Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
NDICE
NDICE ............................................................................................................................................... 2
NDICE DE TABLAS .............................................................................................................................. 4
NDICE DE FIGURAS ............................................................................................................................ 5
INTRODUCCIN .................................................................................................................................. 7
CAPTULO 1.................................................................................................................................................... 8
1.1
1.2
1.3
1.4
1.5
1.6
2.2
2.3
3.2
4.2
4.3
4.4
NDICE DE TABLAS
Tabla 2.1 Hoja de verificacin de la estadstica preliminar. ........................................................................ 13
Tabla 3.1 Valores crticos A2crit. ................................................................................................................. 18
Tabla 3.2 Tabla de valores de cuartiles superiores de la distribucin de la estadstica de K-S................... 19
Tabla 4.1 Formato con las mediciones de la corrida 1 para el anlisis Gage R&R. ..................................... 24
Tabla 4.2 Formato con las mediciones de la corrida 2 para el anlisis Gage R&R. ..................................... 25
Tabla 4.3 Precisin y exactitud de las mediciones por partes. ................................................................... 27
Tabla 5.1 Formato de toma de muestras. ................................................................................................... 37
Tabla 5.2 Hoja de verificacin para defectos. ............................................................................................. 38
Tabla 5.3 Hoja de verificacin para rechazos. ............................................................................................. 38
Tabla 6.1 Hoja de verificacin de las medidas del dimetro del neumtico............................................... 40
Tabla 6.2 Continuacin de la hoja de verificacin de las medidas del dimetro del neumtico. ............... 41
Tabla 6.3 Continuacin de la hoja de verificacin de las medidas del dimetro del neumtico. ............... 42
Tabla 7.1 Hoja de verificacin de los defectos que se presentan en el neumtico. ................................... 53
Tabla 7.2 Hoja de verificacin (ponderada) de los defectos que se presentan en el neumtico. ............. 54
Tabla 10.1 Hoja de verificacin para carta de control Xbarra-R. ................................................................ 65
Tabla A1. Factores para la construccin de las cartas de control. .............................................................. 80
NDICE DE FIGURAS
Figura 1.1 Parte 0785. ................................................................................................................................... 8
Figura 1.2 Prueba del deslizamiento. ............................................................................................................ 9
Figura 1.3 Acomodo del carro para la prueba. .............................................................................................. 9
Figura 1.4 Vista transversal de la pieza. ........................................................................................................ 9
Figura 1.5 Vista frontal de la pieza. ............................................................................................................... 9
Figura 1.6 Vista inferior en 3D. .................................................................................................................... 10
Figura 1.7 Vista superior en 3D. .................................................................................................................. 10
Figura 1.8 Diagrama de flujo de proceso de la fabricacin del neumtico. ................................................ 11
Figura 1.9 Dispositivo de sujecin. .............................................................................................................. 12
Figura 1.10 Instrumento de medicin. ........................................................................................................ 12
Figura 2.1 Estadsticos descriptivos de las mediciones del neumtico. ...................................................... 14
Figura 2.2 Histograma de medicin. ........................................................................................................... 14
Figura 2.3 Histograma de medicin con curva normal. .............................................................................. 15
Figura 2.4 Grfica de caja de medicin. ...................................................................................................... 16
Figura 3.1 Prueba de normalidad A-D. ........................................................................................................ 20
Figura 3.2 Prueba de normalidad K-S. ......................................................................................................... 21
Figura 4.1 Operador 1. ................................................................................................................................ 23
Figura 4.2 Operador 2. ................................................................................................................................ 23
Figura 4.3 Operador 3. ................................................................................................................................ 23
Figura 4.4 Grfica de dispersin de mediciones vs. partes. ........................................................................ 26
Figura 4.5 Grfica de mediciones por partes. ............................................................................................. 28
Figura 4.6 Grfica de las mediciones por operador. ................................................................................... 29
Figura 4.7 Grfica de la interaccin de las partes por operadores. ............................................................ 30
Figura 4.8 Grfica X -barra por operadores................................................................................................. 31
Figura 4.9 Grfica R por operadores. .......................................................................................................... 32
Figura 4.10 Grfica de los componentes de la variacin............................................................................. 33
Figura 4.11 Grfica de la variacin del sistema de medicin. ..................................................................... 33
Figura 4.12 Tabla de resultados del R&R con respecto a la varianza. ......................................................... 34
Figura 4.13 Tabla de resultados del R&R con respecto a la desviacin estndar y al % de tolerancias. .... 34
Figura 4.14 Tabla ANOVA de dos factores con interaccin. ........................................................................ 36
Figura 4.15 Tabla ANOVA de dos factores sin interaccin. ......................................................................... 36
Figura 6.1 Estadsticos descriptivos de las mediciones del neumtico. ...................................................... 42
Figura 6.2 Histograma de medicin. ........................................................................................................... 43
Figura 6.3 Histograma de mediciones con curva normal. ........................................................................... 44
Figura 6.4 Grfica de valores individuales. .................................................................................................. 45
Figura 6.5 Grfica de caja de medicin. ...................................................................................................... 46
Figura 6.6 Intervalo de confianza para la media obtenido por el software Minitab 17. ............................ 48
Figura 6.7 Resultados de la prueba de hiptesis arrojados por el software Minitab 17. ........................... 50
Figura 6.8 Demostracin grfica de los datos bsicos tomados para la prueba de hiptesis. ................... 51
Figura 6.9 Grfica de caja del dimetro. ..................................................................................................... 51
5
INTRODUCCIN
Desde el punto de vista de los clientes, las empresas y/u organizaciones existen para proveer un
producto material o inmaterial, un bien o un servicio, ya que ellos necesitan productos con caractersticas
que satisfagan sus necesidades y expectativas. Estos productos son resultado de un proceso. La
variabilidad es parte de nuestra vida diaria y sta tambin se lleva a cabo en los procesos de las empresas.
Actualmente una exigencia fundamental de los clientes es que los productos sean de calidad por lo
tanto las empresas buscan ser competitivas, mediante la aplicacin de diversas herramientas estadsticas
y administrativas, que les permitan tener un proceso con mayor eficiencia y menor variacin y as obtener
mejores productos, todo esto con la finalidad de reducir costos, aumentar la productividad y el nmero
de clientes as como satisfacer las necesidades de los mismos.
No existen procesos ideales y por lo tanto siempre existe una variacin que hace que todo producto
tenga algunas caractersticas que se denominan crticas, adems de atributos. Lo ms comn es realizar
un anlisis exhaustivo de stas, obteniendo as resultados que nos permitan evaluar el estado actual del
proceso y as tomar las decisiones adecuadas para alcanzar un control ptimo y eficiente del mismo.
De acuerdo con lo anterior se ve la importancia del control de calidad, que es el conjunto de actividades
planeadas para que los requisitos de la calidad del producto se cumplan.
CAPTULO 1.
1.1
El grupo Hinshitsu empresa de consultora en calidad desde hace 20 aos, actualmente est laborando
para la reconocida marca de juguetes para nios Hot Wheels, la cual produce en grandes volmenes
debido a la demanda excesiva por parte de sus clientes, sin embargo se han tenido una serie de dificultades
con la parte 0785 (vase figura 1.1) la cual corresponde al neumtico de muchos de sus modelos.
1.2
La parte 0785 es uno de los insumos ms importantes para la empresa ya que es utilizado en la mayora
de los modelos de su lnea de automviles de juguete.
