Control de Calidad
Teoría y aplicaciones

Bertrand L. Hansen
Prabhakar M. Ghare

Control de Calidad
Teoría y aplicaciones

Título original: «Quality Control and Application»

© 1987 Prentice-Hall, Inc.
© 1990 Ediciones Díaz de Santos, S. A.

«No está permitida la reproducción total o parcial de este libro, ni su
tratamiento informático, ni la transmisión de ninguna forma o por cual-
quier medio, ya sea electrónico, mecánico, por fotocopia, por registro u
otros métodos, sin el permiso previo y por escrito de los titulares del
Copyright»

ISBN lengua inglesa: 0-13-745225-X
ISBN lengua española: 978-84-87189-31-9
Depósito legal: M. 41.996-1989

Edita: Díaz de Santos, S. A.
c/Juan Bravo, 3A. 28006 Madrid
Diseño de cubierta: J. Luis Tellería
Traducción: Diorki, S. A.
General Moscardó, 30. 28020 Madrid
Fotocomposición: MonoComp, S. A.
Conde de Vilches, 31. 28028 Madrid
Impresión: EDIGRAFOS, S. A.
c/Edison, B-22. Pol. Ind. San Marcos
28906 GETAFE (Madrid)

Contenido

Presentación..................................................................................................... XIII

1. EL CONTROL DE CALIDAD EN PERSPECTIVA .................... 1
Calidad de proyecto 2
Calidad de concordancia con el proyecto 3
Calidad de funcionamiento 3
Aumento del control de calidad 4
Ejemplo ilustrativo: Calidad de proyecto 5
Calidad de concordancia con el proyecto: Vigilancia del pro-
ceso 10
Calidad de concordancia con el proyecto: Muestreo de acepta-
ción 14
Calidad de funcionamiento: Fiabilidad 16
Dirección de calidad 17
Calidad y productividad 18
Sobre este libro 19
2. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN
EL CONTROL DE CALIDAD .................................................... 21
Sucesos y probabilidades 22
Leyes de probabilidad 23
Espacio, distribución y frecuencia de sucesos 26
Esperanzas matemáticas y momentos 28
Algunas distribuciones útiles para el estudio del control de cali-
dad 30

Vil

VIII CONTENIDO

Página

Jerarquía de aproximaciones 40
Funciones de probabilidad en la práctica 43
Representación gráfica de una distribución de frecuencia 46
Estimaciones y sus distribuciones 48
Prueba de hipótesis 51
Errores Tipo I y Tipo II 54
Longitud de racha de un proceso de vigilancia 58
Grados de libertad 60
Pruebas de significancia 63
Pruebas de significancia para medias de muestras: Pruebas t 66
Pruebas t para significancia de diferencias relativas a propor-
ciones 70
Pruebas para la significancia de la diferencia entre varianzas 73

3. CONTROL ESTADÍSTICO DE PROCESOS ............................ 83
Ejemplos de variabilidad de personas, máquinas y materiales 83
Inferencia estadística de la variabilidad del proceso 87
Variación a lo largo del tiempo contra variación natural del pro-
ceso 90
Forma básica de un gráfico de control 91
Uso de gráficos de control 93
Creación de un gráfico de control 96
Causas para iniciar la investigación 97
Responsabilidad por el gráfico y por las acciones de ajuste 98
Muestreo del proceso 98

4. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VA-
RIABLES DE CALIDAD .............................................................. 101
Principios básicos sobre gráficos de control 102
Uso de gráficos de control 104
Gráficos para características variables de calidad 105
Derivación de factores de gráficos de control 108
Inicio de un gráfico de control 109
Proceso no estable durante el período base 111
El gráfico de control durante el período de vigilancia 114

5. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PRO-
CESOS ........................................................................................... 121
Gráficos de control para X y s 121
Gráficos de control para medidas individuales 124
Límites de aviso 129
Promedio móvil y gráficos de sumas acumuladas (CUSUM) 131

CONTENIDO IX

Página

6. PROPIEDADES DE LOS GRÁFICOS DE CONTROL.............. 143
Características operativas de un gráfico de control 143
Cálculo de la curva OC 145
La curva OC y el tamaño del subgrupo 147
Distribución de la longitud de racha en control de calidad 149
Longitud media de racha en los gráficos X 151
Uso de los límites de aviso 154
Curva OC y longitud media de racha 158
Producción de elementos defectuosos antes de detectarse un cam-
bio en la media del proceso 158
7. GRÁFICOS DE CONTROL DE ATRIBUTOS............................ 163
Gráfico de control de porcentajes o gráfico p 164
Control de calidad de procesos de fábricas 168
Aplicación del control de atributos a las fábricas 170
Gráfico de control de defectos 177
Aplicación del control de defectos por unidad 178
Gráfico de atributos para subsanar problemas de calidad 180
Gráfico de atributos para control de funcionamiento 182
índice gráfico para control de funcionamiento 183
Sistema de clasificación de deméritos 189
Aplicaciones posibles de la clasificación de resultados 192
8. ANÁLISIS DE LA CAPACIDAD DEL PROCESO .................... 199
Determinación de la capacidad del proceso 199
Determinación de la capacidad de un proceso: Uso de observacio-
nes de la muestra 202
Método de intervalo único 206
Ajuste de la tendencia dentro del estudio 208
Especificaciones de proyecto y tolerancias 209
Capacidad del proceso y tolerancias 210
Tolerancias para subconjuntos 211
Establecimiento de tolerancias para fases intermedias de la produc-
ción 213
Interferencia y tolerancia de ajuste 214
9. INTRODUCCIÓN A LA GARANTÍA DE CALIDAD Y EL
CONTROL DE ACEPTACIÓN ................................................... 221
Objetivos del control de aceptación 221
Responsabilidades sobre garantía de calidad 222
Relaciones entre productor y receptor (dentro de la fábrica, entre
Divisiones de la firma y entre diversas firmas) 223
Falacias del método de muestreo de inspección localizada 224
Prueba de hipótesis en control de aceptación 226

X CONTENIDO

Página

Característica operativa de un plan de muestreo 227
Inspección de rectificación 229
Calidad media de salida 230
Inspección total bajo inspección de rectificación 231
Muestreo doble y múltiple 232

10. MUESTREO DE ACEPTACIÓN POR ATRIBUTOS, LOTE A
LOTE ..................................................................................................... 235
Construcción de la curva OC de un plan de muestreo simple por
atributos 236
Desarrollo de un plan sencillo de muestreo de atributos 240
Análisis e interpretación de la curva característica operativa 242

11. PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 245
Circunstancias que aconsejan el uso de AQL 246
Breve reseña histórica 247
Aplicabilidad de procedimientos AQL 248
Decisiones iniciales 248
Especificaciones de nivel de calidad aceptable (AQL) 249
Especificación de nivel de inspección 251
Inspección normal, rigurosa y reducida 252
Planes de muestreo simple, doble y múltiple 252
Descripción y uso de Tablas 255
Riesgo del fabricante y curvas OC 257
Criterios de administración 258
Registros de inspección y media estimada del proceso 260
Procedimiento de aceptación de defectos 262
Utilización del MIL-STD-105D para defectos 263
Cantidad total de inspección de muestreo 264
Procedimiento administrativo para la presentación y nueva presen-
tación de lotes 265

12. OTROS PROCEDIMIENTOS DE ACEPTACIÓN ..................... 271
Procedimiento de aceptación de calidad indiferente 272
Tablas Dodge-Romig 275
Cálculo de la media del proceso 277
Procedimientos de aceptación secuencial 278
Muestreo de deméritos 283
Muestreo de verificación para garantía de calidad 287

13. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRI-
BUTOS .................................................................................................. 291
Ventajas del muestreo continuo 291
Lotes en movimiento 292

........................ 317 Aplicabilidad del muestreo de aceptación por variables 317 Plan de muestreo de variables 318 Operación de un plan de muestreo de variables 319 MIL-STD-414: Procedimientos de muestreo y Tablas para inspec- ción por variables para porcentajes de elementos defectuo- sos 321 Diseño de planes de muestreo por variables 326 15... DISEÑO DE LA GARANTÍA DE CALIDAD .............. 351 Análisis del valor de la calidad del producto 351 Procedimiento de clasificación de defectos 354 Especificación de método de inspección 358 Establecimiento de niveles de calidad estándar 359 Clasificación de deméritos 367 Ilustración de la clasificación de deméritos 368 Niveles experimentales de calidad estándar 369 17............ CALIDAD. 371 Control presupuestario de costos de calidad 372 Control de costos de calidad de tipo técnico 376 Optimación económica del control de calidad 376 Elección económica de un plan de muestreo 377 Simple ilustración de la teoría de los juegos aplicada a un proble- ma de inspección 381 ... MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD ....... PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍS- TICAS VARIABLES .................... ... PRODUCTIVIDAD Y ECONOMÍA .......... 333 Ingeniería de calidad 333 Planificación de calidad y fiabilidad 334 Encuesta de calidad previa a la adjudicación 334 Otras responsabilidades de planificación 337 Evaluación de calidad y fiabilidad 338 Elementos de un Programa de control de herramientas.... calibrado- res y equipo de pruebas 341 16... CONTENIDO XI Página Reseña histórica 294 MIL-STD-1235 (ORD) 294 Descripción de procedimientos de aceptación continua 296 Planes de inspección rigurosa y reducida 301 Efectividad del muestreo continuo 303 Planes para AOQL específicos 304 14........ ........................ .

.............................. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTI- VIDAD ............ 448 Apéndice .............................. FIABILIDAD ...............................................XII CONTENIDO Página 18.................................... 385 Objetivos de una empresa 386 Directrices de la Gerencia para mejorar calidad y productivi- dad 386 Estructura de una organización 387 División del trabajo y funcionalización 388 Organización para lograr calidad y productividad 392 Organización tradicional de calidad 392 Círculos de control de calidad 396 Ejemplo de un nuevo Programa de círculos de control de cali- dad 401 Sistema Kanban 404 19................................................................... 541 ..................................................................... 451 Índice ..... 415 Distribuciones halladas al controlar la Habilidad 416 Tiempo medio hasta un fallo 420 Densidad exponencial de fallos 423 Cálculo de MTTF: Densidad exponencial de fallos 424 Densidad de fallos de Weibull 427 Logro de la Habilidad 428 Proyectos de ingeniería para lograr fiabilidad 429 Medida y pruebas de fiabilidad 432 Uso del Manual H108 433 Procedimientos de aceptación secuencial basada en MTTF 440 Mantenimiento y fiabilidad 443 Bibliografía ...................................................................................................................................................................................................

Se incluyen dos tablas especiales para ayudar en el análisis de la duración media del recorrido. de cada método ha permitido incluir en este libro una selección más amplia de éstos y de sus ejemplos. La parte IV está dedicada. Como la buena gerencia. de Bertrand L. nos disculparemos por conservar tales citas y ejemplos. a la dirección de calidad e incluye. XIII . La presentación. en forma breve. Quien trabaja en este campo debe tener consciencia de que no existe técnica alguna que garantice la detección instantánea de una condición «fuera de control». Se han conservado muchos casos presentados en el texto original: Control de Calidad: Teoría y Aplicaciones. una breve exposición sobre fiabilidad de producto. en gran parte. La parte III presenta gran variedad de procedimientos de control de aceptación. La parte I presenta los conceptos básicos de control de calidad y la información básica necesaria sobre Estadística y Probabilidades. La cantidad de producto insatisfactorio fabricado está en función directa del tiempo necesario para detectar dicha condición. Se presentan los conceptos de «duración del recorrido» y «duración media del recorrido» para cualquier procedimiento de control. Aunque puede que las referencias no sean siempre las más recientes.Presentación El objetivo principal de este libro es presentar las técnicas de control de calidad de forma asequible para el técnico. Hansen. además. el buen control de calidad nunca se pasa de moda. El libro se divide en cuatro partes. Los cambios fundamentales con relación al texto original son los siguientes: 1. La parte II describe las técnicas para vigilar la calidad y mantenerla durante las operaciones de proceso y producción. y hasta es posible que algunos de los productos que se citan no se utilicen ya.

