Antologia de Control Estadistico de Calidad

CONTROL ESTADSTICO DE CALIDAD
CAPITULO I: TEORA GENERAL DE LA CALIDAD Y

HERRAMIENTAS BSICAS
1.1
EVOLUCIN
Previo a la conformacin de los primeros grupos humanos organizados de

importancia, las personas tenan pocas opciones para elegir lo que habran de
comer, vestir, en donde vivir y como vivir, todo dependa de sus habilidades en
la cacera y en el manejo de herramientas, as como de su fuerza y voluntad, el
usuario y el primitivo fabricante eran, regularmente, el mismo individuo.
La calidad era posible definirla como todo aquello que contribuyera a mejorar
las precarias condiciones de vida de la poca prehistrica, es decir, las cosas
eran valiosas por el uso que se les daba, lo que era acentuado por la dificultad
de poseerlas.
Conforme el ser humano evoluciona culturalmente y se dinamiza el crecimiento
de los asentamientos humanos, la tcnica mejora y comienzan a darse los
primeros esbozos de manufactura; se da una separacin importante entre
usuario o cliente y el fabricante o proveedor.
La calidad se determinaba a travs del contacto entre los compradores y lo
vendedores, las buenas relaciones mejoraban la posibilidad de hacerse de una
mejor mercanca, sin embargo, no existan garantas ni especificaciones, el
cliente escoga dentro de las existencias disponibles.
Conforme la tcnica se perfecciona y las poblaciones se transforman poco a
poco en pueblos y luego en ciudades de tamao considerable, aparecen los
talleres de artesanos dedicados a la fabricacin de gran variedad de utensilios
y mercancas, cada taller se dedicaba a la elaboracin de un producto, eran
especialistas en ello y basaban su prestigio en la alta calidad de sus hechuras,
las que correspondan a las necesidades particulares de sus clientes. En esta
etapa surge el comerciante, sirviendo de intermediario entre el cliente y el
fabricante.
El ser humano hace su aparicin en la Tierra y utiliza su inteligencia
(imaginacin, creatividad, y esfuerzo para satisfacer sus necesidades y facilitar
su trabajo. Descubre el fuego y la agricultura, domestica animales, aprende a
montar. Se va acostumbrando a la innovacin, inventa la rueda y aprende a
usar la rienda en la antigedad.
SIGLO XV Los habitantes de los artesanos se desarrollan ampliamente se
convierten en maestros y fomentan los normas estticas y arquitectnicas
(renacimiento)
SIGLO XVII Aparecen en Europa las escuelas de artes y oficios.
Artesanos --- Maestros aprendices --- alumnos
Aparecen en Europa las escuelas de artes y oficios
[Control de Calidad]
Pgina 1
Siglo XV ---- artesanos --- maestros

SIGLO XIX Se inventa la maquina de vapor, se revolucionan las formas de
trabajo y los mtodos de produccin. La revolucin Industrial transforma los
aprendices se vuelven operadores de maquinas y los maestros capaces o
mayordomos.
SIGLO XX: 1918 La produccin especializada y en serie empobrece la funcin
del aprendiz (operador). Su objetivo es slo producir buenos productos. Los
mayordomos califican el trabajo de los operadores.
1924 WALTER A. SHEWHART Introduce una forma de reporte de defectos de
produccin basado en el teorema del limite central (Control Estadstico de
Calidad).
1928 ELTON MAYO lleva a cabo experimentos tendientes a estimular la
productividad de los trabajadores en empresa WESTERN ELECTRIC
COMPANY.
1931 Aparece la publicacin de calidad CONTROL
ECONMICO DE PRODUCTOS MANUFACTURADOS
DE
CALIDAD
1937 El trmino inspector de Control de Calidad aparece por primera vez en la

industria WESTERN ELECTRIC COMPANY.
1938 SHEWART public su segundo libro sobre Calidad Mtodos Estadsticos
desde el punto de vista de Control de Calidad.
1939 Durante la segunda guerra mundial (19391945) los Estados Unidos
fabrican materiales como apoyo a los aleados europeos. Para ello se crearon
mundiales bsicos de Calidad para la armada (MILITAR STANDAR)
desarrollados por HAROLD DOGGE y HARRY ROMING y MARY TORREY.
1942 Estados Unidos entra a la segunda guerra mundial y utiliza las tablas de
muestreo DODGE-ROMING en la fabricacin de pertrechos de guerra.
1945 Se firma el acuerdo de rendicin de Japn terminan la edad de control
estadstico de Calidad en Estados Unidos y Europa.
1946 Se crea el Juse (Japanese Union of scientist and engineers)
1950 Deming visita Japn y da la conferencia Control Estadstico del Proceso
a industrias Japonesas.
1951 Deming visita Japn por segunda vez e imparte la conferencia Control de
Calidad e investigacin de Mercados
1953 La importancia de la Calidad empieza a tener eco en Japn.
Pgina 2
1954 Joseph M Juran visita por primera vez Japn y da su conferencia de

administracin de la Calidad, destacando la participacin del elemento humano.
Kaoru Ishikawa establece el respeto a la humanidad como filosofa y establece
su mtodo de solucin de problemas conocido como diagrama de causa
efecto o (Fish Bone).
1960 aparece el concepto Cero Defectos iniciando por PHILIP CROSBY.
1964 En Japn se adopta el concepto CERO DEFECTOS como un estndar
de desempeo no como un diagrama.
1970 Surge el concepto de Control total de la Calidad en Japn. Produce
artculos de excelente Calidad y son conocidos a nivel mundial naciendo el
actual lder industrial y econmico de la segunda mitad del siglo XX.
1980 El control total de Calidad ingresa a Mxico a travs de las empresas
Gillette, Ericson, Champin y algunas industrias automotrices.
Los gurs de nuestros das

Los gurs de esta nueva etapa idealizan las funciones y dinmica de la
organizacin para insertarlas en un nuevo modelo de comportamiento,
relaciones y disciplinas. Entre estos tenemos:
W. EDWARDS DEMING (1900-1993)
William Edwards Deming naci en 1900 en Wyoming, E.U., se dedic a trabajar

sobre el control estadstico de la calidad. Japn asumi y desarrollo los
planteamientos de Deming, y los convirti en el eje de su estrategia de
desarrollo nacional. En 1950 W. Edward Deming visit Japn, dando
conferencias sobre Control de Calidad. A dichas conferencias asistieron un
grupo numeroso y seleccionado de directivos de empresas para crear las
bases sobre las que instaurar el Premio Deming, premiando a aquellas
instituciones o personas que se caracterizaran por su inters en implantar la
calidad.
Pgina 3
JOSEPH MOSES JURAN (1904-199)
Nace en Rumania en 1904 y es otra de las grandes figuras de la calidad. Se

traslada a Minnesota en 1912. Es contemporneo de Deming. Despus de la II
Guerra Mundial trabaj como consultor. Visita Japn en 1954 y convierte el
Control de la Calidad en instrumento de la direccin de la empresa. Imparte su
conferencia sobre: "Gestin Sistemtica del Control de Calidad". Se le
descubre a raz de la publicacin de su libro, desechado por otras editoriales:
"Manual de Control de Calidad". Su fundamento bsico de la calidad, es que
slo puede tener efecto en una empresa cuando sta aprende a gestionar la
calidad.
KAORU ISHIKAWA (1915-)
El representante emblemtico del movimiento del Control de Calidad en Japn

es el Dr. Kaoru Ishikawa. Nacido en 1915, se gradu en la Universidad de Tokio
el ao 1939 en Qumica Aplicada. Fue profesor en la misma Universidad,
donde comprendi la importancia de los mtodos estadsticos, ante la
dispersin de datos, para hallar consecuencias. Desarrolla el Diagrama CausaEfecto como herramienta para el estudio de las causas de los problemas.
Parte de que los problemas no tienen causas nicas, sino que suelen ser,
segn su experiencia, un cmulo de causas. Slo hay que buscar esta
multiplicidad de causas, colocarlas en su diagrama.
Pgina 4
PHILIP B. CROSBY (1926-2001)
Philip Crosby naci en Wheeling, Virginia el 18 de junio de 1926. Entre su

participacin en la Segunda Guerra Mundial y Corea, Philip Crosby comenz su
trabajo como profesional de la calidad en 1952 en una escuela mdica. La
carrera de Philip Crosby comenz en una planta de fabricacin en lnea donde
decidi que su meta sera ensear administracin en la cual previniendo
problemas sera ms provechoso que ser bueno en solucionarlos. Formo la
Crosby Associates, Inc. (PCA), y durante diez aos siguientes la convirti en
una organizacin con 300 empleados y con $80 millones de dlares en
ganancias.
GENICHI TAGUCHI (1924-)
El Dr. Genichi Taguchi naci en Japn en 1924, gradundose en la Escuela

Tcnica de la Universidad Kiryu, su principal etapa profesional ha sido dentro
de la Electrical Communication Laboratory (ECL) de la Nippon Telephone and
Telegraph Co. (1948-1961) en donde se enfoc a la mejora de la productividad
en la investigacin y desarrollo. En sus mtodos emplean la experimentacin a
pequea escala con la finalidad de reducir la variacin y descubrir diseos
robustos y baratos para la fabricacin en serie, reduciendo los tiempos de
investigacin, desarrollo y entrega del diseo.
SHIGEO SHINGO (1909-1990)
Pgina 5
Naci en Japn en 1909, Shigeo Shingo tal vez no es tan conocido en

Occidente como Ishikawa y Taguchi, aunque la incidencia de su trabajo,
especialmente en Japn, ha sido inmensa. Despus de graduarse en
Ingeniera Mecnica en la Escuela Tcnica Yamanahsi en 1930, se incorpor a
la Fbrica de Ferrocarriles Taipei, en Taiwn, donde introdujo los mtodos de
gestin cientfica.
Es interesante advertir que los sistemas poka-yoke, al utilizar dispositivos que
evitan la aparicin de defectos, obvian la necesidad de medicin. En general,
los sistemas poka-yoke comprenden dos fases: el aspecto de deteccin y el
aspecto de regulacin.
Los catorce pasos hacia el "cero defectos" de crosby
Denominados para que la administracin conduzca a la organizacin a una
posicin productiva y competitiva. En los aos 60s, Philip B. Crosby propuso
un programa de 14 pasos a los que denomin cero defectos, a travs de los
cuales hizo entender a los directivos que cuanto se exige perfeccin sta
puede lograrse, pero para hacerlo la alta gerencia tiene que motivar a sus
trabajadores (Crosby:1979). De esta forma planteaba la importancia de las
relaciones humanas en el trabajo.
1.2
CONCEPTOS E IMPORTANCIA DE LA CALIDAD
La funcin del control de calidad existe primordialmente como una organizacin

de servicio, para interpretar las especificaciones establecidas por la ingeniera
del producto y proporcionar asistencia al departamento de fabricacin, para que
la produccin alcance estas especificaciones. Como tal, la funcin consiste en
la coleccin y anlisis de grandes cantidades de datos que despus se
presentan a diferentes departamentos para iniciar una accin correctiva
adecuada.
Para comprender bien cada funcin es necesario conocer el concepto de
calidad, la calidad del producto es en muchos aspectos, una caracterstica
intangible. La calidad la establece esencialmente el cliente, y se procura que el
diseo y la fabricacin del producto para la venta, satisfaga estos
requerimientos.
Estos requerimientos de calidad del cliente los interpreta el ingeniero del
producto quin establece las especificaciones y marca las tolerancias. La
ingeniera del proceso es la responsable de la especificacin de las
operaciones as como del diseo y consecucin del equipo, lo cual har que el
producto cumpla con las especificaciones. El departamento de fabricacin
utiliza este equipo para producir y la funcin de control de calidad asegura que
el producto se fabrique conforme a las especificaciones.
La calidad es una medida relativa de la bondad del producto y los estndares
de calidad pueden fluctuar dependiendo de los requerimientos del consumidor.
la calidad se puede definir como el valor que el cliente tiene por algn producto
o la necesidad de la adquisicin de ese producto.
Pgina 6
El Control de la Calidad se posesiona como una estrategia para asegurar el

mejoramiento continuo de la calidad. Programa para asegurar la continua
satisfaccin de los clientes externos e internos mediante el desarrollo
permanente de la calidad del producto y sus servicios.
1.3
COSTOS DE CALIDAD
Que es un costo de calidad? No hay visin uniforme de lo que es costo de

calidad y lo que debe ser incluido bajo este trmino. Las ideas acerca del costo
de calidad han venido evolucionando rpidamente en los ltimos aos.
Anteriormente era percibido como el costo de poner en marcha el
departamento de aseguramiento de la calidad, la deteccin de costos de
desecho y costos justificables. Actualmente, se entienden como costos de
calidad aqullos incurridos en el diseo, implementacin, operacin y
mantenimiento de los sistemas de calidad de una organizacin, aqullos costos
de la organizacin comprometidos en los procesos de mejoramiento continuo
de la calidad, y los costos de sistemas, productos y servicios frustrados o que
han fracasado al no tener en el mercado el xito que se esperaba. Si bien es
cierto que existe costos ineludibles, debido a que son propios de los procesos
productivos o costos indirectos para que stos se realicen, algunos autores,
adems de estas erogaciones, distinguen otros dos tipos de costos; el costo de
calidad propiamente dicho, que es derivado de los esfuerzos de la organizacin
para fabricar un producto o generar un servicio con la calidad ofrecida, el costo
de la no calidad, conocido tambin como el precio del incumplimiento o el
costo de hacer las cosas mal o incorrectamente. Este ltimo lo definen como
aquellas erogaciones producidas por ineficiencias o incumplimientos, las cuales
son evitables, como por ejemplo: reprocesos, desperdicios, devoluciones,
reparaciones, reemplazos, gastos por atencin a quejas y exigencias de
cumplimiento de garantas, entre otros. Por otra parte, otros incluyen a ambos
bajo el concepto de costo de calidad. Bajo esta ptica, los costos relativos a la
calidad pueden involucrar a uno o ms departamentos de la organizacin, as
como a los proveedores o servicios subcontratados, al igual que a los medios
de entrega del producto o servicio. Esto significa que no estn exentas de
responsabilidad las reas de ventas, mercadotecnia, diseo, investigacin y
desarrollo, compras, almacenamiento, manejo de materiales, produccin,
planeacin, control, instalaciones, mantenimiento y servicio, etc. De ah que, en
la medida en que vea ms ampliamente el costo de calidad, depender su
importancia y peso especfico dentro de la administracin de un negocio o su
impacto en los procesos de mejoramiento tendientes a la calidad total.
Por que son importantes los costos de calidad? El costo de la calidad no es
exclusivamente una medida absoluta del desempeo, su importancia estriba en
que indica donde ser ms redituable una accin correctiva para una empresa.
En este sentido, varios estudios, autores y empresas sealan que los costos de
calidad representan alrededor del 5 al 25 % sobre las ventas anuales. Estos
costos varan segn sea el tipo de industria, circunstancias en que se
encuentre el negocio o servicio, la visin que tenga la organizacin acerca de
los costos relativos a la calidad, su grado de avance en calidad total, as como
las experiencias en mejoramiento de procesos.
Pgina 7
Alrededor del 95% de los costos de calidad se desembolsan para cuantificar la

calidad as como para estimar el costo de las fallas. Estos gastos se suman a
valor de los productos o servicios que paga el consumidor, y aunque este
ltimo slo los percibe en el precio, llegan a ser importantes para l, cuando a
partir de la informacin que se obtiene, se corrigen las fallas o se disminuyen
los incumplimientos y reprocesos, y a consecuencia de estos ahorros se
disminuyen los precios. Por el contrario cuando no hay quien se preocupe por
los costos, simplemente se repercuten al que sigue en la cadena (proveedorproductor-distribuidor-intermediario-consumidor),
hasta
que
surge
un
competidor que ofrece costos inferiores. Muchos de nosotros hemos
presenciado cuando por ejemplo un abarrotero devuelve al proveedor
mercanca daada o en mal estado, y el proveedor diligentemente la acepta
para su reemplazo; en lo que no siempre recapacitamos, es en que, el costo de
esas devoluciones, que implica el regresar o destruir esas mercancas, el
papeleo y su reposicin al abarrotero, lo pagamos finalmente todos los clientes.
MEDICIN DE COSTOS DE CALIDAD
Generalmente la medicin de costos de calidad se dirige hacia reas de alto
impacto e identificadas como fuentes potenciales de reduccin de costos.
Aqullas que permiten cuantificar el desarrollo y suministran una base interna
de comparacin entre productos, servicios, procesos y departamentos. La
medicin de los costos relativos a la calidad tambin revela desviaciones y
anomalas en cuanto distribuciones de costos y estndares, las cuales muchas
veces no se detectan en las labores rutinarias de anlisis. Por ltimo, y quizs
sea el uso mas importante, la cuantificacin es el primer paso hacia el control y
el mejoramiento.
COSTOS, CALIDAD, INVERSIONES Y MEJORAMIENTO
Existe una alta relacin entre costos, calidad, inversiones y mejoramiento,
especialmente mejoramiento de la calidad. De ah que la clasificacin de costos
mas utilizada est referida fundamentalmente a tres categoras: prevencin,
valoracin o cuantificacin y fallas/fracasos. Las ventajas de esta particular
categorizacin son, primeramente que estn universalmente aceptadas;
segundo, cubre la mayora de las clases de costos, y tercero, la ms
importante, suministra un criterio generalizado que ayuda a precisar de que
costo se trata, en donde se ubica y si es relacionado con la calidad. Con el
propsito de favorecer una acercamiento mayor a las decisiones de negocios, a
esta clasificacin, se han sumado otros elementos a ponderar, como son: los
proveedores, la propia empresa y los consumidores. Muchos de los costos
posventa y posgaranta, pueden ser incluidos bajo estos rubros. Estas
clasificaciones son enunciativas, mas no exhaustivas, ya que los costos de
calidad siempre estarn en funcin del propsito al que responden. En este
sentido lo recomendable es que los costos que se identifiquen propicien la
accin y la toma de decisiones que deriven en el mejoramiento continuo
especialmente de los productos, procesos, servicios y proveedores. A fin de
auxiliar en la identificacin de las categoras principales, a continuacin se
presentan de manera desagregada.
Pgina 8
COSTOS DE PREVENCIN
Son el costo de todas las actividades llevadas a cabo para evitar defectos en el
diseo y desarrollo; en las compras de insumos, equipos, instalaciones y
materiales; en la mano de obra, y en otros aspectos del inicio y creacin de un
producto o servicio. Se incluyen aquellas actividades de prevencin y medicin
realizadas durante el ciclo de comercializacin, son elementos especficos los
siguientes: Revisin del diseo. Calificacin del producto. Revisin de los
planos. Orientacin de la ingeniera en funcin de la calidad. Programas y
planes de aseguramiento de la calidad. Evaluacin de proveedores.
Capacitacin a proveedores sobre calidad. Revisin de especificaciones.
Estudios sobre la capacidad y potencialidad de los procesos. Entrenamiento
para la operacin. Capacitacin general para la calidad. Auditoras de
calidad a mantenimiento preventivo.
COSTOS DE EVALUACIN O CUANTIFICACIN DE LA CALIDAD:
Se incurre en estos costos al realizar: inspecciones, pruebas y otras
evaluaciones planeadas que se usan para determinar si lo producido, los
programas o los servicios cumplen con los requisitos establecidos. Se incluyen
especificaciones de mercadotecnia y clientes, as como los documentos de
ingeniera e informacin inherente a procedimientos y procesos. Son elementos
especficos los siguientes: Inspeccin y prueba de prototipos. Anlisis del
cumplimiento con las especificaciones. vigilancia de proveedores.
Inspecciones y pruebas de recepcin. Actividades para la aceptacin del
producto. Aceptacin del control del proceso. Inspeccin de embarque.
Estado de la medicin y reportes de progreso. COSTOS DE
FALLA/FRACASO Estn asociados con cosas que no se ajustan o que no se
desempean conforme a los requisitos, as como con los relacionados con
incumplimientos de ofrecimientos a los consumidores, se incluyen todos los
materiales y mano de obra involucrada. Puede llegarse hasta rubros relativos a
la prdida de confianza del cliente. Los rubros especficos son: Asuntos con el
consumidor (reclamaciones, demandas, atencin de quejas, negociaciones,
etc.). Rediseo. Ordenes de cambio para Ingeniera o para Compras.
Costos de reparaciones. Aplicacin de garantas. COSTO DE
CALIDAD/PRECIO DEL INCUMPLIMIENTO. Otra forma de ver el costo de
calidad se denomina precio del incumplimiento: lo que cuesta hacer las cosas
mal. Bajo este enfoque los gastos del precio del incumplimiento comprenden:
Reproceso. Servicios no planificados. Repeticiones de la computadora.
Excesos de inventario. Administracin (o manejo) de quejas. Tiempo
improductivo. Retrabajos. Devoluciones. En sntesis, el precio del
incumplimiento es el costo del desperdicio: tiempo, dinero y esfuerzo. Es un
precio que no es necesario pagar.
TCNICAS DE CLCULO. Existen algunas tcnicas para calcular el costo de
la no calidad o el precio del incumplimiento. Entre las ms importantes estn:
Partidas contables. Precio por persona Mano de obra asignada. Precio por
defecto. Desviacin de lo ideal.
Pgina 9
Partidas Contables. Esta tcnica utiliza la lista de cuentas o el libro mayor de

