servir de base en
distintas herramientas de calidad, si bien el histograma
es el modo ms habitual de presentarla

Hojas de registro
Hoja de registro:
Formato manual o electrnico en el cual aparecen:
un encabezado general prediseado

encabezados para
los rubros que se
van a registrar

espacios en
blanco para
registrar los datos
espacios para
grficos de
apoyo
espacios para registrar los resultados de
clculos estadsticos

Una Hoja de Verificacin (tambin llamada "de Control" o

"de Chequeo") es un impreso con formato de tabla o diagrama,
destinado a registrar y compilar datos mediante un mtodo
sencillo y sistemtico, como la anotacin de marcas asociadas
a la ocurrencia de determinados sucesos. Esta tcnica de
recogida de datos se prepara de manera que su uso sea fcil e
interfiera lo menos posible con la actividad de quien realiza el
registro.
VENTAJAS:
Supone un mtodo que proporciona datos fciles de
comprender y que son obtenidos mediante un proceso simple y
eficiente que puede ser aplicado a cualquier rea de la
organizacin.
Las Hojas de Verificacin reflejan rpidamente las tendencias y
patrones subyacentes en los datos.

UTILIDADES:
En la mejora de la Calidad, se utiliza tanto en el
estudio de los sntomas de un problema, como en
la investigacin de las causas o en la recogida y
anlisis de datos para probar alguna hiptesis.
Tambin se usa como punto de partida para la
elaboracin de otras herramientas, como por
ejemplo los Grficos de Control.

Hojas de registro
Hoja de registro de artculos defectuosos
Producto: _________

Fecha: _______

Seccin: _________

Inspector: _________

Lote:

Tam. Muestra:_____

_______

Observaciones: ________________________________________
Tipo
Mancha
Estrelladura
Opacidad
Burbujas
Alineamiento

Conteo

Frecuencia

///// ///// ///// ///// ////

///// ///// ///// ////
///// ///// ///// ///// ///// ///// /
///// ///// ///// ///
///

Total

Hojas de registro
Hoja de registro de localizacin de defectos
Producto: Llanta xYz

Fecha: _______

Seccin: _________

Inspector: _________

Lote:

Tam. Muestra:_____

_______

Observaciones: ________________________________________
Tipo

Frecuencia

Conteo

Figura
Grabado
Hilos
Forma
Otros

Total

Hojas de registro
Listas de verificacin (Ejemplo: Examen Mdico)
Nombre: Juan Mtz. R.

Fecha: _______ Edad:___

Sexo:___

Ha padecido alguna de las siguientes enfermedades?

S No

S No
Asma Bronquial

Migraa

Presin arterial elevada

Lesiones en la espalda

Infarto

Sangrado digestivo

Infecciones en los odos

Fracturas

Problemas de la piel

Alergias

Agotamiento

Enfermedades venreas

COMISIN FEDERAL DE ELECTRICIDAD

DIVISIN CENTRO ORIENTE ZONA PUEBLA
CENTRO DE SERVICIO AL CLIENTE
FORMA: ATENCION DE SERVICIO.

NOMBRE:
DIRECCION:
NO. DE CUENTA:
DESCRIPCION QUEJA

MEDIDOR

MEDIDOR

MEDIDOR

C/M

NO (
)
1+1 6A
2+1 6A
3+1 6A
OTROS:

MTS._________
MTS._________
MTS._________

NO. MEDIDOR
COD. MED.
COD. LOTE.
LECTURA
S. MECANISMO
S. CONEXIONES

CAMBIO MEDIDOR SI (
CAMBIO DE ACOMETIDA

MTS._________
Q14 IMPUTABLE AL USUARIO
T09 DES/CONEX LINEA
Q09 RECONEXION TARDIA
E07 SERV. IMPORTANTE
C16 REG. ILICITO
S09 CAMBIO DE MEDIDOR
Q08 CORTE INDEBIDO.
OBSERVACIONES:

C/M

DIAGRAMA DE PARETO
El Diagrama de Pareto constituye un sencillo y grfico
mtodo de anlisis que permite discriminar entre las causas
ms importantes de un problema (los pocos y vitales 20%)
y las que lo son menos (los muchos y triviales 80%).
VENTAJAS
Ayuda a concentrarse en las causas que tendrn mayor
impacto en caso de ser resueltas.
Proporciona una visin simple y rpida de la importancia
relativa de los problemas.
Ayuda a evitar que se empeoren alguna causas al tratar de
solucionar otras.e ser resueltas.
Su formato altamente visible proporciona un incentivo para
seguir luchando por ms mejoras.

UTILIDADES
Determinar cul es la causa clave de un problema,
separndola de otras presentes pero menos importantes.
Contrastar la efectividad de las mejoras obtenidas,
comparando sucesivos diagramas obtenidos en momentos
diferentes.
Pueden ser asimismo utilizados tanto para investigar
efectos como causas.
Comunicar fcilmente a otros miembros de la organizacin
las conclusiones sobre causas, efectos y costes de los
errores.

Diagramas Pareto

100%

El Diagrama
de Pareto es
una grfica en
donde se
organizan los
datos,
agrupados en
estratos,
por orden
descendente,
de izquierda a
derecha por
medio de
barras
sencillas.

Casos

90
80
70
60
50
40
30
20
10
0

Estratos

Vilfredo Pareto
(1848-1923)

Diagramas Pareto

100%

J.M.Juran clasific
los problemas de
calidad en los
pocos vitales,
muchos triviales,
y llam a este
mtodo Anlisis
Pareto.

El principio
de acuerdo
al cual el
80% de los
resultados
se originan
en el 20%
de los
elementos
que
contribuyen
a ellos
es llamado
Principio
Pareto.

90
80
70
60
50
40
30
20
10
0

20%

Pocos vitales

Muchos triviales

Diagramas Pareto

100%

Costo, utilidad,
frecuencia
(nmero de
casos) o
porcentaje

% acumulado

90
80
70
60
50
40

Otros

30
20
10
0

20%

Minora vital

Por medio del

Anlisis Pareto
es posible
utilizar los
recursos
necesarios con
un mnimo
desperdicio.

Mayora til

Etapas en la
construccin de un
Diagrama Pareto
1. Seleccione el problema a ser abordado mediante:
a) Tormenta de ideas
b) Utilizando datos
existentes
Ejemplo:
Problemas en la operacin del comit de calidad
2. Decida qu datos va a necesitar
Ejemplo: Casos que ocasionaron problemas en la operacin del
comit de calidad.
3. Seleccione la unidad de medida para comparacin
(frecuencia, unidad monetaria, etc.)
Ejemplo:Frecuencia o nmero de casos
4. Seleccione el perodo a ser estudiado
Ejemplo:Enero 1o. al 31 de Diciembre del 2000

Etapas en la
construccin de un
Diagrama Pareto
5. Reuna los datos necesarios
6. Agrupe los datos en estratos e
incluya un estrato especial
llamado otros, en el cual
reunir los datos aislados de
mnima frecuencia y que por su
naturaleza
no pudieron
ser
Ejemplo:Liderazgo,
disciplina, tcnicas,
agrupados de otra forma.
temas, recursos, otros.

Hoja de Registro
Estratos

Casos

Liderazgo

13

Disciplina

Tcnicas

21

Temas
7. Construya una hoja de registro
encabezada por los estratos y
Recursos
el nmero de casos o frecuencia
Otros
dentro de cada estrato
8. Contabilice los datos dentro de cada estrato
regstrelos en la hoja

2
3
3

Etapas en la
construccin de un
Diagrama Pareto
9. Construya otra hoja de registro bajo el ttulo
de Tabla de Frecuencias, encabezada por los
estratos, el nmero de casos o frecuencia dentro
de cada estrato (f), y la frecuencia
Tablaacumulada
de Frecuencias
expresada en porciento (F%).
f
F%
Estrato
10.Llene las columnas de estratos
y frecuencia (f) de la Tabla
21
47.7
Tcnicas
de Frecuencias colocando los
13
77.3
Liderazgo
estratos y sus respectivas
frecuencias ordenadas de mayor
3
84.1
Recursos
a menor, con excepcin del
2
88.6
Temas
estrato otros, el cual
deber colocarlo en la ltima
Disciplina
2
93.2
11.Calcule
fecuencia acumulada
posicinla
independientemente
de
y exprsela
porcentualmente.
3
100
Otros
su
frecuencia.
Coloque estos clculos en la
columna F%.

100%

70
60

25

50

20

40
15

30

10

20
10

0
Disciplina

Otros

14.Dibuje la curva de
frecuencias
acumuladas utilizando
la columna de F% y el
eje vertical derecho
como referencia.

30

Temas

de barras

80

Recursos

izquierdo marcado con

una escala desde 0
hasta el total
b) Un
eje vertical derecho
general.
marcado con una escala
de 0 a 100%.
c) Un eje horizontal
dividido en tantos
intervalos como
estratos se hayan
13.Construya
definido.un diagrama

90

35

Liderazgo

12.Dibuje
:
a) Un eje vertical

40

Tcnicas

Etapas en la
construccin de un
Diagrama Pareto

100%
40

Tabla de Frecuencias

Casos Estrato

F%

Liderazgo

13

Tcnicas

21

47.7

Disciplina

Liderazgo

13

77.3

Tcnicas

21

Recursos

84.1

Temas

Temas

88.6

Recursos

Disciplina

93.2

Otros

Otros

100

30

70
60

25

50

20

40
15

30

10

20

10

Ejemplo

Diagrama Pareto para xyzklmn

Diagrama Pareto

100%

Hoja de Registro
Concentradora

Tabla de Frecuencias
de Pareto

(Afecte slo los espacios

en blanco)

(No afecte ningn dato. Si lo hace har

inservible la tabla!