El doctor Donald R. 3. junto con un comentario sobre sus implicaciones en la calidad del producto. Se presentan los métodos de mejora de productividad convencionalmente designados como círculos de control de calidad y sistema Kanban. Todo el material básico de carácter estadístico se incluye. Ghare . en forma condensada. Queremos expresar nuestro agradecimiento a la doctora Shakuntala Ghare (esposa del coautor) y al doctor Woletr Fabrycky por su incansable aliento. Las técnicas estadísticas que se usan en control de calidad se presentan de forma práctica y el espacio dedicado a sus conceptos teóricos es limitado. Jensen y el doctor Ezey Dar-El merecen mención especial por la ayuda que prestaron a los autores. 4. en un solo capítulo: el 2. Aunque muy numerosos para citarlos de forma individual queremos agradecer su amabilidad y la de sus editores al permitirnos utilizar dicho material. Hay también otros muchos autores cuyas obras aparecen citadas o algunas de cuyas frases se reproducen en nuestro texto. Hansen Prabhakar M. Bertrand L. Por último. Se ha incluido una gran cantidad de ejemplos y hay más de 200 proble- mas prácticos. proporcionándoles una visión espe- cialmente brillante de la Estadística y la Productividad.XIV PRESENTACIÓN 2. la señora Joni Chamber y la señorita Nancy Menges merecen nuestro agradecimiento especial por su paciente trabajo al mecanografiar el manuscrito y ocuparse de todo el proceso de edición durante las distintas etapas hasta llegar al producto final. Se presenta el nexo entre productividad y calidad.

En primer lugar. Para producir un artículo de alta calidad hay que superar una serie de etapas intermedias. comprende todos los métodos encaminados a garantizar la calidad y el funcionamiento de determinado producto. El ingeniero de produc- ción debe crear un proceso que permita fabricar un producto acorde con estas especificaciones y márgenes de tolerancia. es preciso definir previamente el control de calidad y la ingeniería de control de calidad para comprender qué es la garantía de calidad. el concepto de garantía de calidad es mucho más amplio de lo que sugiere la definición citada. En opinión de los autores. Tal como se utiliza en este libro. La calidad de un producto es satisfactoria cuando responde a las necesidades del consumidor.» De acuerdo con esta definición. el ingeniero a cargo del proyecto debe ser capaz de plasmar las necesidades del consumidor en un proyecto de ingeniería. Se trata. En muchos casos. de un concepto omnímodo Para garanti- zar la calidad pueden utilizarse muchos métodos.1 El control de calidad en perspectiva Pueden hallarse numerosas definiciones de garantía de calidad. Aunque la palabra calidad tiene connotaciones distintas según las personas que la empleen. otros procedimientos que garantizan la calidad de un producto fabricado o un trabajo terminado. Por último. las necesidades que se pías- 1 . en ella subyace siempre una idea central. es esencial la rea- limentación de los consumidores. pues. El director de personal debe fa- cilitar trabajadores adecuadamente capacitados. además del control y la ingeniería de control de calidad. El gerente de producción es el res- ponsable de la fabricación del producto. El encargado de compras debe propor- cionar las materias primas y la energía necesarias. El inspector de calidad debe pro- bar y evaluar el producto que se está elaborando. indi- cando sus especificaciones y márgenes de tolerancia. Un ejemplo sería la aceptada en el National Symposium on Reability and Quality de 1959: «Garantía de calidad es una denominación amplia que abarca tanto el control de calidad como la ingeniería de control de calidad. entre ellos figuran.

Pese a que este libro se centra en el control de calidad. para destacar esta relación. CALIDAD DE PROYECTO La calidad de proyecto de un producto está relacionada con el rigor de las especificaciones para la fabricación del mismo. Así. quien realiza el trabajo o maneja la máquina es quien con mayor eficacia puede controlar la calidad o informar de la imposibilidad de alcanzar la calidad deseada para que se adopten medidas correctoras. no logrará ningún resultado si los super- visores no son conscientes de su valor. Aunque la alta dirección de la empresa esté plenamente convencida de la necesidad del control de calidad. Por tanto. Una vez fabricado el producto. Todos los miembros de una empresa son respon- sables del control de calidad. con objeto de mejorar la calidad y la producti- vidad. las empresas de este país hubieron de enfrentarse a una competencia creciente. tiene sobre el trabajador es su supervisor directo. el consumidor puede determinar con exacti- tud qué modificaciones serían necesarias para hacerlo plenamente satisfactorio. y desearían transmitir su convencimien- to a los lectores. positiva o negativa. A la cabeza de los mismos figuraban Alemania Occi- dental y Japón. Entre los años 1965 y 1985. el supervisor se convierte en el eje en torno al cual giran todos los esfuerzos para la consecución del control de calidad total.2 CONTROL DE CALIDAD man en el proyecto no reflejan lo que el consumidor desea en realidad. tanto en las labores de producción como en las administrativas. ni el departamento responsable del control de calidad. Puede ocurrir que un grupo de expertos en estadística y de ingenieros de control de calidad estén realizando sus cálcu- los en el vacío. hemos incluido un resumen de ciertas técnicas de dirección japonesas y estadounidenses. el ideal de gran calidad y bajo costo. Durante dicho período. por ejemplo. en la mayoría de las empresas estadounidenses se ha impuesto este concepto del control de calidad. un componen- . y reducir los costos. ni una serie de fórmulas estadísticas y de tablas de aceptación y control. El control de calidad no es sólo papeleo. sino de que no es capaz de ex- presar sus deseos en términos que resulten inteligibles para el ingeniero de pro- yecto. Para defenderse. los autores están convencidos. Sea cual sea el trabajo que desarrolle una persona o una máquina. quien mayor influencia. de que existe una estrecha relación entre el control de calidad y la productividad. en la década de 1980. como consecuencia de la comercialización de productos de mejor calidad y menor costo provenientes de otros países industriales. Para una dirección bien informada. este último país representa. supervisar y controlar todas las etapas mencionadas hasta la obtención de un producto de la calidad deseada. el control de calidad representa una inversión que. debe producir rendimientos adecuados que justifiquen su existencia. dentro de las propias fronteras y en el extranjero. tanto las empresas de los Estados Unidos como las de otros países occidentales han incrementado sus esfuerzos en el área del control de calidad. como cualquier otra. simplemente porque los supervisores no hayan alentado la parti- cipación activa de los trabajadores en el control de calidad. Se denomina control de calidad al conjunto de técnicas y procedimientos de que se sirve la dirección para orientar. No se trata de que el consumidor no sepa lo que quiere. En definitiva.

no se conse- guiría buen funcionamiento de un producto mal proyectado. Huelga decir que el proyecto debe ser lo más sencillo y económico posible. El proceso de control de calidad no debe estar a cargo de ningún departa- mento o unidad específicos. Exige la cooperación de toda la empresa y a todos los niveles. «control de calidad» y proceso de datos tienen la obligación de apoyar. si se ha utilizado un mal control de concordancia puede que el funcionamiento no sea todo lo satisfactorio que debiera. esto es. lo que no implica necesariamente una exigencia de calidad más estricta. resistencia a la fatiga.01. cuanto mayor sea la exigencia en cuanto a solidez.0001 se considerará de mejor calidad de proyecto que otro con una tolerancia de ±0. sino de la mejor calidad. CALIDAD DE CONCORDANCIA CON EL PROYECTO Está relacionada con el grado en que un producto manufacturado concuer- da con las exigencias del proyecto original. al contrario. con el grado en que se controla la calidad tanto de los materiales adquiridos como de los productos que salen de la fábrica y se almacenan en las instalaciones de la empresa. por ejemplo. Aunque el proyecto fuera insuperable. En esta área han sido utilizadas la gran mayoría de las técnicas estadísticas y de muestreo que hoy se aplican. EL CONTROL DE CALIDAD EN PERSPECTIVA 3 te con una tolerancia de proyecto de +0. En términos generales. puede afirmarse que tanto la alta dirección como los departamentos de contabilidad. el mercado estadounidense de misiles balísticos está constituido por una serie de entidades oficiales que se encargan de adquirirlos para el Ministerio de Defensa y la calidad de proyecto que exigen es bien conocida. Frente a ello. El control de calidad. estimular. duración. siempre que satisfaga las demandas de los consumidores. En consecuencia. en el sentido de que proporcione la mayor rentabilidad —a largo plazo— de la inversión realizada para la puesta en marcha del control de calidad. es preciso disponer de un sistema de confirmación que funcione ininterrumpi- damente y proporcione información sobre calidad que sirva de base para adopción de decisiones a fin de optimizar la calidad del producto. La idea clave en todas las situaciones es optimizar. CALIDAD DE FUNCIONAMIENTO Los resultados que se logren al utilizar el producto dependerán tanto de la calidad de proyecto como de la calidad de concordancia. como es sobradamente conocido. hay innumerables productos de consumo que se fabrican con plena conciencia de que en breve plazo van a dejar de venderse porque pasan de moda. función e intercambiabilidad de cualquier producto. Los departamentos de investigación y desarrollo. mantiene estrechas rela- ciones con la calidad de concordancia. Así. El mercado al que se dirige determinado producto influye notablemente en su calidad de proyecto. mejor será su calidad de proyecto. Y. ventas e ingeniería tienen la misión de determinar . En general. aunque el control de concordancia fuera excepcionalmente bueno. controlar y coordinar el esfuer- zo empresarial para controlar la calidad de sus productos.

Los distintos departamentos del Ministerio de Defensa han influido siem- pre. también. Las mejoras en el control de calidad pueden relacionarse directamente con los cambios de actitud de los departamentos del Ministerio de Defensa en cuanto a la calidad exigida en sus adquisiciones. Washington.1. Posteriormente. 1944. D. ampliamente aceptado y utilizado por entidades pú- blicas y privadas para inspecciones de aceptación por muestreo de atributos3. en la promulgación y utilización de técnicas de control de calidad. John Wiley & Sons. Tras la guerra de Corea se produjo un cambio y se insistió en la promoción del uso de técnicas de control de 1 H. compras y producción se ocupan de obtener un producto conforme a las especificaciones y que resulte lo más económico posible. y se publicaron. AUMENTO DEL CONTROL DE CALIDAD Los primeros datos disponibles sobre control de calidad se remontan a 1924. Washington. D. Servicio Nacional de Información Técnica. Estas últimas dieron lugar al Military Standard 105D. Servicio Nacional de Información Técnica. su Military Standard 414 para muéstreos de aceptación basados en variables4 y tiene normas para muéstreos continuos simples y multietápicos que utiliza para la inspección por atributos5. Como se desprende de su título. El Ministerio de Defensa ha publicado. Durante la segunda guerra mundial y la guerra de Corea. muchas de las últimas aplicaciones de técnicas estadísticas al control de calidad han sido todo menos económicas. Durante los primeros años de la década de 1940 se crearon y empezaron a utilizar tablas de muestreo para inspecciones de aceptación1. Nueva York. 3 Military Standard 105D: Sampling Procedures and Tables for Inspection by Attributes. su objetivo central era el control económico. Gran parte del PNB lo representan los gastos en defensa. 5 Military Standard 1235-ORD: Sampling Procedures and Tables for Inspection by Variables for Percent Defective. . G. Desgraciadamente. las diversas entidades de inspección del Ministerio de Defensa insistieron en el uso de las técnicas.4 CONTROL DE CALIDAD las necesidades del consumidor y diseñar productos y procesos que las satisfa- gan. cuando Walter A. dado el volumen de sus adquisiciones. directa o indirectamente. se puede adjudicar a los distintos departamentos del Ministerio citado gran parte del mérito correspondiente al desarrollo de controles de calidad. Inc. Shewhart. además. Nueva York.. Romig: Sampling Inspection Tabtes-Single and Double Sampling. Cuando se considera el efecto que produce la insistencia sobre la calidad necesaria de toda la cadena de sucesos. Dodge y H. de los laboratorios Bell Telephone. Shewhart escribió un libro titulado Economic Control of Quality of Manufactured Product («Control económico de calidad de productos manufacturados»). 4 Military Standard 414: Sampling Procedures and Tables for Inspection by Variables for Percent Defective.C. Servicio Nacional de Información Técnica. maquinaria. Washington. las utilizadas por las Fuerzas Armadas2. 2 Tanto el Ejército como las Fuerzas Navales utilizan tablas de muestreo de aceptación. A dichas funciones se refiere la Tabla 1.C. F. Los de ingeniería de producción.C. D. publicado en 1931 por D. Van Nostrand Com- pany. aplicó por vez primera un gráfico estadístico de control de calidad a un producto manufacturado.