contabilidad de la empresa, la divisin o el departamento, para localizar las
cuentas que representan el costo de hacer las cosas mal. Por ejemplo: en el
caso de un banco, seran costos por crditos incobrables, en otro tipo de
empresas, seran los pagos por incapacidades derivadas de accidentes de
trabajo.
Precio por Persona. Esta tcnica se utiliza bsicamente para calcular el costo
de tener puestos cuya nica actividad esta en funcin de corregir o enmendar
lo defectuoso. Tal es el caso de: administradores o personal que atiende las
quejas y reclamaciones, puestos destinados a efectuar reprocesos, entre otros.
Mano de Obra Asignada. Comprende el clculo de las horas-hombre y otros
gastos que implica una tarea especficamente dirigida a la deteccin y/o
correccin de defectos u errores, por ejemplo: El costo del tiempo empleado
para rastrear errores. El costo del tiempo empleado para encontrar un defecto
o una falla. El costo del tiempo empleado en explicar a un proveedor los
problemas encontrados en el material suministrado. Cuando se utiliza esta
tcnica para calcular el costo por mano de obra, es importante considerar todas
las erogaciones, incluyendo prestaciones y otros gastos generales relacionados
con el empleo de dicho personal.
Precio por Defecto. Esta tcnica es particularmente til cuando hay mltiples
incidentes. El precio por defecto implica tomar el costo promedio de un
incumplimiento y despus multiplicarlo por el nmero de incumplimientos. Un
ejemplo del precio por defecto sera determinar el costo promedio que implica
la captura de informacin de pedidos de un cliente y despus multiplicarlo por
el nmero de recapturas o correcciones por errores en la captura inicial.
Desviacin de lo Ideal. La desviacin de lo ideal puede utilizarse para comparar
cunta energa o materia prima est consumiendo un proceso actualmente,
contra la cantidad para la que estaba diseado consumir. A continuacin se
presenta un listado de conceptos mas usuales de costos de no calidad:
Administracin de quejas. Ausentismo. Aviso de cambios de ingeniera.
Costo por perjuicio. Costo por reclamaciones de los clientes. Cuentas
incobrables. Cuentas por cobrar vencidas. Demandas por incumplimientos.
Desperdicios. Devoluciones. Energa desperdiciada. Errores de diseo.
Errores de facturacin. Errores de impresin. Errores de perforista. Errores
de procesamiento de datos. Exceso de inventario. Fletes especiales.
Garantas. Mantenimiento correctivo. Mermas. Multas y recargos.
Reconciliacin de cuentas. Rediseos. Repeticiones de la computadora.
Separar lo bueno de lo malo. Servicios no planificados. Tiempo
improductivo. Tiempo extra no planificado. Etc.
CONSIDERACIONES FINALES. A medida que se profundiza en el costo de la
calidad inevitablemente se tiene que avanzar en tres mbitos: 1. La
naturaleza del sistema contable de la compaa, a fin de que las cuentas
utilizadas respondan a los requerimientos de informacin para la calidad.
Pgina 10
2. La identificacin de todos los costos asociados con la funcin de calidad

as como los reportes paralelos que apoyan a otras funciones. 3. El concepto
de un ptimo para los costos de calidad. Bajo esta orientacin, las dos fases
ms convenientes de un programa de mejora de costos de calidad seran las
siguientes: a) Estimar los costos de calidad de un momento dado, a fin de
utilizar la informacin para justificar un programa de mejora de costos de
calidad, y reduccin de sus propios costos. b) Medir los costos de calidad y
difundirlos, buscando que su conocimiento por parte de los directivos estimule
la toma de decisiones y la conciencia de aqullos que deben ser evitados.
TIPOS DE COSTOS DE CALIDAD MS USUALES:
Costos por fallas internas.
Son aquellos que resultan de calidad no satisfactoria que se detecta antes de
la entrega de un producto al cliente, y por tanto son aquellos costos resultados
de la falla, defecto o incumplimiento de los requisitos establecidos de los
materiales, elementos, partes, semiproductos, productos o servicios, y cuya
falla y/ o defecto es detectado dentro de la empresa antes de la entrega del
producto o servicio al cliente.
Desechos. Prdida neta en mano de obra y materiales resultante de defectos
que no pueden ser utilizados ni reparados econmicamente.
Trabajos de reelaboracin. Costos de corregir defectos a fin de hacer los
productos aptos para el uso. A veces esta clase de costos es ampliada para
incluir operaciones extras creadas previstas para fines similares.
Doble ensayo. Costo de la segunda inspeccin o ensayo de los productos que
han tenido que ser reelaborados o reparados.
Tiempo de paro. Costo de las instalaciones paradas a consecuencia de
defectos (p. e., mquinas impresoras rotativas paradas debido a rotura de
papel, aviones parados debido a la infiabilidad).
Prdidas de rendimiento. Costos por rendimientos bajos en procesos que los
podran tener ms altos mejorando los controles. Incluye el sobrellenado de
envases (que van a clientes) debido a la variabilidad en el equipo de llenado y
medicin. Gastos de disposicin. Esfuerzo requerido para determinar si los
productos no conformes son utilizables y decidir su disposicin final.
Costos por fallas externas.
Son los costos resultados de la falla, defecto o incumplimiento de los requisitos
de calidad establecidos y cuya existencia se pone en manifiesto despus de su
embarque y entrega al cliente.
Atencin de reclamaciones. Todos los costos de investigacin y atencin de
quejas justificadas atribuibles a productos o instalacin defectuosos.
Material devuelto. Todos los costos asociados a la recepcin y sustitucin de
productos defectuosos devueltos a los proveedores.
Gastos de Garanta. Todos los costos implicados en el servicio a los clientes de
acuerdo a los contratos de garanta.
Concesiones. Costos de negociaciones hechas a clientes debido a productos
fuera de norma que son aceptados por el cliente como tales. Incluyen prdidas
en ingresos debido a productos degradados para la venta como de segunda.
Pgina 11
Costos de Evaluacin
Son aquellos en que se incurre por mantener niveles de calidad mediante
medicin y anlisis de datos con objeto de detectar y corregir problemas, es
decir, son los costos en que incurre la empresa, destinada a medir, verificar
evaluar la calidad de materiales, partes, elementos, productos, y/ o procesos,
as como para mantener y controlar la produccin dentro de los niveles y
especificaciones de la calidad, previamente planeados y establecidos por el
sistema de calidad y las normas aplicables.
Verificacin de la recepcin. Costo de determinar la calidad de los productos de
los proveedores, sea por inspeccin a su recepcin, por inspeccin en origen u
otros mtodos de vigilancia.
Inspeccin y Prueba. Costos de controlar la conformidad del producto a todo lo
largo de su proceso de fabricacin, incluyendo la aceptacin final y el control de
embalaje y expedicin. Incluye los ensayos de vida til, ambientales y de
fiabilidad. Tambin ensayos hechos por exigencia del cliente antes de enviar el
producto a ste.
Mantenimiento de la precisin del equipo de prueba. Incluye el costo operativo
del sistema que mantiene calibrados los instrumentos y equipo de medicin.
Materiales y servicios consumidos. Incluye el costo de los productos
consumidos en las pruebas destructivas, materiales consumidos, cuando sean
importantes.
Evaluacin de existencias. Incluye los costos de probar productos almacenados
en destino o en los propios almacenes para evaluar su posible degradacin.
Costos de Prevencin.
Son aquellos que se generan en un esfuerzo por evitar que haya productos
que no cumplan con las normas y que no lleguen al cliente, es decir, son
aquellos en que incurre un empresa, destinados a evitar y prevenir errores,
fallas, desviaciones y/ o defectos, durante cualquier etapa del proceso de
produccin y administrativo.
Planificacin de la calidad. Se incluye aqu la amplia gama de actividades que
forman colectivamente el plan general de calidad de la compaa, planes de
inspecciones, de fiabilidad, el sistema de datos, manuales y procedimientos,
etc.
Revisin de nuevos productos. Incluye la correccin de propuestas de ofertas,
evaluacin de nuevos diseos, preparacin de programas de prueba y
experimentacin y otras actividades de calidad asociadas con el lanzamiento
de nuevos diseos.
Adiestramiento. Costos de programas de adiestramiento para lograr y mejorar
los niveles de calidad, no importa que departamento sea el que reciba el
adiestramiento.
Control de proceso. Incluye aquella parte del control de procesos realizada
para lograr la adecuacin al uso, separada del logro de productividad,
seguridad, etc. (Esta separacin a menudo es difcil).
Pgina 12
1.4
CADENA CLIENTE PROVEEDOR
Se define como la relacin entre los individuos o grupos de individuos que

reciben o se benefician con un proceso, (Clientes); y aquellos que originan
resultados que representan entradas o recursos a dichos procesos,
(Proveedores).
De esta forma se definen los clientes / proveedores internos y externos del
Sistema a la Sociedad.
Es la relacin cliente proveedor es que el cliente tenga la certeza de que el
bien o servicio que le sea entregado o brindado sea de excelente calidad. Por
ejemplo tenemos a Kaoru Ishikawa, para quien el objetivo fundamental de
stas relaciones es el de mejorar la garanta de calidad y eliminar las
insatisfactorias condiciones existentes entre el comprador y el proveedor, y
para lograr este propsito enuncia diez principios:
1. Comprador y proveedor son totalmente responsables por la aplicacin del
Control de Calidad.
2. Comprador y proveedor deben ser independientes y respetar esa
independencia.
3. El comprador debe suministrar informacin clara y adecuada sobre lo que
requiere.
4. El contrato entre las partes debe contemplar: Calidad, Cantidad, Precio,
Condiciones de entrega y Forma de pago.
5. El proveedor debe certificar y garantizar una Calidad satisfactoria,
respaldada con datos.
6. Las partes deben previamente acordar los mtodos de evaluacin y ensayo.
7. El contrato debe incluir sistemas y procedimientos para la solucin de
discrepancias.
8. Las partes deben intercambiar la informacin necesaria para ejecutar un
mejor Control de Calidad.
9. Las partes deben controlar eficientemente las actividades comerciales tales
como pedidos, planeacin de la produccin y de los inventarios, trabajos de
oficina, y sistemas, de manera que sus relaciones se mantengan sobre una
base amistosa y satisfactoria.
10. Comprador y proveedor deben prestar siempre la debida atencin a los
intereses del consumidor Distinguimos dos tipos de cadena :
Pgina 13
La cadena cliente/ proveedor externa: es la formada por el conjunto ProveedorOrganizacin- Cliente. la organizacin es cliente o proveedor segn reciba o
suministre producto. La cadena cliente/ proveedor interna: es la formada por las
diferentes actividades de la organizacin. Cada actividad genera un resultado
que es el comienzo de la siguiente, y as sucesivamente
Las empresas ms avanzadas en estos modelos estn relacionadas con la
industria del automvil, pero ste es un modelo extensible a cualquier sector de
actividad: solamente se requiere asumir los principios que inspiran las nuevas
reglas del juego en las actuales relaciones cliente-proveedor
1.5
RECOLECCIN DE DATOS
RECOLECCION DE DATOS. Los datos estadsticos se clasifican en:

Datos por mediciones. Tcnicamente se les domina datos continuos. son
datos que provienen de mediciones afectadas, por ejemplo, pesos, densidades,
longitudes, espesores, rendimientos, resultados de venta, son valores dentro
de un rango lgico establecido.
Datos por conteo. Tcnicamente se les domina datos discretos. son datos que
provienen de conteos, por ejemplo, burbujas de una botella de vidrio, defectos
en un trozo de tela, errores del sistema de nomina etc. no se pueden definir por
fracciones o nmeros decimales, guardan relacin estricta con nmeros
enteros.
Para una obtencin correcta de datos y su adicin se consideran los siguientes
aspectos:
1.
2.
3.
4.
1.6
Aclarar el propsito de la obtencin de datos:

Datos para anlisis.
Datos para el control del proceso o sistema.
Datos de inspeccin.
Datos para auditoria de calidad.
Llevar a cabo un muestreo.
Confiabilidad de los datos.
Suma de datos
HOJAS DE INSPECCIN
La Hoja de Control u hoja de recogida de datos, tambin llamada de Registro,

sirve para reunir y clasificar las informaciones segn determinadas categoras,
mediante la anotacin y registro de sus frecuencias bajo la forma de datos. Una
vez que se ha establecido el fenmeno que se requiere estudiar e identificadas
las categoras que los caracterizan, se registran estas en una hoja, indicando la
frecuencia de observacin. Lo esencial de los datos es que el propsito este
claro y que los datos reflejen la verdad.
Pgina 14
Estas hojas de recopilacin tienen muchas funciones, pero la principal es hacer

fcil la recopilacin de datos y realizarla de forma que puedan ser usadas
fcilmente y analizarlos automticamente. De modo general las hojas de
recogida de datos tienen las siguientes funciones:
De distribucin de variaciones de variables de los artculos producidos (peso,
volumen, longitud, talla, clase, calidad, etc) De clasificacin de artculos
defectuosos De localizacin de defectos en las piezas De causas de los
defectos De verificacin de chequeo o tareas de mantenimiento. Una vez que
se ha fijado las razones para recopilar los datos, es importante que se analice
las siguientes cuestiones:
La informacin es cualitativa o cuantitativa Como, se recogern los datos y en
que tipo de documento se har Cmo se utiliza la informacin recopilada Cmo
de analizar Quin se encargar de la recogida de datos Con qu frecuencia
se va a analizar Dnde se va a efectuar Esta es una herramienta manual, en la
que clasifican datos a travs de marcas sobre la lectura realizadas en lugar de
escribirlas, para estos propsitos son utilizados algunos formatos impresos, los
objetivos mas importantes de la hoja de control son:
Investigar procesos de distribucin Artculos defectuosos Localizacin de
defectos Causas de efectos Una secuencia de pasos tiles para aplicar esta
hoja en un Taller es la siguiente:
Identificar el elemento de seguimiento Definir el alcance de los datos a recoger
Fijar la periodicidad de los datos a recolectar Disear el formato de la hoja de
recogida de datos, de acuerdo con la cantidad de informacin a recoger,
dejando un espacio para totalizar los datos, que permita conocer: las fechas de
inicio y termino, las probables interrupciones, la persona que recoge la
informacin, fuente, etc.
Pgina 15
1.7
DIAGRAMA DE PARETO
El Diagrama de Pareto es una grfica en donde se organizan diversas

clasificaciones de datos por orden descendente, de izquierda a derecha por
medio de barras sencillas despus de haber reunido los datos para calificar las
causas. De modo que se pueda asignar un orden de prioridades.
Qu es? El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del
economista italiano Vilfredo Pareto (18481923) quien realizo un estudio sobre
la distribucin de la riqueza, en el cual descubri que la minora de la poblacin
posea la mayor parte de la riqueza y la mayora de la poblacin posea la
Pgina 16
menor parte de la riqueza. Con esto estableci la llamada Ley de Pareto

segn la cual la desigualdad econmica es inevitable en cualquier sociedad.
El Dr. Juran aplic este concepto a la calidad, obtenindose lo que hoy se
conoce como la regla 80/20.
Segn este concepto, si se tiene un problema con muchas causas, podemos
decir que el 20% de las causas resuelven el 80% del problema y el 80% de las
causas solo resuelven el 20% del problema.
Por lo tanto, el Anlisis de Pareto es una tcnica que separa los pocos vitales
de los muchos triviales. Una grfica de Pareto es utilizada para separar
grficamente los aspectos significativos de un problema desde los triviales de
manera que un equipo sepa dnde dirigir sus esfuerzos para mejorar. Reducir
los problemas ms significativos (las barras ms largas en una Grfica Pareto)
servir ms para una mejora general que reducir los ms pequeos. Con
frecuencia, un aspecto tendr el 80% de los problemas. En el resto de los
casos, entre 2 y 3 aspectos sern responsables por el 80% de los problemas.
En relacin con los estilos gerenciales de Resolucin de Problemas y Toma de
Decisiones (Conservador, Bombero, Oportunista e Integrador)[1], vemos como
la utilizacin de esta herramienta puede resultar una alternativa excelente para
un gerente de estilo Bombero, quien constantemente a la hora de resolver
problemas solo apaga incendios, es decir, pone todo su esfuerzo en los
muchos triviales.
Cundo se utiliza? Al identificar un producto o servicio para el anlisis para
mejorar la calidad.
Cuando existe la necesidad de llamar la atencin a los problema o

causas de una forma sistemtica.
Al identificar oportunidades para mejorar
Al analizar las diferentes agrupaciones de datos (ej: por producto, por

segmento, del mercado, rea geogrfica, etc.)
Al buscar las causas principales de los problemas y establecer la

prioridad de las soluciones
Al evaluar los resultados de los cambos efectuados a un proceso (antes

y despus)
Cuando los datos puedan clasificarse en categoras
Cuando el rango de cada categora es importante
Pgina 17
Pareto es una herramienta de anlisis de datos ampliamente utilizada y es por

lo tanto til en la determinacin de la causa principal durante un esfuerzo de
resolucin de problemas. Este permite ver cules son los problemas ms
grandes, permitindoles a los grupos establecer prioridades. En casos tpicos,
los pocos (pasos, servicios, tems, problemas, causas) son responsables por la
mayor parte el impacto negativo sobre la calidad. Si enfocamos nuestra
atencin en estos pocos vitales, podemos obtener la mayor ganancia potencial
de nuestros esfuerzos por mejorar la calidad.
Un equipo puede utilizar la Grfica de Pareto para varios propsitos durante un
proyecto para lograr mejoras:
Para analizar las causas
Para estudiar los resultado
Para planear una mejora continua
Las Grficas de Pareto son especialmente valiosas como fotos de antes y