Actualmente, sta presenta una serie de defectos y variacin, lo que repercute gravemente en el
funcionamiento, para ello se realizaron algunas pruebas al juguete para comprobar lo antes mencionado
(vase figura 2 y 3), ya que esta problemtica era la mayor inconformidad presentada por el cliente. De la
prueba se obtuvo que el deslizamiento del juguete no era el adecuado, debido a la variacin del dimetro
del neumtico y otros defectos.
1.3
Descripcin de la pieza
El neumtico serie 0785 tiene un dimetro externo de 23.34 mm (vase figura 1.5) y un ancho de 11.75
mm (vase figura 1.4), tiene un color negro con acabado brillante (vase figura 1.6 y 1.7), est fabricado
mediante el proceso de inyeccin de plsticos utilizando como materia prima el PET el cual, es inyectado
con un arreglo de mltiples cavidades.
Por otro lado, las especificaciones que el cliente requiere para la pieza son de:
23.34 0.1
1.4
10
1.5
11
1.6
Instrumento de medicin
Para las mediciones se us un calibrador marca Truper modelo CALDI-6MP fabricado de acero
inoxidable (figura 1.10.), adems de un aparato de sujecin que ayud a disminuir la variacin en las
medidas (figura 1.9).
12
No. de pieza
Dimetro (X)
Unidades
1
2
3
4
5
6
7
8
9
10
23.44
23.34
23.25
23.24
23.38
23.3
23.28
23.33
23.31
23.22
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
INSTRUMENTO DE MEDICIN
Nombre: Calibrador marca Trupper en mm y plg
Observaciones
Modelo: CALDI-6MP
Cdigo: 14388
A continuacin, se muestran los datos (figura 2.1) que se utilizarn para evaluar el comportamiento de
la variable crtica en los neumticos producidos por Hot Wheels.
13
2.1
Mediana
Media
Valor mximo
Valor mnimo
En la figura 2.2 se observan las frecuencias de cada una de las mediciones mostradas. De sta grfica,
y basndose en la figura 2.1 se puede definir que los dimetros del neumtico se encuentran en un rango
de 23.22 a 23.44 (valor mnimo y valor mximo); adems, se muestra que el promedio de los datos se
encuentra en el valor de 23.309 (media). Se muestra tambin el valor central del conjunto de datos
ordenados que es de 23.305 (mediana) y finalmente, lo arrojado por el software Minitab nos indica que el
conjunto de datos es amodal, es decir, que no se presenta un dimetro con que mayor frecuencia.
14
Media
Q3
Q1
En la figura 2.3, se observa nuevamente el histograma de los dimetros pero ahora con la curva de
normalidad sobrepuesta.
Analizando los datos y ste histograma se afirma que la forma de la curva es leptocrtica, ya que se
tiene un valor en curtosis de 0.14 (>0); esto quiere decir que se presenta un elevado grado de
concentracin alrededor de los valores centrales de la variable. Respecto al valor de simetra, tomando
como base el valor de 0.63 se dice que la cola de la distribucin se alarga para valores superiores a
la media.
Por otro lado, el grado de dispersin o variabilidad en los datos con respecto a la media (desviacin
estndar), stos se separan 0.06724 mm tanto a la izquierda como a la derecha.
Tambin se identifica en el histograma el cuartil 1 y el cuartil 3, con valores de 23.247 y 23.350
respectivamente, es decir, los valores que corresponden al 25% y al 75% de los dimetros.
15
2.3
Medidas de dispersin
Q3
Q1
En la figura 2.4 se aprecia la grfica de caja; en ella se observa que la lnea de la media no se encuentra
centrada en el rango intercuartl de la caja, si no que tiende a estar ligeramente en la parte superior.
Adems se observa que el bigote superior es notablemente ms largo que el inferior, lo que indica que los
valores tienden arriba de la media. Nuevamente, tomando en cuenta los datos de la figura antes
mencionada, el rango entre el cuartil 1 y el cuartil 3 es de 0.103 (23.350 23.247), lo cual nos indica que
esa es la porcin correspondiente a la caja o al 50% de las observaciones.
16
A2 = n S
Si
(2i 1)
ln F (Yi ) ln(1 F (Yn1i ))
n
(3.1)
(3.2)
S Si
i 1
(3.3)
17
Regla de decisin:
La hiptesis nula se rechaza con un nivel de significacin si A2 es mayor que el valor crtico A2crit o
si el valor de p (probabilidad acumulada en la curva normal) es menor que el con el que se est
trabajando. Aunque la prueba de Anderson-Darling puede ser aplicada a cualquier distribucin continua,
no se dispone de tablas para todos los casos. Se presenta enseguida la tabla 3.1 de valores crticos A2crit
para la prueba a la distribucin normal.
0.10
0.05
0.025
0.01
A2crit.
0.631
0.752
0.873
1.035
Kolmogorov-Smirnov
La estadstica de k-s se define por;
Dn = max | Fo(x) - Fe(x) |
(3.4)
18
3.1
Esta prueba tiene como propsito corroborar si una muestra de variables aleatorias proviene de una
poblacin con una distribucin de probabilidad especfica. En realidad se trata de una modificacin de la
prueba de Kolmogorov-Smirnov, aunque tiene la virtud de detectar las discrepancias en los extremos de
las distribuciones.
La principal desventaja de la prueba estriba en que es necesario calcular los valores crticos para cada
distribucin. La prueba es muy sensible en los extremos de la distribucin, por lo que deber ser usada con
mucho cuidado en distribuciones con lmite inferior acotado, y no es confiable para distribuciones de tipo
discreto.
20
3.2
Prueba de Kolmogorov-Smirnov
Con base en ambas pruebas que se muestran en las figuras 3.1 y 3.2, se puede afirmar que los datos
se comportan de manera normal debido a que tienen un valor de probabilidad (p-value) mayor al valor
crtico de la zona de rechazo de la hiptesis de que los datos provienen de una distribucin normal.
Tambin cmo se puede observar en el papel de probabilidad normal, en ambos casos es el mismo, los
datos siguen una tendencia en la lnea y existen pocas medidas que se alejan de ella, ya que la diferencia
entre estos puntos y la lnea de tendencia son muy pequeos.
21
22
A partir de la siguiente pgina, se muestran las medidas obtenidas del dimetro del neumtico, tanto de
la primera corrida (tabla 4.1) como de la segunda (tabla 4.2), las cuales fueron usadas para el anlisis.
23
Tabla 4.1 Formato con las mediciones de la corrida 1 para el anlisis Gage R&R.
No. operadores: 3
Nmero de piezas: 10
Nmero de replicas: 2 (primera rplica)
Operador
Nmero de pieza
Medicin
Unidades
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
4
9
2
6
3
5
8
7
1
10
5
8
1
9
4
2
10
3
7
6
7
6
1
4
2
5
8
3
9
10
23.26
23.34
23.36
23.29
23.34
23.36
23.3
23.33
23.44
23.24
23.36
23.33
23.43
23.35
23.25
23.36
23.23
23.35
23.34
23.3
23.33
23.27
23.39
23.23
23.35
23.37
23.33
23.36
23.35
23.23
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
INSTRUMENTO DE MEDICIN
Nombre: Calibrador marca Trupper en mm y plg
Observaciones
Modelo: CALDI-6MP
Cdigo: 14388
24
Tabla 4.2 Formato con las mediciones de la corrida 2 para el anlisis Gage R&R.