cambiar el accesorios de calidad. EL CONTROL DE CALIDAD EN PERSPECTIVA 5 TABLA 1. pero no son fines en sí mismos. directos o indirectos. Ingeniería de Ingeniería de Ingeniería de Compras Fabricación proyecto utillaje producción Proyectar un Proporcionar Prorporcionar Calidad de Concordancia producto de herramientas. Tashjian. El caso (que incluye entre paréntesis los comentarios de los autores) muestra lo que puede resultar de una actitud inquisitiva frente a la calidad: las economías y beneficios. que se ocupa de la calidad durante todo el ciclo: estimación de la necesidad-proyecto-producción-uso-mantenimiento- funcionamiento de un producto.1. realimentación óptimas de de información calidad. y del esfuerzo —proyecto calidad y esfuerzo para coordinación y dedicado a adecuado y suministro de lograr calidad. sobre calidad. ingeniero jefe. En la actualidad. sobre el terreno. Muestra que la puesta en práctica de controles de calidad no supone. Cleveland. Los sistemas sirven para alcanzar las actitudes y filosofías deseadas. realimentación terminados y lograr de información semiterminados. Cleveland Welding Division. y control del lograr la calidad. adquiridos: productos proyecto para calidad. Ohio. Su intención es mostrar que el control de calidad es más una filosofía y una actitud que un sistema elaborado. condiciones sobre calidad. a las que que se unieron los métodos de garantía utilizados por las entidades inspectoras del Ministerio de Defensa. Funciones de la empresa y sus responsabilidades en el campo de la calidad Alta Control de Ventas y dirección calidad Contabilidad Investigación marketing Apoyo desde el Garantía de Medida de los Calidad de Venta de un el nivel más alto calidad. sobre el para lograr funcionamiento calidad. para los distintos departamentos de la empresa que produce una 6 Cedido por A. un proceso para concordancia de de calidad en la calidad y plantillas y la producción de los productos fabricación. G. necesariamente. análisis de datos información esfuerzo total experimentales. EJEMPLO ILUSTRATIVO: CALIDAD DE PROYECTO6 Este caso ha sido seleccionado para marcar la pauta del libro. un importante esfuerzo administrativo ni una habilidad fuera de lo corriente. calidad por parte de los proveedores. más costos de calidad investigación producto de y estímulos al promoción. . se insiste en el ciclo vital. American Machine and Foundry.

6. Las operaciones de fabricación son como sigue: 1. Segundo conformado (forma final y conformado del borde). A continuación (como muestra la Tabla 1. Este caso se presenta.3). inicialmente. Inspección al 100 por 100 y transferencia al transportador. junto con ciertos datos hipotéticos.000 dólares de ventas.1. como problema a estudiar. Primer rebabado (eliminación de soldadura). La competencia en el precio de este artículo es fuerte. se utiliza el mismo producto.000 unidades anuales. Extensión. Decapado con baño químico. Figura 1. 10. lo que representa cerca de 220. Conformado (un círculo).1) que viene fabricando la empresa desde hace muchos años. Soldadura eléctrica de alta intensidad bajo presión. Primer conformado (forma parcial). 1.6 CONTROL DE CALIDAD pequeña aplicación práctica del control de calidad. 5. . 7. 4. para ilustrar cómo se pueden utilizar de forma efectiva los métodos y técnicas descritos en este libro para el control de calidad. Objeto estudiado: un separador para llanta doble de camión (Fig. Galvanizado. 8. Cizallado a la longitud requerida y estampación. 3. Se fabrica con pletina de acero laminada en caliente de calidad comercial C-1010. El volumen de produc- ción actual es de casi 200. 11. Rebabado final. Le siguen los resultados del estudio de un proyecto. de 4| de pulgadas de anchura. Croquis de un separador. 0. 2. 9.105 pulgadas de espesor y 118 pulga- das de longitud.

Se han recogido y archivado los datos de las inspecciones. No obstante. que no se ha variado durante años. basándose en la misma. Más del 60 por 100 de tales artículos se debía a escasa habilidad en la eliminación de soldadura. Las preguntas que se formulan al capataz de inspección sobre calidad reciben la respuesta de que ésta es «muy buena». 1 centavo de dólar por unidad. La pieza debe estar razonablemente ajustada. El montador debe montar normalmente la pieza en el área de soldadura entre los radios de las ruedas. Resultados de un estudio de proyecto de control de calidad En primer lugar se examinaron los registros de inspecciones correspondien- tes a los seis meses anteriores. Más del 20 por 100 de los artículos defectuosos tenían problemas de soldaduras agrietadas. Como norma de aceptación para rebabado se ha insistido en el enrase de superficies con una tolerancia de proyección de aproximadamente 0. Las demás características no se han separado en grupos de problemas graves y no graves. Las existencias en proceso en este momento pueden oscilar entre la producción de un solo día y la de varias semanas. La soldadura y el montaje parecen ser satisfactorios. A continuación se examinaron las medidas y tolerancias. Las normas de inspección exigen una inspección al 100 por 100 en este momento. Hay un inspector de aceptación dedicado a esta operación. se ahorran los gastos de galvanizado y manipulación extra de unidades rechazadas. No se ha tratado de verificar la necesidad de tal requisito ni se ha realizado ningún examen de los resultados de calidad de la competencia en rebabados de este tipo de soldadura. pero ha habido problemas de costos inesperados por averías en el ciclo de soldadura. en caso de rechazo. El departamento de producción se ha ceñido estrictamente a esta norma y. y se llegó a la . pero no se han estudidado los archivos para determinar la calidad de salida. Sin embargo. El promedio de calidad para dicho período arrojaba un 2. El ciclo de soldadura es automático. ha insistido en que es absolutamente necesario efectuar la operación en dos etapas. Las operaciones de fabricación son continuas y se llevan a cabo a una velocidad aproximada de 250 unidades por hora hasta la fase de galvanizado. aproximadamente.005 pulga- das. No parece existir problema en ajustarse a las dimensiones. Los trabajadores de producción trabajan las horas normales. No hay problemas de espacio para el almacenaje. EL CONTROL DE CALIDAD EN PERSPECTIVA 7 El coste de la operación es de. Todos se muestran conformes con que los mayores defectos de este produc- to son consecuencia de materiales defectuosos o de soldaduras que se resque- brajan. Sin embargo. El artículo se utiliza para espaciar llantas dobles de camión montadas en ruedas de cinco o seis radios. Se supone que tienen una responsabilidad implícita en lo referente a la calidad. confian totalmente en que el inspector detecte y separe las unidades defec- tuosas. el material se apila después de la operación de extensión.4 por 100 de artículos defectuosos.

también. Se formularon varias preguntas sobre las dimensiones de 5/8 x 1/32 de pulgadas: 1. Con esta norma de aceptación. El consumidor indicó que un saliente externo de 0. Las características del separador fueron ajustadas a los grupos citados. en general. considerando especialmente el costo. Los tipos de defectos se definie- ron como sigue: Grupo 1: Defectos con posibilidades de causar graves problemas funciona- les durante el uso y/o probables quejas de los clientes que pue- den perjudicar y poner en peligro la reputación de calidad y ocasionar pérdidas de operaciones. de acuerdo con las descripciones de los defectos de cada uno (Tabla 1. producirán inconvenientes de pe- queña entidad durante el montaje y/o reclamaciones menores de los clientes que se podrán atender con facilidad y de forma rutinaria. Grupo 2: Defectos que.005 de pulgada de tolerancia en defecto de enrase. montaje y quejas de consumidores. producción y control de calidad con objeto de obtener una descripción de los defectos y crear una clasificación de éstos en el separador. se decidido reducir el ancho comprado en 1/8 de pulgada y autorizar el cambio de herramientas con objeto de eliminar el primer laminado.020 de pulgada serían aceptables para él. muestras de productos fabricados por competidores. Grupo 3: Defectos que no afectan al uso y que.2). Con objeto de lograr costos de oportunidad aquí. Se recomendó que se autorizasen nuevos troqueles en la soldadu- ra y se adoptasen nuevas normas para la inspección del rebabado. Se marcaron niveles de calidad aceptables (AQLs). existe algún ahorro potencial de materiales en utilizar el ancho a que se compra? Las conversaciones que tuvieron lugar con supervisores de producción revelaron que el segundo laminado de conformidad se llevaba a cabo para controlar la máxima altura de ala. Se convocó a una reunión a representantes de inspección. En caso de rechazo se ahorrarían los costos de galvanizado y de manipulación suplementaria sobre las unidades rechazadas. Acto seguido se pasó a la línea de montaje del consumidor para establecer si era necesario mantener el requisito de aceptación en rebabado de soldadura.030 de pulgada y un saliente interno de 0.8 CONTROL DE CALIDAD conclusión de que. . Se examinaron. de 0. función del laminador dar la anchura a la pletina y centrar la pieza durante el laminado de confor- mación? 2. ingeniería y producción se mostraron de acuerdo en que sería suficiente una sola operación de rebabado. necesariamente. no darán lugar a quejas por parte de los consumidores. si es así. El punto de inspección previo al galvanizado parecía ser satisfactorio. probablemente. función. ¿Puede considerarse innecesaria la operación de controlar una super- ficie no funcional y. eran aceptables. probablemente. ¿Es necesario establecer una dimensión máxima teniendo en cuenta que el borde va al aire y es.

Se explicaron ampliamente a los operadores de máquinas los principios básicos de operación del plan.00$ Mano de obra directa 2. Resultados de la operación del plan de muestreo Se realizaron todos los cambios de herramientas.00 S Reducción de repetición de trabajo (estimada) 500. Como consecuencia directa del proyecto se realizaron los siguientes cam- bios: 1. se pensaría seriamente en aumentar el tamaño del lote.00$ .5 % de calidad: 4 % Soldadura agrietada. Acero defectuoso. Circunferencia máxima y Defectos en la superficie. EL CONTROL DE CALIDAD EN PERSPECTIVA 9 Tabla 1. traducido a economías anuales supone: Trabajo de inspección 1.000. lo que supuso una economía en materiales de 0. grupo 3: 1 por 100. grupo 2: 1. Mínima altura de ala.2 Grupo 1: Nivel aceptable Grupo 2: Nivel aceptable Grupo 3: Nivel aceptable de calidad: 0. Las horas de inspección se han reducido en un 80 por 100.00 $ Materiales 4. Anchura mínima. 2. Inicialmente. 4. El resto de los lotes resultaron aceptables en la primera inspección. Anchura mínima. Los promedios de calidad de los grupos.00 $ Total 8.23 libras/unidad. 3. Se cambió el tamaño del material de una anchura de 4| pulgadas a 4f.125. se hicieron ensayos «en seco» con varios lotes antes poner totalmente en marcha el plan. Se eliminó inmediatamente una de las operaciones de fabricación (el primer laminado). Estampación.000 unidades— con la advertencia de que cuando se dispusiera de una cantidad suficiente de datos sobre calidad para iniciar su análisis. Los cambios en los troqueles de soldadura han reducido las fisuras de la misma en un 50 por 100. Asimis- mo.625. mínima. Diámetro rebabado. Diámetro interno rebabado. Lo anterior.08 por 100. Se decidió realizar muestreo simple para mayor facilidad administrativa. el tamaño del lote inspeccionado se fijó en la mitad de la producción de un turno —alrededor de 1. basados en los muestreos realizados hasta la fecha.15 % de calidad: 1.10 por 100. Otra de las operaciones de fabricación (primer rebabado) se eliminará pronto. Se compilaron los datos una vez efectuado el muestreo de los 50 primeros lotes y se procedió a seleccionar un lote para el grupo 1 (soldaduras agrietadas) y el grupo 2 (diámetro interior rebabado). fueron los siguientes: grupo 1: 0. 5.000. emitiendo instrucciones sobre la forma de llevar a cabo la inspección.