despus para demostrar qu progreso se ha logrado. Como tal, la Grfica de
Pareto es una herramienta sencilla pero poderosa.
Cmo se utiliza?
1. Seleccionar categoras lgicas para el tpico de anlisis identificado (incluir
el periodo de tiempo).
2. Reunir datos. La utilizacin de un Check List puede ser de mucha ayuda en
este paso.
3. Ordenar los datos de la mayor categora a la menor
4. totalizar los datos para todas las categoras
5. calcular el porcentaje del total que cada categora representa
6. trazar los ejes horizontales (x) y verticales (y primario - y secundario)
7. trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, segn
se calcul anteriormente)
8. de izquierda a derecha trazar las barras para cada categora en orden
descendente. Si existe una categora otros, debe ser colocada al final, sin
importar su valor. Es decir, que no debe tenerse en cuenta al momento de
ordenar de mayor a menor la frecuencia de las categoras.
Pgina 18
9. trazar la escala del eje vertical derecho para el porcentaje acumulativo,

comenzando por el 0 y hasta el 100%
10. trazar el grfico lineal para el porcentaje acumulado, comenzando en la
parte superior de la barra de la primera categora (la mas alta)
11. dar un ttulo al grfico, agregar las fechas de cuando los datos fueron
reunidos y citar la fuente de los datos.
12. analizar la grfica para determinar los pocos vitales
Consejos para la construccin / interpretacin Como hemos visto, un Diagrama
de Pareto es un grfico de barras que enumera las categoras en orden
descendente de izquierda a derecha, el cual puede ser utilizado por un equipo
para analizar causas, estudiar resultados y planear una mejora continua.
Dentro de las dificultades que se pueden presentar al tratar de interpretar el
Diagrama de Pareto es que algunas veces los datos no indican una clara
distincin entre las categoras. Esto puede verse en el grfico cuando todas las
barras son ms o menos de la misma altura.
Otra dificultad es que se necesita ms de la mitad de las categoras para sumar
ms del 60% del efecto de calidad, por lo que un buen anlisis e interpretacin
depende en su gran mayora de un buen anlisis previo de las causas y
posterior recogida de datos.
En cualquiera de los casos, parece que el principio de Pareto no aplica. Debido
a que el mismo se ha demostrado como vlido en literalmente miles de
situaciones, es muy poco probable que se haya encontrado una excepcin. Es
mucho ms probable que simplemente no se haya seleccionado un desglose
apropiado de las categoras. Se deber tratar de estratificar los datos de una
manera diferente y repetir el Anlisis de Pareto.
Esto nos lleva a la conclusin que para llevar a cabo un proceso de Resolucin
de Problemas /Toma de Decisiones (RP/TD) es necesario manejar cada una de
las herramientas bsicas de la calidad, tanto desde el punto de vista terico
como desde su aplicacin.
La interpretacin de un Diagrama de Pareto se puede definir completando las
siguientes oraciones de ejemplo:
Existen (nmero de categoras) contribuyentes relacionados con (efecto). Pero
estos (nmero de pocos vitales) corresponden al (nmero) % del total (efecto).
Debemos procurar estas (nmero) categoras pocos vitales, ya que
representan la mayor ganancia potencial para nuestros esfuerzos.
Pgina 19
Pgina 20
1.8
DIAGRAMA CAUSA EFECTO
El diagrama causa-efecto es una forma de organizar y representar las

diferentes teoras propuestas sobre las causas de un problema. Se conoce
tambin como diagrama de Ishikawa o diagrama de espina de pescado y se
utiliza en las fases de Diagnstico y Solucin de la causa.
Cmo interpretar un diagrama de causa-efecto:
El diagrama causa-efecto es un vehculo para ordenar, de forma muy
concentrada, todas las causas que supuestamente pueden contribuir a un
determinado efecto. Nos permite, por tanto, lograr un conocimiento comn de
un problema complejo, sin ser nunca sustitutivo de los datos. Es importante ser
conscientes de que los diagramas de causa-efecto presentan y organizan
teoras. Slo cuando estas teoras son contrastadas con datos podemos probar
las causas de los fenmenos observables. Errores comunes son construir el
diagrama antes de analizar globalmente los sntomas, limitar las teoras
propuestas enmascarando involuntariamente la causa raz, o cometer errores
tanto en la relacin causal como en el orden de las teoras, suponiendo un
gasto de tiempo importante.
A continuacin veremos como el valor de una caracterstica de calidad depende
de una combinacin de variables y factores que condicionan el proceso
productivo (entre otros procesos). Vamos a utilizar el ejemplo de fabricacin de
mayonesa para explicar los Diagramas de Causa-Efecto:
La variabilidad de las caractersticas de calidad es un efecto observado que
tiene mltiples causas. Cuando ocurre algn problema con la calidad del
producto, debemos investigar para identificar las causas del mismo. Para hacer
un Diagrama de Causa-Efecto seguimos estos pasos:
Decidimos cual va a ser la caracterstica de calidad que vamos a analizar. Por
ejemplo, en el caso de la mayonesa podra ser el peso del frasco lleno, la
densidad del producto, el porcentaje de aceite, etc.
Trazamos una flecha gruesa que representa el proceso y a la derecha
escribimos la caracterstica de calidad:
Indicamos los factores causales ms importantes y generales que puedan
generar la fluctuacin de la caracterstica de calidad, trazando flechas
secundarias hacia la principal. Por ejemplo, Materias Primas, Equipos,
Operarios, Mtodo de Medicin, etc. Incorporamos en cada rama factores ms
detallados que se puedan considerar causas de fluctuacin. Para hacer esto,
podemos formularnos estas preguntas:
Por qu hay fluctuacin o dispersin en los valores de la caracterstica de
calidad? Por la fluctuacin de las Materias Primas. Se anota Materias Primas
como una de las ramas principales.
Pgina 21
Qu Materias Primas producen fluctuacin o dispersin en los valores de la

caracterstica de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega
Aceite como rama menor de la rama principal Materias Primas.
Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la
cantidad agregada a la mezcla. Agregamos a Aceite la rama ms pequea
Cantidad.
Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento
irregular de la balanza. Se registra la rama Balanza.
Por qu la balanza funciona en forma irregular? Por que necesita
mantenimiento. En la rama Balanza colocamos la rama Mantenimiento.
As seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga
todas las causas posibles de dispersin.
Finalmente verificamos que todos los factores que puedan causar dispersin
hayan sido incorporados al diagrama. Las relaciones Causa-Efecto deben
quedar claramente establecidas y en ese caso, el diagrama est terminado.
Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente
conozca en profundidad el proceso con que trabaja, visualizando con claridad
las relaciones entre los Efectos y sus Causas. Sirve tambin para guiar las
discusiones, al exponer con claridad los orgenes de un problema de calidad. Y
permite encontrar ms rpidamente las causas asignables cuando el proceso
se aparta de su funcionamiento habitual.
Pgina 22
1.9
HISTOGRAMA
Grfica que nos permite visualizar la tendencia central, la dispersin y la forma

de la distribucin de un conjunto de datos el uso sistemtico del histograma
facilita el entendimiento de la variabilidad y favorece el pensamiento
estadstico, ya que de un vistazo se logra tener una media y se detectan datos
raros y formas especiales de la distribucin 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.
Pgina 23
Pgina 24
Pgina 25
Pgina 26
Pgina 27
Pgina 28
1.10
DIAGRAMA DE DISPERSIN
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.
Pgina 29
Pgina 30
Pgina 31
1.11
ESTRATIFICACIN
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.
Pgina 32
Pgina 33
Pgina 34
1.12
HABILIDAD Y CAPACIDAD DEL PROCESO
CONCEPTO, OBJETIVO E IMPORTANCIA DEL ANLISIS DE

CAPACIDAD DE UN PROCESO Y HABILIDAD DE LAS MQUINAS
LA
Los medios seleccionados para la manufactura de una pieza son un factor

importante para la determinacin del costo y de la calidad de la produccin
resultante, por lo cual si el equipo de proceso que se seleccione es
suficientemente preciso para cumplir con la meta de calidad establecida por las
tolerancias del dibujo, entonces se puede esperar un costo razonable y una
calidad aceptable.
Pero si el equipo del proceso no puede cumplir en forma consistente con la
meta de calidad se obtendrn costos elevados, desperdicios y remaquinado de
materiales.
Pgina 35
Una necesidad frecuente en muchos procesos es evaluar la variabilidad y

tendencia central de una caracterstica de calidad de tipo continuo, para
compararla contra sus especificaciones de diseo, por ejemplo, en la
produccin de tornillos, stos deben tener un dimetro ptimo, ms o menos
cierta tolerancia, por lo que es necesario evaluar en qu medida el proceso de
produccin de tornillos es capaz de cumplir con tales especificaciones.
Entre las tcnicas de mayor utilidad desarrolladas para estos trabajos, se
cuentan los estudios de capacidades del proceso
Consisten esencialmente en la determinacin de la capacidad para una sola
operacin del proceso, relacionada siempre con la caracterstica de calidad en
particular de la pieza.
Es una medicin que corresponde a la precisin inherente de un
proceso de manufactura, es decir, es la eficiencia en el
rendimiento de la calidad de un proceso, con
CONCEPT
determinados factores establecidos y bajo condiciones
O
normales de la operacin bajo control.
Entre los estudios de capacidad de proceso los ms significativos son:

CP.
CPK.
CPM
Ayudan a enfatizar la necesidad de mejoras para reducir la variabilidad

del proceso, y tambin facilitan la comparacin del desempeo de
distintos proveedores o procesos y proporcionan una idea aproximada
del porcentaje de artculos que no cumplen con especificaciones.
Para poder entender ste concepto se deben considerar dos elementos

importantes:
1) FACTORES DEL PROCESO.- la primera condicin necesaria dentro del
concepto de la capacidad del proceso es que ste est compuesto por
cierto nmero de factores distintos como son:
Materia prima.
Mquinas o equipo.
Destreza del obrero.
Dispositivos para la medicin y la habilidad del inspector.
2) CONDICIONES DEL PROCESO.- un estudio sobre la capacidad del

proceso, ste debe tener sus mediciones normalmente distribuidas y
permanecer bajo un estado estadstico del control.
5.2 EMPLEO DE LOS ESTUDIOS DE LA CAPACIDAD DE LOS PROCESOS
INDICE CP.
Si para que un producto elaborado por un proceso se pueda considerar de
calidad, las mediciones de cierta caracterstica o parte de la misma deben ser
iguales a cierto valor nominal o ideal (N), o al menos tienen que estar dentro de
Pgina 36
cierta especificacin inferior (EI) y superior (ES), entonces una medida de la

capacidad potencial del proceso para cumplir con tales especificaciones la da
el ndice de capacidad del proceso Cp.
Cp =
ES EI
6
VALOR
CP
DEL CLASE
DECISIN
DE
PROCESO
CP >1.33
1
Ms que adecuado
1 < CP <1.33
2
Adecuado para el trabajo, pero requiere de un
control estricto conforme se acerca el CP a uno.
0.67 < CP <1
3
No es adecuado para el trabajo, por lo que un
anlisis del proceso es necesario, y as una
buena probabilidad de xito.
CP <0.67
4
No adecuado para el trabajo, poR lo que
requiere de modificaciones serias.
El Cp est comparando el ancho de las especificaciones con la amplitud de la
variacin del proceso (es decir, que en una amplitud de 6 ( 3 ) se
encuentra el 99.73% de los valores de una caracterstica de calidad que se
distribuye normal con desviacin estndar ), medida sta ltima a travs de
una caracterstica de calidad del producto, con lo que, si la variacin del
proceso es mayor que la amplitud de las especificaciones, entonces el C p es
menor que 1.
En general el Cp se utiliza para conocer y tomar decisiones sobre el proceso,
dependiendo de su valor es el tipo de proceso y la decisin que ha de tomarse.
Si al analizar el proceso se encuentra que su capacidad no es compatible
con las tolerancias, existen tres opciones:
1) Modificar el proceso.
2) Modificar las tolerancias.
3) Inspeccionar el 100 % de los productos.
Pero por el contrario, si hay capacidad excesiva, sta se puede aprovechar,
por ejemplo:
1) Vendiendo la precisin.
2) Vendiendo el mtodo.
3) Reasignando productos a maquinas menos precisas.
4) Acelerando el proceso.
5) Reduciendo la cantidad de inspeccin.
Pgina 37
INDICE CPK
Estima la capacidad potencial del proceso para cumplir con tolerancias, pero
una de sus desventajas es que no toma en cuenta el centrado del proceso, sin
embargo, se puede modificar el Cp para que adems de tomar en cuenta la
variabilidad, tambin evale dnde se localiza la media del proceso respecto a
las especificaciones, por lo tanto al Cp modificado se le llama ndice de
capacidad real Cpk.
CpK = MC
3
Donde MC es el valor ms pequeo de entre (ES -) y ( - EI) y es la media
de la caracterstica de calidad.
El ndice Cpk se ve igual al Cp cuando la media del proceso se ubique en el
punto medio de las especificaciones, si el proceso no est centrado entonces el
valor del ndice Cpk ser menor que el Cp , de manera que la longitud del C Pk
relativa al Cp sea una medida directa de qu tan centrado est operando el
proceso.
Valores de CPk > 1= el proceso est fabricando artculos que cumplen con
las especificaciones.
Valores de CPk
< 1= el proceso est fabricando artculos fuera de
especificaciones.
Valores de CPk
= 0 o negativos = la media del proceso est fuera de
especificaciones.
Para calcular el CP y el CPk para un proceso concreto es necesario conocer la
media (), y la desviacin estndar () de la caracterstica de calidad, pero en
caso de no conocerlas se puede utilizar la informacin de una grfica de
control, sustituyndolas por X y R/ d 2 donde d2 es una constante que depende
del tamao de muestra.
ANLISIS DE HABILIDAD DE LA MQUINA
El uso de sta tcnica facilita predecir, los lmites de variacin dentro de los
cuales las mquinas y los procesos operan, por tanto, proporciona un medio de
la medicin de la capacidad de la mquina y el proceso y los comprar contra la
tolerancia requerida por la especificacin.
Toda mquina y todos los procesos estn sujetos a una variabilidad que les es
inherente, as por ejemplo, un torno que fabrica alguna pieza con dimetro
exterior de 1.000 pulgadas, no produce todas las flechas con la dimensin
exacta que se menciono anteriormente, es decir, la mayora est cerca de esa
dimensin, pero habra algunas con 0.998 y otras con 1.002, por lo que se dice
que cada mquina tiene su propio patrn de variacin:
Pgina 38
Los anlisis de capacidad de mquinas y procesos permiten establecer

dicho patrn con base en mediciones reales, en condiciones controladas.
1.002
1.001
1.000
0.999
0.998
Tomando como base este patrn de comportamiento es posible anticipar que

sern capaces de producir las mquinas y los procesos, por lo cual, si la
amplitud del patrn es inferior a las toneladas, la mquina podr producir
piezas dentro de las tolerancias fijadas, y si la amplitud es mayor, la mquina
deber ser reemplazada por otra ms precisa o el proceso tendr que ser
modificado.
Una de las caractersticas en las fabricaciones modernas, es que no es posible

producir dos piezas exactamente iguales, aunque, las variaciones podrn ser
muy pequeas, como en el caso de bloques de calibracin, que estn
garantizados a dos millonsimos de pulgada.
Pero ya sean grandes o pequeas, las variaciones existen en los elementos
manufacturados en cualquier proceso de fabricacin, ya sean en mquinas CN,
tornos manuales, prensas de estampado, hornos para recocido, mquinas para
pintar, envasar o encapsular, etc.
Algunas de estas variaciones sern de tal magnitud, que inmediatamente se
ponen de manifiesto por medio de los equipos modernos de medicin, y otras
sern tan diminutas, que las lecturas sucesivas con el equipo de medicin,
primero pondrn de manifiesto la variacin del equipo, antes que la de las
piezas.
De los diferentes tipos de variacin entre las piezas, de utilidad para propsitos
analticos son tres clasificaciones:
1) Variaciones dentro de una misma pieza, por ejemplo, en una flecha que en
uno de sus extremos se encuentra ovalada y en el otro extremo est dentro
de sus tolerancias.
2) Variaciones entre piezas producidas durante un mismo periodo, como las
variaciones en las longitudes de los pasadores producidos durante un
periodo de cinco minutos en un torno automtico.
Pgina 39
3) Variaciones entre las piezas producidas en diferentes periodos, como

aquellas variaciones en las longitudes de los pasadores producidos al
principio de un turno, comparadas con las producidas al final del turno.
CAPITULO II: GRAFICAS DE CONTROL
2.1 CONCEPTOS Y PRINCIPIOS DEL CEP
El control estadstico del proceso (CEP) es una metodologa en la que se usan
graficas de control para ayudar a los operadores, supervisores y
administradores a vigilar la produccin de un proceso, para identificar y eliminar
las causas especiales de variacin.
El CEP es una tcnica demostrada para reducir el desperdicio y el reproceso, y
aumentar as la productividad, as como tambin es la base de la determinacin
de la capacidad del proceso, y de la prediccin del rendimiento o beneficio del
mismo. Al ser una herramienta muy importante en el mbito industrial muchas
empresas (clientes) solicitan a sus proveedores que presenten pruebas de
CEP.
Hay dos razones bsicas para aplicar el CEP.
La primera es que el CEP permite determinar cuando emprender
acciones para ajustar un proceso que ha salido de control.
La segunda es que el CEP seala cuando dejar solo un proceso.
Es probable que la actividad ms reconocida en general del control de calidad
sea el control de la materia prima, de los lotes de produccin y de las piezas de
ensambles durante el proceso de manufactura, por lo que a las grficas de
control se les considera como la principal ayuda estadstica para controlar
todos estos trabajos y sus modificaciones particulares.
CICLO CEP
Establecer
Especificacion
es
Recopilar
Datos
Analizar con
Herramientas
Tomar Acciones
Correctivas
Una empresa que cuenta con Control Estadstico puede mejorar sus procesos,
reducir retrabajos y desperdicios, lo que genera una reduccin de costos ya
que el C.E.P. involucra ms que solo crear el producto perfecto, implica
adems asegurar que los procesos internos son llevados apropiadamente, que
el equipo se le da el mantenimiento adecuado y que los recursos suministrados
son los adecuados.(Greg Kitson, 2003.
Pgina 40
2.1.1
TAMAO Y FRECUENCIA DE MUESTREO
Cada punto en una carta representa una muestra por lo tanto la seleccin de
estas debe hacerse de tal manera que si hay causas especiales presentes,
estas aparezcan como diferencias entre muestras, no como diferencias
entre los elementos que forman la muestra.
Por lo tanto para elegir la muestra existen dos procedimientos bsicos:
1) MTODO DEL INSTANTE.
Consiste en conformar la muestra con productos hechos en un instante
de tiempo tan pequeo como se posible. Ejemplo, una muestra la
constituyen 5 piezas producidas de manera consecutiva o 5 piezas de
entre una tanda de artculos producidos en forma reciente, la siguiente
muestra es seleccionada de manera similar posteriormente media hora o
ms tarde.
VENTAJA
Se usa con ms frecuencia, porque con l se logran muestras
ms homogneas y porque proporciona una referencia del
tiempo para localizar las causas especiales de variacin
2) MTODO DEL PERIODO

Se debe seleccionar la muestra de entre las partes producidas en un
periodo determinado, de manera que la muestra sea representativa de
toda la produccin de dicho periodo. Ejemplo un inspector va
peridicamente, cada hora tal vez a cierta zona del proceso y elige
aleatoriamente 5 piezas de entre las que se produjeron en la ltima hora.
VENTAJA
Proporciona mejor informacin sobre la calidad, no as
sobre la variabilidad, y se usa cuando debido a
circunstancias particulares del proceso, no se puede
utilizar el otro.
2.1.2
PATRONES DE COMPORTAMIENTO
A continuacin se dan seis patrones para el comportamiento de los puntos en

una carta de control X-R, as como tambin las razones comunes por las
cuales pueden ocurrir dichos comportamientos.
Pgina 41
LA 6 ZONAS DE UNA GRFICA DE CONTROL
ZONA A
LC
S
ZONA B
ZONA C
ZONA C
ZONA B
ZONA A
PRUEBAS QUE SE REALIZAN PARA VERIFICAR SI UNA GRFICA EST O

NO BAJO CONTROL ESTADSTICO
LCI
Estas pruebas se han derivado bajo el supuesto de normalidad e
independencia en los datos, por lo que de no cumplirse, las pruebas deben
verse con reservas.
PATRN 1
CAMBIOS (BRINCOS) EN EL NIVEL DEL PROCESO.
Cuando en la carta o grfica se registran pocos puntos que estn fuera o muy
cerca de los lmites de control, o cuando una gran cantidad de puntos caen de
un solo lado de la lnea central, ejemplo de ello es al introducir nuevos
trabajadores, mquinas, materiales o mtodos de inspeccin, o a una mayor o
menor atencin de los trabajadores.
Un cambio en el nivel del proceso ha ocurrido cuando se cumple una de las
siguientes cuatro pruebas:
Prueba 1.- un punto fuera de los lmites de control.
Prueba 2.- dos de tres puntos consecutivos en la zona A o ms all.
Prueba 3.- cuatro de cinco puntos consecutivos en la zona B o ms all.
El cumplimiento de al menos una de stas tres pruebas indica que ha entrado
al proceso una causa especial que ha provocado que el proceso est operando
con otro nivel, y tal cambio pudo darse de manera paulatina hasta que alcanz
una magnitud considerable y la carta lo registr.
En ocasiones, cuando alguna de las tres pruebas anteriores, lo que se hace
adems de investigar la causa, es tomar datos de inmediato para confirmar el
cambio y monitorear ms de cerca lo que est pasando en el proceso.
Pgina 42
CAMBIOS DE NIVEL EN UN PROCESO

LC
S
Prueba 4.-ocho puntos consecutivos de un lado de la lnea central.