No. operadores: 3
Nmero de piezas: 10
Nmero de replicas: 2 (segunda rplica)
Operador
Nmero de pieza
Medicin
Unidades
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
8
2
1
10
4
5
6
9
7
1
5
9
6
3
7
8
4
10
2
9
5
2
6
1
8
4
10
7
3
23.36
23.32
23.34
23.41
23.24
23.24
23.36
23.29
23.35
23.3
23.4
23.35
23.34
23.31
23.36
23.3
23.33
23.25
23.24
23.32
23.35
23.34
23.33
23.29
23.4
23.31
23.22
23.24
23.29
23.35
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
Observaciones
INSTRUMENTO DE MEDICIN
Nombre: Calibrador marca Trupper en mm y plg
Modelo: CALDI-6MP
Cdigo: 14388
25
LSE
Valor nominal
LIE
La figura 4.4 muestra todas las mediciones tomadas en el estudio, organizadas por parte. Las medidas
se representan con un smbolo distintivo para identificar las mediciones de cada operador (crculo,
cuadrado y rombo).
Se observa que los 60 datos se encuentran dentro de los lmites de especificacin, esto representa que
el 100% de los datos estn dentro.
26
Parte
Precisin
Exactitud
10
Cuando las mediciones estn dentro y otras estn fuera de dichos lmites, se dice que no hay exactitud.
Como se muestra en la tabla 4.3 no se presenta lo anterior, y por lo tanto las partes son aceptables.
27
Las mltiples mediciones para cada parte individual varen lo menos posible (los puntos para una parte
estarn muy cerca).
Los promedios varen lo suficiente como para que las diferencias entre las partes se observen
claramente.
LSE
Valor nominal
LIE
En la grfica 4.5 para los datos de las partes, las mediciones correspondientes a las partes 1 y 7 varan
notablemente. Esta variacin quizs se deba a la incapacidad del sistema (operador y/o sistema de
medicin) para medir uniformemente esa parte. Los promedios tambin varan significativamente.
28
Lo ideal es que:
LSE
Valor nominal
LIE
La figura 4.6 nos muestra informacin sobre los rangos de medicin de los 3 operadores, en sta se
puede observar que los operadores 1 y 3 fueron los que tuvieron mayor variacin, el operador 3 con un
rango intercuartl mucho mayor, en cuanto al operador 1 presenta un sesgo hacia los datos positivos
(sesgado a la derecha), es decir, la mayora de sus datos se encuentran por debajo de la media.
Lo ideal es que:
Las lneas sigan el mismo patrn.
Los promedios de las partes varen lo suficiente como para que las diferencias entre las partes se
observen claramente.
29
LSE
Valor nominal
LIE
La figura 4.7 muestra informacin sobre los rangos de medicin de los 3 operadores, en sta se puede
observar que los operadores 1 y 3 fueron los que tuvieron mayor variacin, el operador 3 con un rango
intercuartl mucho mayor, en cuanto al operador 1 presenta un sesgo hacia los datos positivos (sesgado a
la derecha), es decir, la mayora de sus datos se encuentran por debajo de la media. Para los datos sobre
partes, las lneas se acercan entre s. Los operadores pueden tener problema para medir las partes 1 y 6
de manera uniforme.
Los puntos graficados, que representan, para cada operador, la medicin promedio de cada parte.
La lnea central verde, que es el promedio general para todas las mediciones de las partes realizadas
por todos los operadores.
Los lmites de control rojos (LCS y LCI), que se basan en el estimado de repetibilidad y en el nmero de
mediciones en cada promedio.
Debido a que las partes elegidas para el estudio R&R del sistema de medicin deben representar todo
el rango de partes posibles, esta grfica de manera ideal debera mostrar falta de control. La falta de
control existe cuando muchos puntos se encuentran por encima del lmite de control superior y/o por
debajo del lmite de control inferior.
30
En la figura 4.8 se muestra que el patrn de los 3 operadores es similar en relacin con el promedio de
cada una de las piezas, lo cual indica que el sistema de medicin es adecuado. Y la variacin observada se
debe al resultado del proceso de medicin.
Los puntos graficados, los cuales representan, para cada operador, la diferencia entre las mediciones
ms grandes y las ms pequeas de cada parte. Debido a que los puntos estn organizados por
operador, usted puede determinar la uniformidad de cada operador.
La lnea central, que es el promedio general del proceso (promedio de todos los rangos de los
subgrupos).
Los lmites de control, que representan la cantidad de variacin esperada para los rangos de los
subgrupos. Estos lmites se calculan utilizando la variacin dentro de los subgrupos.
Si cualquiera de los puntos en la grfica se ubica por encima del lmite de control superior (LCS),
entonces ese operador tiene problemas para medir las partes con uniformidad.
El valor de LCS toma en cuenta el nmero de mediciones realizadas por un operador en una parte y la
variabilidad entre las partes. Si los operadores realizan mediciones uniformes, entonces estos rangos
deben ser pequeos con respecto a los datos y los puntos deben permanecer bajo control.
31
En la figura 4.9 se observa que los puntos no se encuentran por encima del lmite de control superior,
por lo tanto los operadores no tienen problemas para medir las partes con uniformidad.
R&R total del sistema de medicin, que es la variacin debido al sistema de medicin incluyendo los
mltiples operadores que utilizan el mismo sistema de medicin.
Repetibilidad, que es la variabilidad en las mediciones obtenida cuando el mismo operador mide la
misma parte mltiples veces.
Reproducibilidad, que es la variabilidad en las mediciones obtenida cuando diferentes operadores
miden la misma parte.
Parte a parte, que es la variabilidad en las mediciones entre las diferentes partes.
%Contribucin, que es 100 veces el componente de la varianza para esa fuente dividido entre la
varianza total.
%Variacin del estudio, que es 100 veces la variacin del estudio para esa fuente dividida entre la
variacin total del estudio.
%Tolerancia, que es 100 veces la variacin del estudio para esa fuente dividida entre la tolerancia del
proceso.
%Proceso, que es 100 veces la variacin del estudio para esa fuente dividida entre la variacin del
proceso.
32
En la figura 4.11 se observa que la variacin del sistema de medicin es igual a 24.8% de la variacin
del proceso, por lo tanto el sistema de medicin es marginal es decir, casi inaceptable.
33
En la figura 4.12 se observa que el 6.16% de la variacin total en los datos se debe al sistema de
medicin, mientras que un 93.84% de dicha variacin es debida a las diferencias entre los elementos
medidos. Dentro de este porcentaje el 5.77% representa la variacin de la que es responsable la
repetibilidad, que se refiere a lo apropiado que es el instrumento de medicin. La reproducibilidad, que se
refiere a la capacidad del operador para realizar las mediciones del estudio solo representa el 0.39% de la
variacin dentro del estudio.
Figura 4.13 Tabla de resultados del R&R con respecto a la desviacin estndar y al % de tolerancias.
34
Variabilidad
La informacin ms importante se encuentra en las columnas %Contribucin, %Var. del estudio,
%Tolerancia y %Proceso. Estas columnas muestran las fuentes de variacin. Normalmente, la R&R total
del sistema de medicin debe ser menos del 30% de la variacin del estudio, y menos del 10% sera lo
ideal.
De acuerdo a la figura 4.13 para los datos sobre partes, R&R total del sistema de medicin representa
el 24.82% de la variacin del estudio. Aparentemente, el sistema de medicin puede ser adecuado.