00 $ en costos de oportunidad si prospera el rebabado único. aproximadamente. No se recibieron quejas de los consumidores. con frecuencia significativamente mayor de 1 entre 200. Siempre se producirán pequeñas varia- ciones en cada una de las dimensiones específicas. los separadores no resultarán insa- tisfactorios. para contestar a tal pregunta.00$.100. CALIDAD DE CONCORDANCIA CON EL PROYECTO: VIGILANCIA DEL PROCESO El proyecto y los planos especifican exactamente dimensiones semejantes para todos los separadores que han de producirse. la probabilidad de que el valor observado para tal característica sea mayor que P + 3ı y que éste sea únicamente producido por azar es de. «anchura de espacios». el proceso de fabricación no es. Para contestar a la pregunta: ¿Son las variaciones lo suficientemente grandes como para afectar los resultados de los separadores?. Un gráfico de control establece el recorrido de las variaciones que no es probable que se produzcan por azar. se puede ver que se ha logrado un claro progreso con el esfuerzo realizado por mantener la competitividad en una época de costos crecientes.005. No obstante. En la jerga utilizada . lo suficientemente bueno como para obtener separadores de idénticas dimensiones. o de 1 entre 200. con una media P y una desviación estándar a. En consecuencia.05 $ por unidad. En cualquier proceso de fabricación las variaciones pueden producirse por azar o siguiendo un proceso aleatorio. se conseguirán economías adicionales de 2. se pueden usar algunas herramientas estadísti- cas muy sencillas.00$ Los ahorros netos durante el primer año ascendieron a 7. en general. pero eficiente. Cuando se añaden los beneficios en gastos generales. Los vendedores pueden ofrecer precios más bajos. Producción e inspección trabajan ahora juntas. En costos de fabricación.025. Si las variaciones son pequeñas. digamos 1 entre 4. Los costos inmediatos incurridos para la puesta en marcha del plan y de las mejoras han sido los siguientes: Repetición de trabajo de laminado 300.00 $ Total 1. si la distribución de probabilidad de una característica es normal. por ejemplo. La calidad es mejor.000. el ingeniero de control de calidad tendrá razones para suponer que existe una causa externa. Por ejemplo. Si la característica es mayor de P + 3ı.10 CONTROL DE CALIDAD Además. 0.00 $ Redisposición de la línea 100. si es necesario. La fabricación no resultó afectada.00 $ Costo del proyecto 500. o pueden deberse a una causa externa identificable que se puede descubrir y evitar en el futuro. pero lo serán si las variaciones son grandes. las economías suponen 0. cualquier variación que se produzca dentro de este recorrido debe obedecer a una causa externa que los ingenieros de control de calidad pueden identificar. Los gráficos de control Shewhart suponen una herramienta simple.

000 pulgadas en unidades de milésima de pulgada.3. X Recorrido. Para obtener los valores de la Tabla 1. Observaciones de anchura de separadores Número de Anchura media. 2. al límite P + 3ı se le llama límite de control y a la existencia de una causa externa se denomina proceso fuera de control. El recorrido R se calcula como la diferencia entre la observación más grande de la muestra y la más pequeña. En los Capítulos 3 y 4 se describen con detalle los procedimientos y técnicas para el uso de estos gráficos de control. EL CONTROL DE CALIDAD EN PERSPECTIVA 11 en control de calidad. 3. Sin embargo. La Tabla 1. La media X se calcula como la media aritmética de cinco observaciones de la muestra: 240 Media de muestras X 15 16 400 Media de recorridos R 25 16 TABLA 1. se puede ofrecer una sencilla introducción a estas técnicas usando la característica «anchura del espaciador» como ejemplo. Cada hora se inspecciona una muestra de cinco separadores de entre los 250 producidos. Se mide la anchura de cada separador como desviación respecto de 4. R la muestra 1 18 28 2 35 30 3 -1 24 4 -3 18 5 9 30 6 10 24 7 19 40 8 13 32 9 13 36 10 15 16 11 11 24 12 21 20 13 19 20 14 34 32 15 12 14 16 15 12 Total 240 400 .3 ofrece las observaciones realizadas durante dos turnos —dieciséis horas.040 pulgadas. Las especificaciones para la anchura del separador son 4 ± 0.3 se emplea el siguiente procedimiento: 1.

58 u 25 29. A éstas se les deno- mina gráficos X y R. 75 LCLR 0 0 La Figura 1. será capaz de producir artículos dentro de la tolerancia establecida de «la media ± 0. y. El supervisor de producción puede utilizar la información que presentan los gráficos para vigilar el proceso de producción.040». las muestras 2. . El proceso de fabricación parece estar fuera de control para las medias. gráficos Shewhart. 2.12 CONTROL DE CALIDAD Utilizando expresiones que aparecen más adelante en este libro. El recorrido aceptable es de —40 a +40. basándonos en las 16 muestras. Así que. la mayoría de los productos estarían dentro del recorrido —17. y 2) buscar las causas que hacen que el proceso esté fuera de control.25. La media deseada. a veces. La producción de espaciado- res no satisfactorios puede evitarse reduciendo la media desde 15 al deseado 0. La media estimada de anchura de los espaciadores.000 ó 0 en la escala modificada. 58 u 25 05 X UCLR 2. X . Aquí la proporción es de 4 de 16.25 a +32. perfectamente dentro del recorrido aceptable. su tolerancia naturales de aproximadamente «la media ±32.25». Con una media de 15 y tolerancias naturales de «media ±32. un 25 por 100.25 a ±47. es 4. Para establecer la capacidad del proceso se puede obtener una estimación de ı. Ninguno de dichos puntos está fuera de los límites de control del gráfico R. 3. 4 y 14. el supervisor puede adoptar dos posturas: 1) evaluar la capacidad del proceso. 1. Con una media de 0 y 1 tolerancia natural. esto es. la proporción de puntos fuera de los límites de control habría sido de sólo 1 entre 200. con el proceso bajo control. y controlado para recorridos. los límites de control se calcularán así: UCL 15  0. la desviación estándar. 5 X LCL 15  0. 748 d2 2. según las especificaciones. partiendo del recorrido medio (véase Tabla 7 en el Apéndice): R 25 V 10. R. Basándose en dicha información.748. 326 Si se puede mantener el proceso bajo control con una desviación estándar de 10.11 u 25 52.2 muestra las trazas correspondientes a la anchura media de las muestras observadas y de los recorridos observados de los valores de las muestras junto con sus correspondientes límites de control.25».25. están fuera de los límites de control del gráfico X . es 15. la mayor parte del producto estaría dentro del recorrido —32. Cuatro puntos. Si el proceso hubiera estado contro- lado.

EL CONTROL DE CALIDAD EN PERSPECTIVA 13 Figura 1. b) trazado de gamas de muestra. .2. gráfico X. gráfico R. Gráfico de control para la producción de banda espaciadora: a) traza- do de anchos de muestra promedios.

el comprador puede valerse de uno entre dos métodos alternativos: 1. una planta de montaje de camiones. Para llegar a la decisión apropiada. Muestreo de aceptación. o devolverlo al fabri- cante para que sustituya los espaciadores defectuosos y vuelva a enviar el lote. es algo que el comprador no tiene a su disposición. Debe reducirse la media del proceso a 0. En esta fase se pueden realizar ajustes y modificaciones tempranos para garantizar una producción de gran calidad. El comprador puede obtener un procedimiento de muestreo de aceptación basándose en el MIL-STD-105D. Este procedimiento. CALIDAD DE CONCORDANCIA CON EL PROYECTO: MUESTREO DE ACEPTACIÓN El supervisor de producción del departamento que fabrica los espaciadores puede utilizar gráficos de control o técnicas similares para vigilar la calidad del producto a medida que se va fabricando. conocido como vigilancia del proceso. El procedimiento típico de muestreo de aceptación implica determi- nar el tamaño de la muestra y el número crítico de artículos defectuosos que contenga. Supongamos que los separadores se envían en cajas de 1. Lo puede aceptar en su totalidad. procedentes del fabricante de componentes. Aceptar la caja si se encuentran dos o menos separadores defectuosos. las opciones del comprador son limitadas. 2. 2. Se llega a una decisión sobre el total del lote partiendo de la información obtenida de ella. En este caso. . en el bajo costo (y escaso tiempo) del primer siste- ma. El proceso debe permanecer bajo control. rechazarla. rechazarlo por completo. para lograr dicho objetivo hay que cumplir tres condiciones: 1. fundamentalmente. Sin embar- go. Un muestreo de aceptación adecuadamente realizado llevará a la adopción de decisiones que pueden ser fiables en la mayoría de los casos. El «plan de muestreo» supone que n = 80 y c = 2. Típicamente.000 unida- des y que el consumidor. 4 y 14 estén fuera de control. digamos varias cajas. Si se encuentran tres o más separadores defectuosos. Una vez que se recibe un lote de separadores. el cliente será un comprador de una planta de montaje de camiones. aunque no sean perfectas. El procedimiento de muestreo de aceptación implicado en este plan es el siguiente: tomar una muestra de 80 separadores de cada caja y probarlos todos. considera que un 1 por 100 de artículos defectuosos es aceptable. Inspección al 100 por 100. Deben establecerse las causas —que después habrán de corregirse— que hacen que las muestras 2. Tiene la responsabilidad de proporcio- nar separadores que cumplan con los requisitos del ensamblaje de ruedas. 3.14 CONTROL DE CALIDAD El supervisor puede llegar a la conclusión de que el proceso de fabricación de separadores es capaz de producir artículos de calidad aceptable. referencia muy utilizada en este sentido (y de la que se habla con mayor detalle en el Capítulo 11). 3. únicamente se examina una pe- queña muestra. Aquí la decisión se basa en la inspección (y prueba si es necesaria) de todos los separadores recibidos. La ventaja del muestreo de aceptación sobre la inspección al 100 por 100 radica.

de la calidad o de la fracción defectuosa que en ella se halle. Si el producto es marcadamente inferior (un 10 por 100.. en 449 oportunidades tendrá 0 artículos defectuosos... Si todos los separadores de una caja son buenos (por ejemplo: si la calidad es 0 por 100 defectuosa) está claro que la caja será aceptada.000 veces.. Incluso productos ligeramente inferiores (de un 2 por 100) tienen una probabilidad razonable de ser aceptados: 78 por 100.. 144 258 11 Pr (3 o más defectuosos en la muestra).. 95........... En las otras 47 oportunidades. evidentemente.. consideremos tres niveles: 1.. Para dar un ejemplo...... la muestra tendrá tres o más artículos defectuosos y la caja será rechazada.......... y en 144 oportunidades tendrá dos artículos defectuosos.. La Figura 1.... la probabilidad de que sus lotes sean rechazados deberá ser baja... Por otra parte.... Es deseable que cualquier plan de muestreo proporcione protección adecuada tanto al productor como al consu- midor (comprador y vendedor).....4 por 100.. del 95 por 100 o superior.. La aplicable en este caso es la ley de Poisson......... el consumidor desea tener la seguridad de que también es baja la probabilidad de que se acepten lotes de «mala calidad». por ejemplo) es casi seguro que será rechazado.. la probabilidad de que se acepte una caja con una calidad del 1 por 100 es de un 95... La cantidad de ellos que entrarán en la muestra dependerá de las leyes de probabilidades.... TABLA 1. ¿cuántos artículos defectuosos se encontrarán en una muestra de 80? La caja contiene un 1 por 100 de defectuosos.. Por tanto...4... ya que su probabilidad de aceptación es tan sólo del 1......3 % 78..... 47 217 986 Probabilidad de aceptación . Utilizando la ley de Poisson se puede estimar que si el muestro se realiza 1.. 449 202 0 Pr (l defectuoso en la muestra) .3 por 100..... Tal curva se denomina característica operativa del procedimiento de muestreo.. Resumen del muestreo Calidad 1% 2% 10% Pr (0 defectuosos en la muestra) ... A medida que aumenta la fracción de artículos defectuosos.. EL CONTROL DE CALIDAD EN PERSPECTIVA 15 La probabilidad de que se acepte una caja dependerá.......4).4 % .. Cálculos similares nos darían la probabilidad de aceptación de otros niveles de calidad (Tabla 1... las probabilida- des de aceptación disminuyen... es decir.. Es imposible encontrar tres artículos defectuo- sos en la muestra si la caja no contiene ninguno... 2 y 10 por 100......... En el Capítulo 2 se estudia con mayor detalle esta ley..3 % 1.3 muestra la probabilidad de que se acepte una caja en función de la calidad del producto que contiene. Cuando el fabricante produce un artículo de «buena calidad»... Si el producto es defectuoso en un 1 por 100......... 360 323 3 Pr (2 defectuosos en la muestra) ..... la probabili- dad de aceptación es muy alta...... 10 en total..... Puede observarse que siempre que el producto sometido a este plan de muestreo es del nivel de calidad aceptable del 1 por 100 o mejor. en 360 tendrá uno......