Cuando se dan ocho puntos consecutivos por debajo de la lnea central en una
LCI
grfica R, entonces se ha dado una reduccin definitiva en la variabilidad
del
proceso, sino ocurre en una grfica de atributos, entonces se ha dado una
reduccin ms definitiva en el nivel promedio de piezas defectuosas del
proceso.
Si adems de la prueba 4 se cumple alguna de las tres primeras, eso ser an
mayor evidencia de que un cambio especial ha ocurrido.
CAMBIOS DE NIVEL
LC
S
LCI
PATRN 2
TENDENCIAS EN EL NIVEL DEL PROCESO
La recomendacin bsica en ste caso sera que, en el momento en que se
vea un flujo largo y creciente de puntos que parezca no aleatorio, entonces, es
Pgina 43
una seal de alerta para vigilar ms de cerca el desempeo del proceso, para
que en su caso se pueda identificar el proceso del mismo.
TENDENCIAS NO ALEATORIOS EN UN PROCESO
LC
S
PATRN 3
CICLOS RECURRENTES O DE PERIODICIDAD
LCI
Si el comportamiento cclico se presenta en la grfica de rangos, entonces

algunas de las posibles causas son:
Mantenimiento preventivo programado.
Fatiga de trabajadores o secretarias.
Prueba 6.-catorce puntos consecutivos alternando entre altos y bajos.
COMPORTAMIENTO CCLICO EN UN PROCESO
LC
S
PATRN 4
LCI
MUCHA VARIABILIDAD
Algunas causas que pueden afectar a la grfica X de esta manera son:
Sobre control o ajustes innecesarios en el proceso.
Pgina 44
Diferencias sistemticas en la calidad del material.

Mtodos de prueba.
Control de dos o ms procesos en la misma.
Prueba 7.-ocho puntos consecutivos en ambos lados de la lnea central
con ninguna en la zona C.
MUCHA VARIABILIDAD EN EL PROCESO
LC
S
LCI
PATRN 5
FALTA DE VARIABILIDAD ESTRATIFICACIN
Una seal de que hay algo anormal en el proceso es el de que prcticamente
todos los puntos se concentran en la parte central de la grfica, es decir, que
los puntos reflejen poca variabilidad.
Algunas de las causas que pueden afectar a las grficas de control son una
equivocacin en el clculo de los lmites de control, agrupando en una misma
muestra datos provenientes de universos con medias bastante diferentes.
Prueba 8.-quince puntos consecutivos en la zona C, arriba o debajo de
la lnea central.
FALTA DE VARIABILIDAD EN UN PROCESO
LC
S
LCI
Pgina 45
Una reduccin en la variabilidad se refleja en la grfica X de sta manera, pero

en la grfica de rangos se apreciarn muchos puntos por debajo de su lmite
central. Si ha ocurrido una reduccin en la variabilidad, lo que se debe hacer es
recalcular los lmites de control.
Cuando alguna de las ocho pruebas anteriores es positiva, entonces el proceso
est fuera de control estadstico.
Cabe sealar que si el proceso est fuera de control estadstico no significa
que no se pueda seguir produciendo con l, sino que el proceso est
trabajando con variaciones debidas a alguna causa especfica como es:
Material heterogneo.
Cambios de operadores.
Diferencias significativas entre mquinas.
Desgaste o calentamiento del equipo.
2.2 EL PLAN DE CONTROL: GRAFICOS DE VARIABLES
Son una de las herramientas ms importantes para
asegurar que un proceso se mantenga bajo control, es
CONCEPTO DE
decir, es una comparacin grfica- cronolgica de las
GRFICA DE
caractersticas de calidad reales del producto, parte u
CONTROL
otra unidad, con lmites que reflejan la capacidad de
producirla de acuerdo con las caractersticas que
Las grficas de control fueron
propuestas
por primera vez por Walter Shewhart
necesita
el cliente.
en los laboratorios Bell en la dcada de los aos veinte, l fue el primero en

distinguir las causas comunes de las especiales en la variacin del proceso, y
cre el concepto de la grfica de control para separarlas.
El proceso de las grficas de control es el elemento que pone de manifiesto, de

acuerdo con los hechos, el concepto del obrero de separar las variaciones de
los elementos en normales y anormales, esto es, establecer la comparacin
de la variacin de las piezas en su fabricacin real con los lmites de control
que se hayan establecido para esas piezas.
Cuando hayan sido calculados estos lmites y se consideran aceptables para
implantarse en la fabricacin, las grficas de control comienzan a desarrollar su
misin principal auxiliar en el control de la calidad de la materia prima, de
lotes de produccin, de los elementos aislados o de los ensambles
durante su fabricacin actual
Las grficas de control estn definidas por el eje central, el lmite superior de
control y el lmite inferior de control, los cuales se relacionan con el valor
esperado, y la varianza de las medidas estadsticas que se grafican.
Pgina 46
LIMITES DE CONTROL SUPERIOR E INFERIOR.- y se encuentran en

una posicin tal que cuando el proceso esta en control estadstico
hay una alta probabilidad de que prcticamente todos los valores de
la variable (puntos) caigan dentro de los limites
ELEMENTOS DE
UNA GRAFICA
LINEA CENTRAL O MEDIA representa el promedio de la variable que
DE CONTROL
se esta graficando, cuando el proceso se encuentra en control
estadstico
EJES.- para identificar quien pertenece a cada calor
La decisin de si los lmites de control se deben o no aceptar, por lo general es

algo enteramente econmico. Desde luego que la distincin entre las
variaciones normales y anormales es muy relativa, lo que pueda se normal
para determinada mquina y para cierta operacin, puede ser muy diferente a
la variacin normal de otra mquina y otra operacin con el mismo material
As el personal de la planta ha agrupado las variaciones de las piezas
manufacturadas en dos categoras:
VARIACIONES NORMALES O CAUSAS COMUNES.- tambin
llamada debido al azar, es aquella que permanece da a da, lote
a lote, es parte del sistema. Esta variacin es inherente a las
caractersticas esenciales del proceso y es resultado de la
acumulacin y combinacin de diferentes fuentes de variabilidad.
Para resolver problemas debidos a causas comunes es necesario
atender el problema general, no el particular, es necesario
modificar el sistema y ambas cosas se hacen slo con un plan
que diagnostique las verdaderas causas de fondo. Son todas las
desviaciones que el obrero ya conoce que se deben presentar ( +
0.5 m.m )
VARIACIONES ANORMALES O CAUSAS ESPECIALES.tambin llamada de causas atribuibles) es algo especial, no es
parte del sistema de causas comunes, esta variacin es causada
por situaciones o circunstancias especiales que no estn
presentes permanentemente en el sistema, por ejemplo una falla
ocasionada por el mal funcionamiento de una pieza en una
mquina o el empleo de materiales no habituales. Son todas las
desviaciones mayores que la que el obrero calificado sabe que se
puede obtener (+ 0.7 m.m)
Por lo tanto el obrero ya conoce los limites de variacin normal en las piezas o
proceso con los que ya esta familiarizado. Si los lmites exceden durante la
manufactura de los elementos, el obrero reconoce que se ha presentado algo
anormal y que se requiere una correccin.
Un proceso que trabaja slo con causas comunes de variacin se dice que esta
en control estadstico (o estable), independientemente de su variabilidad sea
mucha o poca, pero es predecible en un futuro inmediato.
Un proceso en el que estn presentes causas especiales de variacin se dice
que esta fuera de control estadstico (o es inestable), este tipo de procesos
Pgina 47
es impredecible en el futuro inmediato porque en cualquier momento pueden

aparecer esas situaciones que tienen un efecto especial sobre la variabilidad.
TIPOS DE GRFICAS DE CONTROL
De acuerdo con las dos clases de datos de que se dispone en la industria,
existen dos modelos fundamentales para las grficas de control. Pueden ser
por variables y por atributos
1. Grficas para mediciones o por variables (la ms generalizada la
denominada grfica X, R, s)
y tienen su empleo en el caso de que
se efecten mediciones, es decir, se aplican a variables o caractersticas
de calida de tipo continuo, y que intuitivamente son aquellas que
requieren un instrumento de medicin para medirse (pesos, volmenes,
voltajes, longitudes, resistencias, temperaturas, humedad, etc.)
X
DE PROMEDIOS
DE RANGOS
DE DESVIACIONES ESTNDAR
DE MEDIDAS INDIVIDUALES
2. Grficas para datos que provienen de calibradores de pasa/ no

pasa o por atributos
Aqu se emplean las grficas de fraccin
defectuosa o de porcentaje defectuoso (conocidas como las grficas
p), es decir, cuando muchas caractersticas de calidad no son medidas
con un instrumento en una escala continua o al menos en una escala
numrica.
En estos casos el producto se juzga como conforme o no conforme,
dependiendo de si posee ciertos atributos y al producto se le podr
contar el nmero de defectos o no0 conformidades que tiene.
La variabilidad y tendencia central de este tipo de caractersticas de calidad de
tipo discreto sern analizadas a travs de las grficas de control para atributos:
p
PROPORCION O FRACCCION DE ARTICULOS
DEFECTUOSOS
np
NMERO DE UNIDADES DEFECTUOSAS
NMERO DE DEFECTOS
NMERO DE DEFECTOS POR UNIDAD
Hay dos condiciones diferentes bajo las que se usan estas grficas de control:
1. Las grficas usadas para investigar el estado de control de un proceso,
tal vez uno que no hay sido examinado previamente, o uno al que se le
Pgina 48
han hecho grandes cambios en el proceso, o uno que se examina para

el estado de control continuo des pues de que un anlisis preliminar de
distribucin de frecuencias demostr control inicial.
2. Las graficas de control donde la tendencia central y los calores de
dispersin han sido establecidos inicialmente y por lo tanto esta
condicin se denomina de estndar dado
ESTABLECER UN ESTADO DE CONTROL ESTADSTICO

APLICACIONES
BSICAS DE LAS
GRAFICAS DE
CONTROL
EFECTUAR EL SEGUIMIENTO DE UN PROCESO E INDICAR CUNDO SE

SALE DE CONTROL
DETERMINAR LA CAPACIDAD DE PROCESO
2.2.2 GRAFICOS X S
CARTA DE INDIVIDUALES
La carta de individuales es un diagrama para variables de tipo continuo que se
podra ver como un caso particular de la carta X - R, cuando el tamao de
muestra es n = 1, pero por las diferencias en los procesos que se aplican la
vamos a explicar aparte.
Existen muchos procesos o situaciones donde no tiene sentido prctico agrupar
medidas para formar una muestra o subgrupo y poder instrumentar una carta X
- R, por lo que la mejor alternativa para controlar estos procesos mediante una
carta de control es usar un tamao de muestra n = 1. Ejemplos de estas
situaciones son los siguientes:
o
o
o
o
1. Procesos muy lentos, en los que resulta inconveniente esperar

otra medicin para analizar el desempeo del proceso, como
sera el caso de procesos qumicos que trabajan por lotes.
2. Procesos en los que las mediciones cercanas slo difieren por
el error de medicin. Por ejemplo, temperaturas.
3. Se inspecciona de manera automtica todas las unidades
producidas,
4. Resulta costoso inspeccionar y medir ms de un artculo.
En estos casos la mejor alternativa es usar una carta de individuales, donde

cada medicin particular de la caracterstica de calidad que se obtiene se
registra en una carta. Para estimar la variabilidad de estas mediciones se
acostumbra usar el rango mvil de dos observaciones consecutivas, por lo que,
al graficar estos rangos, se obtiene una carta de rangos mviles. Aspectos
como consumo de agua o energa tambin pueden evaluarse con este tipo de
cartas.
Pgina 49
Ejemplo
En una empresa se hacen impresiones en lminas de acero, que
posteriormente se convierten en recipientes de productos de otras empresas.
Un aspecto importante a vigilar en dicha impresin es la temperatura de
"horneada" donde, entre otras cosas se da adherencia y se seca la lmina, una
vez que sta ha sido impresa. En una fase particular de la horneada se tiene
que la temperatura de cierto horno debe ser 125C, con una tolerancia de
5C. Si no se cumple con tal rango de temperatura, entonces se presentan
problemas en la calidad final de la impresin.
Para controlar de manera adecuada tal caracterstica de proceso se usa una
carta de control, y evidentemente aqu no tiene sentido tomar una muestra de
tamao cuatro, por ejemplo, ya que si se miden las temperaturas del horno de
manera consecutiva, entonces stas sern prcticamente las mismas; y si las
mediciones no se hacen de manera consecutiva y se hacen, supongamos,
cada hora, entonces habr que esperar cuatro horas para poder graficar un
punto en la carta de control, y as poder analizar el proceso. De esta manera
resulta ms prctico hacer una medicin de la temperatura en el horno de
manera peridica, y en cuanto se obtiene el dato graficarlo en la carta para
evaluar el desempeo del proceso. Es decir, resulta ms prctico llevar una
carta de control para individuales.
Muestra Temperatura Rango Muestra Temperatura Rango
del horno
Mvil
del horno
Mvil
1
125,1
2,4
13
126,4
1,9
127,5
4,8
14
128,3
1,2
122,7
3,7
15
129,5
1,4
126,4
0,9
16
128,1
125,5
17
128,5
3,4
130,5
3,2
18
125,1
3,5
127,3
0,2
19
128,5
1,3
127,5
0,2
20
126,3
0,2
127,3
4,3
21
126,5
1,4
10
123
0,5
22
127,9
1,6
11
123,5
4,5
23
129,5
2,4
12
128
1,6
24
131,9
1,5
Media
x=126,97
de Media de
R=2,287
Datos del ejemplo.

En la tabla se muestran las temperaturas obtenidas en tres das, midiendo la
temperatura en el horno cada hora. La segunda columna en dicha tabla
representa los rangos entre temperaturas consecutivas.
Pgina 50
Para investigar si la temperatura tuvo una variabilidad estable primero

analizamos los rangos mviles, en cuyo caso los lmites de control se obtiene
igual que la carta R ordinaria, pero las constantes D3 y D4 siempre se van a
tomar considerando el tamao de muestra n = 2, dado que el rango se obtiene
de entre los datos de dos mediciones consecutivas de temperatura. De esta
manera, los lmites de control para la carta de control de rangos mviles de
orden 2 estn dados por
donde las constantes son D3 = 0 y D4 = 3.267, como se puede ver en la tabla 1
del Apndice, con lo que los lmites de control para los datos de la tabla son
En la figura se muestra la correspondiente carta de control, a partir de la cual

se puede apreciar que la temperatura en el horno estuvo en control estadstico
en cuanto a variabilidad. Por lo tanto, la diferencia entre las temperaturas de
una hora a otra estuvieron fluctuando de manera estable entre 0 y 7.475 grados
centgrados.
Para analizar el comportamiento de la tendencia central, se usa la carta de
individuales. Partiendo de la expresin general para los lmites de una carta de
control tipo Shewhart, estimando la media con la media muestral y la
desviacin estndar con los rangos promedio, se tiene que los lmites para una
carta de individuales estn dados por
donde la constante es d2 = 1.128, ya que los rangos se obtienen de entre dos

datos, n=2.
Pgina 51
Aplicando lo anterior, los lmites de control para las temperaturas del horno son
los siguientes:
LCS=126.97+ (3 x 2.287/1.128)=133.05
Linea central = 126.97
LCI=126.97- (3 x 2.287/1.128)=120.97
La carta de control obtenida se muestra en la figura, en la cual, si bien no hay
puntos fuera de los lmites de control, se aprecia que el proceso estuvo fuera
de control estadstico en cuanto a tendencia central, ya que en las ltimas
mediciones de temperatura se cumple la prueba para tendencia se dan seis
puntos consecutivos de manera ascendente. De esta forma, alguna causa
especial provoc una tendencia a que la temperatura se incrementara en el
ltimo da, por lo que se debe actuar de inmediato para identificarla, lo cual
permite prevenir problemas ms graves en la impresin de las lminas de
acero.
Los responsables del proceso identificaron tal tendencia como una seal de
que ya era necesario el mantenimiento peridico que se le da al horno.
Tambin en la misma carta se aprecia que el proceso estuvo descentrado, ya
que la temperatura promedio fue de 126.97C, y no de 125 como se desea;
esto tambin pudo ser causado por la necesidad de mantenimiento.
La decisin que se tom fue dar mantenimiento al horno y volver a tomar datos
para establecer los nuevos lmites de control.
Por otra parte, en cuanto a la capacidad del proceso para cumplir con las
especificaciones de temperatura, lo primero que debemos notar es que los
lmites de una carta de individuales coinciden con los lmites naturales del
proceso, por lo que la capacidad puede ser investigada directamente de los
lmites de esta carta. En particular, en el problema que nos ocupa, tenemos que
el lmite superior est fuera de la especificacin superior (130), mientras que el
lmite inferior s est dentro de la especificacin inferior.
Pgina 52
Por lo tanto, el proceso estuvo operando con temperaturas ligeramente

mayores a las toleradas. Si despus del mantenimiento se centra el proceso,
pero no se reduce la variabilidad, entonces se reducirn los problemas un poco
por el lado superior, pero parte de ellos se trasladarn al lado inferior. En todo
caso, despus del mantenimiento se debe analizar cmo est la capacidad.
2.3 EL PLAN DE CONTROL: GRAFICOS DE ATRIBUTOS
2.3.1 GRFICO P
Esta carta muestra las variaciones en la fraccin o proporcin de artculos
defectuosos por muestra. Es ampliamente usada para recortar la proporcin (o
porcentaje) de productos defectuosos en un proceso. En esta carta se revisa
cada uno de los artculos de una muestra (o subgrupo), y cada uno de estos
tiene una calidad aceptable o no, es decir, un articulo pasa o no pasa.
En la carta p se toma una muestra o subgrupo den artculos, que puede ser la
totalidad o una parte de las piezas de un pedido, un lote, un embarque o cierta
produccin. Se revisa cada uno de n artculos y se encuentra cuales son
defectuosos; entonces, en la carta p se grfica se grfica la proporcin pi de los
artculos defectuosos, que se obtiene al dividir la cantidad de artculos
defectuosos encontrada en cada muestra entre el tamao de muestra.
Cuando se esta haciendo un estudio inicial para establecer los limites de
control en una carta p, entonces, lo que se tiene que hacer es estimar la media
y la desviacin estndar de la variable que se grfica en la carta; que en el
caso de la carta p, es pi. Considerando esto, y de acuerdo con la distribucin
binomial, si se toman varias muestras (aproximadamente 20), los limites de
control para una carta p estn dados por:
LCS = p+ 3[p(1-p)/n]
Lnea central = p
LCI = p - 3[p(1-n)/n]
Donde n es el tamao de la muestra y p es la proporcin promedio de artculos

defectuosos, que se obtiene al dividir la cantidad de los artculos defectuosos
en todas la totalidad de productos inspeccionados. Como se puede apreciar en
la formula para calcular los limites, la raz cuadrada de la expresin anotada es
la estimacin de la desviacin estndar.
Ejemplo:
En una empresa del ramo metal-mecnico se fabrican vlvulas. Despus del
proceso de fundicin se hace una inspeccin y las piezas que no cumplen con
ciertas caractersticas son rechazadas. Las razones por las que pueden se
rechazadas son diversas: piezas incompletas, porosas, mal formadas, etc. Para
evaluar la variabilidad y la magnitud de la proporcin de las piezas defectuosas
en el proceso de fundicin se decide implantar una carta p.
Pgina 53
Cartas de control tipo p