4.4.10
Mtodo ANOVA
El ANOVA (anlisis de varianza) de dos factores indica si diferentes niveles de dos factores generan
diferentes valores promedio de una variable de respuesta.
La tabla de ANOVA de dos factores muestra las siguientes fuentes de variabilidad:
Se busca determinar si el valor p asociado a cada fuente es menor que el nivel de significancia elegido.
Esto indicara que la fuente contribuye significativamente a la variabilidad de medicin.
35
4.4.11
4.4.12
Dado lo anterior, se procedi a obtener la tabla ANOVA sin interaccin como se muestra en la figura
4.15. Para los datos sobre partes, el valor P para operador (P=0.107) muestra que el valor promedio del
dimetro es significativamente diferente entre los tres diferentes operadores en el nivel = 0.95.
36
Modelo de pieza:
Lote:
Encargado de medicin:
No. de pieza
Medida
INSTRUMENTO DE MEDICIN
Nombre:
Unidades
Observaciones
Modelo:
Cdigo:
Material:
Rango de medida:
Fecha de ltima calibracin:
37
HOJA DE VERIFICACIN
DEPTO. DE CALIDAD HINSHITSU
Fecha:
Producto:
Nmero de folio:
Nombre de quien levanta los datos:
No. de pedido:
Proceso
Especificaciones:
Turno:
Supervisor:
Serie de la pieza:
NO.
RESULTADO DE LA INSPECCIN
CONTEO
TOTAL
1
2
3
4
Total rechazado
Total aprobado
% Rechazado
HOJA DE VERIFICACIN
DEPTO. DE CALIDAD HINSHITSU
Reporte semanal de rechazados en la inspeccin final
Semana del __ al __ de ________________ de ______
NO.
RESULTADO DE INSPECCIN
TOTAL
1
2
3
4
TOTAL
TOTAL %
38
Por otro lado, con el operador ms eficiente se procede a tomar las lecturas de las 60 piezas ya que es
el nmero de neumticos por el que est conformado el lote a estudiar, para posteriormente realizar un
anlisis de estadstica descriptiva con el fin de encontrar las principales caractersticas que permitan hacer
una buena descripcin del conjunto de datos tomados del neumtico, los cuales se presentan en las tablas
6.1, 6.2 y 6.3.
39
Tabla 6.1 Hoja de verificacin de las medidas del dimetro del neumtico.
No. de pieza
Dimetro
Unidades
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
23.41
23.35
23.36
23.25
23.37
23.31
23.3
23.34
23.35
23.24
23.23
23.42
23.32
23.31
23.38
23.3
23.34
23.37
23.33
23.34
23.35
23.39
23.37
23.42
23.23
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
INSTRUMENTO DE MEDICION
Nombre: Calibrador marca Trupper en mm y plg
Observaciones
Modelo: CALDI-6MP
Cdigo: 14388
40
Tabla 6.2 Continuacin de la hoja de verificacin de las medidas del dimetro del neumtico.
Fecha: 26 de septiembre de 2015
No. de pieza
Dimetro (X)
Unidades
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
23.27
23.34
23.4
23.37
23.28
23.33
23.31
23.28
23.32
23.38
23.36
23.34
23.26
23.3
23.29
23.44
23.45
23.35
23.35
23.31
23.36
23.29
23.32
23.33
23.42
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
INSTRUMENTO DE MEDICIN
Nombre: Calibrador marca Trupper en mm y plg
Observaciones
Modelo: CALDI-6MP
Cdigo: 14388
41
Tabla 6.3 Continuacin de la hoja de verificacin de las medidas del dimetro del neumtico.
Fecha: 26 de septiembre de 2015
No. de pieza
Dimetro (X)
Unidades
51
52
53
54
55
56
57
58
59
60
23.27
23.36
23.38
23.35
23.4
23.33
23.32
23.34
23.35
23.37
mm
mm
mm
mm
mm
mm
mm
mm
mm
mm
INSTRUMENTO DE MEDICIN
Nombre: Calibrador marca Trupper en mm y plg
Observaciones
Modelo: CALDI-6MP
Cdigo: 14388
A continuacin, se muestran los grficos y datos (figura 6.1) que se utilizarn para evaluar las
propiedades bsicas de las mediciones obtenidas del dimetro del neumtico elaborado por Hinshitsu.
42
Media
16
Mediana
Moda
14
Frecuencia
12
10
8
Valor mnimo
Valor mximo
6
4
2
0
23.25
23.30
23.35
23.40
23.45
Mediciones
En la figura 6.2 se observan las frecuencias de cada una de las mediciones obtenidas. De sta grfica
se puede definir que los dimetros del neumtico se encuentran en un rango de 23.23 a 23.45 (valor
mnimo y valor mximo); adems, se muestra que el promedio de los datos se encuentran en el valor de
23.338 (media), tal y como lo indica la figura 6.1. Se muestra tambin el valor central del conjunto de datos
ordenados que es de 23.340 (mediana) y finalmente el dimetro con mayor frecuencia que es 23.35
(moda).
43
Media
Q1
Media
23.34
Desv.Est. 0.05016
N
60
Q3
16
14
Frecuencia
12
10
8
6
4
2
0
23.25
23.30
23.35
23.40
23.45
Mediciones
En la figura 6.3, se observa nuevamente el histograma de los dimetros pero ahora con la curva de
normalidad sobrepuesta; una distribucin normal es simtrica y tiene forma de campana.
Con los datos mostrados en la figura 6.1, se puede afirmar que la forma de la curva es platicrtica, ya
que se tiene un valor en curtosis de -0.11 (<0); esto quiere decir que se presenta un reducido grado de
concentracin alrededor de los valores centrales de la variable. Respecto al valor de simetra, tomando
como base el valor de -0.10 decimos que la curva tiende a ser asimtrica a la izquierda, ya que los valores
estn ms separados de la media del lado izquierdo del histograma; las mediciones disminuyen
ligeramente en la parte izquierda.
Respecto al grado de dispersin o variabilidad en los datos con respecto a la media (desviacin
estndar), stos se separan 0.0502 mm tanto a la izquierda, como a la derecha.
Tambin se identifica en el histograma el cuartil 1 y el cuartil 3, con valores de 23.310 y 23.370
respectivamente, es decir, los valores que corresponden al 25% y al 75% de los dimetros.
44
23.20
23.25
23.30
23.35
23.40
23.45
Mediciones
La grfica de valores individuales ayuda a examinar la dispersin y la concentracin de los datos; cada
crculo representa una observacin. En la figura 6.4 se puede apreciar que hay una gran concentracin de
datos que va de 23.30 mm hasta 23.38 mm.
45
Mediciones
23.40
Q3
23.35
Q1
23.30
23.25
23.20
En la figura 6.5 se aprecia la grfica de caja; en ella se observa que la lnea de la media no se encuentra
centrada en el rango intercuartl de la caja, si no que tiende a estar ligeramente en la parte superior.
Adems el bigote superior es un poco ms largo que el inferior, lo que indica que los valores tienden arriba
de la media. Nuevamente, tomando en cuenta los datos de la figura 6.1, el rango entre el cuartil 1 y el
cuartil 3 es de 0.06 (23.370 23.310), lo cual significa que esa es la porcin correspondiente a la caja o al
50% intermedio de las observaciones.