Rubro o estrato

Disciplina

Estratos

80

Otros

Hoja de Registro

35

Temas

No. de casos: 44
Perodo: Enero 1- Diciembre 31 del 2000

90

Recursos

Problemas en la operacin del

comit de calidad

Tcnicas

Resumen del Ejemplo

Casos

Liderazgo

Diagramas Pareto

Casos

Rubro o estrato Casos

Acu- % Acumulado mulado

40

90%

35

80%

30

70%

40%

Mayor

21

21

47.727

15

En medio

13

En medio

13

34

77.273

10

Siguiente

Otro ms

37

84.091

Mayor

21

ltimo

39

88.636

r
yo dio
Ma me
En

Siguiente

41

93.182

Otro ms

Otros

44

100

50%

20

Otros

ltimo

60%

25

Ejemplo sobre taller mecnico

Repartir las hojas del ejercico

30%
20%
10%
0%

te tros
ien O
igu

Diagramas Ishikawa
Estosdiagramas
diagramasson
sonutilizados
utilizados
Estos
para explorar
explorartodas
todaslas
lascausas
causas
para
realesoo potenciales
potenciales(entradas)
(entradas)
reales
queexplican
explicanun
unefecto
efectode
de
que
inters(salida).
(salida).
inters

Kaoru Ishikawa
1915-1989

Diagramas Ishikawa
Estructura

Otras denominaciones:
Diagrama Espina de pescado
Diagrama Causa-Efecto
Diagrama de rbol
Anlisis de la Causa Raz

El diagrama de Ishikawa, o Diagrama Causa-Efecto, es una

herramienta que ayuda a identificar, clasificar y poner de manifiesto
posibles causas, tanto de problemas especficos como de caractersticas
de calidad. Ilustra grficamente las relaciones existentes entre un
resultado dado (efectos) y los factores (causas) que influyen en ese
resultado.
VENTAJAS
Permite que el grupo se concentre en el contenido del problema, no en la
historia del problema ni en los distintos intereses personales de los
integrantes del equipo.
Ayuda a determinar las causas principales de un problema, o las causas de
las caractersticas de calidad, utilizando para ello un enfoque estructurado.
Estimula la participacin de los miembros del grupo de trabajo, permitiendo
as aprovechar mejor el conocimiento que cada uno de ellos tiene sobre el
proceso.
Incrementa el grado de conocimiento sobre un proceso.

UTILIDADES
Identificar las causas-raz, o causas principales, de un
problema o efecto.
Clasificar y relacionar las interacciones entre factores que
estn afectando al resultado de un proceso.

Procedimiento para elaborar

Diagramas Ishikawa
clasificacin en grupos predeterminados
1. Seleccione el efecto cuyas causas reales o potenciales desea
encontrar
Ejemplo: Problemas en la operacin del comit de calidad
2. Forme un equipo de 3 a 6 personas relacionadas con el problema
3. Simplifique tanto como pueda el enunciado del problema,
encirrelo en un rectngulo situado al lado derecho de la
hoja, y dibuje una flecha (eje principal) dirigida del lado
izquierdo de la hoja hacia el rectngulo.
Operacin
Operacin
del
delCC
CC

Procedimiento para elaborar

Diagramas Ishikawa
clasificacin en grupos predeterminados
4. Haga una lista de los grupos o categoras predeterminadas
dentro de las cuales va a buscar las causas reales o
potenciales del efecto.
Ejemplos:
a. Mano de obra, mtodos, materiales, medio ambiente y
maquinaria (recomendado para manufactura)
b. Polticas, Procedimientos, Personal, Provisiones
(recomendado para administracin y servicios)
c. Comunicacin, Conduccin, Capacitacin, Recursos (estos
son los grupos predeterminados para el problema de
operacin del comit de calidad)

Procedimiento para elaborar

Diagramas Ishikawa
clasificacin en grupos predeterminados
5. Enmarque las categoras en rectngulos situados alternadamente
arriba y debajo del eje principal y haga incidir, de cada rectngulo,
una flecha inclinada hacia la derecha, dirigida hacia el eje principal.
Recursos
Recursos

Comunicacin
Comunicacin

Operacin
Operacin
del
delCC
CC

Capacitacin
Capacitacin

Conduccin
Conduccin

Procedimiento para elaborar

Diagramas Ishikawa
clasificacin en grupos predeterminados
6. Por cada categora en rectngulo (o causa primaria) haga a los
miembros del equipo, la siguiente pregunta:
qu causas, relacionadas con
esta categora, explican el efecto?
Bautice las respuestas como causas secundarias y hgalas
incidir, por medio de una flecha, hacia las flechas primarias.
Ejemplo: Qu causas,
relacionadas con la comunicacin,
pueden ocasionar problemas en la
operacin del comit de calidad?

Procedimiento para elaborar

Diagramas Ishikawa
clasificacin en grupos predeterminados
Si las respuestas son Puntualidad, Medios, Inters y Diferencias,
entonces el estado del diagrama quedar como sigue:
Recursos
Recursos

Comunicacin
Comunicacin
Puntualidad
Medios

Diferencias

Inters

Operacin
Operacin
del
delCC
CC

Capacitacin
Capacitacin

Conduccin
Conduccin

Procedimiento para elaborar

Diagramas Ishikawa
clasificacin en grupos predeterminados
Despus de hacer la misma pregunta a los miembros del equipo para
las dems categoras, el diagrama podra lucir as:
Recursos
Recursos

Comunicacin
Comunicacin

Tiempo

Bibliografa

Software

Espacio

Operacin
Operacin
del
delCC
CC

Teora

Presentaciones
Polticas
Tcnicas

Temas

Inters

Medios

Asesora

Exposicin

Diferencias

Puntualidad

Capacitacin
Capacitacin

Disciplina
Liderazgo

Conduccin
Conduccin

Procedimiento para elaborar

Diagramas Ishikawa
clasificacin en grupos predeterminados
7. Por cada causa secunda repita a los miembros del equipo, la
pregunta:
qu causas, relacionadas con esta
causa secundaria, explican el efecto?
Bautice las respuestas como causas terciarias y hgalas
incidir, por medio de una flecha, hacia las flechas secundarias.
Ejemplo: Qu causas,
relacionadas con el liderazgo,
pueden ocasionar problemas
en la operacin del comit de
calidad?

Respondiendo esta serie de preguntas podramos obtener lo siguiente:

Recursos
Recursos

Comunicacin
Comunicacin
Diferencias

Tiempo

Diferencias
Puntualidad

Bibliografa

Espacio

Software

Internet

Teora

Temas

Operacin
Operacin
del
delCC
CC

Presentaciones
Institucionales

Mecnicas

Tcnicas
Estadsticas

Capacitacin
Capacitacin

Inters

Medios

Asesora

Exposicin

Rencillas
Fax

Polticas

Departamentales

Disciplina
Motivacin

Liderazgo
Visin

Conduccin
Conduccin

EJEMPLO DE BURBUJAS EN LAS CAPAS DE LLANTAS DE AUTOMOVILES

COMPUESTO

ENSAMBLE DE
LA LNEA

DE HULE
PRESIN
FORMULACIN

USO DE DISOLVENTE

ESTIRAMIENTO DE LA CAPA

APLICACN DE LA CAPA
TEMPERATURA

DURACIN

PROBLEMA: BURBUJAS
EN LA CAPA 552
PERFIL

LONGITUD

VELOCIDAD

DURACIN

TEMPERATURA

PRESIN

ENFRIAMIENTO

EXTRUSIN DE LA
CAPA

CURADO DE LA LLANTA

Hacer un diagrama causa - efecto del problema

de enseanza aprendizaje
Por equipos

HISTOGRAMA: GRAFICA QUE NOS PERMITE VISUALIZAR LA TENDENCIA

CENTRAL, LA DISPERSION Y LA FORMA DE LA DISTRIBUCION DE UN
CONJUNTO DE DATOS
EL USO SISTEMATICO DEL HISTOGRAMA FACILITA EL ENTENDIMIENTO
DE LA VARIABILIDAD Y FAVORECE EL PENSAMIENTO ESTADISTICO, YA
QUE DE UN VISTAZO SE LOGRA TENER UNA MEDIA Y SE DETECTAN
DATOS RAROS Y FORMAS ESPECIALES DE LA DISTRIBUCION DE LOS
DATOS.
Un histograma es un grfico de barras verticales que representa la
distribucin de un conjunto de datos.
VENTAJAS:
Su construccin ayudar a comprender la tendencia central, dispersin y
frecuencias relativas de los distintos valores.
Muestra grandes cantidades de datos dando una visin clara y sencilla de su
distribucin.

UTILIDADES:
El Histograma es especialmente til cuando se tiene un amplio nmero de
datos que es preciso organizar, para analizar ms detalladamente o tomar
decisiones sobre la base de ellos.
Es un medio eficaz para transmitir a otras personas informacin sobre un
proceso de forma precisa e inteligible.
Permite la comparacin de los resultados de un proceso con las
especificaciones previamente establecidas para el mismo. En este caso,
mediante el Histograma puede determinarse en qu grado el proceso est
produciendo buenos resultados y hasta qu punto existen desviaciones
respecto a los lmites fijados en las especificaciones.
Proporciona, mediante el estudio de la distribucin de los datos, un
excelente punto de partida para generar hiptesis acerca de un
funcionamiento insatisfactorio.