Lote Tamao Artculos
Proporcin Lote Tamao Artculos
Proporcin
de lote defectuosos
de lote defectuosos
1
300
15
0.05
11
300
0.03
300
12
0.04
12
300
0.01
300
15
0.05
13
300
0.02
300
0.02
14
300
0.03
300
16
0.05
15
305
0.02
300
0.02
16
295
15
0.05
300
18
0.06
17
300
19
0.06
280
10
0.04
18
300
0.02
290
0.03
19
300
12
0.04
10
300
25
0.08
20
300
10
0.03
tamao de muestra promedio n= 300, p= 0.03662.Los limites son:
LCS = 0.0362 + 3{0.0362(1-0.0362)/300}= 0.0686

Lnea central = 0.0362
LCI = 0.0362 - 3{0.0362(1-0.0362)/300}= 0.00386
2.3.2 GRFICO NP
En ocasiones, cuando el tamao de muestras en las cartas es constante, es
mas conveniente usar la carta np en la que se grfica el numero de artculos
defectuosos por muestra (Di ), en lugar de la proporcin.
Los limites de control para la carta np se obtiene bajo el supuesto de la
distribucin binomial, por lo que estn dados por:
Pgina 54
LCS = np+ 3[np(1-np)/n]

Lnea central = np
LCI = np - 3[np(1-np)/n]
Donde igual que en la carta p, n es el tamao de muestra y p es la proporcin

promedio de artculos defectuosos, con lo que np es la estimacin del numero
promedio de artculos defectuosos por muestra. En la formula los limites de
control, la raz cuadrada de la expresin anotada es la estimacin de la
desviacin estndar de D i (numero de piezas defectuosas por muestra).
Ejemplo:
En un proceso de manufactura al final de la lnea de ensamble, antes de
empacar, se hace una inspeccin y prueba final, y en una cata p se registra la
proporcin de artculos defectuosos. En esta misma carta se combinan las
fallas de los diferentes componentes.
Analizando los datos obtenidos en la inspeccin final, a travs de una
estratificacin y un anlisis de Pareto, se encuentra que la principal causa por
la que los artculos salen defectuosos esta relacionado con los problemas en el
componente W, por lo que se decide analizar mas de cerca el proceso que
produce tal componente.
Para ello, de cada lote de componentes W se decide inspeccionar una muestra
de n= 120, inmediatamente que salen de su proceso(antes de ser
ensamblados). Los datos obtenidos en 20 lotes consecutivos se muestran en la
siguiente tabla
Lote Art.
Def. Lote Art.
Def.
en
en muestra
muestra
1
11
10
12
20
10
13
12
14
10
15
10
16
14
17
13
12
18
19
10
20
11
Total = 183
P= 183/(120 x 20) = 0.076
Pgina 55
Con lo que los limites de control estn dados por
LCS = 120 x 0.076 + 3{120 x 0.076(1-0.076)}= 17.87

Lnea central = 120 x 0.076 = 9.15
LCI= 120 x 0.076 - 3{120 x 0.076(1-0.076)}= 0.428
En la siguiente grfica se aprecia que el proceso esta fuera de control

estadstico, ya que el numero de piezas defectuosas en la muestra del lote 12
es mayor que el limite superior, mientras que la muestra del lote 16 es menor
que el limite inferior
2.3.3 GRFICO U
Habiendo encontrado el tamao de la muestra , deberemos , si vamos a
utilizar un diagrama c, volver a definir nuestra unidad de inspeccin, de
manera que el tamao de la muestra y la unidad de inspeccin sean idnticos.
De esta forma, en funcin de los ejemplos que acabamos de examinar,
deberamos cambiar nuestra unidad de inspeccin de 5 a 3 radios o a 18
radios. En este caso situaremos en cada ocasin el numero total de defectos
por muestra directamente en nuestro diagrama c. Si elegimos una nueva
unidad de inspeccin de 3 radios, la lnea central del diagrama c pasara a
ser 40 (0.6) = 24; si elegimos una nueva unidad de inspeccin de 18 radios la
lnea central pasara a ser 40 (3.6) = 144.
Si despus de haber determinado el tamao de la muestra no volveremos a
definir la unidad de inspeccin, se har necesario establecer un diagrama de
control en funcin del numero promedio de defectos por unidad de inspeccin.
En otras palabras, si c es el nmero total de defectos que se encuentra en
cualquier muestra, y k es el numero de unidades de inspeccin en una
muestra, estableceremos un diagrama de control en el cual situaremos la
cantidad u = c/k. Estos diagramas se denominan diagramas u.
Pgina 56
Cuando el tamao de la muestra varia de una muestra a otra, es necesario

utilizar un diagrama u al objeto de tener una lnea central de control constante.
Sin embargo, los lmites de control variaran.
DIAGRAMA u CON MUESTRA DE TAMAO VARIABLE
En ocasiones los diagramas u, como los p, se basan en una inspeccin de la
produccin al 100%. en estos casos el numero de unidades que constituyen
una muestra variara indudablemente de una muestra a otra. Por ejemplo,
supongamos que hemos tenido los siguientes resultados:
En este caso cada lote inspeccionado contiene un nmero diferente de yardas
cuadradas de lona. Si tomamos 100 yardas cuadradas de lona. Si tomamos
100 yardas cuadradas como unidad, para utilizarla en nuestro diagrama u , en
cada caso, y al objeto de obtener posibilidad de comparacin, debemos
convertir el numero de defectos por lote de inspeccin en el numero de
defectos por unidad de 100 yardas cuadradas
Sin embargo, cuando estos resultados se sitan en el diagrama de control,
debemos tener en cuenta que cada cifra se basa en un numero diferente de
unidades.
Los limites de control variaran as de una muestra a otra. Cuanto mayor sea el
numero de unidades en una muestra mas angostos sern los limites.
Si cada muestra consta de una sola unidad, los limites para el diagrama u
vienen dados por UCL = + 3()0.5 ,
LCL = - 3()0.5 . pero si el numero de
unidades en una muestra es k, en tal caso la desviacin estndar del numero
promedio de defectos por unidad es ()0.5 / (k)0.5 = ( / k)0.5 . de esta forma para
una muestra de k unidades, los limites vienen dados por
UCL = + 3()0.5 ,
(1a)
LCL = -- 3()0.5
Como ejemplo supongamos que deseamos construir un diagrama u para
controlar la produccin de lona, y decidimos basarla en los datos anteriores (en
realidad habramos de utilizar un volumen de produccin mucho mayor que el
anotado).
El primer paso consiste en calcular el numero promedio de defectos por 100
yardas cuadradas (nuestra unidad), para los seis lotes de inspeccin
Esto se hace fcilmente sumando el numero total de defectos en cada lote y
dividiendo entre el numero total de unidades de 100 yardas cuadradas
inspeccionadas.
Pgina 57
Esto da u = 22 / 8.40 = 2.62. Obsrvese que no tomamos un simple promedio

del numero de defectos por 100 yardas cuadradas en cada lote.
Si deseamos trabajar con estas cifras deberemos tomar un promedio
ponderado. Esto es, tendremos que ponderar 2.5 por 2.00, 2.8 por 2.50, 3.0
por 1.00 y as sucesivamente.
El resultado entonces seria u = 2.62, como anteriormente.
La lnea central de nuestro diagrama ser u. Los limites para cada muestra
vendrn dados por la formula (1a), la cual de lo siguiente vase la siguiente
figura.
Diagramas u con muestras de tamao variable (solo aparece el limite

superior de control)
Solo se puede construir una curva CO para un diagrama u con una muestra de
tamao constante. Cuando el numero de unidades varia de una muestra a otra
podemos, si asi lo deseamos, construir una curva CO para el numero promedio
de unidades. Esta seria la curva CO para el diagrama de control con limites
promedios.
# lote de k
inspeccin
3(u/k)0,5 UCL = u +
3(u/k)0,5
2,0 3,43
6,05
2,5 3,07
5,59
1,0 4,83
7,48
0,9 5,12
7,74
1,2 5,12
7,74
0,8 5,43
8,05
Pgina 58
2.3.4 GRFICO C
Construccin y operacin de un diagrama C con una muestra de tamao
constante
Los datos siguientes se pueden utilizar para ilustrar la construccin de un
diagrama c. Reflejan el numero de defectos por grupo, en 25 grupos sucesivos
de cinco radios cada uno.
Numero
Numero
del grupo defectos
grupo
de Numero
Numero
por del grupo defectos
grupo
77
14
87
64
15
40
75
16
22
93
17
92
45
18
89
61
19
55
49
20
25
65
21
54
45
22
22
10
77
23
49
11
59
24
33
12
54
25
20
13
41
de
por
El numero total de defectos para los 25 grupos es de 1 393 y el numero

promedio por unidad (es decir, por grupo de 5 radios) es C = 1 393 / 25 = 55.7.
como estimacin preliminar tomamos el numero de defectos promedio del
proceso por unidad (c') como igual a C, por tanto, tomamos como estimado de
c la cantidad c = C = 7.5. de aqu 3c = 3C = 22.5, y el limite superior de
control pasa a ser C- 3 C= 55.7 22.5 = 33.2 . estos dan la lnea central y
los limites superior e inferior para nuestro diagrama preliminar de control.
Pgina 59
Cuatro puntos estn por arriba del limite superior y cinco por debajo del limite
inferior. Supongamos que se encuentran causas atribuibles para todos menos
uno de dichos puntos. Digamos por ejemplo que los puntos altos 17 y 18 son
debidos a cierto material defectuoso utilizado en la produccin de estos
equipos; el punto alto 4 se determino como correspondiente a un trabajador
incompetente; el punto alto 14 a una maquina vieja que no funcionaba
adecuadamente. Eliminemos todas estas causas de mala calidad. Los puntos
bajos 16, 20, 22 y 25 se determina que correspondieron a un inspector que
acababa de aprender su tarea. Supongamos que no advirti muchos de los
efectos reales en los radios que inspecciono, y excluyamos estos puntos bajos
de entre los dems. No se han encontrado causas atribuibles para el punto 24,
de manera que ste ser el nico de los puntos situados fuera de los limites de
control que mantendremos. Despus de eliminar los puntos 4,
14,16,17,18,20,22 y 25 para los casos restantes se determinan como 943 / 17
= 55.5. esto esta tan cercano al valor anterior que podemos tomar la lnea
central anterior y los limites anteriores.
CAPITULO 3: PLAN DE MUESTREO DE ACEPTACIN
3.1 CONCEPTOS BSICOS DEL MUESTREO
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica
es determinar que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error
que se comete debido a hecho de que se obtienen conclusiones sobre cierta
realidad a partir de la observacin de slo una parte de ella, se denomina error
de muestreo. Obtener una muestra adecuada significa lograr una versin
simplificada de la poblacin, que reproduzca de algn modo sus rasgos
bsicos.
Muestra: En todas las ocasiones en que no es posible o conveniente realizar un
censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una
parte representativa de la poblacin. Para que una muestra sea representativa,
Pgina 60
y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en

la poblacin, ejemplificar las caractersticas de la misma.
Cuando decimos que una muestra es representativa indicamos que rene
aproximadamente las caractersticas de la poblacin que son importantes para
la investigacin.
Una estadstica es una caracterstica de una muestra, los estadsticos emplean
letras latinas minsculas para denotar estadsticas y muestras. 2. - Tipos de
muestreo Los autores proponen diferentes criterios de clasificacin de los
diferentes tipos de muestreo, aunque en general pueden dividirse en dos
grandes grupos: mtodos de muestreo probabilsticos y mtodos de
muestreo no probabilsticos.
Muestreo de aceptacin Es la manera de evaluar una parte de los productos
que forman un lote con el propsito de aceptar o rechazar el lote completo.
Su uso es recomendado cuando el costo de inspeccin es alto o la
inspeccin es montona y causa errores de inspeccin o cuando se
requieren pruebas destructivas.
El plan de muestreo consiste en seleccionar aleatoriamente una parte
representativa del lote, inspeccionarla y decidir si cumple con nuestras
especificaciones de calidad, para llegar a esto se deben de consultar tablas y
fijar los niveles de calidad que son aceptables (NCA) para nosotros y nuestros
clientes o proveedores. Para definir esto de manera mas practica, hay que ver
el siguiente ejemplo: Tenemos un lote de 9000 (N) piezas, el plan de inspeccin
dice que se deben tomar 300 (n) piezas y se considera un nmero de
aceptacin de 2 piezas. Esto significa que en el lote de 900 piezas se
inspeccionaron 300 piezas escogidas aleatoriamente, si 3, 4 o ms piezas
estn defectuosas, se rechazara todo el lote (las 900 piezas), si al realizar la
inspeccin no se encuentran piezas defectuosas o se encuentran 1 o 2 el lote
tiene que ser aceptado. El muestreo de aceptacin se lleva en diversas
situaciones en donde existe una relacin ente consumidor y productor, ya sea
en el interior de una empresa o entre diferentes empresas, y se puede ver
como una medida defensiva para protegerse contra la amenaza del posible
deterioro en la calidad. Es posible que Productor y Consumidor sean cada uno
de diferente compaa o en dos departamentos diferentes dentro de una misma
planta, sea como fuere, existe siempre el problema de decidir si se acepta o se
rechaza el producto. En particular si las caractersticas de calidad son variables
de atributos, entonces un plan simple de muestro de aceptacin esta definido
por: N ------- Tamao de lote n ------ tamao de la muestra c ------ numero de
aceptacin Se debe tener claro que el muestreo de aceptacin , al ser una
forma particular de inspeccin, simplemente acepta y rechaza lotes, pero no
mejora la calidad. Es decir el muestreo de aceptacin no es una estrategia de
Pgina 61
mejora de la calidad, es mas bien una forma de garantizar que se cumplan

ciertas especificaciones de calidad que han sido definidas, tampoco este tipo
de muestreo proporciona buenas estimaciones de la calidad del lote Donde
aplicarlo: En elementos (componentes) terminados. Componentes y materias
primas. Operaciones. Materiales en proceso. Materiales en almacenamiento.
Operaciones en almacenamiento. Datos o Registros. Procedimientos
administrativos. Cuando aplicarlo: Cuando la aplicacin de una prueba implica
la destruccin del producto (ej. Prueba de un fusible elctrico). Cuando el costo
es alto para hacer una inspeccin del 100% es muy elevado, comparado con el
costo que implica pasar una unidad no conforme. Cuando son muchos y
similares las unidades que se van a inspeccionar, el muestreo produce una
mejor opcin que el inspeccionar al 100%. Cuando no se dispone de
informacin sobre la calidad de producto, ejemplo, la grafica X, R, p, o c.
Cuando el lote lo forman una gran cantidad de artculos que habria que
inspeccionar y la probabilidad de error en la inspeccin es suficientemente alta,
de tal manera que la inspeccin al 100% podra dejar pasar ms unidades
defectuosas que un plan de muestro. Cuando no se dispone de una inspeccin
automatizada. Cuando es necesario asegurar la confiabilidad del producto,
aunque la capacidad del proceso fabricante del lote sea satisfactoria. En
situaciones donde historicamente el vendedor ha tenido excelentes niveles de
calidad y se desea una reduccin de la cantidad de inspeccin, pero la
capacidad del proceso no es suficientemente buena como para no
inspeccionar.
Ventajas: La responsabilidad por la calidad se asigna a quien verdaderamente
corresponde, No a la inspeccin!, esto favorece una rpida mejora del
producto. Es ms econmico, puesto que se tienen que hacer menos
inspecciones, y se producen menos daos por manipulacin durante la
inspeccin. Permite mejorar la tarea de inspeccin, pero en vez de tomar
decisiones de pieza con pieza, las decisiones se toman de lote a lote. til en el
caso de pruebas que implican destruccin. Se orienta ms al rechazo de lotes
enteros ms que a la devolucin de unidades no conformes. Desventajas:
Existe cierto riesgo de que se rechacen lotes conformes y/o acepten lotes no
conformes. Se tiene que dedicar ms tiempo a la planeacin y a la
documentacin. Se proporciona menos informacin sobre el producto aunque
generalmente sta es suficiente. No hay ninguna seguridad dado que la
totalidad del lote cumpla con las especificaciones.
DEINICIONES IMPORTANTES
Pgina 62
Definicin de Inspeccin: Es el proceso de medicin, examen, comprobacin y