4 pueden verse como los patrones de fiabilidad de las bombillas suministradas por los dos proveedo- res. . Unos grandes almacenes utilizan un elevado número de bombillas.5. Los datos que se conservan sobre dos lotes de 1. se considerará más fiable el que tenga mayores probabilidades de seguir operando satisfactoriamente. su calidad de funcionamiento será juzgada según el tiempo de servicio útil del producto.000 unidades cada uno adquiridos a proveedores distintos (y competidores entre sí) muestran los resultados que recoge la Tabla 1. Se puede relacionar el porcentaje de bombillas que todavía funcionan con la probabilidad de que cualquier bombilla seleccionada al azar siguiera aún fun- cionando. Esto es lo que significa la palabra fiabilidad. En otras palabras: las dos curvas de la Figura 1.16 CONTROL DE CALIDAD Figura 1. t. de ponerlos en servicio. ya que es más fiable para cualquier período de medida.3. sea de forma independiente o como parte de un conjunto mayor. En algunos casos es posible y deseable basar los procedimientos de muestreo de aceptación en la fiabilidad del producto. El producto del proveedor B es claramente superior. Cuando se observan dos elementos después de cierto tiempo. Curva característica operativa de un procedimiento de muestreo. CALIDAD DE FUNCIONAMIENTO: FIABILIDAD Una vez que el comprador acepta el producto y lo pone en funcionamiento.

Funcionamiento de las bombillas Porcentaje de bombillas que aún funcionan Horas Proveedor A Proveedor B 0 100 100 200 92 98 400 85 96 600 71 93 800 59 88 1.4.5.000 43 80 1.200 34 71 1. Todos los aspectos de la pro- . EL CONTROL DE CALIDAD EN PERSPECTIVA 17 TABLA 1.600 17 52 2. Vida de las bombillas de los dos proveedores. DIRECCIÓN DE CALIDAD Una empresa moderna es una telaraña de miríadas de pequeñas y grandes decisiones.400 25 61 1.000 12 46 Figura 1. su comunicación e implementación.

En un momento dado. influyen en la calidad. cualquier partici- pación en tales decisiones les restaría tiempo para dedicarlo a su función principal: la adopción de decisiones estratégicas y de aquellas que afectan a la política general de la empresa. equipo y materiales— dependen de tales decisiones. cualquiera que sea su nivel en la empresa. Si dichas personas tienen dudas sobre cualquier decisión. acertadamente. desde los vicepresidentes hasta el presidente del Conse- jo de Administración no intervienen. pueden obtener productos de alta calidad. Los cuatro ingredientes básicos en la fabricación de un producto de alta calidad —motivación. Su papel en cuanto a la mejora de la calidad se limita a: 1) establecer las normas generales de política empresarial. Los mandos intermedios. son el último eslabón en el proceso de comunicación de decisiones y el primero en su implementación. la aplicación mecánica de dichas técnicas y el objetivo que se persigue con cada una—. dependen de cómo se llegue a estas decisiones.18 CONTROL DE CALIDAD ducción de tal empresa. CALIDAD Y PRODUCTIVIDAD La productividad es un índice para medir la eficiencia con que un proceso de fabricación transforma recursos en productos utilizables. por lo general. como los supervisores de línea. La influencia del obrero aparece clara. 2) crear un ambiente. Como el número de horas de la jornada es limitado. desde el presidente del Consejo hasta cualquier obrero. A efectos de control de calidad es absolutamente necesario que entiendan las técnicas que se utilizan —no necesariamente toda la información estadística ni todos los cálculos matemáticos. que lo hagan de forma inadecuada. capacitación. son las responsables de la adopción de decisiones sobre las operaciones normales. Sólo unos obreros motivados y bien prepa- rados. en las decisiones operativas diarias. y 3) estructurar la empresa de forma que se faciliten tanto la comunicación como la implementación de tales deci- siones. por contrario. No deben pensar que el ingeniero de control de calidad es otro jefe más al que hay que satisfacer y mantener tranquilo. Los altos ejecutivos. Ni las técnicas de control de calidad. que es una persona que les ayuda a identificar problemas en «su» línea o en el lugar donde trabajan. que en una empresa «la calidad es cosa de todos». o ambas cosas. Se ha dicho. de la estructura de la red de comunicaciones y de la consi- guiente implementación. al menos. Los ejecutivos de niveles inferiores. Un operario de . La calidad del producto final será todo lo buena que sean éstas. entre ellos la calidad. Lo mismo ocurrirá si no entienden la importancia de la decisión. todas las personas. desde los supervisores de sección hasta los geren- tes de planta o división. en el seno de la empresa. Cualquier esfuerzo dirigido a mejorar la calidad que prescinda de los obreros está condenado al fracaso. que estimule y fomente mejores decisiones por parte de los ejecutivos intermedios. pero sí deben resultarles familia- res. sino. que usan un equipo idóneo y materiales adecuados. lo más probable es que no la implementen correctamente. ni los objetivos de la dirección de la empresa producen artículos de alta calidad. ni los sistemas de dirección.

se puede afirmar que el sistema de producción ha pasado a ser más productivo. de concordancia con el proyecto tanto en la vigilancia del proceso como en el muestreo de aceptación. Los lectores que tengan conocimientos de importancia en el campo de la estadística y las . Por ello. tales unidades se considerarán como resultados. El sistema de producción. artículos de mejor calidad. El trabajador que piensa que puede influir en algún modo en la solución de problemas en su puesto de trabajo. La productividad y la calidad están estrechamente relacionadas. la cantidad de unidades útiles pasaría de 60 a 80. No obstante. en vez de mejorar la producción. Una —los círculos de control de calidad— trata de mejorar la participación de los trabajadores en la dirección del puesto de trabajo. recibe un insumo de ocho horas de mano de obra y lo convierte en 80 unidades producidas. Si algún tipo de mejora en el sistema de producción conduce a incrementar los resultados de 80 unidades a 100. Dado que la productividad y calidad son esfuerzos estrechamente relaciona- dos entre sí. sobre la calidad del producto. producirá. Supongamos que la pro- ducción de unidades a que hicimos referencia en el párrafo anterior fuera tal que sólo resultara utilizable el 75 por 100 de las unidades producidas. la cantidad de unidades utilizables aumentó de 60 a 75. Ambas tienen idéntico objetivo: «obtener más produc- tos utilizables» con el mismo gasto de insumos. en tanto que la calidad subraya el término «utilizable». No pretende aportar conocimientos exhaustivos sobre los principios matemáticos y estadísticos en que se basan estas técnicas. La segunda —el sistema de ficha de reposición— trata de lograr un sistema de producción constante. Resulta evidente que el efecto de tales técnicas para mejo- rar la productividad. EL CONTROL DE CALIDAD EN PERSPECTIVA 19 una fábrica de cualquier artículo trabaja ocho horas diarias. sin urgencias repentinas. Si el obrero produce 80 unidades/día. el Capítulo 2 incluye un repaso general de estos fundamentos. hubiera que mejorar la calidad para llevarla desde un 75 a un 100 por 100 utilizable. será positivo. Tampoco trata de describir la investigación básica. Estas ocho horas de mano de obra son un insumo. la mejora de una suele llevar a mejorar la otra. En cierto sentido. Si. La única diferencia está en que el estudio de la productividad hacer mayor hincapié en la palabra «más». de las cuatro áreas de calidad: de proyecto. y que tiene la seguridad de que siempre dispondrá del tiempo necesario y adecuado para la realización de un trabajo determinado. Cuando la producción pasó de 80 a 100. SOBRE ESTE LIBRO El objetivo concreto de este libro es proporcionar una idea general sobre los problemas. y las técnicas disponibles para solucionarlos. al que llamamos «fábrica de cualquier artículo». de funcionamiento y dirección de calidad. En páginas sucesivas del libro se describen dos técnicas para mejorar la productividad. los autores reconocen que es esencial que cualquiera que se dedique al control de calidad tenga conocimien- tos sobre los principios básicos de la estadística y las probabilidades.5 unidades/idéntico insumo. El índice de productividad ha crecido desde 10 unidades/hora mano de obra hasta 12. naturalmente. son dos formas alternativas de una misma cosa: la eficiencia en la conversión de insumos.

III y IV. además. III y IV volviendo inter- mitentemente al Capítulo 2 cuando sea necesario. Aquí se destacan los procedimientos de muestreo creados por el Ministerio de Defensa de Estados Unidos. Pretende. este capítulo les proporcionará los principios básicos necesarios. estudiar el Capítulo 2 en su integridad antes de pasar a las partes II. La parte II se ocupa de los aspectos de vigilancia del proceso de calidad de concordancia con el proyecto. Quienes necesiten conocer la visión de conjunto de estadística y probabilidades del Capítulo 2 también tienen dos alternativas: la primera. y hace mayor hincapié en esta última. llamados estándares militares. y su utilización no está limitada en ningún caso a usos militares. suponen una fuente de procedimientos de muestreo fiables y fácilmente accesibles. Todas las partes son esencialmente independientes entre sí y se pueden estudiar en cualquier orden. Los planes creados por dicho Ministerio. Deqcribe cómo se crean los diferentes tipos de gráficos de control. . Esta parte se ocupa también de la dirección de calidad y de la interrelación calidad-productividad. ayudar al lector a interpretar la información proporcionada por dichos gráficos.20 CONTROL DE CALIDAD probabilidades pueden considerarlo superfluo y omitirlo. la segunda empezar por leer las partes II. La parte III trata de los aspectos del muestreo de aceptación de calidad de concordancia con el proyecto. A otros. La parte IV se ocupa de la calidad de proyecto y de la calidad de funcionamiento. El resto de la obra se divide en tres partes.

o adopta el hábito de iniciar acciones correctoras innecesarias. En la sección correspondiente a bibliografía de este mismo libro relacionamos algunos títulos. ¿exige dicha desviación que se emprenda algún tipo de acción correctora? Determinarlo es crucial para un control de calidad eficiente. Las técnicas mencionadas son fundamentales para diseñar cualquier pro- grama de control de calidad. En ocasiones. basta con enseñar el empleo de las técnicas. si el director se excede en las correcciones.2 Fundamentos de estadística y probabilidad en el control de calidad Todo director de Control de Calidad se formula siempre las mismas pre- guntas sobre la situación del proceso de producción: ¿se está desarrollando como es debido? ¿Se ha producido alguna desviación de la operación normal? Si la respuesta es afirmativa. por otra parte. la calidad del producto se deteriorará. ni mucho menos. Existen técnicas basadas en la estadística y en las de probabilidades que el director puede utilizar para adoptar decisiones correctas sobre preguntas tan importantes. Odioso es decir que el tratamiento que damos a ambos temas no es. En este capítulo presentamos los principios básicos de la estadísti- ca y la teoría de las probabilidades necesarios para la creación de dichas técnicas. especialmente cuando se trata de 21 . los costos del control de calidad crecerán sin que ésta se beneficie en absoluto de dicho esfuerzo económico. Quienes tengan interés y deseen profundizar en el estudio de la estadística y la teoría de las probabilidades pueden encontrar numerosos y excelentes libros para cualquier nivel de conocimientos: básico. Si se producen desviaciones que no se detectan o que. aun detectándo- se. avanzado o especializado. exhaustivo. La única razón de su presencia en este capítulo es ofrecer a los profesionales del control de calidad ciertos conceptos básicos. Se pueden utilizar mecánicamente. No pretendemos que lo sea. no se corrigen. sin entender a fondo los principios estadísticos o del cálculo de probabilidades. Pero.