46
+ /
47
Sustitucin:
0.0502
0.0502
23.338 1.96 (
) 23.338 + 1.96 (
)
60
60
Resultado:
23.3252 23.3507
El resultado anterior, tambin fue comprobado por medio del software Minitab 17, el cual arroj el
mismo resultado obtenido, como se muestra en la figura 6.6.
Figura 6.6 Intervalo de confianza para la media obtenido por el software Minitab 17.
Debido a que los datos sobre el dimetro del neumtico se analizaron con un nivel a de 0.05, se
construy un intervalo de confianza de 95%. Este intervalo indica que, basndose en la media de la
muestra y el valor conocido de s, se puede estar 95% seguro de que se encuentra entre los valores de
23.3256 y 23.3510.
48
Z
Z
P / 2
x /2
1
n
n
49
Valores crticos:
+ /
Sustitucin:
0.0502
0.0502
23.338 1.96 (
) 23.338 + 1.96 (
)
60
60
23.3252 23.3507
. .
. /
= .
En la figura 6.7, se muestran los resultados arrojados por el software y se comprueban los resultados
obtenidos.
Figura 6.7 Resultados de la prueba de hiptesis arrojados por el software Minitab 17.
50
Figura 6.8 Demostracin grfica de los datos bsicos tomados para la prueba de hiptesis.
De acuerdo a la figura 6.8, se concluye que la media est dentro de la zona de aceptacin, por lo tanto
se acepta la hiptesis nula, es decir, la media poblacional es igual a 23.34.
Como se muestra en la figura 6.9, se puede afirmar con un 95% de confianza que la media ideal se
encuentra dentro del intervalo 23.3252 y 23.3507, por lo tanto se acepta la hiptesis nula (H0) de que la
media toma el valor de 23.34.
51
El diagrama de Pareto es utilizado para encontrar rpidamente los factores o causas ms importantes
de un problema, para saber cules se deben atender primero y no realizar esfuerzos intiles para
solucionar ese problema. Esta herramienta es una grfica, semejante a un diagrama de barras, y presenta
los factores o causas ordenados con base en la importancia que tengan en un determinado problema,
facilitando as la toma de decisiones.
A partir de la figura 7.1 7.4 se muestran los defectos que presentan los neumticos de juguete serie
0785.
52
HOJA DE VERIFICACIN
DEPTO. DE CALIDAD HINSHITSU
Fecha: 20 de octubre de 2015
Producto: Neumticos plsticos
para camin de juguetes
No. de pedido: 36766
Proceso: Inyeccin de plstico
Especificaciones: A, B, C, D
NO.
RESULTADO DE LA INSPECCIN
CONTEO
TOTAL
ALETAS
//// //// /
RFAGAS DE COLOR
//// //
RASGADURAS
//
RUGOSIDAD
35
Total rechazado
Total aprobado
% Rechazado
52
8
86.66%
53
Tabla 7.2 Hoja de verificacin (ponderada) de los defectos que se presentan en el neumtico.
HOJA DE VERIFICACIN
DEPTO. DE CALIDAD HINSHITSU
Fecha: 20 de octubre de 2015
NO.
RESULTADO DE LA INSPECCIN
ALETAS
RFAGAS DE COLOR
RASGADURAS
RUGOSIDAD
CONTEO
//// //// //// //// ////
//// //// //// ////
//// //// ////
//// //// ////
//// ////
//// //// //// //// //// ////
//// //// //// //// //// ////
//// //// //// //// //// ////
//// //// //// //// //// ////
//// //// //// //// //// ////
//// //// //// //// ////
Total rechazado
Total aprobado
% Rechazado
TOTAL
45
30
10
175
260
40
86.66%
Con ayuda de los datos de la tabla 7.2 se procede a construir el diagrama de Pareto. En l se ordenaron
los fallos de mayor a menor en funcin de los resultados obtenidos.
54
Como resultado del diagrama se puede observar que si solucionamos el defecto de rugosidad se estar
terminando con el 80% de la variacin que presenta el neumtico.
De acuerdo a la figura 7.5, se observa que el defecto de rugosidad es el defecto que ms se presenta
en los neumticos, por lo que ahora corresponde analizar las posibles causas para corregir esta
problemtica en la lnea de produccin.
55
De acuerdo con los resultados obtenidos del diagrama de Pareto, se elabor un diagrama Ishikawa para
el defecto de exceso de rugosidad en la cara perimetral. El enfoque seguido en la construccin de ste, es
el de las 5M, en la figura 8.1, se muestra dicho diagrama.
Diagrama Ishikawa
Medio
Material
Mano de obra
Vibraciones elsticas
Material contaminado
No se precalienta el molde
Exceso de
rugosidad
en la cara
perimetral.
Mtodos
Mquinas
56
Posteriormente se elabor un diagrama de rbol para reducir y si es posible eliminar las causas que
estn presentando los neumticos que se mencionaron anteriormente en el diagrama Ishikawa.
57
58
Casualidad.
Lgica organizacional.
59
60
61
Shewhart sugiere que si se establecen lmites de control a+3 veces la desviacin estndar del
proceso con respecto a la media en el momento en que el proceso opere fuera de este margen o
tienda a hacerlo, la probabilidad de que ello se deba a causas inherentes al proceso es muy baja
27% por lo que lo ms probable es que algo extrao este sucediendo de manera que si se detecta
oportunamente la causa y se establecen las acciones correctivas apropiadas se puede impedir la
falta de calidad.
Para conocer en qu condiciones est operando un proceso, se deben tomar muestras peridicas y
estimarse tanto su media como su desviacin estndar.
El precontrol es un semforo contra el cual se comparan, en cada tiempo de inspeccin, los valores
medidos en dos artculos consecutivos de la produccin. Las zonas de operacin del semforo
resultan al dividir la tolerancia o especificaciones en cuatro partes: las dos partes centrales
constituyen la zona verde, las dos partes de las orillas forman la zona amarilla, y fuera de las
especificaciones se localiza la zona roja (figura 10.2).
62
23.40
LCS=23.4062
+3
+2
+1
-1
-2
-3
23.35
23.30
Zona A
__
X=23.3355
Zona C
LCI=23.2648
23.25
1
10
11
Zona B
12
Subgrupos
Rango de la muestra
0.24
LCS=0.2590
0.18
_
R=0.1225
0.12
A continuacin
se muestran los valores de las penalizaciones de acuerdo al precontrol.
0.06
Zona0.00
A= 0 puntos
2
3
4
Zona B= 21 puntos
Zona C= 6 puntos
Fuera de control= 8 puntos
LCI=0
5
10
11
12
Subgrupos
63
La variacin por causas comunes (o por azar) es aquella que permanece da a da, lote a lote; y
es aportada de forma natural por las condiciones de las 6 M.
La variacin por causas especiales (o atribuibles) es causada por situaciones o circunstancias
especiales que no estn de manera permanente en el proceso.
No distinguir entre estos dos tipos de variabilidad conduce a cometer dos errores en la actuacin
de los procesos. Error 1: reaccionar ante un cambio o variacin (efecto o problema) como si
proviniera de una causa especial, cuando en realidad surge de algo ms profundo en el proceso,
como son las causas comunes de variacin. Error 2: tratar un efecto o cambio como si procediera de
causas comunes de variacin, cuando en realidad se debe a una causa especial.
Cada uno de estos dos errores causa prdidas. Se puede evitar uno u otro, pero no ambos.
No es posible reducir a cero ambos errores.