otra forma de comparacin de la unidad del producto con las especificaciones
Unidad del producto: Es el objeto que se examina a fin de determinar su
clasificacin como defectivo o no defectivo o bien para contarle el nmero de
defectos. Podra consistir en un solo artculo, en un par, en un conjunto, una
longitud, un rea, una operacin, un volumen, un componente para un producto
final, el mismo producto final, la unidad del producto puede o no ser la misma
de la de compra. Muestra: Consiste en una o ms unidades del producto que
se tomen de un lote o de una produccin unitaria, estas unidades de la muestra
debern ser tomadas al azar sin aferrarse su calidad. El nmero de unidades
del producto dentro de la muestra se denomina tamao de la muestra.
Muestreo representativo: Siempre que sea posible, el nmero de unidades en
la muestra se debe seleccionar en proporcin con el tamao de los sublotes o
porciones de una produccin unitaria, que puedan ser identificados con algn
criterio racional. Las unidades de cada una de las partes del lote o porciones de
la produccin se deben de tomar al AZAR. Tiempo de muestreo: Las muestras
se pueden tomar despus de que se hayan reunido todas las unidades que
formen el lote o la produccin unitaria o se pueden tomar durante la formacin
del lote o produccin. Plan de muestreo: Un plan de muestreo indica el
nmero de unidades del producto de cada lote o produccin que debe ser
inspeccionado (el tamao de muestra o serie de tamaos de muestra), y el
criterio para la determinacin de la aceptabilidad del lote o produccin (los
nmeros de aceptacin y el rechazo). Nivel de inspeccin: El nivel de
inspeccin determina la relacin que debe existir entre el tamao del lote o
produccin y el tamao de la muestra. Interrupcin de una inspeccin: En el
caso de que 10 lotes consecutivos o producciones en una inspeccin severa se
encuentre una cantidad considerable de defectos que hagan que se rechacen
los lotes; se deber interrumpir la inspeccin y quedar pendiente para tomar
accin en la mejora de calidad del material presentado. Falta de Conformidad:
El grado de la falta de conformidad de un producto se debe expresar, ya sea en
funcin del porciento defectivo o en funcin de los defectos por cada cien
unidades. Porciento Defectivo: Es igual a cien veces el numero de unidades
defectivas contenidas en el producto, divididas entre el numero total de
unidades que forman el producto. Defectos por cada cien unidades: Es igual a
cien veces el numero de defectos contenidos en las unidades (es posible que
uno o ms defectos en cada unidad del producto), dividido entre el numero total
de unidades que forman el producto.
3.1.1 NIVEL ACEPTABLE DE CALIDAD
(AVERAGE QUALITY LEVEL ) ( AQL)
Pgina 63
Definicin: Es el mximo porciento defectivo (o el mximo numero de

defectos por cada cien unidades) que, para los fines de un muestro de
inspeccin, se puede considerar como satisfactorio para la media del proceso.
Significado: El AQL es un valor designado en porciento defectivo (o defectos
por cada cien unidades), que el consumidor indica que podr aceptar en la
mayora de los casos por medio del plan de aceptacin que se vaya a emplear.
Los planes de muestreo que se proporcionan en el se han arreglado de tal
forma que la probabilidad de aceptacin para un determinado valor de AQL,
depender del tamao de la muestra, siendo por lo general mayor para las
muestras grandes que para las pequeas, para un determinado AQL.
Limitaciones: La designacin de un AQL no significa que el proveedor este
facultado para proporcionar a propsito alguna medida defectuosa del
producto. Especificaciones de los AQLs: El AQL que se vaya a emplear se
debe designar en el CONTRATO o por la autoridad responsable (usar gua
ISO-9001). Se pueden emplear diferentes valores del AQL para grupos de
defectos. Puede ser designado un AQL para un grupo de defectos, adems de
los valores de AQL para defectos particulares o para subgrupos de defectos
dentro de cada grupo.
3.1.2 LIMITE TOLERADO DEL PORCENTAJE DE DEFECTUOSOS
LTPD (Lot Tolerance Percent Defective): Peor nivel de calidad que el
consumidor deseara aceptar en un lote Individual
Es una fraccin defectuosa Es un nivel de calidad que el consumidor
quisiera rechazar siempre, pero por efectos del muestreo no siempre se
rechazar Es un ndice de mala calidad
Curvas tipo A y tipo B Curvas tipo B: para su construccin se supone que
provienen de un lote grande o secuencia de lotes provenientes de un proceso
continuo distribucin valida: Binomial (si es posible se puede aproximar por
Poisson, si p < 0.1).
Curvas tipo A: para lotes aislados y finitos distribucin valida: Hipergeomtrica
(si es posible se puede aproximar por la Binomial, si n/N _ 0.1).
Distribucin Hipergeomtrica:
p = D/N
Pgina 64
Con D nmero de defectuosos en el lote. Vario D para obtener p y Pa y obtener

la C.C.O. tipo A
Que puede definirse como: El porcentaje de unidades que no cumplen con los
requisitos en un lote para el cual, con propsitos de muestreo de aceptacin, el
consumidor desea que se restrinja la probabilidad de aceptacin a un valor bajo
especificado. Las tablas que usan el NCL como ndice estn orientadas al
muestreo con alto nfasis sobre la calidad de lotes individuales. Tpicos de las
tablas NCL son los tipos de tolerancia de porcentaje defectuoso en el lote
(TPDL), nivel de calidad rechazable (NCR) y nivel de calidad inaceptable (NCI).
La curva CO puede ser indexada para NCA con una probabilidad de aceptacin
designada Pa, y para NCL con una probabilidad de rechazo o inaceptabilidad
designada Pr.
2. Las tablas que ofrecen proteccin de lo almacenado , o sea la calidad
promedio de un gran numero de lotes del mismo material, despus de su
inspeccin. El tipo de la meta de la calidad asociado con esta serie de planes,
es el del lmite del promedio de la calidad final (LPCF).
Defecto y unidades defectuosas (conceptos) Defecto es cualquier
disconformidad con las prescripciones de calidad establecidas. Defecto crtico
es aquel que puede generar inseguridad fsica en las personas que pueden
llegar a impedir la funcin para la que la pieza fue concebida. Defecto principal
es aquel que no siendo critico puede reducir substancialmente la utilidad de la
pieza para el fin para la que fue concebida. Defecto secundario es aquel que no
reduce la utilidad del producto. Unidad defectuosa es un artculo que tiene al
menos un defecto. Unidad defectuosa crtica es la que tiene al menos un
defecto crtico pudiendo tener o no defectos principales o secundarios. Unidad
de defecto principal es la que no teniendo ningn defecto crtico tiene al menos
un defecto principal pudiendo tener o no defectos secundarios. Unidad
defectuosa secundaria es aquella que no teniendo defectos crticos ni
principales contiene al menos un defecto secundario.
LIMITE DE CALIDAD. Se define este parmetro como la proporcin de piezas
defectuosas (o defectos por cada 100 piezas) que ser aceptado en el 10% de
los casos (LC 10?) o en el 5% de ellos (LC5). Pretende ser una proteccin del
consumidor, en el sentido de que es muy poco probable que un lote que
contenga una p = LCx sea aceptado. Representa por tanto, el porcentaje de
piezas defectuosas que el comprador no debera aceptar.
Pgina 65
LIMITES DE TOLERANCIA Y LMITES DE ESPECIFICACIN

En el momento de analizar la capacidad de un proceso, es importante que se
d una situacin de minimizacin de los efectos de los factores esencialmente
ajenos a los estudios. Tales factores pueden ser variaciones no naturales de
material, ajuste y deterioro del proceso, etc. Una ves observadas estas
condiciones idneas, se puede realizar un estudio de capacidad reuniendo los
datos necesarios relativos a la caracterstica de calidad en anlisis para al
menos 50 observaciones y calculando la media de X y la desviacin estndar S
de dichos datos. El intervalo de tolerancia natural (estimado) ser la media de
X 3S, siendo sus extremos los limites de tolerancia natural. Este intervalo de
variacin natural de la caracterstica de calidad indica entre otras cosas que la
fraccin de la produccin que caiga fuera de l ser considerada como
defectuosa. Esto constituye una forma alternativa de expresar la aptitud o
capacidad de un proceso cono un porcentaje fuera de las especificaciones.
3.1.3 LMITE DE CALIDAD PROMEDIO DE SALIDA
(CMS) Cuando se aplica el muestreo rectificante, es decir, cuando los lotes
rechazados son inspeccionados al 100% y las piezas defectuosas son
sustituidas por otras sin defectos, se llama Calidad Media de Salida (CMS) a la
calidad que se obtiene al considerar conjuntamente los lotes aceptados (que
pueden contener piezas defectuosas) y los lotes rechazados (que salvo error
de los inspectores no poseen piezas defectuosas). Es, por tanto, la calidad
media en el almacn despus de aplicarse el muestreo rectificante.
Con los lotes aceptados se pueden introducir piezas defectuosas en el
almacn del comprador. En concreto, por cada lote aceptado entrar p. (N-n)
piezas defectuosas lo que ocurre con una probabilidad Pa que es la de aceptar
lotes. Con los lotes rechazados entrar 0 piezas defectuosas, y esto ocurre con
una probabilidad de 1 Pa que es, precisamente la probabilidad de rechazar
un lote.
En consecuencia, el nmero mnimo de piezas defectuosas por lotes recibidos
es Pa.p.(N-n) + (1- Pa). 0 y, consecuentemente, la proporcin media de piezas
defectuosas en el almacn sern:
Es decir:
Dado un plan de muestreo, conocida la curva caracterstica, si p tambin es
conocida, se puede calcular Pa y determinar la CMS.
LIMITE DE LA CALIDAD MEDIA DE SALIDA LCMS Como hemos visto, si p
es conocida, es posible calcular la CMS. Sin embargo, p no es conocida, pues
si lo fuera, no sera necesario muestrear para decidir si se acepta o rechaza el
lote. Afortunadamente es posible calcular el mximo de p.Pa y, por tanto, el de
Pgina 66
la CMS. Al valor mximo de la CMS se le denomina Lmite de la Calidad Media

de Salida (LCMS) y representa el mximo valor de la calidad media de salida
que a largo plazo se puede obtener en el almacn del comprador cuando el
muestreo es rectificante.
EL LMITE DEL PROMEDIO DE LA CALIDAD FINAL (LPCF) Se puede definir
como: La mxima calidad esperada de la calidad final sobre todos los niveles
posibles de calidad de recibo, siguiendo el uso de un plan de muestreo de
aceptacin para un valor dado de la calidad del producto recibido.
Las tablas que usan LPCF como ndice estn orientadas a asegurar que el
promedio a largo plazo de la calidad aceptada no ser peor que el valor LPCF;
supone la separacin y reemplazo de unidades mal conformadas en los lotes
que no se aceptaron. Este es el ndice bsico para planes de muestreo
contino.
PROMEDIO DE CALIDAD FINAL (PCF) Se define como: El valor esperado de
la calidad del producto final despus del uso de un plan de muestreo de
aceptacin para un valor dado de calidad del producto recibido.
Todo plan de muestreo que de proteccin en una de las dos formas anteriores,
tambin proporcionara cierto grado de proteccin en la otra. Adems, cada una
de estas dos formas de tablas de muestreo, ofrece beneficios en sus
aplicaciones particulares. No se puede asegurar que una tabla sea mejor que
la otra.
Cuando la recepcin de los lotes individuales de material por una planta, no se
hace en forma frecuente, las tablas mas apropiadas sern las de proteccin por
calidad del lote. Cuando se estn inspeccionando gran nmero de lotes y el
promedio de la calidad del material que se pasa a los talleres sea el factor
principal, entonces la proteccin por el promedio de la calidad final ser la
indicada.
Cada uno de estos dos tipos de tablas se discuten a continuacin.
Tablas de calidad del lote
Cuando se requiere una tabla que proporcione proteccin por la calidad del
lote, las dos de mayor uso de que se dispone son:
1. Tablas del porcentaje de defectuosos tolerables en el lote (NCL), 2. Tablas de
nivel de calidad aceptable (NCA).
Pgina 67
TABLAS NCL
Se presentan las curvas CO para cuatro condiciones de aceptacin. Estas
curvas se asemejan solo en una condicin: todas pasan por el punto en que la
probabilidad de aceptacin en el eje vertical es de 10%, y el NCL sobre el eje
horizontal, es de 4%. La significacin de esta tabla de muestreo en particular,
se puede expresar en forma sencilla como sigue: bajo estas condiciones de
aceptabilidad, el consumidor estar seguro de que el 90% de los lotes que
contengan un 4% de defectuosos ser rechazado. Luego para este plan en
particular, la tolerancia de defectuosos en cl lote es de 4%, con un riesgo para
el consumidor del 10%. TABLAS NCA
Se presentan las curvas CO para otras cuatro condiciones de aceptabilidad.
Estas curvas se asemejan en una condicin: todas pasan por un punto cuya
probabilidad de aceptacin sobre el eje vertical, es de 90% y el nivel de calidad
aceptable lmite sobre el eje horizontal, es de 4%. La significacin de la
construccin de esta tabla de muestreo en particular, es la siguiente: bajo estas
condiciones de aceptacin, los lotes que contengan el 4% de defectos estarn
seguros de ser aceptados el 90% de las veces.
Existe un 10% de riesgo del productor de que los lotes que coinciden con este
nivel de calidad le sean rechazados. Por tanto, para este plan en particular, el
nivel aceptable de calidad es del 4%, con un 10% o como riesgo para el
productor. Para estas curvas CO, tanto cuando cl NCL y el riesgo del productor
(a) y tambin el NCL y el riesgo del consumidor (p) estn especificados, el plan
de muestreo esta completamente determinado cuando se toman muestras de
tamao n. La necesidad de que n sea un entero requiere de la decisin de
indexar o no el plan para mantener el riesgo (a) del plan o el riesgo (p). Para
muestras dobles o mltiples (n1 , n2 -,,), la relacin entre estas muestras debe
identificarse.
PROTECCION POR EL PROMEDIO DE LA CALIDAD FINAL Cuando se
requiera una proteccin por el promedio de la calidad final (PCF), las tablas por
el lmite del promedio de la calidad final (LPCF) sern las que deban
emplearse. Estas tablas aseguran a un fabricante que el porcentaje defectuoso
promedio de la calidad final, deber ser igual o menor que un determinado
nivel, pero para esto, se requiere que los lotes que sean rechazados bajo este
plan, se inspeccionen 100% y que las unidades defectuosas contenidas en
estos lotes, sean sustituidas o reparadas. La condicin del 4% de defectuosos
tolerables en el lote, con n = 60 y c = 0, servir para explicar la forma del plan
de muestreo por LPCF. Los lotes que contuvieran el 1% de mal conformados se
Pgina 68
aceptaran el 56% de las veces. Por tanto, el 44% de los lotes se debern de
inspeccionar 100%, y las unidades mal conformadas que se encuentren sern
sustituidas o reparadas. El promedio de la calidad despus de esta inspeccin,
o PCF, para estos lotes, ser de 44% x 0% + 56% x 1% =0.56%. Si se
sometieran a inspeccin lotes que contengan el 1.5% de mal conformados se
ve que el 43% ser aceptado y el 57% de los lotes ser rechazado, para una
inspeccin 100%; eliminando todos los mal conformados el nuevo PCF ser de
43% >s16 < s16 1.5%,s16 o sea 0.645%. Para lotes presentados con 2% mal
conformados el PCF resulta de 0.64%. Este valor del PCF va siendo
progresivamente mas pequeo para lotes con 2.5% de mal conformados, 3%
de mal conformados, etctera.
3.1.4 NMERO ESPERADO DE PIEZAS INSPECCIONADAS
NIVEL DE INSPECCION Este concepto hace referencia al tamao de la
muestra en relacin con el tamao del lote. Existen tres niveles de inspeccin
para usos generales denominados I, II y III. A menos que se indique lo contrario
se empleara siempre el nivel II. Con el fin de tener una idea del tamao relativo
de las muestras segn el nivel, se acepta que, aproximadamente si el nivel II es
1, el nivel I es 0.4 y el nivel III es 1.5. Cuando sea necesario utilizar tamaos de
muestras muy pequeos sean admisibles riesgos elevados se pueden utilizar
los niveles especiales S-1, S-2, S-3, S-4.
Hasta ahora se ha supuesto implcitamente que los procedimientos de
inspeccin estn libres de error. Sin embargo muchas tareas de inspeccin no
lo estn, y aunque lo errores que se producen en las operaciones de
inspeccin son involuntarios, pueden distorsionar las
mediciones
del
funcionamiento de cualquier plan de muestreo de aceptacin en cuyo diseo
se ha ignorado su existencia. Es comn encontrar tasas de errores de
inspeccin de 25 a 30% en actividades de inspeccin compleja
Adems de los planes de inspeccin sencillos, dobles o mltiples, existen 3
tipos de niveles de inspeccin, estos son el normal, el riguroso y el reducido.
Toda inspeccin inicia como normal y dependiendo del comportamiento del
material a inspeccionar, la cantidad a seleccionar aumenta o se reduce. Para
esto se consideran los siguientes criterios:
inicia como normal, esto se mantiene hasta que los siguientes procedimientos
de modificacin exijan un cambio:
Nivel de inspeccin Normal: Toda inspeccin se da cuando 2 de 5 lotes
consecutivos han sido rechazados.
Pgina 69
De normal a rigurosa: Este cambio de nivel cuando 5 lotes consecutivos se

aceptan dentro de la inspeccin original.
De rigurosa a normal: Este cambio se da cuando 1 lote resulta rechazado.
De normal a reducida: Este cambio se da Formacin de lotes y seleccin de la
muestra Los lotes deben de ser homogneos.
Todo producto que figure en un lote deber producirse por la misma maquina,
el mismo operador, el mismo material de entrada y las mismas condiciones de
operaciones durante la fabricacin del lote. La seleccin de las muestras que
se vayan a emplear en la inspeccin deber ser representativa de todo el lote.
Nuestro plan de muestreo busca que cada una de las unidades del lote tenga la
misma posibilidad de ser escogida para ser inspeccionada. Los NCA de las
latas El NCA (tambin conocido como AQL, que es lo mismo pero en ingles) es
fijado tomando en cuenta algunos aspectos estadsticos como las curvas de
caractersticas de operacin (CO) y curvas de cantidad media de la muestra
(CMM), la ayuda de esta curva es evitar el conflicto entre el cliente y el
fabricante, ya que este siempre desea la aceptacin de todos los lotes
aceptables y el consumidor desea el rechazo de todos los lotes inaceptables.
Nuestro plan de muestreo ha fijado un AQL de (se define en un convenio
cliente proveedor) para defectos crticos, (se define en un convenio cliente
proveedor) para defectos mayores y (se define en un convenio cliente
proveedor) para defectos menores. En el anexo 2, encontraras la clasificacin
de estos defectos. Recuerda que los crticos anulan la funcionalidad de los
productos, los mayores ponen en riesgo su funcionalidad y los menores por lo
general afectan solo a la apariencia. Nmero esperado piezas inspeccionadas
La carta de control que propone Quesenberry, es la de Shewhart, basada en
una muestra de observaciones de una distribucin Geomtrica, 1 2 , ,, n x x x
. Una de ellas monitoriza directamente el nmero de unidades inspeccionadas
hasta encontrar una unidad no conforme ( i x ) y utiliza a la distribucin
Geomtrica exacta para la definicin de los lmites inferior (LI) y superior (LS)
de control. Estos lmites son:
LS=1+ln (LI=1+ln (1Ln (1-Po)
ln (1-Po)
, es la probabilidad de falsa alarma aceptadaDonde (probabilidad de
decidir que ha ocurrido una salida de control, cuando en y Srealidad el
proceso sigue en condiciones normales). Estos valores de I representan
Pgina 70
respectivamente las probabilidades dar una seal de falsa alarma por

exceder los lmites Inferior o Superior, las cuales, an cuando generalmente se
las define iguales, se supone que podran ser distintas:
P0)P0 LI / P P(X
LSP (X P0)P0) / P
3.2 PLAN DE MUESTREO DE ACEPTACIN POR ATRIBUTOS