el observador no tiene certeza alguna sobre cuál será la longitud. después del hecho.638 pulgadas. Se utiliza la palabra «probabilidad» para aludir al grado de confianza que una persona determinada tiene sobre la ocurrencia de un determinado suceso futuro. la longitud del producto después de haberlo fabricado es fija. de 3. en realidad. sólo era posible adivinar sus datos descriptivos.638 Antes de producirse el hecho. esto se representa así: Pr(x = 3. podremos expresarlo así: 3 Pr(x = 3. la probabilidad es un número entre el 0 y el 1. Después de producirse. La posición que mantiene este libro es la de que el control de calidad es la suma de todas las actividades de control. si la longitud es distinta de 3. En numerosos programas académicos. y tenía una longitud de 3.23 horas.638 1.638) = Probabilidad de que la variable x que indica la longitud del producto tenga un valor de 3. Pero con anterioridad la probabilidad estaba situada en algún nivel entre el 1 y el 0. 15 de enero de 1984 a las 15. destinadas a producir un artículo de gran calidad. Antes de que se produjera.638 pulgadas o alguna otra. la palabra probabilidad se utilizará exclusivamente para indi- car probabilidad antes de que se produzca el hecho. el control estadístico de calidad es un aspecto concreto del control de calidad. Con relación al suceso a que nos hemos referido anteriormente. Para cualquier acontecimiento A 0 ” Pr(A) ” 1 . Ese fue el suceso.638 pulgadas.22 CONTROL DE CALIDAD operarios de control de calidad. o de producción que mantienen datos sobre control de calidad. ambos inclusives. tanto directas como indirectas. Simbólicamente. En general.638) = = 0. caracterizado por la fecha en que se produjo y sus datos descriptivos. el primer curso de control de calidad está dedicado exclusivamente a dichas técnicas. Si indica que 3 de cada 5 artículos producidos tienen una longitud de 3. el suceso se conoce con absoluta certeza. la probabilidad de tal acontecimiento es 1 ó 0. Es 3.60 = 60 % 5 En este libro. SUCESOS Y PROBABILIDADES Cualquier suceso se caracteriza por dos cosas: la fecha en que se produjo y los datos que lo describen.638 0. Por ejemplo: determinado artículo fue producido por una prensa automática el lunes. Está claro que. y suele denominarse control estadístico de calidad. si la longitud es. En este sentido. según se haya producido o no. Debe hacer una estimación basada en conocimientos previos sobre el trabajo que realiza la máquina y sobre los artículos producidos en ella.

el hecho de que la pieza seleccionada sea redonda y el hecho de que sea verde no son sucesos estadísticamente independientes. Si una persona con los ojos vendados saca una pieza. Daremos un ejemplo para comprender mejor el concepto: una caja contiene 100 piezas de plástico. si sabemos ya que la pieza es verde. Evidentemente. que se distribuyen así: 30 piezas son redondas y de color rojo. Se vendan los ojos a una persona y se le pide que extraiga una bola. son estadísticamente indepen- dientes entre sí si Pr(A|B) = Pr(A) y Pr(B|A) = Pr(B). puesto que 50 de las 100 piezas son redondas. la probabilidad condicional de que sea redonda es de 0. 10 piezas son cuadradas y de color verde. de 1/12. De acuerdo con el mencionado principio. 20 piezas son redondas y de color verde. La probabilidad de que la bola que tome sea roja es de 9 x 1/12.50. la probabilidad es una relación. A = suceso que produce la extracción de una pieza redonda B = suceso que da lugar a que dicha pieza sea verde Pr (A) = 0. Se dice que dos sucesos. A y B. o un 75 por 100. La probabilidad de que saque una bola específica es. una frac- ción: Número de resultados que llevan al suceso Probabilidad= Número de resultados posibles LEYES DE PROBABILIDAD Definición. En este sentido.667 Definición. dicha persona puede sacar una cualquiera de las 12 bolas. la probabilidad de que ésta sea redonda es de 0. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 23 El principio «los sucesos desconocidos son igualmente probables» se utiliza frecuentemente para determinar la probabilidad. Para entenderlo mejor nos serviremos de un ejemplo: supongamos que en determinado recipiente hay 3 bolas verdes y 9 rojas. o 9/12. 40 piezas son cuadradas y de color rojo. pues.50 Pr (A | B) = 0. La probabilidad condicional Pr(A | B) es la probabilidad de que se produzca el suceso A si sabemos que se ha producido el suceso B. Dicho principio lo formuló el matemático francés Laplace a principios del siglo XIX. Este concepto de probabilidad se denomina concepto de frecuencia relativa de la probabilidad.667 puesto que 20 de las 30 piezas verdes son redondas. . Sin embargo.

es la probabilidad de que se produzca el suceso A o el B. Se dice que dos sucesos. esto es. son estadísticamente dependien- tes cuando no son estadísticamente independientes. es la probabilidad de que no se produzca el suceso. la probabilidad de A o B. la probabilidad de A y B es la probabilidad de que se produzcan los sucesos A y B. relación de causa y efecto. la dependencia física o la relación de causa y efecto tampoco suponen dependencia estadística. la probabilidad del complemento de A. Esta dependencia estadística no supone dependencia física alguna ni impli- ca.24 CONTROL DE CALIDAD Definición. A y B. esto es. Pr(Ac). esto es. Pr(A · B). Pr(A + B). o ambos. A su vez. Algebra de probabilidades Las definiciones citadas anteriormente nos permiten formular ciertas reglas algebraicas de aplicación a la teoría de las probabilidades: Propiedad complementaria: Pr(A + A c ) = 1 Pr(A · Ac ) = 0 Propiedad conmutativa: Pr(A + B) = Pr(B + A) Pr(A·B) = Pr(B·A) Propiedad asociativa: Pr(A + (B + C)) = Pr((A + B) + C) Pr(A·(B·C)) = Pr((A·B)·C) Propiedad distributiva: Pr(A· (B + C)) = Pr((A · B) + (A · C)) Pr(A + (B · C)) = Pr((A + B ) · ( A + C)) Propiedad condicional: Pr(A·B) = Pr(B|A)·Pr(A) = = Pr(A | B) · Pr(B) . tampoco. Definición.

Un inspector selecciona 2 unidades aleatoriamente para su medición. se puede aplicar el álgebra de probabilidades para obtener sus soluciones. Si se formulan adecuadamente. ¿Cuál es la probabilidad de que el inspector descubra que se producen artículos que no alcanzan la longitud especificada? Planteado matemáticamente el problema es como sigue: ¿Cuál es la probabilidad de que al menos una de las dos unidades inspeccionada sea corta? Sea: A = suceso en el que la primera unidad es corta B = suceso en el que la segunda unidad es corta Entonces. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 25 Sucesos mutuamente excluyentes Si los sucesos A y B son mutuamente excluyentes (por ejemplo: la ocurren- cia de uno evita que ocurra el otro).00 cm de largo.1 Las especificaciones de cierto artículo exigen que tenga una longitud de al menos 4. Un obrero produce 10 unidades durante una hora. Esta sección muestra cómo varios problemas que se dan frecuente- mente en la evaluación de calidad se pueden plantear como problemas de pro- babilidades. de las que 3 no llegan a los 4. suceso en que al menos 1 unidad es corta = (suceso en que la primera unidad es corta) o (suceso en que la primera unidad tiene el tamaño normal y suceso en que la segunda unidad es corta) = = A + Ac · B | Ac probabilidad de detección = Pr(A + A c ·B|A C ) = = Pr(A) + Pr(Ac · B | Ac) = Sucesos mutuamente excluyentes = Pr(A) + Pr((B| Ac) | Ac) · Pr(Ac) = Propiedad condicional = Pr(A) + Pr(B| Ac) · Pr(Ac) (B|Ac)|Ac = B|A = 3 3 7 97 8  g 10 9 10 30 15 .00 cm. entonces: Pr(A + B) = Pr(A) + Pr(B) Pr(A· B) = 0 Sencillos problemas de calidad resueltos como problemas de probabilidad Muchos problemas para descubrir un deterioro en la calidad se pueden estudiar como problemas de determinación de la naturaleza de un suceso aleatorio. Ejemplo 2.

2. la lotería no produce un espacio de sucesos numéricamente valorados.3) + (0. En el análisis de proble- mas de control de calidad es preciso tratar exclusivamente de variables aleato- . En el caso del husillo. Y. ¿Qué probabilidades hay de que funcionen exactamente dos válvulas? (Las válvulas funcionan de forma indepen- diente entre sí. El espacio de sucesos es el conjunto de dos sucesos {W. Si éstos están numerados del 1 al 6. sucesos aleatorios. L}. X·Yc·Z. cuando una persona juega a la lotería sólo pueden producirse dos sucesos posibles: que gane (= W) o que pierda (= L). el espacio de sucesos será el conjunto de seis sucesos {1.375 cm. pero supongo que tiene un nombre específico).) Sean X. La probabilidad de que la válvula X funcione adecuadamente es de 0. Los resultados de un espacio de sucesos numéricamente valorados se consideran valores diferentes de una variable aleatoria.375 repre- senta un suceso posible. Cuando se arroja un dado puede salir cualquiera de sus lados. Z funcionan (respectivamente).9)(0.8)(0. Por ejemplo.7) = = 0. cualquier número real situado dentro del recorrido entre 1. En los ejemplos citados. Tres modos posibles de que exactamente dos válvulas funcionen son: 1. la de la válvula Y. 6}. y la de la válvula Z. todos ellos. Xc·Y·Z. 4. La probabilidad de que dos válvulas funcionen = Pr(X· Y · Zc + X · Yc · Z + Xc · Y · Z) = = Pr(Z · Y ·Zc) + Pr(X · Yc · Z) + Pr(XC·Y · Z) = = Pr(X) ·Pr(Y) ·Pr(Zc) + + Pr(X) ·Pr(Yc) ·Pr(Z) + + Pr(Xc) · Pr(Y) · Pr(Z) = = (0.365 y 1.7. se dice que la variable aleatoria D = diámetro.l)(0. de 0. Y. En este caso. 2.7) + (0.365 y 1. DISTRIBUCIÓN Y FRECUENCIA DE SUCESOS Los resultados aleatorios de cualquier proceso o decisión son. Este espacio de sucesos puede considerarse continuo e infinito. El conjunto de todos ellos se denomina espacio de sucesos. Un husillo fijo en un torno puede tener un diámetro situado entre 1. 3.2)(0.9.8)(0. 5. tiene valores en el recorrido entre 1. Cuando cualquier suceso dentro de un espacio de sucesos está representado por un número. y cada suceso del espacio de sucesos se describe cuando la variable aleatoria D tiene algún valor numérico determinado. 3. mientras que los espacios de sucesos para el lanzamiento de un dado o jugar a la lotería son discretos y finitos. éste se denomina espacio de sucesos numéricamente valorado.9)(0.8.365 y 1. Z = casos en que las válvulas X.375.2 Hay tres válvulas de seguridad independientes en un Chemical Reaction Vessel (podría traducirse como recipiente para reacciones químicas.26 CONTROL DE CALIDAD Ejemplo 2. X·Y·Zc.398 ESPACIO. de 0. el husillo sí.

FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 27 rias en vez de sucesos. la función de probabilidad de los resultados de lanzar un dado son: 1 Pr(x = k) = para k = 1. P(L) = 0. Del mismo modo.9999. 2. La distribución de probabilidad suele tener interés cuando el espacio de sucesos es numéricamente valorado. 2. 3. Definición. Por ejemplo. definida por todos los números reales x que describe el espacio de sucesos y que satisface la relación La función f(·) se denomina función de densidad de probabilidad (FDP) de la función de probabilidad Pr(·). Esta es una distribu- ción de probabilidad completa. Sin embargo. hay espacios de sucesos que no son numéricamente valorados y tienen una distribución de probabilidad. Aunque en esta sección se define la «distribución de probabilidades» sólo para sucesos. la distribución de probabilidad puede posiblemente darse como P(W) = 0. 5 ó 6 6 Para espacios continuos de sucesos existe muchas veces una función f(·). El conjunto de las probabilidades de todos los sucesos de un espacio de sucesos se denomina distribución de probabilidad de dicho espacio de sucesos. Pr(E i ) • 0 para cualquier suceso E i del espacio de sucesos. Pr(U(E i )) = 1 donde U(E i ) es el conjunto de todos los sucesos del espacio de sucesos. Pr(E i) = 0 para cualquier suceso fuera del espacio de sucesos. la función f(·) debe satisfacer tres requisitos: para cualquier x del espacio de sucesos. La función que asigna un valor a la probabilidad de cada suceso en el espacio de sucesos se denomina función de probabilidad. para cualquier suceso fuera del espacio de sucesos. Así pues.0001. Como todas las integrales de f(·) deben ser probabilidades. 4. 3. la función de probabilidad debe también satisfacer los siguientes requisitos: 1. . en el caso de la lotería. Definición. Estos requisitos pueden utilizarse para probar si una función se puede considerar función de probabilidad o función de densidad de probabilidad. en otros capítulos y secciones se utilizarán las distribuciones de variables aleatorias.