Como ya se mencion Hot Wheels produce los neumticos serie 0785 con especificaciones de
dimetro exterior de 23.34 0.1 mm. Se ha solicitado controlar sta caracterstica con cartas de
control. Cada dos horas se toma una muestra de 5 piezas consecutivas, ya que es el tiempo que
tarda un lote en salir; la primera muestra se toma a las 9:00 a.m., los turnos en los que se trabaja
son:
Turno 1: 7 am 3 pm
Turno 2: 3 pm 11 pm
Turno 3: 11 pm 7 am
En la tabla 10.1 se visualizan las mediciones obtenidas de las muestras tomadas en cada lote de
neumticos, en los horarios establecidos, los cuales fueron definidos como subgrupos, obteniendo
un total de 12:
64
Subgrupo
Hora
X1
X2
X3
X4
X5
X-barra
R-barra
LSCx
LCIx
LSCr
LCIr
1
2
3
4
5
6
7
8
9
10
11
12
09:00
11:00
13:00
15:00
17:00
19:00
21:00
23:00
01:00
03:00
05:00
07:00
23.42
23.36
23.29
23.34
23.34
23.35
23.35
23.41
23.34
23.37
23.23
23.23
23.3
23.34
23.28
23.42
23.37
23.24
23.37
23.28
23.34
23.29
23.32
23.25
23.33
23.38
23.36
23.31
23.27
23.33
23.37
23.3
23.27
23.35
23.42
23.38
23.35
23.31
23.4
23.38
23.35
23.34
23.37
23.31
23.3
23.33
23.35
23.31
23.32
23.31
23.36
23.39
23.37
23.44
23.32
23.45
23.32
23.25
23.26
23.34
23.344
23.34
23.338
23.368
23.34
23.34
23.356
23.35
23.314
23.318
23.316
23.302
0.12
0.07
0.12
0.11
0.1
0.2
0.05
0.17
0.07
0.12
0.19
0.15
23.4062
23.2648
0.259
23.3355
INSTRUMENTO DE MEDICIN
Nombre: Calibrador marca Trupper en mm y plg
0.1225
ENCARGADOS DEL DEPARTAMENTO DE CALIDAD
Modelo: CALDI-6MP
Cdigo: 14388
65
10.1.1
Las grficas X-barra evalan si el centro del proceso est bajo control. Constan de lo siguiente:
Puntos graficados, cada uno de los cuales representa el promedio de mediciones en ese
subgrupo.
Lnea central (verde), que es el estimado del promedio del proceso (el promedio de todos los
promedios de los subgrupos).
Lmites de control (rojos), localizados 3 s por encima y por debajo de la lnea central, ofrecen un
recurso visual para evaluar si el proceso est fuera de control. Los lmites de control, que
representan la cantidad de variacin esperada para los promedios de los subgrupos, se calculan
utilizando la variacin dentro de subgrupos.
Media de la muestra
23.40
__
X=23.3355
23.35
23.30
LCI=23.2648
23.25
1
10
11
12
Subgrupos
Rango de la muestra
0.24
LCS=0.2590
0.18
_
R=0.1225
0.12
0.06
La grfica X-barra (figura 10.3) para los datos sobre el dimetro del neumtico se puede resumir
0.00
LCI=0
de la manera siguiente:
1
2
3
4
5
6
7
8
9
10
11
12
Subgrupos
Los lmites de control inferior y superior son 23.2648 y 23.4062, respectivamente. Por lo tanto,
se espera que los promedios de subgrupo se ubiquen entre los valores mencionados. La lnea
central (estimado del promedio del proceso) es 23.3355.
Como los subgrupos se encuentran en los lmites de control, ste es el indicador de que el
proceso est bajo control.
Del subgrupo 1 al 8 se presenta una corrida.
Del subgrupo 3 al 5 se aprecia fluctuacin.
66
Media de la muestra
23.40
23.35
Zona A
2
0
__
X=23.3355
0
0
23.30
Zona B
Zona C
2
LCI=23.2648
23.25
1
10
11
12
Subgrupos
Rango de la muestra
0.24
LCS=0.2590
0.18
_
R=0.1225
0.12
En la figura0.06
10.4 se aprecia que el 83.33% de los subgrupos se encuentra en la zona A y slo el
16.66% se encuentra
en la zona B.
0.00
LCI=0
1
10
11
12
Subgrupos
10.1.2
Carta de control
Las grficas evalan si la variacin del proceso est bajo control. Una grfica R se compone de
lo siguiente:
La grfica R debe estar bajo control para interpretarla porque los lmites de control se calculan
considerando tanto la variacin como el centro del proceso.
Cuando la grfica R no est bajo control, los lmites de control en la grfica sern inexactos y
podran indicar incorrectamente una condicin fuera de control. En este caso, la falta de control
se deber a una variacin inestable en lugar de cambios reales en el centro del proceso.
Cuando la grfica R est bajo control, usted puede estar seguro de que una grfica fuera de
control se debe a cambios en el proceso.
67
Media d
23.30
LCI=23.2648
23.25
1
10
11
12
Subgrupos
LCS=0.2590
Rango de la muestra
0.24
0.18
_
R=0.1225
0.12
0.06
0.00
LCI=0
1
10
11
12
Subgrupos
En la figura 10.5 se muestran los lmites de control inferior y superior los cuales son 0 y 0.2590,
respectivamente. Por lo tanto, se espera que los rangos de los subgrupos se ubiquen entre dichos
valores. La lnea central (estimado de la variacin del proceso) es 0.1225.
Por otro lado, los subgrupos con mayor rango son: 6, 8, 11 y 12, por el contrario los de menor rango
son: 2, 7 y 9, pues estn cercanos al 0.
Ninguno de los rangos de subgrupos est fuera de los lmites de control. Adems, los puntos dentro
de los lmites muestran un patrn aleatorio. Esta grfica R no proporciona ninguna evidencia de falta
de control. Por estas razones, la variacin del proceso est bajo control.
10.1.3
Al interpretar ambas grficas a la vez, puede rastrear tanto el centro del proceso como la
variacin del proceso y detectar la presencia de causas especiales.
Un proceso bajo control slo muestra la aleatoria variacin dentro de los lmites de control.
Un proceso fuera de control exhibe variacin inusual, la cual puede atribuirse a la presencia de
causas especiales.
68
Media de la muestra
23.40
__
X=23.3355
23.35
23.30
LCI=23.2648
23.25
1
10
11
12
Subgrupos
LCS=0.2590
Rango de la muestra
0.24
0.18
_
R=0.1225
0.12
0.06
0.00
LCI=0
1
10
11
12
Subgrupos
En la figura 10.6 se visualiza que el subgrupo 4 es el que ms se aleja del valor nominal en la carta
X-barra y en la carta de rangos muestra un rango por debajo del promedio. Los resultados de estas
pruebas indican que el promedio del proceso es estable y que el proceso est bajo control, se puede
observar que no hay presencia de causas especiales.
69
Objetivos:
1.
2.
3.
4.
5.
6.
Frmula:
=
=
6
0.1225
=
= 0.0527
2
2.326
23.44 23.24
=
= 0.6325
6
6(0.0527)
70
Frmula:
= [
,
]
3
3
23.44 23.3355
=
= 0.6609
3
3(0.0527)
23.3355 23.24
=
= 0.6040
3
3(0.0527)
Como se aprecia son muy prximos, eso indica que la media del proceso est muy cerca
del punto medio de las especificaciones, por lo que la capacidad potencial y real son similares.