El plan de muestreo por atributos (n,c) consiste en inspeccionar muestras
aleatorias de n unidades tomadas de lotes de tamao N, y observar el nmero
de artculos disconformes o defectuosos d en las muestras. Si el nmero de
artculos defectuosos d es menor que o igual a c, se aceptara el lote, si el
nmero de dichos artculos defectuosos d es mayor que c se rechazara el lote.
En estos planes se extrae aleatoriamente una muestra de un lote, y cada pieza
de la muestra es clasificada de acuerdo con ciertos atributos como aceptable o
defectuosa. Si el numero de piezas defectuosas es menor o igual que un cierto
numero predefinido, entonces el lote es aceptado, en caso de que sea mayor el
lotes es rechazado. Y este a su vez se divide en: sencillo, doble y multiple. El
objetivo del muestreo de aceptacin es determinar si un conjunto de productos
satisface los requerimientos de calidad o no, a partir de la inspeccin de slo
una parte del conjunto. En el lenguaje de control de la calidad, el conjunto de
productos recibe el nombre de lote, y la parte del conjunto que fue
inspeccionada recibe el nombre de muestra. Debemos especificar un criterio
para aceptar el lote basado en los resultados de la inspeccin. Evidentemente,
este criterio tendr que ver con el nmero de productos defectuosos que
encontremos en la muestra; si ste es alto, el lote ser rechazado. Si el lote es
aceptado, ser enviado a produccin para su uso, o a los clientes, en caso de
tratarse de productos terminados. En caso de rechazar el lote, debern
tomarse las medidas correctivas, ya sea la devolucin del pedido al proveedor,
o su reproceso para la correccin de fallas. Al decidir si usamos o no un
muestreo de aceptacin, debemos considerar algunos factores, ya que si bien
es menos costoso que una inspeccin al 100%, existe un costo del
procedimiento. Algunos de los factores por considerar sern el nivel de
confianza en los proveedores, el costo en que se incurre al aceptar productos
defectuosos, y el riesgo del muestreo. Respecto de este ltimo punto, es
necesario aclarar que en el muestreo de aceptacin existe siempre un riesgo
Pgina 71
debido a la naturaleza estadstica del proceso de toma de decisiones. En

general, existen dos tipos de errores con probabilidad de ocurrir.
El primero es llamado error tipo I, y ocurre cuando rechazamos un lote que
cumple con las especificaciones de calidad; el segundo es llamado error tipo II,
y ocurre cuando aceptamos un lote que no cumple con las especificaciones de
calidad. Afortunadamente, es posible controlar la probabilidad de ocurrencia de
estos errores, de manera que puedan mantenerse bajas; la clave para reducir
la probabilidad de ocurrencia de estos errores es el tamao de la muestra (es
decir, el nmero de productos inspeccionados en la muestra), tal como
veremos ms adelante. Por esta razn, se sabe tambin que el muestreo de
aceptacin es ms eficiente cuando el lote es grande.
3.2.1 ACEPTACIN DE LOTES CON NIVEL ACEPTABLE DE CALIDAD
Aceptacin de lotes o producciones unitarias (aceptacin o rechazo): La
aceptacin de un lote o produccin unitaria quedar determinada con el empleo
de un plan o planes de muestreo asociados con los valores designados para el
AQL o los diferentes AQLs. Importancia del muestreo para fines de aceptacin
La inspeccin con fines de aceptacin se lleva a cabo en muchos momentos
durante la fabricacin. Puede haber inspeccin recepcin de materiales y
piezas, inspeccin en curso de fabricacin, inspeccin de producto acabado
por el propio fabricante y, por ltimo, inspeccin del producto acabado por uno
o ms compradores.
Gran parte de esta inspeccin de aceptacin se basa necesariamente en el
muestreo. Todas las pruebas de aceptacin del artculo que sean destructivas
deben inevitablemente hacerse por muestreo. En muchos otros casos se utiliza
la inspeccin de muestra, porque resulta prohibitivo el coste de inspeccin al
100%. Una ventaja importante de los sistemas modernos de aceptacin por
muestreo, es que ejercen una presin ms efectiva para la mejora de la calidad
que la que es imposible con una inspeccin al 100%.
Presin ejercida para mejora de la calidad por el rechazo de lotes enteros.
La inspeccin, en el sentido de separar el producto bueno del malo, no puede
aceptarse con seguridad plena de que solo separa producto bueno. El
cansancio provocado por las operaciones repetidas de inspeccin, limitan con
frecuencia la eficacia del control unitario. Es evidente que ningn procedimiento
de muestreo puede eliminar todo lo defectuoso. Se deduzca pues que la mejor
forma para estar seguro que el producto es bueno es, en primer lugar, hacerlo
bien.
Pgina 72
Cuando un fabricante no hace en primer lugar el producto correcto y, en efecto,

confa en que el consumidor paga la inspeccin de separacin, sucede con
frecuencia que se pueden obtener mejoras de calidad sorprendentes, gracias al
rechazo total de lotes enteros del producto, basndose en el numero de
unidades defectuosas encontradas en las muestras. El rechazo de lotes
enteros hace que se ejerza mucha mas presin para mejorar la calidad que el
rechazo de artculos sueltos.
Aceptacin lote por lote utilizando un muestreo simple por atributos.

En la inspeccin de aceptacin un artculo defectuoso es el que no es conforme
a las especificaciones en una o ms caractersticas de calidad. Un
procedimiento corriente en la aceptacin por muestreo es considerar por
separado cada lote de producto sometido y basar la decisin, sobre la
aceptacin a rechazo de lote, en la evidencia de una o mas muestra escogidas
al azar del lote. Cuando la decisin se hace siempre por evidencia de solo una
muestra, el plan de aceptacin se describe como muestreo simple.
Cualquier plan sistemtico de muestreo simple requiere que se especifiquen
tres nmeros. El primero es el numero N de artculos en el lote del que debe
sacarse la muestra. El segundo es el nmero n de artculos en la muestra al
azar sacada del lote. Y el tercero es el numero c de aceptacin.
Este nmero de aceptacin corresponde al mximo permisible de artculos
defectuosos en la muestra. Un nmero de piezas defectuosas superior a c
causara el rechazo del lote. En los planes de muestreo desarrollados sin el
provecho del anlisis estadstico, c se especifica, con frecuencia como 0 con la
ilusin de que si la muestra es perfecta, el lote tambin lo ser.
3.2.2 Uso e Interpretacin del Militar Standard 105 E en el muestreo:
Elaborar nuevos programas de muestreo de aceptacin a medida que la
ocasin lo requiere es un cierto modo tedioso. El MIL-STD-105D conocido
internacionalmente como ABC-STD-105D es un esfuerzo que proporciona un
conjunto de programas estandarizados que se conoce tambin como proyecto
de muestreo. Se habla de esfuerzo por que fue la ultima revisin del conjunto
de programas estndar diseado poco despus de la II guerra mundial. Cada
una de las revisiones se baso en el proyecto de muestreo precedente y de los
cambios realizados fueron producto de la experiencia adquirida. El primer
conjunto de programas estandarizados se elaboro para la Armada y la Marina
Pgina 73
de los Estados Unidos y se llamo JAN-STD (1949). En 1950 lo construyo el

MIL-STD-105A, con revisiones posteriores de nominadas B y C hasta 1963,
ao en que republico el MIL-STD-105D. Uno de los objetivos de la revisin
105D fue crear un conjunto de programas estndar para usarse tanto en
Estados Unidos Como en otras naciones. Para ello se formo una comisin
internacional integrada por los Estados Unidos, Gran Bretaa y Canad. Al
conjunto final de programas estndar se incluyeron las sugerencias de otros
pases.
Elaboracin de los programas

AL ANALIZAR de muestreo simple, doble y mltiple, se observo que cada
proyecto tiene un objetivo la conversin de los deseos cualitativos de la
sugerencia de un modelo cuantitativo. Unas ves establecidas las restricciones
RP, RC, NAC, y PDTL, se elaborar un programa que opere de la manera
deseada. Cualquier cambio cuantitativo en los programas significa un cambio
en los propsitos de la gerencia. Es lgico que un grupo personas incurra en
contradicciones al tomar primero una decisin el cuento a cules son los
objetivos a lograr por medio de los programas estndar e investigar
posteriormente cul es la mejor manera de hacerlo. Si a estos se agregan los
compromisos polticos, el programa es an ms complicado. En consecuencia,
la tarea de elaborar los programas estndar para uso internacional no fue nada
fcil y el proyecto resultante es digno de admirarse.
Caractersticas de los programas estndar
UN VISTAZO a los programas de MIL-STD-105D revela algunas de las
caractersticas generales. En cada pgina, el NAC y las coordenadas
arbitrarias designadas con letras maysculas representan un programa
especfico. Adems de los programas normales se preveen las medidas
necesarias para una inspeccin rigurosa y una truncada. El clculo del NAC
presenta barios aspectos interesantes. Dado que dicho calculo se realiza con
base a una inspeccin normal, esta relacionado con un RP menor al 5%
(generalmente entre 1y 2 %). Es decir, cuando la produccin opera
correctamente, el riesgo de un rechazo errneo de una determinada cantidad
de productos debe ser chazo errneo de una determinada cantidad de
productos debe ser muy pequeo. Pero si la operacin es defectuosa, se
toman precauciones necesarias para incrementar la proteccin al consumidor.
Esto hace que aumente el riego del productor, al considerar las precauciones
Pgina 74
en que incurre a la inspeccin rigurosa. Por otra parte, si todo funciona

adecuadamente durante un periodo largo, el proyecto establece que se tomen
muestras ms pequeas con inspeccin truncada y en consecuencia, el costo
de la inspeccin es bajo. Conviene observar que el NAC puede variar desde
0.01 hasta 1000, lo cual parece un poco extrao ya que se trata de la
proporcin de unidades defectuosas, es decir, Cmo se puede relacionar una
cifra de 1000% de unidades defectuosas con antecedentes en estadsticas? El
NAC debe definirse de tal manera que la cifra sea razonable. En el MIL-STD105D, el NAC se refiere al porcentaje de unidades defectuosas, o bien, a los
defectos por cien unidades (por supuesto que cualquier unidad puede tener
mas de un defecto). Para valores comprendidos entre 0.01 y 10%, los NAC
pueden referirse a cualquiera de los dos resultados anteriores. No obstante, los
NAC para valores superiores al 10% se requieren exclusivamente por defectos
por 100 unidades (por ejemplo, la columna encabezada con el numero 40
indica 40 defectos por cada 100 unidades). Las letras maysculas que
aparecen en la columna izquierda de cada pgina de los programas de
muestreo se refieren al tamao de la muestra a tomar, que a su vez se refiere
al tamao de la muestra y en el del lote. La dependencia entre el tamao de la
muestra y el del lote puede parecer incongruente el la construccin de la curvas
CO. Es lgico que se obtuviera la misma informacin al tomar una muestra
aleatoria de 100 unidades de 10,000, que al tomar una muestra idntica de un
lote de 2000. La cantidad de informacin obtenida de una muestra dada no
esta muy relacionada con el tamao de la poblacin original si se considera
que esta ultima es mucho mas grande (al menos 10 veces al tamao de la
muestra). En consecuencia, debe haber otra razn para incrementar el tamao
de la muestra al aumentar el tamao del lote. El motivo es de carcter
econmico, debido a que los costos implicados en la aceptacin o al rechazo
de grandes cantidades de productos requieren mayor cuidado para obtener la
evidencia. Se puede escoger un programa de muestro simple, doble o mltiple,
para cada letra y NAC correspondiente al tamao del lote. Las curvas CO para
programas de muestreo simple, doble o mltiple concuerdan prcticamente
para una letra y un NAC determinado.
El plan original, el Miltary Standard 105 fue diseado en 1950. La ltima
revisin, el plan Military Standard 105E data de 1989. Existe una versin civil
de este plan militar, el plan ANSI/ASQC Z1.4, pero supone slo pequeas
modificaciones de ste. Este estndar ha sido tambin adoptado por la
International Organization for Standarization bajo la denominacin ISO 2859.
Este estndar cubre tres tipos de muestreo: simple, doble y mltiple. Para cada
tipo de muestreo existen planes especficos dependiendo del nivel de calidad
que el comprador espera del vendedor. En este tema nos ocuparemos slo de
Pgina 75
los planes simples. Para un mismo tamao de lote y un mismo nivel de calidad
aceptable (NCA o AQL o valor pA) se especifican tres planes de inspeccin:
1. Normal: para aquellos casos en los que la calidad que se espera del
proveedor es similar al NCA
2. Reducido: para aquellos casos en los que la calidad esperada sea muy alta
(p < pA). En este tipo de muestreo, el tamao muestral es inferior al plan
normal.
3. Riguroso: implica un elevado tamao muestral. Se utiliza cuando se espera
una calidad inferior a la AQL (p > pA).
Existen una serie de reglas que determinan el plan de muestreo anterior. Estas
reglas pueden resumirse en los siguientes puntos:
El plan de inspeccin normal se realizar al comienzo de la tarea de
inspeccin. Cambio de plan normal a riguroso: se pasar de inspeccin normal
a rigurosa si dos de cinco lotes consecutivos han sido rechazados. Cambio de
plan riguroso a normal: se pasar de control riguroso a normal cuando se
acepten cinco lotes consecutivos Cambio de plan normal a reducido: se pasar
de muestreo normal a reducido si no se rechaza ningn lote durante diez lotes
seguidos.
Cambio de plan reducido a normal: se pasar de muestreo reducido a normal si
un lote es rechazado. Tambin puede volverse al plan normal cuando el
nmero de defectuosos no lleva ni a aceptar ni a rechazar el lote. Si se est en
el plan de inspeccin riguroso durante ms de diez lotes, la inspeccin debe
concluir y se debe proponer el vendedor que aumente los niveles de calidad de
su produccin.
El plan MIL STD 105E vara tambin en funcin del coste del muestreo,
existiendo varios niveles segn el coste de inspeccin. Estos niveles son:
Coste de inspeccin alto: Nivel I. Coste de inspeccin estndar: Nivel II. Coste
de inspeccin bajo: Nivel III. Niveles especiales (por ejemplo, en ensayos
destructivos): Niveles S-1 a S-4
3.2.3 Simple
1. Decidir el AQL o pA.
Pgina 76
2. Determinar el nivel de inspeccin en funcin de su coste (nivel I, II, III, o

niveles especiales).
3. Con el tamao del lote y el nivel de inspeccin anterior ir a la tabla de
cdigos y encontrar el cdigo de inspeccin.
4. Determinar el plan de inspeccin (normal, riguroso (o estricto) y reducido).
5. Con el cdigo de inspeccin y el plan de inspeccin, acudir a la tabla
correspondiente: Tabla de inspeccin normal, reducida o estricta, y encontrar el
plan de muestreo.
6. Tomar la muestra y ejecutar la inspeccin. Con el resultado evaluar un
posible cambio de plan.
MIL STD 105E. Reglas para el cambio de nivel de muestreo Ejemplo tabla
militar MIL STD 105-E Supongamos que N=100 y el PDTL = pL = 0.10.
Entonces D = N pL = 100(0.10) = 10 La tabla 106 da entonces f = 0.21, que
corresponde al valor mas cercano a D= 10. El Plan de muestreo deseado es
entonces n = 0.21(100) = 21 c = 0 As, dicho plan consiste en seleccionar, al
azar 21 artculos del lote de tamao 100, y en rechazar el lote si se encuentra 1
o mas defectos. Ejemplo de tabla: 3.2.3 SIMPLE
Sencillo o Simple: Consiste en un tamao de muestra n, y un nmero de
aceptacin c, ambos fijados de antemano. El nmero de unidades que se
deben inspeccionar deber ser igual al tamao de la muestra dado por el plan.
Si el nmero de defectivos encontrados en la muestra es igual o menor que el
nmero de aceptacin, se debe considerar como ACEPTABLE EL LOTE o
PRODUCCIN UNITARIA. Si el numero de defectivos es igual o mayor que el
numero de rechazo, el LOTE O PRODUCCIN SE DEBE RECHAZAR.
Ejemplo: Muestreo sencillo Tamao de la muestra: 125 Nmero de aceptacin:
5 defectivos Nmero de rechazo: 6 defectivos
3.2.4 Doble
La idea de este muestreo es tomar una primera muestra de tamao pequeo
para detectar los lotes muy buenos o lo muy malos, y si en la primera muestra
no se puede decidir si aceptar o rechazar porque la cantidad de unidades
defectuosas ni es muy pequea ni es muy grande, entonces se toma una
segunda muestra, para decidir si aceptar o rechazar tomando en cuenta las
uniades defectuosas encontradas en las dos muestras.
Pgina 77
o El numero de unidades de la muestra que se inspecciona debe ser igual al

primer tamao de muestra dado por el plan. o Cuando el numero de defectivos
que se encuentran en la primera muestra sea igual o menor que el primer
numero de aceptacin, se considerara aceptable el lote o la produccin
unitaria. o Si el numero de defectivos en la primera muestra es igual o mayor
que el primer numero de rechazo, se debe de rechazar el lote o la produccin.
o Si el nmero de defectivos en la primera muestra queda entre los primeros
nmeros de aceptacin y de rechazo se toma UNA SEGUNDA MUESTRA, del
tamao dado por el plan y se inspecciona; el nmero de la primera y la
segunda muestra se suman; si la suma es igual o menor que el segundo
numero de aceptacin , se ACEPTA EL LOTE o PRODUCCIN. Si la suma de
defectivos es mayor o igual que el segundo numero de rechazo , el LOTE O
PRODUCCIN SE RECHAZA.
Ejemplo de plan de muestreo Doble Primera muestra: 125 Nmero de
aceptacin: 1 defectivo Nmero de rechazo: 4 defectivos Segundo tamao
de muestra: 125 Tamao de muestra combinada: 250 Nmero de
aceptacin: 4 defectivos Nmero de rechazo: 5 defectivos
3.2.5 Mltiple
En una inspeccin de muestreo mltiple, el procedimiento debe de ser, similar
al descrito en el muestreo doble a excepcin de que el nmero requerido de
muestras sucesivas para llegar a una decisin, debe ser mayor de dos.
Un plan de muestreo mltiple es una extensin del concepto de muestreo
doble a varias fases en el que pueden necesitarse mas de dos muestras para
llegar a una decisin acerca de la suerte del lote. Los tamaos maestrales
suelen ser menores que en un muestreo simple o doble.
Se usa el mismo principio que en muestreo doble excepto que pueden
necesitarse ms de dos muestras Una forma particular de muestreo mltiple es
conocida como muestreo secuencial.
3.3 Plan de Muestreo de Aceptacin por Variables:
En este tipo de planes se toma una muestra aleatoria del lote y a cada unidad
de la muestra se le mide una caracterstica de calidad aleatoria del lote (peso,
longitud, etc.). Con las mediciones se calcula un estadstico, que generalmente
est en funcin de la media y la desviacin estndar muestral, y dependiendo
del valor de este estadstico al compararlo con un valor permisible, se aceptar
Pgina 78
o rechazar todo el lote. Muestreo de aceptacin por variable. En los planes de