Grfico de barras

frecuencia

Histogramas
10
5
0
A

Estratos
frecuencia

Histogramas

10
5
0
A

Intervalos de Clase

Histogramas
frecuencia

Dispersin

Los histogramas nos brindan

informacin sobre:
Concentracin

10
5
0
A

10
5
0

Intervalos de Clase
frecuencia

frecuencia

Forma
10
5
0
A

Intervalos de Clase

Intervalos de Clase

Fases para la construccin de un Histograma

2. Construya
la Tabla de
Frecuencias

1. Defina los
intervalos
de clase

3. Trace la
grfica

Fase 1. Definicin de los Intervalos de Clase

1. Registre los datos en una hoja de registro con la siguiente estructura
y calcule los valores mnimo y mximo del total de datos.
Rubro 1: _________

Rubro 2: _______

Rubro 3: __________

Rubro 4: _________

Rubro 5: _______

Rubro 6: __________

Etc.:

_________

Dato No.
1-8
9-16
17-24
25-32
33-40
41-48

Datos

Mn Mx

Fase 1. Definicin de los Intervalos de Clase

Ejemplo:
Producto: _________

Fecha: _______

Seccin: __________

Inspector: _________

Lote:

Tam. Muestra: ______

_______

Observaciones: __________________________________________
Dato No.
1-8
9-16
17-24
25-32
33-40
41-48

3.1
3.1
2.99
3.02
3.03
3.07

3.13
3.05
2.94
3.03
3.05
2.79

2.87
2.9
3.07
3.05
3
2.93

Datos
3.03 2.95
2.92 3.04
3.11 3.02
2.94 3.01
2.97 2.94
3.1 2.97

3.01
2.99
2.97
3.13
3.03
2.97

2.95
3.06
2.98
2.92
2.9
3.06

2.99
3.15
2.92
2.94
3.02
2.97

Mn
2.87
2.9
2.92
2.92
2.9
2.79
2.79

Mx
3.13
3.15
3.11
3.13
3.05
3.1
3.15

Fase 1. Definicin de los Intervalos de Clase

2. Calcule el rango R.

R = Mx - Mn
Siguiendo el ejemplo:

R = 3.15 2.79 = 0.36

3. Determine el nmero k de intervalos de clase y la amplitud A de
los intervalos.
Proponga para A una cantidad proporcional a 1, 2 o 5: por
ejemplo 100, 200, 500, 10, 20, 50, 1, 2, 5, 0.1, 0.2, 0.5, 0.01,
0.02, 0.05, etc.. La idea es que al dividir el rango R entre la
amplitud A se obtenga un nmero entre 5 y 20, el cual servir
para determinar el nmero k de intervalos de clase.

Fase 1. Definicin de los Intervalos de Clase

Qu pasa si hay dos
distintas propuestas de
amplitud que conduzcan a
un nmero entre 5 y 20?

Si esto sucede selecciona la

amplitud menor si el nmero de
datos es mayor a 100, y la
amplitud mayor en caso contrario.

Fase 1. Definicin de los Intervalos de Clase

Ejemplo:
Rango=0.36
0.36
= 36
0.01
0.36
= 18
0.02
0.36
= 7.2
0.05

En estos dos casos obtenemos entre 5 y 20

intervalos de clase. Puesto que tenemos
menos de 100 datos, nos quedamos con con
la amplitud mayor (A = 0.05) que conduce a
k=8 intervalos de clase.

Fase 1. Definicin de los Intervalos de Clase

4. Determine los lmites de la clase.
El lmite inferior de la primera clase debe ser menor en de la
unidad de medida, al valor mnimo de los datos.
Ejemplo: Para Mn = 2.79, la unidad de medida es 0.01, y de
0.01 es 0.005. Luego el lmite inferior de la primera clase es
LI = 2.79 0.005 =

2.785

El lmite superior de la primera clase es

LS = LIC + A =

2.785 + 0.05 = 2.835

A partir de aqu, el lmite inferior de cualquier clase es igual al

lmite superior de la clase que le precede, y su lmite superior es
igual a su lmite inferior ms la amplitud.

Fase 1. Definicin de los Intervalos de Clase

Tenemos as:

Intervalo
1
2
3
4
5
6
7
8

LI
2.785
2.835
2.885
2.935
2.985
3.035
3.085
3.135

El lmite inferior de la primera clase

es igual al valor mnimo menos
de la unidad de medida.

LS
2.835
2.885
2.935
2.985
3.035
3.085
3.135
3.185

El lmitesuperior de cualquier clase

es igual a su lmite inferior ms la
amplitud de la clase.
El lmite inferior de cualquier clase
es igual al lmite superior de la
clase que le precede.

Fase 2. Construccin de la Tabla de Frecuencias

1.

Prepare una tabla (hoja de registro) con el siguiente formato:

Producto: _________

Fecha: _______

Seccin: __________

Inspector: _________

Lote:

Tam. Muestra: ______

_______

Observaciones: __________________________________________
Clase

Marca

Marcas de conteo

frecuencia

f rel %

Fase 2. Construccin de la Tabla de Frecuencias

En esta tabla se destacan las siguientes columnas:
Clase

Marca

Marcas de conteo

La marca de clase se
define como el
promedio entre el
lmite inferior y
superior de la clase.
En esta columna se
colocan los lmites
inferior y superior de
cada una de las clases,
separados por un guion.

frecuencia

f rel %

Los datos registrados en

el primer paso de la fase 1
son representados, uno a
uno, en esta columna por
medio de una marca /
colocada en la fila de la
clase a la que pertenecen.

Fase 2. Construccin de la Tabla de Frecuencias

Las ltimas dos columnas son las de la frecuencia y la frecuencia relativa
porcentual, respectivamente.
Clase

Marca

Marcas de conteo

Las marcas de conteo de

cada clase, se cuentan
para determinar la
frecuencia de clase.
La frecuencia de clase es,
por lo tanto, el nmero de
datos que pertenecen a la
clase.
La suma de las
frecuencias de clase debe
ser igual al total de datos
observados.

frecuencia

f rel %

Las frecuencias de clase se

multiplican por 100 y el resultados
se divide entre el total de datos.
El resultado es la frecuencia
relativa de clase expresada
porcentualmente, la cual nos dice
qu porcentaje, del total de datos,
pertenecen a la clase en cuestin.

Fase 2. Construccin de la Tabla de Frecuencias

2.

Llene la tabla de frecuencias de manera adecuada. Ejemplo:

Producto: _________

Fecha: _______

Seccin: __________

Inspector: _________

Lote:

Tam. Muestra: ______

_______

Observaciones: __________________________________________
Marca
Clase
2.785-2.835 2.810
2.835-2.885 2.860
2.885-2.935 2.910
2.935-2.985 2.960
2.985-3.035 3.010
3.035-3.085 3.060
3.085-3.135 3.110
3.135-3.185 3.160

Marcas de conteo
/
/
/ / / / / /
/ / / / / / / / / / / /
/ / / / / / / / / / / / /
/ / / / / / / /
/ / / / / /
/

frecuencia

1
1
6
12
13
8
6
1

f rel %
2.08
2.08
12.5
25
27.08
16.67
12.5
2.08

Fase 3: Trazo de la
grfica
1. Dibuje
:
a) Un eje vertical

20
15

10
5
0
3.135

3.185

3.085

3.035

2.985

2.935

2.885

0
2.835

de barras sobre los

intervalos de clase

25%
10

2.785

izquierdo marcado con

una escala desde 0
hasta la mxima de las
frecuencias de clase
b) Un eje vertical
derecho marcado con
una escala de 0 a la
frecuencia relativa
porcentual mxima de
clase
c) Un
eje horizontal
dividido en tantos
intervalos como
intervalos de clase se
hayan definido.
2. Construya
un diagrama

Fase 3: Trazo de la
grfica
Dimetro (en cm.) del tubo xyZ
3. Anote en un espacio
libre, informacin
adicional tal como:

N=48 X=3.002 s=0.074 R=0.36

Lecturas del 14/05 al 18/05 del 2000

a) Variable sujeta a
medicin o conteo
b) Total N de datos

c) Medidas numricas de
tendencia central y de
dispersin como la
media aritmtica,
aritmtica la
desviacin estndar y
el rango
d) Perodo en el que se
recolectaron los datos

25%
10

20
15

10
5

0
3.185

3.135

3.085

3.035

2.985

2.935

2.885

2.835

2.785

Tipo de Histogramas

a) Tipo
General
Tipo de histograma ms frecuente.
Los valores se concentran
alrededor de su media y
disminuyen suavemente hacia los
extremos.

b) Tipo
Planicie
Las clases tienen aproximadamente
la misma frecuencia, excepto las de
los extremos. Generalmente resulta
de una mezcla de poblaciones con
medias diferentes pero cercanas.

Tipo de Histogramas

c) Tipo Sesgo
d) Tipo Sesgo
Negativo
Positivo
La media est localizada a la derecha (izquierda) del centro
del histograma. El tipo sesgo positivo es ms comn que el
sesgo negativo, y est asociado a poblaciones como vida til
en horas de dispositivos electrnicos, resistencia a la ruptura
de materiales, y otras de amplia utilizacin en Confiabilidad.

Tipo de Histogramas

e) Tipo
Bimodal
Muestra claramente la mezcla de
datos de dos poblaciones con
medias muy diferentes.

f) Tipo Pico
Aislado
Detecta la presencia de un conjunto
pequeo de datos de una poblacin
diferente.

g) Tipo Precipicio
h) Tipo Precipicio
Derecha
Izquierda
Una posible causa de este tipo de histogramas es la
manipulacin de los datos mediante la exclusin deliberada
de los valores mayores o menores a cierta cantidad.

EJEMPLO DE HISTOGRAMA
Se midi el tiempo de publicidad de cierto anunciante en el canal 13 de
Mxico y durante ciertos das y los resultados fueron los siguientes:
1.081
1.042
1.113
1.101
1.14
1.119
1.225
1.125
1.053
1.172

1.156
1.059
1.129
1.093
1.195
1.032
1.143
1.071
1.119
1.174

1.129
1.214
1.132
1.106
1.014
1.164
1.063
1.13
1.079
1.156

1.096
1.036
1.155
1.057
1.084
1.122
1.074
1.187
1.23
1.162

1.064
1.123
1.083
1.227
1.164
1.095
1.191
1.025
1.139
1.127

Tomando en consideracin de que el tiempo en televisin es muy costoso,

estos anuncios estuvieron al aire en la transmisin de los juegos de la NBA en
los play off de la temporada pasada. Se tiene estimado que el minuto en TV
cuesta aproximadamente $ 35,000.00. Calcular el tiempo promedio de que se
estuvo transmitiendo este comercial. Tambin hacer un estudio estadstico
completo, con todas las herramientas vistas hasta la presente, para este
problema. Presentar conclusiones y alternativas.
Comparar con costos de otras televisoras y sacar los ahorros o gastos del
patrocinador, si se hubiera anunciado en otro lugar o medio de comunicacin.

DIAGRAMAS DE DISPERSION

A veces interesa saber si existe algn tipo de relacin

entre dos variables. Por ejemplo, puede ocurrir que dos
variables estn relacionadas de manera que al aumentar el
valor de una, se incremente el de la otra. En este caso
hablaramos de la existencia de una correlacin positiva.
Tambin podra ocurrir que al producirse una en un sentido,
la otra derive en el sentido contrario; por ejemplo, al
aumentar el valor de la variable x, se reduzca el de la
variable y. Entonces, se estara ante una correlacin negativa.
Si los valores de ambas variable se revelan independientes
entre s, se afirmara que no existe correlacin.