71
CONCLUSIN
Partiendo de los resultados obtenidos gracias a cada una de las herramientas utilizadas para la
realizacin de este anlisis, se obtienen las siguientes conclusiones sobre el comportamiento del
proceso de produccin del neumtico de juguete 0785.
Despus de ejecutar la prueba preliminar junto con las pruebas de normalidad se afirma que los
problemas o variaciones que presentan las piezas durante el anlisis no son a causa de la medicin,
por lo que la variacin se presenta durante el proceso de fabricacin, de manera adicional se realiz
un estudio Gage R&R para verificar quien era el operador con mayor capacidad tcnica para realizar
la mediciones, que en este caso result ser el nmero 2.
Una vez seleccionado el operador, se hizo el anlisis estadstico para ver el comportamiento de las
piezas, en el cual se observ que stas se comportaban de manera normal y no existe mucha
variacin entre la piezas, adems, de que en general cumplen con las especificaciones del cliente,
por lo cual se piensa que los problemas presentados en el neumtico se deben a otra situacin como
son los defectos que se presentan.
Mediante el enfoque de los defectos de las piezas se verifico que el defecto de rugosidad excesiva
fue el que ms se presentaba en las piezas, ya que abarca casi el 70 % de las mismas y esto puede
causar un dficit de funcionalidad en el momento de hacer las pruebas por el impedimento que la
cara tiene para avanzar en una superficie dado su rugosidad. Se prosigui a reunir un equipo
multidisciplinario para realizar un diagrama de Ishikawa y encontrar algunas de las posibles causas
de que se presente con mayor frecuencia ese defecto, una vez obtenidas algunas de las causas, se
hizo un anlisis mediante dos herramientas administrativas para ver posibles medidas de
continencia y la relacin entre las causas, para atacar las de mayor importancia. De stas se pudo
apreciar que dos causas fuertes son la aplicacin incorrecta de los parmetros de inyeccin y la
contaminacin de la materia prima, las cuales se planean atacar mediante la aplicacin de un
catlogo de parmetros para cada tipo de material adems de un control e inspeccin ms especfica
del material.
Una vez que se obtuvieron las afirmaciones sobre los defectos, se prosigue al anlisis del proceso
mediante la aplicacin de las cartas de control, el cual se realiz mediante subgrupos. En las cartas
se pudo apreciar que la mayora de los subgrupos se encontraban dentro de los lmites de control y
no presentaban gran variacin ya que la mayora se concentraba dentro de la zona A, existiendo
slo un par de fluctuaciones notables, aunque en su mayora se presenta adhesin a la media, dado
esto, no fue considerado realizar un anlisis individual.
Por ltimo se verific la capacidad del proceso, lo cual nos indica que la capacidad real y potencial
es similar, pero debido a que el valor arrojado es aproximado a 0.60, el cual es relativamente bajo,
se afirmar que el proceso no puede cumplir del todo con las especificaciones del cliente.
72
Para finalizar, partiendo de la problemtica inicial se puede afirmar que el proceso est bajo control
a pesar de su capacidad baja, y que se comporta de manera normal, por lo cual el dficit de
funcionalidad es debido principalmente a los defectos.
CONCLUSIONES PARTICULARES
Integrante del equipo:
En general de este trabajo aprend a analizar realmente un proceso real y no slo un conjunto de
datos, ya que cuando realizaba proyectos de esta naturaleza por lo regular me limitaba a llegar a la
toma de datos a lo mucho y no tomaba en cuenta ni la manera en como lo haca, por lo tanto siempre
se quedaban en una simple interpretacin y no se realizaba un anlisis verdadero. En este proyecto
pude comprobar lo amplio que es el panorama de la calidad y las herramientas tanto estadsticas
como administrativas, adems de algunas de las mltiples aplicaciones y beneficios que estas
proveen a las empresas. Pude apreciar que hay miles de aspectos dentro de lo que es el control
estadstico y que es un mundo de detalles que se deben conocer para realizar un proceso continuo,
por lo que se vuelve un proceso estocstico.
Tambin pude darme cuenta que para realizar un proyecto de estas magnitudes no es necesario
que una empresa abra las puertas ya que se puede hacer un anlisis externo que aunque no es tan
confiable nos permite darnos una idea de cmo es que se comportan los procesos dentro de planta.
Al final de realizar todo el anlisis pude confirmar que a veces las variaciones en los procesos no son
de manera puntual atribuibles a una sola causa, sino a la combinacin de muchas que dan como
resultado un problema a analizar, lo cual es interesante ya que da mayor complejidad y relevancia
a este tipo de estudios ya que nos permite conocer ms a fondo cules son esas causas o variables
que influyen.
En cuanto a la clase y el desarrollo de la misma creo que fue interesante salir un poco de los
esquemas establecidos y poder quitar ciertas barreras de pensamiento que se encontraban muy
arraigadas, de esta manera puedo asegurar que no estoy en total acuerdo con el desarrollo de la
materia ya que hubo detalles que me hubiera agradado modificar un poco y hacerlos un poco
mejores, tal es el caso de la comunicacin y gua en algunos temas donde creo que una introduccin
previa hubiera podido dar una pauta mejor para las correcciones y retroalimentacin de los mismos.
En general la clase tiene un buen concepto aunque hay limitaciones en recursos tiempo y tal vez
materiales para acelerar el ritmo de trabajo y poder abarcar de manera ms amplia y puntual
algunas secciones. Ahora realmente lo que ha dejado esta materia en mi es una ambicin por
realmente adentrarme y empezar a conocer, indagar y cuestionar los procesos para hacer el anlisis
y poder interpretar de manera que pueda yo saber alternativas para mejorar y controlar los mismos.
73
74
Cuando se inici el curso de Control Estadstico de la Calidad debo decir que estaba muy nerviosa,
porque nunca me haban impartido una clase de la forma en como el Dr. Carrillo lo hizo.
Recuerdo una presentacin de reflexin que nos mostr el primer da de clases donde se indicaba
que al mexicano se nos catalogaba como una persona floja, fue cuando me cuestion: en verdad
quiero seguir en esa zona? Quiero seguir formando parte de esas personas que son vistas de esa
manera? Me hice estas preguntas porque yo me consideraba de esa manera al momento de
entregar trabajos o en cuanto a reuniones en equipo se refera.
Los primeros das fueron difciles porque hubo un cambio total en la forma de trabajo que estaba
llevando en materias anteriores. Para empezar, los fines de semana eran reuniones para poder sacar
adelante el trabajo de la materia; es algo que nunca haba hecho y como dije, en un principio fue
difcil y eran quejas todo el tiempo, ahora, se volvi un hbito que ya no me cuesta trabajo.
Otro aspecto que se me hizo difcil en los primeros das y ligado con lo anterior fue el trabajo en
equipo porque me di cuenta que es algo que nunca haba hecho. Fue una forma nueva de trabajar
adems de que lo hice con compaeros que no haba convivido mucho; a lo largo del semestre hubo
desacuerdos que tal vez fueron ocasionados por nuestra falta de experiencia sobre trabajo en
equipo, pero conforme pasaron las semanas nos acoplamos un poco ms y el apoyo por parte de
algunos integrantes fue mejorando.