muestreo de aceptacin por variables se especifican el nmero de artculos que
hay que muestrear y el criterio para juzgar los lotes cuando se obtienen datos
de las mediciones respecto a la caracterstica de calidad que interesa. Estos
planes se basan generalmente en la media y desviacin estndar mustrales
de la caracterstica de calidad. Cuando se conoce la distribucin de la
caracterstica en el lote o el proceso, es posible disear planes de muestreo por
variables que tengan riesgos especificados de aceptar y de rechazar lotes de
una calidad dada.
Ventajas: Se puede obtener de la misma curva caracterstica de operacin con
un tamao muestral menor que lo requerido por un plan de muestreo por
atributos. Cuando se utilizan pruebas destructivas, el muestreo por variables es
particularmente til para reducir los costos de inspeccin. Los datos de
mediciones proporcionan normalmente mas informacin sobre el proceso de
manufactura o el lote que los datos de atributos. Desventajas: Se debe de
conocer la distribucin de la caracterstica de calidad. Se debe de usar un plan
para cada caracterstica de calidad que hay que inspeccionar. Es posible que el
uso de un plan de muestreo por variable lleve al rechazo de un lote aunque la
muestra que se inspecciona realmente no tenga ningn articulo defectuoso. En
el muestreo de aceptacin por variable, inspeccionamos los productos de
acuerdo con una medida cuantitativa de la calidad (por ejemplo: peso, longitud,
resistencia a la presin, etc.). En el caso de las caractersticas que se miden en
una escala continua, debemos tener en cuenta que nunca se pueden lograr
estndares exactos, porque siempre hay una pequea variabilidad entre los
productos. Por ejemplo, si un saco de arroz especifica un peso de 50 kg., lo
normal es que recibamos sacos con pesos cercanos a los 50 kg., pero nunca
con precisin matemtica la especificacin indicada.
En general, el control de la calidad por variables requiere de la especificacin
de un valor promedio de la variable o caracterstica, y de una medida del grado
de variabilidad de la variable; al respecto, la medida de variabilidad adoptada
universalmente es la desviacin estndar. Si la calidad de un producto
especifica que la variable de calidad tiene una media y una desviacin
estndar S, esto significa que aproximadamente en el 68% de los productos la
variable de calidad tiene un valor que est entre fiS y + S. Un plan de
muestreo de aceptacin por variable debe especificar el tamao de la muestra,
al cual llamamos n, y el rango de aceptacin para el promedio de la muestra.
La determinacin de n y del rango de aceptacin en un plan de muestreo por
variable se hace de acuerdo con el riesgo que estamos dispuestos a correr de
Pgina 79
cometer los errores tipo I y tipo II. Supongamos que de acuerdo con nuestro
costo de inspeccin, hemos determinado que n = 10 es un tamao de muestra
apropiado. Con el fin de determinar el rango de aceptacin para el promedio de
la muestra, debemos fijar la probabilidad de cometer el error tipo I (rechazar un
lote que cumple las especificaciones). En este caso, fijaremos la probabilidad
de error tipo I en 0.05. Para determinar el rango de aceptacin debemos tener
en cuenta que la variable:
Z = (x ) / [S / n]
Tiene una distribucin de probabilidades conocida con el nombre de
distribucin normal estndar. Las probabilidades de la distribucin normal
estndar estn tabuladas en los textos de estadstica. En particular, en estas
tablas se puede ver que la probabilidad de que Z tome un valor menor de 1.645
es igual a la probabilidad de error tipo I de 0.05 que hemos fijado. Luego, si el
lote cumple con las especificaciones de calidad, es decir n = 50 y S = 1, la
probabilidad de que la media de la muestra sea menor de:
- 1.645 (S n) = 50 - 1.645 (1 / 10) = 49.48
Es de 0.05. Es decir; si nuestro criterio de rechazo es que la media de los
pesos de la muestra de 10 sacos es menor de 49.48 kg., tendremos una
probabilidad de 0.05 de cometer el error tipo I, como lo queramos. De esta
forma, hemos determinado nuestro rango de aceptacin, aceptamos el lote de
100 sacos si en una muestra de 10 sacos encontramos un peso promedio de
49.48 kg. o ms. Si queremos determinar un tamao de muestra adecuado,
debemos tener en cuenta las probabilidades de cometer el error tipo II. Al igual
que en el muestreo por atributo, al aumentar el tamao de la muestra, se
disminuye la probabilidad de cometer el error tipo II, una vez que se ha fijado el
riesgo de cometer el error tipo I.
3.3.1 Aceptacin de lotes con Nivel Aceptable de Calidad
Existen dos tipos generales de procedimientos de muestreo por variables;
planes que controlan la fraccin defectuosa del lote o el proceso, y planes que
controlan un parmetro (normalmente la media) del lote o el proceso.
Procedimiento 1 Se obtiene una muestra aleatoria de n artculos del lote y se
calcula la estadstica. Observemos que en (111) ZLIE expresa exactamente la
distancia entre la media maestral x y el lmite inferior de especificacin en
unidades de desviacin estndar. Cuando mas grande sean los valores de
ZLIE, tanto mas lejos se encuentra la media muestral x respecto del limite
Pgina 80
inferior de especificacin y, por consiguiente, tanto mas pequea es la fraccin

defectuosa p del lote.
Si ZLIE>= k, se aceptar el lote. Si ZLIE < k, se rechazar el lote.
Procedimiento 2 Se obtiene una muestra aleatoria de n artculos del lote y se
calcula ZLIE. Para estimar la fraccin defectuosa del lote o el proceso se utiliza
ZLIE como el rea bajo la curva normal estndar a la izquierda de ZLIE.
Sea p el estimador. Si el valor del estimador p es mayor que un mximo
especificado M, se rechazar el lote de otra manera se aceptar.
Muestreo para Aceptacin que busca responder a la cuestin cuanto a la
calidad de los artculos que se adquiere en base a la inspeccin de una
muestra aleatoria de tems del lote del producto terminado conduce
necesariamente a una decisin, aceptar o rechazar el lote. Sabemos por
anticipacin que cualquier decisin involucra riegos (Tomar la decisin correcta
o equivocada) y que por regla general cuanto ms informacin tenemos sobre
el problema, menores son los riesgos de tomar la decisin equivocada.
En el caso denominase Riesgo de Productor la probabilidad de que el lote sea
RECHAZADO cuando en VERDAD el lote presenta la calidad deseada y
Riesgo del Consumidor es la probabilidad que este sea ACEPTADO cuando no
presenta la calidad deseada. La elaboracin de Planes de Muestreo para
Aceptacin toma en cuenta todos estos factores y una vez establecido se
pueden representar los riegos del productor y del consumidor a travs de
puntos sobre una curva denominada Curva Caracterstica de Operacin CCO del Plan de Muestreo. La CCO es construida calculndose la
probabilidad del Riesgo del Productor tomando en cuenta la supuesta Calidad
del Lote. Esta probabilidad estar dada por el modelo de probabilidad que
mejor describe la variacin que introducimos en el proceso al juzgar la
poblacin con base al examen de una muestra tomada de ella. El
establecimiento de Tablas de Control as como de Planes de Muestro para
Aceptacin requieren de significativo conocimiento de Mtodos Estadsticos
que trascienden los objetivos de este texto. Sin embargo, con alguna
superficialidad es posible ilustrar a travs de un Plan de Muestreo para
Ilustracin: Suponga que estamos inspeccionado lotes de piezas con el
siguiente procedimiento:
Examinamos una muestra de n=16 tems de cada lote de un producto
terminado; Aceptamos cualquier lote como satisfactorio si en la muestra no
Pgina 81
encontramos ms que 4 defectuosos. As n= 16, donde n es tamao de la

muestra o nmero de ensayos y la cantidad mxima de tems defectuosos en la
muestra c que nos lleva a aceptarlo es c= 4.
Para examinar con algn detalle el funcionamiento de este Plan de Muestreo
es necesario construir su Curva Caracterstica de Operacin - CCO y para tal
debemos determinar la probabilidad de rechazarlo haciendo suposiciones
sobre el porcentaje de defectuosos en el lote. En este caso el modelo de
probabilidad involucrado es conocido por Distribucin Binomial de
Probabilidades. Si genricamente definimos X = nmero de tems defectuosos
en la muestra es posible determinar la probabilidad deseada,
P(X<=4) = P(X=0) + P(X=1) + P(X=2) + P(X=3) +P(X=4) a travs de:
x x n - x P(X = x) = Cn p (1 - p)
Donde p = Calidad supuesta del Lote o probabilidad de tems defectuosos.
Entonces:
PROCEDIMIENTO. Se considera un lote. Se toma una muestra y se testea.
Segn el resultado se acepta el lote o se rechaza el lote.
NOTACION: N: tamao de la muestra C: numero de aceptacin X: numero de
unidades defectuosas en la muestra.
CRITERIOS. Si x <=c, se acepta el lote. Si x >c, se rechzale lote. Se puede
tomar una segunda muestra.
3.3.2 Uso e Interpretacin del Militar Standard 414
MIL STD 414 (ANSI/ASQC Z1.9) Es un plan de muestreo para aceptacin por
variables, se introdujo en 1957, su punto focal es el nivel de calidad aceptable,
que varia de 0.04 a 15%. Existen cinco niveles de inspeccin, donde el nivel IV
se considera normal. Utiliza letras cdigos para los tamaos de muestra, los
tamaos mustrales son una funcin del tamao del lote y del nivel de
inspeccin. En esta norma se pueden emplear dos procedimientos: para el
caso de limites unilaterales se aplica el procedimiento 1 o 2. Si hay limites
bilaterales, se utiliza el procedimiento 2. Esta norma se divide en cuatro
secciones: Seccin A.- es una descripcin general de los planes de muestreo,
incluyendo ediciones, letras cdigo para el tamao de la muestra, y curvas CO
para varios planes de muestreo. Seccin B.- ofrece planes de muestreo por
variables que se basan en la desviacin estndar de la muestra, para el caso
Pgina 82
en el cual se desconoce la variabilidad del lote o del proceso. Seccin C.presenta planes de muestreo por variables que se basan en el mtodo de la
amplitud muestral. Seccin D.- proporciona planes de muestreo por variables
para el caso en el que se conoce la desviacin estndar del proceso. La MIL
STD 414 proporciona informacin para un cambio a la inspeccin estricta o a la
reducida, cuando ella se justifica. Se usa la media del proceso como base para
determinar cuando se realizara dicho cambio. Como media del proceso se
toma el promedio de las estimaciones mustrales del porcentaje defectuoso,
calculadas a partir de los lotes sometidos a la inspeccin original. Normalmente
la media del proceso se calcula a partir de la informacin de los 10 lotes
anteriores. Debe implantarse la inspeccin estricta siempre que la media del
proceso exceda al NCA, y cierto numero de los lotes (mayor a un valor T en los
que se basa la media del proceso tenga estimaciones del porcentaje
defectuoso mayores que el NCA.La tabla 11.6 presenta los valores de T. Se
utiliza la inspeccin reducida cuando: 1.- los 10 lotes anteriores han estado
bajo la inspeccin normal y no se ha rechazado ninguno.
2.- el porcentaje defectuoso estimado para cada uno de dichos lotes es menor
que un limite inferior especificado, para el cual se proporciona una tabla
especial, o en ciertos planes, cuando el porcentaje defectuoso estimado es
igual a cero para un numero especificado de lotes consecutivos.
3.- La produccin es estable. Es necesario estimar la fraccin defectuosa
cuando se aplica el procedimiento 2 de la MIL STD 414. Tambin se requiere
implementar las reglas de cambio entre la inspeccin normal, la estricta y la
reducida. En la norma se proporcionan tres tablas para estimar la fraccin
defectuosa. La seleccin de la tabla adecuada depende de que se suponga
conocida la desviacin estndar, se estime la desviacin estndar mediante la
desviacin estndar muestral, o se use la amplitud de los datos mustrales.
Estas tablas se denominan a veces Lieberman- Resnikoff (tabla 11.7), se
emplean para estimar la fraccin defectuosa correspondiente a ZLIE y ZESE
cuando se desconoce la variabilidad del proceso, y se estima mediante la
desviacin estndar muestral. Los nmeros en la tabla son las probabilidades
de que la variable normal sea menor que o igual a Z. Estas tablas no solo son
tiles para el muestro por variables, sino tambin para cualquier situacin
problemtica en la que se necesita una estimacin de los percentiles de una
distribucin normal con una media y una desviacin estndar desconocidas.
Cuando se empieza a utilizar la MIL STD 414, puede elegirse entre los
procedimientos de la desviacin estndar conocida y la desviacin estndar
desconocida. Cuando no se tiene alguna base para conocer Sigma, debe
utilizarse obviamente el plan de la desviacin estndar desconocida. Sin
Pgina 83
embargo, es conveniente llevar una grafica de R o de S para los resultados de

cada lote, con objeto de obtener una cierta informacin acerca del estado de
control estadstico de la dispersin en el proceso de manufactura. Si este
diagrama indica un control estadstico, ser posible cambiar a un plan de sigma
conocida. Tal cambio reducira el tamao muestral requerido. Incluso en un
proceso sin control perfecto, la grafica de control podra proporcionar
informacin conducente a una estimacin conservadora de sigma para su uso
en un plan de sigma conocida. Cuando se utiliza un plan de sigma conocida, es
necesario llevar un diagrama de control R o S como una verificacin continua
de la suposicin de variabilidad estable y conocida del proceso. La MIL STD
414 contiene un procedimiento especial para planes mixtos de muestreo de
aceptacin por variables y atributos. Si el lote no satisface los criterios de
aceptacin del plan por variables, se obtendr un plan de muestreo por
atributos MIL STD 105D utilizando la inspeccin estricta y el mismo NCA. Se
puede aceptar un lote por cualquiera de los planes, pero tiene que ser
rechazado por ambos mtodos por variables y por atributos. Uno y dos lmites
Es posible disear planes de muestreo para aceptacin en casos en los que se
conoce o desconoce la variabilidad del lote o el proceso, y en los que hay
lmites unilaterales o bilaterales de especificacin para caracterstica de
calidad. En el caso de los lmites unilaterales se puede aplicar el procedimiento
1 o el procedimiento 2. Si hay limites bilaterales, entonces habr que utilizar el
procedimiento 2. si se conoce y es estable la variabilidad del lote o del
proceso , los planes que corresponde a una variabilidad conocida son los mas
eficaces econmicamente . Cuando se desconoce la variabilidad del lote o del
proceso se podra usar la desviacin estndar o la amplitud de la muestra para
el plan de muestreo. el mtodo de la amplitud necesita un tamao maestral
mas grande y, por lo general , no se recomienda su uso.
Diferentes procedimientos del mil-std 414
Esta norma puede aplicarse a una especificacin con solo un lmite, S o I, o a
una especificacin con dos lmites. Los planes con sigma conocida incluidos en
la norma estn designados como de variabilidad conocida. En estos ltimos
planes era posible aplicar o bien el mtodo de la desviacin estndar o el
mtodo de amplitud para estimar la variabilidad del lote.
Se dispona de dos formas de hacer los clculos. En la forma 2 , la decisin
de aceptacin o rechazo requera el uso de una tabla auxiliar que
proporcionaba un valor estimado del porcentaje defectuoso del lote basado en
un ndice de calidad calculado a partir de cierto valor estadstico de la
Pgina 84
muestra. En la forma 1 , que era solamente para especificaciones

unilaterales, no hacia falta esa tabla auxiliar, las diferencias entre las dos
formas se aplicaban solamente al procedimiento de clculos y las dos daban
resultado idnticos en cuanto aceptacin y rechazo se refiere .
Pgina 85

Antologia de Control Estadistico de Calidad

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Antologia de Control Estadistico de Calidad

Uploaded by

Copyright:

Available Formats

CONTROL ESTADSTICO DE CALIDAD

CAPITULO I: TEORA GENERAL DE LA CALIDAD Y

Previo a la conformacin de los primeros grupos humanos organizados de

Siglo XV ---- artesanos --- maestros

1937 El trmino inspector de Control de Calidad aparece por primera vez en la

1954 Joseph M Juran visita por primera vez Japn y da su conferencia de

Los gurs de nuestros das

William Edwards Deming naci en 1900 en Wyoming, E.U., se dedic a trabajar

JOSEPH MOSES JURAN (1904-199)

Nace en Rumania en 1904 y es otra de las grandes figuras de la calidad. Se

El representante emblemtico del movimiento del Control de Calidad en Japn

PHILIP B. CROSBY (1926-2001)

Philip Crosby naci en Wheeling, Virginia el 18 de junio de 1926. Entre su

El Dr. Genichi Taguchi naci en Japn en 1924, gradundose en la Escuela

Naci en Japn en 1909, Shigeo Shingo tal vez no es tan conocido en

CONCEPTOS E IMPORTANCIA DE LA CALIDAD

La funcin del control de calidad existe primordialmente como una organizacin

El Control de la Calidad se posesiona como una estrategia para asegurar el

Que es un costo de calidad? No hay visin uniforme de lo que es costo de

Alrededor del 95% de los costos de calidad se desembolsan para cuantificar la

Partidas Contables. Esta tcnica utiliza la lista de cuentas o el libro mayor de

2. La identificacin de todos los costos asociados con la funcin de calidad

CADENA CLIENTE PROVEEDOR

Se define como la relacin entre los individuos o grupos de individuos que

RECOLECCION DE DATOS. Los datos estadsticos se clasifican en:

Aclarar el propsito de la obtencin de datos:

La Hoja de Control u hoja de recogida de datos, tambin llamada de Registro,

Estas hojas de recopilacin tienen muchas funciones, pero la principal es hacer

El Diagrama de Pareto es una grfica en donde se organizan diversas

menor parte de la riqueza. Con esto estableci la llamada Ley de Pareto

Cuando existe la necesidad de llamar la atencin a los problema o

Al identificar oportunidades para mejorar

Al analizar las diferentes agrupaciones de datos (ej: por producto, por

Al buscar las causas principales de los problemas y establecer la

Al evaluar los resultados de los cambos efectuados a un proceso (antes

Cuando los datos puedan clasificarse en categoras

Cuando el rango de cada categora es importante

Pareto es una herramienta de anlisis de datos ampliamente utilizada y es por

Para analizar las causas

Para estudiar los resultado

Para planear una mejora continua

Las Grficas de Pareto son especialmente valiosas como fotos de antes y

9. trazar la escala del eje vertical derecho para el porcentaje acumulativo,

DIAGRAMA CAUSA EFECTO

El diagrama causa-efecto es una forma de organizar y representar las

Qu Materias Primas producen fluctuacin o dispersin en los valores de la

Grfica que nos permite visualizar la tendencia central, la dispersin y la forma

Es un mtodo consistente en clasificar los datos disponibles por grupos con

HABILIDAD Y CAPACIDAD DEL PROCESO

CONCEPTO, OBJETIVO E IMPORTANCIA DEL ANLISIS DE

Los medios seleccionados para la manufactura de una pieza son un factor

Una necesidad frecuente en muchos procesos es evaluar la variabilidad y

Entre los estudios de capacidad de proceso los ms significativos son:

Ayudan a enfatizar la necesidad de mejoras para reducir la variabilidad

Para poder entender ste concepto se deben considerar dos elementos

2) CONDICIONES DEL PROCESO.- un estudio sobre la capacidad del

cierta especificacin inferior (EI) y superior (ES), entonces una medida de la

Los anlisis de capacidad de mquinas y procesos permiten establecer

Tomando como base este patrn de comportamiento es posible anticipar que

Una de las caractersticas en las fabricaciones modernas, es que no es posible

3) Variaciones entre las piezas producidas en diferentes periodos, como

TAMAO Y FRECUENCIA DE MUESTREO

2) MTODO DEL PERIODO