VENTAJAS
Se trata de una herramienta especialmente til para estudiar
e identificar las posibles relaciones entre los cambios
observados en dos conjuntos diferentes de variables.
Suministra los datos para confirmar hiptesis acerca de si
dos variables estn relacionadas.
Proporciona un medio visual para probar la fuerza de una
posible relacin.

Diagramas de Dispersin
0.18
0.17
0.16
0.15
0.14
0.13

100

110

120

130

140

150

160

170

180

Diagramas de Dispersin
Los Diagramas de Dispersin se utilizan
para investigar la posible relacin entre
dos variables cuantitativas.
Las variables bajo investigacin pueden ser:
9 Dos caractersticas de calidad
9 Una caracterstica de calidad y un
factor que la afecta
9 Dos factores que afectan a una
misma caracterstica de calidad
9 Cualquier par de variables de inters

Pasos para la construccin de un

Diagrama de Dispersin
1.

Denote con X y Y a las variables cuya relacin quiere

estudiar. Si es de suponer que una variable dependa de la
otra, denote con Y a la variable dependiente. Si las variables
son un factor y una caracterstica de calidad, denote con X al
factor y con Y a la caracterstica de calidad.
Ejemplo: Un entrenador de atletismo desea investigar la
relacin entre la temperatura ambiente y el mejor tiempo en
100 mts. de uno de sus pupilos. Supone que el tiempo es
afectado por la temperatura.
X = Temperatura
(en grados centgrados)
Y = Tiempo (en segundos)

Pasos para la construccin de un

Diagrama de Dispersin
2.

Para cada valor de X registre el correspondiente valor de Y

en una tabla apropiada.
X
Temperatura (oC)

Y
Tiempo (seg.)

25.8
27.8
26.2
19.5
28.1
23.6
30.1
24.6
26.4
36.8

13.4
13.7
13.7
12.8
14.0
13.3
14.1
13.1
13.4
14.8

Pasos para la construccin de un

Diagrama de Dispersin
3. Dibuje
: Un eje vertical
a)
15.0

marcado con una

escala que cubra
el mnimo y el
mximo de los
valores
b) Un
eje de Y.
horizontal
marcado con una
escala que cubra
el mnimo y el
mximo de los
4. Registre
datos
valoreslos
de X

14.5
14.0
13.5
13.0

35

30

25

12.5
20

en el grfico.
Cuando se obtengan
pares de valores
iguales destaque
sus puntos con
smbolos adecuados.

Pasos para la construccin de un Diagrama

de Dispersin
5. Registre en
un espacio
adecuado
aspectos
como:
a) Ttulo.

15.0

Diagrama de Dispersin entre

rendimiento atltico y
temperatura ambiente
n= 10
10/01 al 15/05
2001

14.5

13.0

Temperatura
oC

35

30

12.5
25

b) Ttulo y
unidades de
cada eje

13.5

20

b) No. de pares
de datos

Ti e mpo
( s e g. )

14.0

b) Perodo

20

Correlacin alta

40

12.5
40

13.0

12.5
30

13.5

13.0

20

14.0

13.5

30

Coeficiente de Correlacin
14.0

Correlacin mediana
Tres situaciones:

14.0
13.5
13.0

40

30

20

12.5

Correlacin baja

Las tres muestran el mismo tipo

de relacin entre X y Y: Cuando
X crece, Y crece.
Sin embargo la relacin es muy
alta en el primer caso,
podra decirse que mediana en el
segundo,
y es apenas perceptible en el
tercero.

20

Caso 1

40

12.5
40

13.0

12.5
30

13.5

13.0

20

14.0

13.5

30

Coeficiente de Correlacin
14.0

Caso 2
Para medir qu tan fuerte es la
relacin entre pares de variables
Karl Pearson desarroll el
Coeficiente de Correlacin:

14.0
13.5
13.0

40

30

20

12.5

r =

(X

Caso 3

( X X )(Y Y )
X)

(Y Y )

40

20

12.5
40

13.0

12.5
30

13.5

13.0

20

14.0

13.5

30

Coeficiente de Correlacin
14.0

r = 0.9102

r = 0.9927

Al aplicarlo a los datos de las

grficas se obtuvieron los
siguientes resultados:

14.0
13.5

Caso 1 : r= 0.9927
Caso 2 : r= 0.9102
Caso 3 : r= 0.4009

13.0

r = 0.4009

40

30

20

12.5

Clculo del Coeficiente de Correlacin

X
25.8
27.8
26.2
19.5
28.1
23.6
30.1
24.6
26.4
36.8

Y
13.4
13.7
13.7
12.8
14.0
13.3
14.1
13.1
13.4
14.8

X-X
-1.09
0.91
-0.69
-7.39
1.21
-3.29
3.21
-2.29
-0.49
9.41

268.9 136.3

Y-Y (X-X)(Y-Y) (X-X)2 (Y-Y)2 X=268.9 Y=136.3

-0.23 0.2507 1.188 0.0529
X
268.9
X=
=
n
10
0.07 0.0637 0.828 0.0049
0.07 -0.0483 0.4761 0.0049 = 26.89
-0.83 6.1337 54.612 0.6889
Y
136.3
Y=
=
n
10
0.37 0.4477 1.464 0.1369
-0.33 1.0857 10.824 0.1089 = 13.63
0.47 1.5087 10.304 0.2209
(X-X)(Y-Y)
r=
-0.53 1.2137 5.244 0.2809
(X-X)2 (Y-Y)2
-0.23 0.1127 0.240 0.0529
22.363
=
1.17 11.5947 98.208 1.3689
(183.39) (2.921)
22.363 183.39 2.921
= 0.96622
(X-X)(Y-Y) (X-X)2 (Y-Y)2

13.0

12.5

12.5
40

Correlacin Positiva:
Si X aumenta, Y aumenta.

40

13.0

20

13.5

30

14.0

13.5

20

14.0

30

Interpretacin del Diagrama de Dispersin

Correlacin Negativa:
Si X aumenta, Y disminuye.

Relacin Lineal:

Relacin Lineal:

Y
= Constante > 0
X

Y
= Constante < 0
X

12.5
20
12.5

Ausencia de Correlacin

40

13.0

12.5
40

13.5

13.0

30

14.0

13.5

20

14.0

30

Posible Correlacin Negativa

20

Posible Correlacin Positiva:

40

13.0

12.5
40

13.5

13.0

30

14.0

13.5

20

14.0

30

Interpretacin del Diagrama de Dispersin

Relacin No Lineal

Otros ejemplos de Relacin No Lineal

Ejemplo: Y=Rendimiento
X=Temperatura de reaccin

Ejemplo: Y=Ventas
X=Tiempo (mes del ao)

Ejemplo: Y=Crecimiento
X=Tiempo

Ejemplo: Y=Ventas
X=Inversin en publicidad

Cartas de Control

Conceptos: Lmites de Control, Carta de Control,

Patrones de No aleatoriedad, Tipos de Cartas.

Cartas de Control
por Variables

Contenido

Revisin de las cartas

de control

Cartas de Control
por Atributos

Conceptos:
Carta de Control
Lmites de Control

Patrones de no aleatoriedad
Tipos de Cartas.

Introduccin
Es raro. Nunca haba
sacado 10 en
Matemticas.

Seguro que
no copiaste?

GRAFICAS DE CONTROL
En un proceso cualquiera, ya sea administrativo o de
produccin, por ms sencillo que sea, interviene una cantidad
considerable de variables que influyen sobre su capacidad
para lograr la calidad del producto.
Debido a lo dinmico de los procesos, las variables son
constantemente modificadas por diversos factores, cual tiene
un efecto directo sobre la calidad del producto. A los factores
que provocan la variabilidad del proceso les llamaremos
"causas de variacin". Las causas de variacin pueden ser
comunes o especiales

Un grfico de control es una herramienta estadstica utilizada para evaluar la

estabilidad de un proceso. Permite distinguir entre las causas de variacin.
Todo proceso tendr variaciones, pudiendo stas agruparse en:
Causas aleatorias de variacin. Son causas desconocidas y con poca
significacin, debidas al azar y presentes en todo proceso.
Causas especficas (imputables o asignables). Normalmente no deben estar
presentes en el proceso. Provocan variaciones significativas.
Las causas aleatorias son de difcil identificacin y eliminacin. Las causas
especficas s pueden ser descubiertas y eliminadas, para alcanzar el objetivo
de estabilizar el proceso.
Los grficos de control fueron ideados por Shewhart durante el desarrollo del
control estadstico de la calidad. Han tenido una gran difusin siendo
ampliamente utilizados en el control de procesos industriales. Sin embargo, con
la reformulacin del concepto de Calidad y su extensin a las empresas de
servicios y a las unidades administrativas y auxiliares, se han convertido en
mtodos de control aplicables a procesos llevados a cabo en estos mbitos.

Determinar que tipo de Grfica de Control se va a usar

Las grficas de control pueden ser de 2 tipos:
Para control de variables. Que a su vez pueden ser de media

y rango, mediana y rango, y valores medidos

individuales
Control de atributos. Del estilo aceptable / inaceptable, s
/ no,...
En el caso de grficas de control de atributos existen cuatro tipos:
La p o de fraccin defectuosa
La np para el nmero de unidades defectuosas
La c para el nmero de defectos totales que tiene una pieza
La u para la fraccin de defectos totales. Estas 2 ltimas son para
casos en que la especificacin de un producto indica que cada pieza o
unidad no puede tener ms de cierta cantidad de defectos; por
ejemplo, en un piso cermico no puede haber ms de dos defectos de
apariencia por unidad.

Las grficas de control de variables son tambin de cuatro

tipos:
La de promedio de rangos X R
La de promedio desviacin estndar X S
La de medianas rangos X R
La de lecturas individuales X R.
Cada tipo de grfica tiene sus ventajas y desventajas y es
ms apropiada para ciertos tipos de proceso o condiciones
de operacin con respecto a las otras. La decisin de
utilizar una u otra debe basarse en el sesgo que exista en
los parmetros de estimacin de la media y desviacin
estndar, con respecto a los costos que implique obtener
un estimador con menor sesgo.