No solo fueron aspectos personales los que me llevo del curso, si no conocimientos que me
ayudaron en mi formacin como ingeniero. Al principio no saba usar el software Minitab, pero con
ayuda de mis compaeros de equipo aprend muchas cosas que me ayudaron bastante para sacar
adelante el proyecto, como por ejemplo, obtener ANOVAS, datos de tendencia central o hacer
distintos tipos de grficos. Algo que me gust mucho del paquete estadstico es que viene una
opcin donde te muestra ejemplos de cmo interpretar resultados de los distintos temas que
maneja, y eso nos ayud bastante para interpretaciones de grficos.
No cre que una materia como control estadstico fuera algo tan interesante ya que conforme
pasaban las clases, me iba metiendo ms y ms en los temas proporcionados por el profesor. Las
estadsticas que me impartieron anteriormente sinceramente se me hacan tediosas o algunas veces
hasta aburridas, ya que cada clase era ejercicio tras ejercicio y siempre era lo mismo. En este curso
no fue as y fue la razn por la que me llamaba la atencin. Muchos de los temas vistos en semestres
anteriores como los de estadstica descriptiva o estadstica inferencial, si saba cmo hacerlos pero
en realidad solo me quedaba hasta ah; nunca me preguntaba para que se usaba o como es que lo
aplicara en una empresa, hasta que llegue a sta materia, Control Estadstico de la Calidad. Una de
las cosas que ms me llevo de la asignatura es la mejora de mi habilidad para analizar las cosas y
preguntarme porque pasan, no solo quedarme hasta lo que me ensean, sino ir ms all.
Algo que me pona muy nerviosa al principio eran las exposiciones de los trabajos realizados
durante los fines de semana, ya que debamos tener justificacin para todo lo que estbamos
75
analizando; ese aspecto se me haca muy bueno porque como mencion, nos enseaba a entender
el porqu de lo que se estaba haciendo.
Hubo algo que el profesor mencion y que me llam mucho la atencin: Ustedes van a aprender
bien sobre la materia con un solo ejercicio. Lo anterior es totalmente cierto ya que este semestre
aprend muchas cosas sobre lo que hace un ingeniero de calidad en planta haciendo un solo ejercicio
pero completo, analizando, sacando la problemtica, las mediciones, sabiendo por qu se hace a tal
nivel de confiabilidad, observando si los datos son normales o no, entre otras cosas.
Estoy contenta y entusiasmada por lo que aprend tanto en el aspecto personal como el
acadmico en todas estas semanas que dur el curso. Estoy satisfecha con el trabajo final porque
es algo en lo que mis compaeros de equipo y yo trabajamos semana tras semana y es gratificante
ver los resultados; me llevo buenas amistades tambin y otra perspectiva de lo que es mi carrera;
observo lo fundamental que es que ingenieros en nuestra especialidad vayamos bien preparados,
porque somos un pilar en las empresas.
Durante el desarrollo de ste anlisis al igual que en el desarrollo del curso de la materia de
Control Estadstico de la Calidad, clase impartida por el Doctor Hugo Carrillo, de manera personal
pude aprender y comprender todos los temas que el doctor propuso al inicio del curso, adems de
que tuve la oportunidad de llevarlos a la prctica con mis compaeros en el equipo Hinshitsu.
En el aula, el doctor nos mostr una faceta de la ingeniera industrial que hasta ese momento yo
desconoca, nos trat y nos habl como seguramente ser en el campo laboral, algo que me pareci
muy bueno de su parte. Tuve la oportunidad de cuestionar y de opinar acerca de los temas que
presentaba, y de igual manera aprend de una muy diferente a la tradicional cmo corregir mis
errores.
Las clases fueron muy dinmicas, cada persona en el aula era libre de opinar y cuestionar sobre
cualquier tema, la clase fue un debate durante todo el semestre, llegaba al aula con el tema en
mente y el Doctor Carrillo propona una situacin y algunos de nosotros propona, opinaba y as
conoc el enfoque que varios de mis compaeros tenan sobre el tema as como su punto de vista
de vista acerca de la situacin, fue algo diferente, aprend algo diferente, y lo ms importante,
aprend, a analizar las opiniones de los dems y a preguntarme: Y por qu no? Las personas que
opinaban, la mayora fundamentaba sus argumentos, y con ayuda del Doctor, en algunos casos, se
lograron aclarar para el mayor entendimiento de todos.
En la prctica, tambin tuve la oportunidad de trabajar con mis compaeros de generacin, y,
con algunos de ellos, que nunca haba tenido la oportunidad de hacerlo, fue un poco complicado,
pues mis tiempos no se adecuaban con los de ellos, sin embargo, pude sacar adelante el trabajo en
conjunto con ellos, haciendo lo que me corresponda, fue algo diferente a lo que normalmente hago
76
El realizar el presente trabajo aporta al alumno un conocimiento bsico del Control Estadstico
de la Calidad sin embargo, este conocimiento es fundamental para conocer los principios que deben
aplicarse en la mejora de un proceso de produccin. Se han analizado una gran cantidad de
problemas que pueden llegar a presentarse en la industria pero sin duda jams se terminarn de
analizar todos.
Es por eso que tener un conocimiento claro de cada una de las herramientas vista en la materia
es de vital importancia para que en el momento de desempearnos laboralmente no se dude de las
decisiones que deben tomarse.
Por otro lado, considero que cuando se llegue a laborar industrialmente se comenzar con
analizar cada una de las situaciones presentadas y se observar que no es tan fcil como se plantea
77
en los libros, por tal, considero que parte fundamental de la educacin del alumno en cualquiera de
la materia impartida es el poder aplicarlo directamente en una empresa sin manipulacin de datos,
ya que esto llevara solamente a no analizar una realidad.
Otro aspecto interesante en cuanto a la materia es la forma en que fue impartida por el docente,
ya que se comienza con una reflexin sobre el tipo de estudiantes que somos a pesar del nivel
acadmico con el que se cuenta. En lo particular me motiva cada una de las experiencias
compartidas as como los retos que han de venir en un futuro, concluyo respecto a stas que el
esfuerzo dado por cada uno de nosotros ser la recompensa que ha de venir ms adelante, las
personas que se esfuerzan sin importan su situacin son aquellas que crecen en todos los aspectos
y sobre todo que obtienen cosecha de lo sembrado. Por eso Dr. en su ejemplo he aprendido que no
importante nada material ni econmico si no el esfuerzo que cada uno damos en todas las
situaciones.
Por ltimo, no me queda ms que agradecer al profesor por el conocimiento brindado, el tiempo,
la dedicacin, entusiasmo y sobre todo por la paciencia ante los errores cometidos, as como mi
amplia disposicin para cualquiera de los proyectos que lleguen a presentrsele ya que sin duda
esto es una gran fuente de aprendizaje.
78
BIBLIOGRAFA
Gutirrez, H. y De la Vara, R. (2009). Control estadstico de la calidad y seis sigma. 2a ed. Mxico:
McGraw-Hill.
Gutirrez M. Administrar para la calidad conceptos administrativos del control total de la
calidad. 2a ed. Mxico: Limusa Noriega Editores.
Walpole, R., Myers, H. y Myers L. (2012). Probabilidad y Estadstica para ingeniera y ciencia., 9
ed., Mxico: Pearson.
REFERENCIAS
Herrera, R. y Fontalvo, T. (2015). SEIS SIGMA. MTODOS ESTADSTICOS Y SUS APLICACIONES.
Recuperado de http://www.eumed.net/librosgratis/2011b/939/Prueba%20de%20Normalidad.htm
79
ANEXOS
Tabla A1. Factores para la construccin de las cartas de control.
80