Determinar el tamao de la muestra

En el caso de grficas por variables, el tamao de la
muestra es de 2 a 20 piezas, pero el ms comn es de
5.
Por otro lado la grfica de control de atributos se
utilizan muestras de entre 50 y 200 piezas, aunque la
fraccin defectuosa que contienen los lotes es menor,
el tamao de la muestra debe aumentar por razones
estadsticas.

Determinar la frecuencia de toma de

muestras
En el CEP (Control Estadstico de Procesos) se toma una muestra
del tamao que se haya definido como apropiado cada cierto
tiempo; por ejemplo se toman 5 piezas cada 15 minutos. Esta
frecuencia debe basarse en el conocimiento del proceso acerca de
los intervalos en que puede manifestarse un cambio en la media o
desviacin estndar del mismo.
No existe una regla general para la determinacin de la frecuencia
de muestreo.

Determinar la longitud del periodo inicial de

recoleccin de datos
Se debe considerar el tiempo suficiente para que se mezclen
todos los factores que intervienen en el proceso. Este periodo
inicial debe ser por lo menos suficiente para recolectar
cuando menos de 35 a 40 muestras, debido a razones
estadsticas se necesitan al menos 25 muestras asociadas a
condiciones comunes de operacin para poder realizar los
clculos.

VENTAJAS
Permite distinguir entre causas aleatorias y especficas de
variacin de los procesos, como gua de actuacin de la
direccin.
Los grficos de control son tiles para vigilar la variacin de
un proceso en el tiempo, probar la efectividad de las
acciones de mejora emprendidas, as como para estimar la
capacidad del proceso.
UTILIDADES
Ayudan a la mejora de procesos, de forma que se comporten
de manera uniforme y previsible para una mayor calidad,
menores costos y mayor eficacia.
Proporcionan un lenguaje comn para el anlisis del
rendimiento del proceso.

Ejemplo:supongamos que se tiene un proceso de llenado de botellas

de 0.355 litros y se tienen los datos siguientes:
X1
.65
.75
.75
.60
.70
.60
.75
.60
.65
.60
.80
.85
.70
.65
.90
.75
.75
.75
.65
.60
.50
.60
.80

X2
.70
.85
.80
.60
.75
.75
.80
.70
.80
.70
.75
.75
.70
.70
.80
.80
.70
.70
.65
.60
.55
.80
.65

X3
.65
.75
.80
.70
.65
.75
.65
.80
.85
.60
.90
.85
.75
.85
.80
.75
.85
.60
.85
.65
.65
.65
.75

X4
.65
.85
.70
.75
.85
.85
.75
.75
.85
.80
.50
.65
.75
.75
.75
.80
.70
.70
.65
.60
.80
.65
.65

X5
.85
.65
.75
.65
.80
.70
.70
.75
.75
.75
.80
.70
.70
.60
.85
.65
.80
.60
.70
.65
.80
.75
.65

Promedio
0.7
0.77
0.76
0.65
0.75
0.73
0.72
0.72
0.78
0.67
0.75
0.76
0.72
0.71
0.82
0.75
0.76
0.67
0.7
0.62
0.66
0.69
0.7

Rangos
0.2
0.2
0.1
0.15
0.2
0.25
0.15
0.2
0.2
0.2
0.4
0.2
0.05
0.25
0.15
0.15
0.15
0.15
0.2
0.05
0.3
0.15
0.15

Al obtener sus promedios y calcular su grfica de

promedios y rangos se tienen los siguientes grficos:

Grafica de Promedios
Punto fuera del rango

0,9

LSC

0,8

Promedio

LIC

0,6
0,5
0,4
0,3
0,2
0,1

Promedios

25

23

21

19

17

15

13

11

0
1

N de Muestra

0,7

Grafica de Rangos

0,4

LSC

0,3

Promedio

0,2
0,1

25

23

21

19

17

15

13

11

LIC

No de Muesttra

0,5

Rangos

Carta de Control y Lmites

Naturales de Variacin
para el
el estudio
estudio yy control
Carta
Herramienta estadstica
estadstica para
control de
de
Carta de
de Control:
Control: Herramienta
procesos.
Consiste de
de una
central yy un
de lmites
lmites de
procesos. Consiste
una lnea
lnea central
un par
par de
de control,
control, llamados
llamados
la informacin
sobre las
lmites
naturalesde variacin.
de variacin.
ResumeResume
la informacin
sobre las caractersticas
lmites naturales
caractersticas
de calidad
de del
inters,
obtenida
del proceso
de produccin
de calidad de inters,
obtenida
proceso
de produccin
mediante
muestreo.
mediante
muestreo.
Permite
distinguir
entre
la
al
variacin
natural
Permite distinguir entre la variacin natural (debida al azar) y la (debida
variacin
azar)
y la (aquella
(aquella
una causa yfactible
variacin
de ser
consistemtica
una causa factible
sistemtica
de con
ser descubierta
controlada).
descubierta y controlada).
14.0
13.5
13.0
12.5
5

10

15

20

25

30

Nmero de muestra

CMO Y CUNTAS UNIDADES MUESTREAR?

NO EXISTEN REGLAS NICAS. PARA MUESTREAR ES
USUAL APLICAR UN MUESTREO SISTEMTICO, EN DONDE
CADA DETERMINADO TIEMPO O CADA DETERMINADA
CANTIDAD DE UNIDADES PRODUCIDAS SE TOMA UN
SUBGRUPO DE UNIDADES. POR EJEMPLO: CADA 5 A 10
PIEZAS CADA MEDIA HORA, PARA MONITOREAR EL
PORCESO.
SEGN LA MILITRY STANDARD 414, SUGIERE QUE EL
NUMERO DE PIEZAS A INSPECCIONAR POR LOTES ESTA
DADO POR:
TAMAO DEL LOTE
60 A 300

% A MUESTREAR
10

301 A 1000

1001 A 5000

MAS DE 5000

Lmites de Control y Lmites de Tolerancia

Los Lmites de Control se calculan
de tal forma que con una alta
probabilidad dentro de ellos tome
valores el estimador del parmetro
sujeto a control cuando slo el azar
gobierna su comportamiento.

Los Lmites de Tolerancia son las

especificaciones hechas (por el
cliente
del
proceso)
a
la
caracterstica de calidad que se est
examinando.
LTi

14.0

LTs

LCs

13.5
13.0

7.2

7.1

6.9

7.0

6.8

6.7

10

6.6

6.5

LCi
6.4

12.5

Nmero de muestra

Ejemplo de un proceso fuera de control

Este es el tpico caso de un
proceso fuera de control. El
proceso marcha como debiera.
De pronto un punto cae fuera de
sus lmites narurales de variacin
probablemente debido a una
causa factible de ser descubierta
y controlada.

Patrones de No Aleatoriedad
No basta que todos los puntos
caigan dentro de sus lmites
de control para concluir que el
proceso est bajo control.

Un comportamiento no
aleatorio de los mismos
tambin es un aviso de
que algo anormal sucedi.

Patrones de No Aleatoriedad
Sesgo

Sesgo

Racha de 7 puntos
consecutivos de un mismo lado.

Racha de 10 o ms de 11 puntos
consecutivos, de un mismo lado.

Sesgo

Racha de 12 o ms de 14 puntos
consecutivos, de un mismo lado.

Sesgo

Racha de 16 o ms de 20 puntos
consecutivos, de un mismo lado.

Patrones de No Aleatoriedad
Tendencia

Tendencia

Racha ascendente o descendente de

7 puntos consecutivos

Racha ascendente o descendente

de 10 o ms de 11 puntos
Tendencia

Tendencia

4 + 2 + 6 = 12
Racha ascendente o descendente
de 12 o ms de 14 puntos

+ 5 + 5 + 3 = 16

Racha ascendente o descendente

de 16 o ms de 20 puntos

Patrones de No Aleatoriedad
Marcha extrema

Dos de tres puntos en franjas

extremas
Zig zag

Rachas de zigzag alrededor

de la lnea central.

Marcha central

Rachas dentro de la franja

central
Perioricidad

Repeticin de patrones (por

estacionalidad o ciclos).

Patrones de No Aleatoriedad
Se debe estar
atento a la
aparicin de
muchos patrones
de no
aleatoriedad?

Pues s y no. Si atendemos pocos

podramos no darnos cuenta oportunamente
de desviaciones del proceso.
Y si atendemos muchos
podramos volvernos
paranoicos declarando
problemas donde no los hay.

No hay
hay puntos
puntos fuera
fuera de
de los
los
No
lmites de
de control.
control.
lmites
Hayaproximadamente
aproximadamente los
los
Hay
mismos puntos
puntos arriba
arriba yy abajo
abajo de
de
mismos
la lnea
lnea central.
central.
la
Los
Los puntos
puntos dan
dan la
la impresin
impresin de
de
estar
estar aleatoriamente
aleatoriamente distribuidos
distribuidos

A manera de
resumen podremos
decir que un proceso
est bajo control si ...

Tipos de Cartas
Cartas X R (promedio rango)
Por Variables
Cartas X (unidades individuales)
Cartas
de
Control

Cartas p (fraccin defectuosa)

Por Atributos

Cartas np (nmero de unidades

defectuosas)
Cartas c (nmero de defectos)
Cartas u (nmero de defectos
por unidad)

Cartas de Control
por Variables

Control Estadstico
de Procesos
Grficos X-R

Grficos X-R

Los grficos X-R se utilizan cuando la

caracterstica de calidad que se desea
controlar es una variable continua.

Grficos X-R
Proce
so

Muestras del
Producto

Mediciones

125.0
4
126.5
0
123.0
3
127.4
0
127.5
2
127.3
1
125.7
7
125.1
7
-

Grficos X-R

Para entender los grficos X-R, es necesario

conocer el concepto de Subgrupos (o
Subgrupos racionales).

Grficos X-R

Trabajar con subgrupos significa agrupar

las mediciones que se obtienen de un
proceso, de acuerdo a algn criterio.

Grficos X-R

Los subgrupos se realizan agrupando las

mediciones de tal modo que haya la
mxima variabilidad entre subgrupos y la
mnima variabilidad dentro de cada
subgrupo.

Grficos X-R

Por ejemplo, si hay cuatro turnos de trabajo

en un da, las mediciones de cada turno
podran constituir un subgrupo.

Grficos X-R

Supongamos una fbrica que produce

piezas cilndricas para la industria
automotriz. La caracterstica de calidad que
se desea controlar es el dimetro de las
piezas.

Grficos X-R
Medicin del
Dimetro

Proce
so

50.0
4
50.0
8
50.0
9
50.1
0
-

Grficos X-R

Hay dos maneras de obtener los subgrupos.

Una de ellas es retirar varias piezas juntas a
intervalos regulares, por ejemplo cada hora:

Grficos X-R
7:0
0

Proce
so

Muestra de
6 Piezas

Grficos X-R
8:0
0

Proce
so

Muestra de
6 Piezas

Grficos X-R
9:0
0

Proce
so

Muestra de
6 Piezas

Grficos X-R

La otra forma es retirar piezas individuales

a lo largo del intervalo de tiempo
correspondiente al subgrupo:

Grficos X-R
7:1
0

Proce
so

1a Pieza

Grficos X-R
7:2
0

Proce
so

2a Pieza

Grficos X-R
7:3
0

Proce
so

3a Pieza

Grficos X-R
Por cualquiera de los dos caminos,
obtenemos grupos de igual nmero de
mediciones. Para cada subgrupo calculamos
el Promedio y el Rango (Diferencia entre el
valor mximo y el valor mnimo).

Grficos X-R

50.0
4
50.0
8
50.0
9
50.1
0
50.2
4
50.0
4

Mediciones

Subgrupo de
6 Piezas

Grficos X-R

X=

50.04+ 50.08+ 50.09+ 50.10+ 50.24+ 50.04

6

)
R = (50.24 50.04

Grficos X-R
Como ya se ha visto, para calcular los
Lmites de Control es necesario obtener un
gran nmero de mediciones, divididas en
subgrupos. En nuestro ejemplo, podramos
obtener 30 subgrupos de 6 datos cada uno.

Grficos X-R
Subgrupo
1

Subgrupo
2

Subgrupo
3

Subgrupo
4

50.0
4
50.0
8
50.0
9
50.1
0
50.2
4
50.0
4
50.1
4
49.9
7
50.0
7
49.9
7
50.0
3
50.1
0
49.9
9

Subgrupo
5

Subgrupo
6

Subgrupo
7

50.0
6
50.0
1
50.0
6
50.0
3
50.1
8
50.0
3
50.1
0
50.1
4
50.0
7
50.1
2
50.0
8
50.1
0
50.1
1

Grficos X-R

Despus de calcular el Promedio y el Rango

de cada subgrupo, tendramos una tabla
como la siguiente:

Grficos X-R
N Subgrupo

Xp

1
2

50.10

0.20

50.05

0.17

3
4
5
6
7
-

50.08

0.19

50.10

0.15

50.06

0.17

50.10

0.07

50.04

0.16

Grficos X-R
A partir de esta tabla, se calculan el
promedio general de promedios de
subgrupo y el promedio de rangos de
subgrupo:

Grficos X-R

X=

Xi
N

X
N

Promedio de
Subgrupo
Nmero de
Subgrupos

Grficos X-R
o tambin:

x
X= i
N n
xi
N
n

Mediciones
individuales
Nmero de
Subgrupos
Nmero de mediciones dentro
del Subgrupo

Grficos X-R

R=
Ri

Rango del
Subgrupo

Grficos X-R

La desviacin standard del proceso se puede

calcular a partir del rango promedio,
utilizando el coeficiente d2, que depende del
nmero de mediciones en el subgrupo:

Grficos X-R

s=

R
d2

Grficos X-R
Con esto podemos calcular los Lmites de
Control para el grfico de X:

Grficos X-R

Lnea
Central
=X
LSC = X + 3

LIC= X 3

s
n

s
n

Grficos X-R
La desviacin standard del rango se puede
calcular utilizando el coeficiente d3, que
tambin depende del nmero de mediciones
en el subgrupo:

Grficos X-R

sR =

d3 R
d2

Grficos X-R

Y as podemos calcular los Lmites de

Control para el Grfico de R:

Grficos X-R

Lnea
Central
=R
LSR = R + 3 sR
LIR= R 3 sR

Grficos X-R

La tabla siguiente muestra los coeficientes

d2 y d3 para subgrupos de hasta 10
mediciones:

Grficos X-R
n
2
3
4
5
6
7
8
9
10

d2
1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078

d3
0.853
0.888
0.880
0.864
0.848
0.833
0.820
0.808
0.797

Control de Calidad Estadstico Douglas Montgomery

Ver hoja
entregada en
clases
anterioriores
sobre valores

Grficos X-R

Construmos entonces un Grfico X de

prueba y representamos los promedios de
los subgrupos:

Grficos X-R
Grfico de Xp
50.20
50.15

Xp

50.10
50.05
50.00
49.95
0

10

15

20

N subgrupo

Grficos X-R

Y un Grfico R de prueba, donde

representamos los rangos de los
subgrupos:

25

30

Grficos X-R

Grfico de R
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
0

10

15

20

25

30

N subgrupo

Grficos X-R
Si no hay puntos fuera de los lmites de
control y no se encuentran patrones no
aleatorios, se adoptan los lmites calculados
para controlar la produccin futura.

Cartas X R (promedio rango)

Diagramas de dispersin de valores individuales
de caractersticas cuantitativas

10

10

Nmero de muestra

Nmero de muestra

Tendencia central bajo control

Tendencia central en descenso

Dispersin en aumento

Dispersin bajo control

Para asegurarnos
que la tendencia
central permanece
estable controlamos
el promedio X.

Y para asegurarnos
que la dispersin
permanece estable
controlamos el rango R

Es muy fcil aplicar

estas frmulas. Por
ejemplo, el
promedio de
8,3,4,9 es
8+2+5+9
=6
X=
4
Y su rango es
R= 9-2=7

X = X
n
R = Mx - Mn

Elaboracin de
la Carta de
Control X - R
1. Recoja 20, 25 o 30
muestras del
proceso,
de 4 o 5 datos
cada una,
y regstrelas en
orden cronolgico.

Elaboracin de
la Carta de
Control X - R
2. Calcule los
promedios de cada
muestra:
X = X
n
Aqu n es el
nmero de datos
de cada muestra.
Nota:
El promedio se
redondea a una
o dos cifras
decimales ms
que las de los
datos originales.

Muestra X1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

29
29
34
31
30
27
25
24
33
35
30
26
36
25
38
29
31
28
30
26

Muestra X1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

29
29
34
31
30
27
25
24
33
35
30
26
36
25
38
29
31
28
30
26

X2
31
34
28
25
27
28
36
31
29
29
32
28
35
26
23
29
27
29
32
33

X3
20
29
36
33
26
25
32
32
33
28
24
30
39
30
32
26
24
38
23
29

X4
30
31
23
30
36
32
30
28
27
34
32
26
34
27
30
27
32
30
33
30

X2
31
34
28
25
27
28
36
31
29
29
32
28
35
26
23
29
27
29
32
33

X3
20
29
36
33
26
25
32
32
33
28
24
30
39
30
32
26
24
38
23
29

X4
30
31
23
30
36
32
30
28
27
34
32
26
34
27
30
27
32
30
33
30

Nota 1:
El nmero de
muestras debe ser
grande para
representar el
comportamiento del
proceso; y pequeo
para reflejar su
estado actual.
El nmero prctico
conciliatorio es
entre 20 y 30.
Nota 2:
El nmero de datos
en cada muestra
podra extenderse
hasta 10 o
disminuir hasta 2.

X
110
123
121
119
119
112
123
115
122
126
118
110
144
108
123
111
114
125
118
118

X
27.5
30.75
30.25
29.75
29.75
28
30.75
28.75
30.5
31.5
29.5
27.5
36
27
30.75
27.75
28.5
31.25
29.5
29.5

Elaboracin de
la Carta de
Control X - R
3. Sume los
promedios
y divida el
resultado entre el
nmero k de
muestras
X = X
k
= 594.8
20
= 29.74

Elaboracin de
la Carta de
Control X - R
4. Calcule el rango
de cada muestra
R = Mx - Mn
Sume los rangos
R = 161
Calcule el
promedio de los
rangos
R=

R
k

Elaboracin de
la Carta de
Control X - R
5. Calcule las lneas
de control para X.

Muestra X1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

29
29
34
31
30
27
25
24
33
35
30
26
36
25
38
29
31
28
30
26

Muestra X1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

29
29
34
31
30
27
25
24
33
35
30
26
36
25
38
29
31
28
30
26

X
110
123
121
119
119
112
123
115
122
126
118
110
144
108
123
111
114
125
118
118
X
X

X2
31
34
28
25
27
28
36
31
29
29
32
28
35
26
23
29
27
29
32
33

X3
20
29
36
33
26
25
32
32
33
28
24
30
39
30
32
26
24
38
23
29

X4
30
31
23
30
36
32
30
28
27
34
32
26
34
27
30
27
32
30
33
30

X2
31
34
28
25
27
28
36
31
29
29
32
28
35
26
23
29
27
29
32
33

X3
20
29
36
33
26
25
32
32
33
28
24
30
39
30
32
26
24
38
23
29

X4 X
30 110
31 123
23 121
30 119
36 119
32 112
30 123
28 115
27 122
34 126
32 118
26 110
34 144
27 108
30 123
27 111
32 114
30 125
33 118
30 118
Suma
Promedio

X
27.5
30.75
30.25
29.75
29.75
28
30.75
28.75
30.5
31.5
29.5
27.5
36
27
30.75
27.75
28.5
31.25
29.5
29.5
594.8
29.74

X
R
27.5
11
30.75
5
30.25 13
29.75
8
29.75 10
28
7
30.75 11
28.75
8
30.5
6
31.5
7
29.5
8
27.5
4
36
5
27
5
30.75 15
27.75
3
28.5
8
31.25 10
29.5
10
29.5
7
594.8 161
29.74 8.05

Elaboracin de
la Carta de
Control X - R
1. Recoja 20, 25 o 30
muestras del
proceso,
de 4 o 5 datos
cada una,
y regstrelas en
orden cronolgico.
R=

14.0

R
k

LCs

13.5
13.0
12.5

LCi
5

10

Nmero de muestra

f(x)

f(x)

Grficos np

GRFICAS DE CONTROL:
ATRIBUTOS
SE UTILIZAN PARA:

IDENTIFICAR Y CLASIFICAR PIEZAS FUERA DE ESPECIFICACIONES

(DEFECTUOSAS).
ENCONTRAR PROBLEMAS CUANDO NO EXISTE INFORMACIN
HISTRICA.
SITUACIONES EN LAS QUE SE REQUIEREN RESUMENES
(GERENCIA).
VENTAJAS:
HAY VECES EN QUE UNA CC PUEDE MEDIRSE COMO UNA
VARIABLE (MEDIBLE) PERO SE TOMA COMO ATRIBUTO PORQUE
CUESTA MENOS, TOMA MENOS TIEMPO, ETC.
SE PUEDEN MEDIR UNA O VARIAS CARACTERISTICAS DE
CALIDAD EN UNA SOLA GC.
ATRIBUTOS: SE ENCUENTRAN EN TODOS LOS NIVELES DE UNA
ORGANIZACIN: COMPAA, PLANTAS, TALLERES, CENTROS DE
TRABAJO, ETC. GENERAL PARTICULAR (VS. VARIABLES).

DIAGRAMAS DE CONTROL PARA

ATRIBUTOS
DESVENTAJAS:

NO INDICAN A QUE GRADO SE ESTAN

CUMPLIENDO LAS ESPECIFICACIONES.
NO DETECTAN UN POSIBLE "FUERA DE
CONTROL" EN EL FUTURO PROXIMO.
SE REQUIEREN TAMAOS DE MUESTRA
MAYORES.

DEFINICIONES

NO CONFORMIDAD (DEFECTO): FALTA DE CONFORMIDAD A

ALGUNA ESPECIFICACIN, O FALLA, DE UN PRODUCTO (UNA
MISMA UNIDAD DE PRODUCTO PUEDE PRESENTAR VARIOS
DEFECTOS A LA VEZ).

NO CONFORMANTE (DEFECTUOSO): UNIDAD DE PRODUCTO O

ARTCULO CON UNO O MAS DEFECTOS.

NMERO DE DEFECTUOSOS: NMERO D DE ARTCULOS

DEFECTUOSOS OBSERVADOS EN UNA MUESTRA CON N
OBSERVACIONES.

NMERO DE DEFECTOS: NMERO C DE NO CONFORMIDADES

PRESENTES EN UNA MUESTRA QUE TIENE N UNIDADES DE
PRODUCTO O ESPECMENES.

FRACCIN O PROPORCIN DEFECTUOSA: PROPORCIN p ENTRE

EL NMERO DE ESPECMENES DEFECTUOSOS Y EL NMERO
TOTAL DE ESPECMENES DE LA MUESTRA.
p=

TIPOS DE GC PARA ATRIBUTOS

A) PARA UNIDADES DEFECTUOSAS:
GRFICA DE CONTROL p FRACCIN DEFECTUOSA
GRFICA DE CONTROL np NMERO DE
ARTCULOS NO CONFORMANTES.

B) PARA DEFECTOS:
GRFICA DE CONTROL c NMERO DE DEFECTOS.
GRFICA DE CONTROL u NMERO DE DEFECTOS
POR UNIDAD.

ATRIBUTOS EN UNA MUESTRA

3 GRIETAS
6 HOYOS
1 REBABA
1 DESGASTE

NMERO DEFECTOS=11
NMERO DE UNIDADES
DEFECTUOSAS=6
FRACCIN DE UNIDADES
DEFECTUOSAS=6/10
NMERO DE DEFECTOS POR
UNIDAD=11/10

Grficos np

Muchas caractersticas de calidad se evalan

dando resultados como: conforme o
disconforme, defectuoso o no defectuoso.
Estas caractersticas de calidad se conocen
como atributos.

Grficos np

Supongamos un proceso que

fabrica tornillos. Una manera de
ensayar cada tornillo sera
probarlo con una rosca calibrada.

Grficos np
El resultado de este ensayo slo tiene dos
posibles resultados: Defectuoso-No
Defectuoso ( Conforme-Disconforme ). Si el
tornillo no entra en la rosca, se lo considera
defectuoso o disconforme.

Grficos np

Para controlar este proceso, se puede tomar

una muestra de tornillos y contar el nmero de
defectuosos presentes en la muestra.

Grficos np

Test

Proceso

Tornillo
OK

Grficos np

La variable aleatoria nmero de defectuosos

es una variable aleatoria discreta, porque
puede tomar un nmero finito de valores, o
infinito numerable.

Grficos np

Los grficos np se utilizan para controlar el

nmero de defectuosos en una muestra.

Grficos np
Entonces, para controlar este proceso, un
inspector se coloca al final de la lnea de
produccin y cada hora retira una muestra de
n= 50 tornillos (por ejemplo), comprueba cada
uno con la rosca y anota el nmero de
defectuosos.

Grficos np
7:0
0

Proceso

Muestra de
n Tornillos

Prueba

Tornillo 1
OK
Tornillo 2
OK
Tornillo 3
Defectuoso
Tornillo 4
OK
Tornillo 5
Defectuoso
Tornillo 6
OK
Tornillo 7
OK
Tornillo n

Grficos np

Este resultado se anota en un grfico hora por

hora y se denomina grfico np.

Grficos np

Si se tomara del proceso un slo tornillo, cul

es la probabilidad de que sea defectuoso?

Grficos np
Imaginando la poblacin de tornillos que
podra fabricar el proceso trabajando siempre
en las mismas condiciones, una cierta
proporcin p de estos seran defectuosos.

Grficos np

Entonces, la probabilidad de tomar un tornillo

y que sea defectuoso es p.

Grficos np
En una muestra de n tornillos, la probabilidad
de encontrar:
0 defectuosos
1 defectuoso
2 defectuosos
...
n defectuosos

est dada por una distribucin binomial con

parmetros n y p.

Grficos np

Como sabemos, el promedio de la poblacin

es n.p y la varianza es n.p.(1-p)

Grficos np

Para construir los grficos de control np, en

una primera etapa se toman N muestras (ms
de 20 25) a intervalos regulares, cada una
con n tornillos.

Grficos np

Se cuenta en cada muestra el Nmero de

Defectuosos y se registra. Se obtendra una
Tabla como la siguiente:

Grficos np
Muestra
1
2
3
4
5
6
7
-

N Defectuosos
3
2
4
3
4
2
5
-

Grficos np
En cada muestra, la fraccin de defectuosos
es:

N Defectuosos en
Muestra i
Nmero de elementos en
la Muestra

Grficos np

Entonces, a partir de la tabla podemos

calcular p como promedio de las fracciones
de defectuosos en las muestras:

Grficos np

Nmero de
Muestras

Grficos np
y luego la Desviacin Standard:

Nmero de elementos en
la Muestra

Grficos np

Con esto podemos calcular los Lmites de

Control para el grfico np:

Grficos np

Grficos np

Construmos entonces un Grfico np de

prueba y representamos el nmero de
defectuosos en las muestras:

Grficos np
Grfico np

12
10
8
6
4
2
0
0

10

15

20

25

M ue s t ra

Grficos np
Si no hay puntos fuera de los lmites de
control y no se encuentran patrones no
aleatorios, se adoptan los lmites calculados
para controlar la produccin futura.

30

GRAFICO u

IMPLANTACIN DEL DIAGRAMA

np (np: NMERO DE ARTCULOS DEFECTUOSOS)
2. DETERMINE LC, LSC Y LIC:

LC= np
LSC= np + 3 np (1 p
LIC = np 3 n p (1 p )

IMPLANTACIN DEL DIAGRAMA

np (np: NMERO DE ARTCULOS DEFECTUOSOS)
1. ESTIME p

p$

j= 1

d j

j 1

n j

m : total de subgrupos observados.

di : nmero de artculos no conformantes en el subgrupo i.
ni : tamao del subgrupo i.

IMPLANTACIN DEL DIAGRAMA

np (np: NMERO DE ARTCULOS DEFECTUOSOS)
3. PARA EL SUBGRUPO i, GRAFIQUE EL NMERO DE
ARTCULOS DEFECTUOSOS CORRESPONDIENTE:
npi
4. IDENTIFIQUE PUNTOS FUERA DE CONTROL Y
RECALCULE, SI ES NECESARIO.

EJEMPLO
ELABORE EL DC PARA NMERO DE ARTCULOS
DEFECTUOSOS PARA EL PROCESO DEL EJEMPLO
ANTERIOR
npi

50
40
30
20
10
0
1

10

13

16

19

D IA

SELECCIN ENTRE DIAGRAMA p Y

DIAGRAMA np
SIMILITUDES
AMBOS DIAGRAMAS SUPONEN UNA DISTRIBUCIN BINOMIAL.
PARA SUBGRUPOS CON MISMO TAMAO, AMBOS DIAGRAMAS
SON SIMILARES, CON ESCALA DIFERENTE EN EJE DE LAS y (1/n).
CRITERIOS DE SELECCIN
SI LOS SUBGRUPOS TIENEN TAMAOS DIFERENTES, USE
DIAGRAMA p.
SI LOS SUBGRUPOS TIENEN TAMAOS IDNTICOS, USE
CUALESQUIERA DE LOS DIAGRAMAS.

VENTAJAS DE USAR EL DIAGRAMA np

AHORRO DE UN CLCULO POR CADA UNO DE LOS

SUBGRUPOS (DIVISIN DE di ENTRE n PARA OBTENER
pi).
MEJOR COMPRENSIN POR PARTE DEL PERSONAL QUE
USA LOS DIAGRAMAS.

IMPLANTACIN DEL DIAGRAMA

p
(p: PROPORCIN DEFECTUOSA)
1. ESTIME p:

dj

p$

j= 1
m

nj
j= 1

m : total de subgrupos observados.

dj : nmero de artculos no conformantes en el subgrupo j.

nj : tamao del subgrupo j.

IMPLANTACIN DEL DIAGRAMA

p
2. DETERMINE LC, LSC Y LIC:
LC =

LSCj = $ + 3
LICj =

- 3

p$ ( 1 p$ )
nj

p$ ( 1 p$ )
nj

IMPLANTACIN DEL DIAGRAMA p

3. PARA EL SUBGRUPO j, GRAFIQUE LA

PROPORCIN DEFECTUOSA
CORRESPONDIENTE:
dj
pj =
nj

4. IDENTIFIQUE PUNTOS FUERA DE CONTROL

Y RECALCULE, SI ES NECESARIO.

EJEMPLO
UNA COMPAA FABRICA DIFERENTES TUBOS DE
RAYOS CATDICOS A ESCALA MASIVA. EL MES
PASADO, EL PROCESO DE FABRICACIN DIO MUCHOS
PROBLEMAS. LA SIGUIENTE TABLA MUESTRA LOS
DATOS OBTENIDOS DE LAS INSPECCIONES
REALIZADAS LOS 21 DAS DEL MES PASADO.
DIARIAMENTE SE INSPECCIONARON 100 UNIDADES.

A) DETERMINE LC, LSC Y LIC.

B) IDENTIFIQUE LOS PUNTOS FUERA DE CONTROL.
C) RECALCULE, SI ES NECESARIO.

EJEMPLO

EJEMPLO
21

dj

j= 1

pi

0 .5
0 .4
0 .3
0 .2
0 .1
0
1

10

13

16

19

D IA

CARTAS c Y u (PARA DEFECTOS)

ES FRECUENTE QUE EN LOS PROCESOS INDUSTRIALES
EXISTAN VARIABLES DE ATRIBUTOS COMO LAS
SIGUIENTES: NMERO DE DEFECTOS POR ARTCULO
(ROLLO FOTOGRFICO, ZAPATO, PRENDA DE VESTIR,
CIRCUITO ELECTRNICO); EN LAS QUE EN CADA
PRODUCTO SE PUEDE TENER MS DE UN DEFECTO O
ATRIBUTO NO SATISFECHO, Y SIN EMBARGO NO
CATOLOGAR A TAL PRODUCTO COMO DEFECTUOSO.
POR EJEMPLO, UN MUEBLE PUEDE TENER ALGUNOS
DEFECTOS EN SU TERMINADO Y SE PUEDE UTILIZAR
CON RELATIVA NORMALIDAD. ES DECIR, SON
VARIABLES DE ATRIBUTOS QUE AL ESTAR PRESENTES
EN UN ARTCULO NO NECESARIAMENTE IMPLICA QUE
NO SIGA O NO PASE A LA SIGUIENTE ETAPA DEL
PROCESO, CONTRARIAMENTE A LAS CARTAS n, np

OTRO TIPO DE VARIABLES QUE TAMBIN SON

IMPORTANTES EVLUAR SON: NMERO DE ERRORES
POR TRABAJADOR, CANTIDAD DE ACCIDENTES,
NMERO DE QUEJAS POR MAL SERVICIO, NMERO DE
NUEVOS CLIENTES, CANTIDAD DE LLAMADAS
TELEFNICAS, CLIENTES ATENDIDOS, ERRORES
TIPOGRFICOS, NMERO DE FALLAS DE UN EQUIPO,
ETC.

CARTAS c
ESTA CARTA PARA EL NMERO DE DEFECTOS, SU
OBJETIVO ES ANALIZAR LA VARIABILIDAD DEL
NMERO DE DEFECTOS POR SUBGRUPO.
LOS LMITES DE CONTROL SE OBTIENEN
SUPONIENDO QUE EL ESTADSTICO ci SIGUE UNA
DISTRIBUCIN DE PISSON, POR LO TANTO LA
ESTIMACIN DE LA MEDIA Y LA DESVIACIN
ESTNDAR DE ESTE ESTADSTICO ESTN DADAS
POR:

U ci

TOTAL DE DEFECTOS
TOTAL DE SUBGRUPOS

c = c
i

LC =

c 3

VER ARCHIVO EXCEL

En una fbrica de muebles se inspeccionaron con detalle el acabado de las mesas cuando salen del
departamento de laca. La cantidad de defectos que son encontrados en cada mesa son registrados con
el fin de conocer y mejorar el proceso. En la tabla 1 se muestran los defectos encontrados en las ltimas
30 mesas. es claro que estamos anta una variable a ser analizada con la carta c, debido a que una
misma mesa puede tener varios defectos y de diferente tipo, adems los defectos son relativamente
menores, y aunque influyen en la calidad final, no causan que la msa sea rechazada.

16
14
12
10

Serie2
Serie3

Serie4

Serie5

6.36666667 c
13.936343 LCS
-1.20300968 LCI

29

25

21

17

4
2
9

LCS
LC
LCI
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0
13.9 6.37
0

13

7
5
10
2
6
5
4
9
7
5
6
7
8
4
5
12
8
10
4
7
3
10
6
6
7
4
5
6
8
5
191

Defectos c i
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Mesa

SE TOMA 0

CARTA u (NMERO DE DEFECTOS POR UNIDAD)

CUANDO EN LAS CARTAS c EL TAMAO DE SUBGRUPO
NOS ES CONSTANTE O AUN CUANDO LO SEA SE
PREFIERE CUANTIFICAR EL NMERO PROMEDIO DE
DEFECTOS POR ARTCULO O UNIDAD, EN LUGAR DEL
TOTAL DE DEFECTOS EN EL SUBGRUPO; SE USA LA
CARTA u. EN LA CUAL PARA CADA SUBGRUPO, SE
GRAFICA EL NMERO PROMEDIO DE DEFECTOS POR
UNIDAD ui , QUE SE OBTIENE AL DIVIDIR EL TOTAL DE
DEFECTOS ENCONTRADOS EN EL SUBGRUPO ENTRE
EL TOTAL DE ARTCULOS EN EL SUBGRUPO.
ui = ci / ni
ci ES LA CANTIDAD DE DEFECTOS EN EL SUBGRUPO i

LC =

ARTICULOS ELECTRONICOS
EN UNA FBRICA SE ENSAMBLAN ARTCULOS ELECTRNICOS Y AL FINAL DEL PROCESO SE HACE UNA
INSPECCIN POR MUESTREO PARA DETECTAR DEFECTOS RELATIVAMENTE MENORES, Y AS
RETROALIMENTAR EL PROCESO PARA ENFOCAR BIEN LAS ACCIONES DE MEJORA. EN PARTICULAR, SE
PRESENTAN UN NMERO DE DEFECTOS EN MUESREOS REALIZADOS SOBRE 24 LOTES
CONSECUTIVOS DE PIEZAS ELECTRNICAS. EL NMERO DE PIEZAS INSPECCIONADAS EN CADA LOTE
ES VARIABLE, POR LO QUE NO ES APROPIADO ANALIZAR EL NMERO DE DEFECTOS POR MUESTRA,
ci, MEDIANTE UNA CARTA c. ES MEJOR ANALIZAR EL NMERO PROMEDIO DE DEFECTO POR PIEZA, ui,
MEDIANTE LA CARTA u

LOTE
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
SUMA
n=

TAMAO
DEFECTOS
DE
ENCONTRA
MUESTRA
ni
DOS, c i
ui = c i/ni
20
17
0.85
20
24
1.2
20
16
0.8
20
26
1.3
15
15
1
15
15
1
15
20 1.33333333
25
18
0.72
25
26
1.04
25
10
0.4
25
25
1
30
21
0.7
30
40 1.33333333
30
24
0.8
30
46 1.53333333
30
32 1.06666667
30
30
1
30
34 1.13333333
15
11 0.73333333
15
14 0.93333333
15
30
2
15
17 1.13333333
15
18
1.2
15
20 1.33333333
525
549
21.875

u=

1.04571429
LCS
LC
LCI

1.70163862
1.04571429
0.38978995

22

19

16

LCI
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39
0.39

13

LC
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429
1.04571429

LCS
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862
1.70163862

10

0.85
1.2
0.8
1.3
1
1
1.33333
0.72
1.04
0.4
1
0.7
1.33333
0.8
1.53333
1.06667
1
1.13333
0.73333
0.93333
2
1.13333
1.2
1.33333

ui = ci/ni

LOTE
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

TAMA
O DE DEFECTOS
MUES ENCONTRA
TRA ni DOS, c i
20
17
20
24
2.5
20
16
20
26
2
15
15
15
15
1.5
15
20
25
18 u
1
25
26
25
10
25
25
0.5
30
21
30
40
0
30
24
30
46
30
32
30
30
30
34
15
11
15
14
15
30
15
17
15
18
15
20

LOTE

Tcnicas de mejoramiento de procesos

complejos:
7 Herramientas Nuevas
De acuerdo con Ishikawa las 7 herramientas bsicas ayudan a
resolver la mayora de los problemas que enfrenta una empresa,
algunos de ellos, principalmente los de naturaleza intangible y
compleja por su alto grado de interrelacin con otros problemas,
no pueden ser resueltos con estas tcnicas y su metodologa de
solucin. Problemas de calidad de Tipo Estratgico requieren del
uso de lo que se ha dado a llamar las 7 Nuevas Herramientas
Administrativas, que en general son ms del tipo cualitativo y
ms complejas de utilizar que las bsicas. Las siete nuevas sirven
para apoyar a la funcin de liderazgo de la calidad, mientras que
las 7 bsicas son para usar ms en problemas operativos.

Las 7 herramientas nuevas fueron desarrolladas por los japoneses

mediante la incorporacin de otras tcnicas que ya eran
ampliamente usadas dentro del rea de planeacin estratgicay,
segn ellos, son el medio necesario para enfrentar la nueva era de
Calidad (Mizuno, 1979). Esta nueva era tiene 2 requisitos:
.La creacin del valor agregado para la satisfaccin de
necesidades de los clientes.
.Y la prevencin en lugar de la correccin en todas las
operaciones de la organizacin.

Las 7 nuevas herramientas administrativas son:

.Diagrama de afinidad o mtodo Kj
.Diagrama de Relaciones
.Diagrama de rbol
.Diagramas Matriciales
.Matriz de Anlisis de Datos
.Grfica de Programacin de Decisiones de Proceso
.Diagrama de Flechas