4.3 ¿Puede la función f(·). esta función puede calificarse de función de probabilidad. dada por la ecuación [2. Para probar la segunda puede determinarse la probabilidad de U(E¡) Pr(U(Ei)) = Pr(x = 1) + Pr(x = 2) + Pr(x = 3) + Pr(x = 4) + Pr(x = 5) = 1 2 3 4 5     1 15 15 15 15 15 Por tanto.2]. ser una función de densidad de probabilidad? f(x) = x .x 2 = 0 ” x ”2 =0 en caso contrario La respuesta es negativa porque f(x) es negativa para x > 1. la integral t ³k f ( x ) dx F (t ) k dtdm se denomina función de probabilidades acumuladas en t. 5 15 [2.28 CONTROL DE CALIDAD Ejemplo 2. dada por la ecuación [2. Ejemplo 2.2] =0 en caso contrario Aquí se satisfacen la primera y la tercera de las condiciones citadas. Cuando un espacio continuo de sucesos está formado por todos los números reales en el recorrido entre un valor mínimo k y un valor máximo m. 3.1]. 2. ser una función de probabili- dad? x Pr(x) = = para x = 1. Para un espacio discre- to de sucesos la función de probabilidades acumulativas viene dada por la suma t ¦ Pr( x j) j k ESPERANZAS MATEMÁTICAS Y MOMENTOS La esperanza matemática o valor esperado de una función h(x) de una variable aleatoria se define como E[ h( x )] ³ h( x ) f ( x ) dx si x es continuo ¦ h( x ) Pr( X x) si x es discreto . Definición.4 ¿Puede la función Pr(·).

El momento de mayor importancia es el primer momento. x3.3]. las esperanzas matemáticas de dos tipos de funciones son de gran interés en el estudio del control de calidad. Esta medida se conoce como la desviación estándar de la variable aleatoria x. 1. se representa generalmente por la letra P . Existen dos importantes relaciones dentro de las esperanzas matemáticas: 1. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 29 La afirmación anterior implica que si x es una variable aleatoria con una función de densidad de probabilidad f(x) o Pr(X = x) y se observan los valores de la función h(x) durante un período prolongado. como promedio. tales como (x — P ). .4] 2. Una medida alternativa de la variabilidad es la raíz cuadrada de la varianza. (x — P ) 3 . la población de todos los sucesos posibles para todos los valores factibles de x. Hay que recordar que los que se definen en esta sección son los momentos para la función de densidad de probabilidad completa. E(x). tendrán un valor dado por la ecuación [2.P ) 2 = ı 2 x [2. entonces E[h 1 {x) + h 2 {y)] = E[h 1 (x)] + E[h 2 {y)]. Este valor. Aunque para la mayoría de las funciones se puede definir y calcular una esperanza matemática. o a. Se denominan momentos centrales. Si k es una constante. Definición media = E(x) = P x [2. E[k · h(x)] = k · E[h(x)]. Ambas relaciones se pueden probar expresando la esperanza matemática como una integral. La media es una medida de la tendencia central y la varianza es una medida de la variabilidad. la propia esperanza matemática de x. E(x — P ) 2 se representa generalmente por el símbolo a 2 . Se pueden utilizar estas relaciones para determinar las medias y varianzas de las sumas de variables aleatorias.5] La media y la varianza describen dos de las características más destacadas de la distribución de cualquiera de los datos aleatorios. Definición varianza = E(x . Este valor. Las esperanzas matemáticas de las potencias de x. esto es. x2. Si h 1 (x) y h 2 (y) son dos funciones de las variables x e y. (x — P ) 2 . Esperanzas matemáticas de las potencias de la diferencia (x — P ). o la esperanza matemática de (x — P ) 2 . etc. 2. los valores observados. El momento central de mayor importancia es el segundo momento central. y se conoce como la varianza de la variable aleatoria x. tales como x. y se denomina media de la variable aleatoria x. Estas potencias se conocen como momentos de x.

. y se selecciona una muestra y de dicha urna. N — n. Se puede usar cualquier recipiente ordinario sin que ello afecte en modo alguno a los resultados matemáticos. Definamos los sucesos: E = seleccionar y bolas entre N bolas E 1 = seleccionar x bolas rojas entre n bolas rojas E 2 = seleccionar y — x bolas siempre que se seleccione una muestra El suceso E se produce siempre que se seleccione una muestra de tamaño y. El suceso conjunto E Y y E 2 se da cuando exactamente x de las bolas y bolas son rojas.10] número de maneras en las que puede ocurrir E 1 A los estadísticos les gusta guardar las bolas en una urna. La cantidad x de bolas rojas de la muestra es una variable aleatoria discreta y tiene valores dentro del recorrido entre 0 e y. de las que n son rojas y el resto. es posible que algunas de esas bolas sean rojas.30 CONTROL DE CALIDAD ALGUNAS DISTRIBUCIONES ÚTILES PARA EL ESTUDIO DEL CONTROL DE CALIDAD Distribución hipergeométrica Si una urna1 contiene N bolas. Probabilidad de x = Pr(x) = =número de maneras en las que pueden ocurrir E l y E 2 [2. son verdes.

§n·§ N  n· ¨ ¸¨ ¸ P r( x ) © x¹© y  x ¹ §N · ¨ ¸ © y ¹ o §4·§6· ¨ ¸¨ ¸ 1 2 4! 6! 3 !7 ! P r(1 )= © ¹ © ¹ ˜ ˜ §10 · 1!3 ! 2 ! 4 ! 10 ! ¨ ¸ ©3 ¹ 6 !7 ! 6u5u 4 1 3 ! 2 !1 0 ! 2 u 10 u 9 u 8 12 . y = 3. ¿cuál es la probabilidad de que una de dichas bolas sea roja? Aquí N = 10. x = 1. Este número de combinaciones se calcula de la manera siguiente: § p· p! ¨ ¸ [2.10] el símbolo ¨ ¸ ©q ¹ representa el número de combinaciones de p cosas tomadas de q en q. hasta llegar a 1. § n·§ N  n· ¨ ¸¨ ¸ Pr( x) © x¹© y  x ¹ [2. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 31 § n ·§ N  n · ¨ ¸¨ ¸ © x ¹© y  x ¹ §N· ¨ ¸ ©y ¹ § p· En la expresión del lado derecho de la ecuación [2.11] ©q ¹ q !( p  q )! en la que p! es el «factorial de p» o el producto de los términos p.12] §N· ¨ ¸ ©y ¹ n !( N  n)! y !( N  y )! x !( n  x)!( N  n  y  x)!( y  x)! N ! Ejemplo 2. p — 1.. n = 4.p — 2.5 Si la urna contiene 10 bolas de las que 4 son rojas y se toma una muestra de 3 bolas. etc.

32 CONTROL DE CALIDAD La distribución hipergeométrica es la distribución natural y básica aplicable a la mayoría de las situaciones que se dan en el control de calidad. la distribución hipergeométrica se usa muy poco en control de calidad.000. Si el producto. como exigen las especificaciones. En consecuencia. Si se contemplan las tres pruebas como secuencia. estará plenamente justificado que llegue a la conclusión de que el producto no es defectuoso al 1 por 100. y los resultados de dichas pruebas son independientes entre sí. con una probabilidad 1 — a.000 unidades. El fabricante suele prepa- rarlas en cajas de 1. o un «fracaso».6 Una empresa adquiere grandes cantidades de resistencias. ¿cuál es la probabilidad de que el inspector no encuentre más de un elemento defec- tuoso? N = 1. Las especificaciones exigen que el número de defec- tuosas sea menor del 1 por 100. Por esta razón. el inspector puede recha- zar el envío. contiene el 1 por 100 de artículos defectuosos. Desgraciadamente el carácter de esta distribución hace que resulte casi imposible crear tablas de valores fácilmente utilizables. aunque es la natural. Dichos . n = 10(1 % de 1. Ha de calcularse cada probabilidad de forma individual. tal como se envía. Cuando un comprador adquiere grandes cantidades de determinados artículos. ¿cuál es la proba- bilidad de que exactamente x de dichas pruebas sean «éxitos»? Supongamos que N = 3 y que x = 1. Hay que llegar a conclusiones basándose en una inspección por muestreo. hay tres maneras en que sólo una muestre un éxito. 97 § 1000 · § 1000 · ¨ ¸ ¨ ¸ © 20 ¹ © 20 ¹ Si el inspector realmente encuentra 2 o más elementos defectuosos.000). valiéndose de largas y tediosas multiplicacio- nes. Ejemplo 2. Vamos a presentar un problema de inspección por muestreo. sino que el porcentaje de elementos defectuosos es mayor. con una probabilidad ce. Para realizar pruebas puede que la empresa ordene al inspector que tome una muestra de 20 resistencias de cada caja y que pruebe cada una de ellas. En la mayoría de los casos se usa una distribución aproximada adecuada. probabilidad requerida2 = Pr(0) + Pr(l) = § 10 ·§ 990 · § 10 · § 990 · ¨ ¸¨ ¸ ¨ ¸¨ ¸ © 0 ¹© 20 ¹  © 1 ¹ © 19 ¹ 0. puede resultarle antieconómico inspeccionar todos y cada uno de ellos. y = 20. Distribución binomial Si se lleva a cabo una serie de N pruebas y el resultado de cada una es un «éxito».

Se ha tabulado un número limitado de valores de la distribución binomial.x La probabilidad de que x de N pruebas sean éxitos viene dada por §N· x N-x Pr(x) = ¨ ¸ Į (l . 5 ) ¨ ¸ ©x ¹ © 2¹ 2!4! © 2 ¹ 64 La Figura 2. . Aquí cada elemento que se produce es una nueva prueba. En segundo lugar. en la mayoría de los casos no es difícil calcular los valores individualmente.7 Si se lanza seis veces una moneda ordinaria.Į) [2. es la distribución natural al considerar la calidad de los elementos que se producen secuencialmente. Por ello la probabilidad de x éxitos y N — x fallos viene dada por Į x (l . pueden multiplicarse las probabi- lidades de sucesos separados para darnos la probabilidad de un suceso conjun- to. En primer lugar. el número de «caras» en seis lanzamientos de una moneda ordinaria. Sin embargo. 5 )(0.5. puede utilizarse como una aproximación de la distribución hipergeométrica. Como se trata de una moneda ordinaria.Į) N . 6 §N· x N  x §6· 2 4 6! § 1 · 15 Pr(2 caras ) ¨ ¸ D (1  D ) ¨ ¸ (0. En general. N N §N· x N x ¦ Pr( x ) ¦ ¨ ¸ D (1  D ) [(D )  (1  D )] N 1N 1 x 0 x 0© x ¹ Ejemplo 2. x = 2. ¿cuál es la probabilidad de que salga «cara» exactamente dos veces? Aquí N = 6. puede verse que la suma de las probabilidades de todos los posibles valores de x.1 muestra la distribución completa de la variable aleatoria x.13] x © ¹ Esta distribución se llama distribución binomial. la probabilidad de que salga cara es 0. un número exacto x de éxitos sobre § · N pruebas puede producirse de ¨ N ¸ modos diferentes.5. desde 0 hasta N. ya que la probabilidad de x es exactamente el término (x + i)-simo en la expansión binomial de [(Į) + (1 . o lo que es lo mismo a = 0. La distribución binomial se aplica al control de calidad de dos formas diferentes. es 1. FEF y EFF.Į)] N Como corolario. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 33 modos son FFE. ©x ¹ Dado que las pruebas son independientes.

el número de soldados en el ejército prusiano era muy elevado. ya que son. en ciertas condiciones. pero. a la vez. Un ejemplo clásico de la distribución de Poisson ha sido el estudio del número de soldados del ejército prusiano que sufrieron la coz de una muía. la distribución de los sucesos se realiza mediante la distribución de Poisson. En estas condiciones el parámetro X viene dado por O n˜ p La distribución de Poisson también se utiliza de dos formas en el control de calidad. se han tabula- do en la Tabla A3. La probabilidad acumulada para la distribución de Poisson. el número de instancias posibles sea enormemente grande. Los valores aproximados pueden obtenerse en el gráfico modificado de Thorndyke que se presenta en la Figura 2. .1. Número de «caras» en seis lanzamientos de una moneda ordinaria.1. da una buena aproximación. animales muy dóciles. La probabilidad de que una muía coceara a un soldado era muy baja. Este gráfico nos da la probabilidad de que se produzcan x o menos «éxitos» en una muestra de n cuando la media de éxitos es p.34 CONTROL DE CALIDAD Figura 2.2. Distribución de Poisson Siempre que la probabilidad de que se produzca un suceso determinado sea muy pequeña en cualquier instancia específica. eO O x Pr( x) x! en donde k es una constante. por naturaleza. Por otra parte. En primer lugar.

FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 35 .

y en el pasado se ha observado que el 1 por 100 es defectuoso.36 CONTROL DE CALIDAD de la distribución binomial.1416. 2. La segunda aplicación se ilustra con el siguiente ejemplo. 3.. Aunque la mayoría de las desviaciones de la media son pequeñas. se puede esperar su uso cuando se miden ciertas características de calidad de un producto3.7.). o como distribución de Gaus. en homenaje a su creador. ¿cuál es la probabilidad de que se encuentren exactamente 3 defectuosos? O n ˜ p 100 u 1% 1. Las ocurrencias por encima y por debajo de la media son igualmente probables. en ciertas condi- 3 La distribución de frecuencia del «diámetro» que aparece como un histograma en la Figura 2. es una distribución normal. Gauss mostró su fórmula matemática: 1 2 2 f ( x) e  ( x  P ) / 2V [2. En segundo lugar. 062 x! 3! Distribución normal En los primeros años del siglo XIX el matemático alemán Cari Friedrich Gauss observó que gran cantidad de fenómenos naturales seguían una distribu- ción caracterizada por: 1. Si se inspecciona una muestra de 100 unidades de CXB-12. . En primer lugar. es posible. que se produzcan grandes desviaciones de la media.3. la distribución normal se utiliza de tres formas. Una función de probabilidad con tales características tiene la forma de campana que muestra la Figura 2. Para estudios de control de calidad.. Esta distribución se conoce como distribución normal. como la que puede esperarse que se dé normalmente. 00 e O ˜ O x e 1 ˜ 13 Pr(3) | 0.8 Un proveedor suministra una gran cantidad del artículo CXB-12. S = relación entre la circunferencia y el diámetro = 3. Ejemplo 2. Tanto e como S tienen el significado normal de las matemáticas tradicionales (e — base de los logaritmos neperia- nos = 2.15] 2SV donde P y ı son constantes (parámetros).71828. aunque muy raro. La probabilidad de ocurrencia aumenta a medida que la variable se acerca a su valor medio y disminuye cuando se desvía de dicho valor medio.

) Figura 2. (Hay ciertas condiciones que deben cumplirse y que se explican en la sección siguiente. Densidad de función normal (o de Gauss). Por último.3. también. la distribución normal se representa tanto como 1 ( x  P )2 /2V 2 f ( x) e 2SV . se puede demostrar que la distribución de los valores característicos medios en muestras grandes tiende a seguir la distribución normal con independencia de la distribución de los datos originales de las muestras. A causa de su gran utilidad. a la distribución hipergeométrica. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 37 ciones puede resultar una aproximación útil a la distribución binomial y.

¿Cuál es la probabilidad de que un recipiente escogido al azar contenga menos de 500 g de café? Sea y = peso del café en el recipiente. El peso del café en cada recipiente tiene una distribución normal con una media de 510 g de café y una desviación estándar de 4 g. Es fácil ver que si una variable y tiene la función de densidad de probabilidad 1 2 2 f ( y) e  ( y  P ) / 2V 2SV la varianza z = (y — P )/ı es una variable aleatoria normal estándar y 1  z2 / 2 f ( z) e 2S La función de distribución de z es sólo función de la variable y no incluye parámetro alguno. así como los valores específicos de la media y la varianza. Las Tablas Al y A2 dan los valores de probabilidad acumu- lada y la función de densidad de la variable aleatoria normal estándar. 1  x2 / 2 f ( x) e 2S Se dice que esta variable x tiene una distribución normal estándar. Ejemplo 2. Estos valores se pueden utilizar para obtener los correspondientes de cualquier varia- ble con una distribución normal. 1 2 / 2(4)2 f ( y) e  ( y 510) 2S ˜ 4 La cantidad y  510 z 4 . La variable x se denomina variable aleatoria normal estándar.38 CONTROL DE CALIDAD así como mediante la función acumulativa x I ( x) ³ f ( x)dx f Como caso especial. Entonces.9 Una máquina llena un recipiente con una cantidad medida de café. si la media = 0 y la varianza ı 2 = 1.

respectivamente. La probabilidad de que un recipiente tomado al azar contenga menos de 500 g de café es de 0. ȕ. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 39 tendrá una distribución normal estándar 1  z2 / 2 f ( z) e 2S Cuando y = 500.5) ³ f ( z )dz f Esta cantidad aparece tabulada en la Tabla Al como 0.5. Según los valores de dichos parámetros. Por tanto. la función de densidad de Weibull puede adoptar gran variedad de formas. z = (500 – 510)/4 = –2. Ȗ se llaman parámetro de escala. Distribuciones exponencial y de Weibull Las distribuciones normal. La distribución de Weibull viene dada por E 1 E § x J · ª § x  J ·E º f ( x) exp «  ¨ ¸ » para x t J D ¨© D ¸¹ «¬ © D ¹ »¼ y ª § x  J ·E º F ( x) 1  exp «  ¨ ¸ » ¬« © D ¹ »¼ Los tres parámetros Į.0048. Otras dos distribuciones. 2.0048. . La distribución exponencial viene dada por 1 f ( x) e x /T para x • 0 T y F ( x) 1  e  x / T La Figura 2. resultan útiles cuando la calidad de funcionamiento se mide en térmi- nos de fiabilidad del producto.5 Pr( y d 500) Pr( z d 2. que aparecen en el Capítulo 19. parámetro de forma y parámetro de situación.4 muestra la forma de las funciones de densidad exponencial. exponencial y de Weibull. binomial y de Poisson se usan ampliamente en trabajos de control de calidad.

Luego se hace una aproxi- mación a la binomial por medio de la distribución de Poisson o de la normal (Fig. Todas las probabilidades deben calcularse por separado y suponen el cálculo de varios factoriales. Función de densidad exponencial.40 CONTROL DE CALIDAD Figura 2. cuando la población N antes del muestreo es aproximada- mente igual a la población N — y después del muestreo. esto es. finita.5). JERARQUÍA DE APROXIMACIONES Como se ha dicho. Sin embargo. las muestras inspeccionadas no son demasiado pequeñas y cada elemento tiene una característica binaria: «satisfactorio» o «no satisfacto- rio». 2. la distribución hipergeométrica . Para evitar tal complejidad se utiliza una jerarquía de aproximación. por tanto. es excesivamente pequeño con relación a N. Resulta casi imposible crear tablas fácilmente asequibles y utiliza- bles. y. La población está formada por todos los elementos fabricados o comprados y es. la distribución hipergeométrica es la distribución básica y natural aplicable a casi todos los casos en que se aplique control de calidad. para los ingenieros no es fácil utilizar la distribución hiper- geométrica. Aproximación 1 Siempre que el tamaño de la muestra. Primero se hace una aproximación a la distribución hiper- geométrica por medio de la distribución binomial.4.

.5. Aunque. la función de probabilidad binomial §N· x N x Pr( x ) ¨ ¸ D (1  D ) ©x ¹ puede ser aproximada por medio de la función de densidad normal 1 ª 1 § x  P ·2 º f ( x) exp «  ¨ ¸ » 2SV «¬ 2 © V ¹ »¼ donde los parámetros P y ı 2 son iguales a NĮ y NĮ(1 — Į). en términos estrictos. Figura 2. la aproximación sólo puede utilizarse cuando y es «extremadamente pequeño» con relación a N.5. Aproximación 2 Siempre que el parámetro a sea aproximadamente igual a 0. en la práctica se puede utilizar la aproximación siempre que y sea menor que el 10 por 100 de N. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 41 § n·§ N  n· ¨ ¸¨ ¸ Pr( x ) © x¹© y  x ¹ §N· ¨ ¸ ©y ¹ puede ser aproximada por la función de probabilidad binomial § y· x y x Pr( x ) ¨ ¸ D (1  D ) x © ¹ en la que el parámetro Į = n/N. respectivamente. Jerarquía de aproximaciones.

Aproximación 4: Teorema del límite central Esta última aproximación no describe aproximadamente una distribución hipergeométrica. Afortunadamente. Si la distribución de x tiene la forma aproximada de una campana y es simétrica.9. Esta aproximación se presenta como un teorema llamado del límite central. Describe el comportamiento aproximado de la distribución de probabilidad del valor medio de una muestra de cualquier población. la cantidad tiene una distribución normal con una media 0 y una varianza 1 cuando n sea lo suficientemente grande. la función de probabilidad binomial §N· Pr( x) ¨ ¸ D x (1  D ) N  x ©x ¹ puede ser aproximada por medio de la función de probabilidad de Poisson e x O x Pr( x) x! donde el parámetro O = NĮ.42 CONTROL DE CALIDAD Aquí. Si x1. Por razones de conveniencia.…. aunque a debería ser aproximadamente 0. el teorema del límite central da una aproximación razonablemente buena para un n tan pequeño como 4. xn son n muestras tomadas de una población con una media finita P y una varianza finita ı2. x2. Teorema. una vez más.5. es un número pequeño. la aproxi- mación puede utilizarse sin excesivo riesgo de pérdida de precisión en un amplio recorrido de a desde 0. Esto supone que se pueden basar los procedimientos de control en . para su aplicación al control de calidad. La magnitud del valor de n para proporcionar una aproximación «razonablemente buena» dependerá de la distribución de probabilidad de la población de x. Aproximación 3 Cuando el parámetro a es muy pequeño y/o NĮ. La expresión «« sea suficientemente grande» es bastante vaga. la aproximación de Poisson a la binomial se utiliza en todos los casos en que no se puede utilizar la aproximación normal. y si x representa la media (x1 + x2 + …+ x n )/n.1 hasta 0. la mayoría de los casos de artículos manufacturados caen dentro de este grupo.

00 9 0 el comportamiento de las medias de pequeñas muestras.35 3 91 0.15 1 0 0. La Figura 2.000 muestras.25 2 13 0.45-0. FUNCIONES DE PROBABILIDAD EN LA PRÁCTICA En procesos de fabricación.6 muestra la distribución de frecuencia de los valores medios de esas 1. aunque la distribución de la propia característica sea completamente conocida.65 6 t249 0. Para demostrar el teorema del límite central se seleccionaron 1.75 7 90 0.000 mues- tras de seis números aleatorios de una distribución uniforme con un recorrido entre 0 y 1 (Tabla 2.15-0. muchas de las dimensiones características de un producto son variables aleatorias.55-0. Distribución de frecuencia Intervalo Designación Frecuencia 0-0.25-0.35-0.6.75-0.65-0. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 43 TABLA 2.1. Figura 2.45 4 226 0.85 8 15 0.55 5 316 0.1). Ilustración del teorema del límite central. Sólo en contados casos es posible obtener las .85-1.

0011 0.0032 0.0039 0.0027 0.0045 0. ohmios de resisten- cia.0029 0.0048 0.0025 0.0038 0.0025 0.0025 0.0039 0.0045 0.0035 0.0037 0.0033 0. La Tabla 2.0025 0.3800) 0.0022 0.0035 0.0024 0.0032 0.0045 0.0040 0.0041 0.0021 0. libras por pie.0036 0.0019 0.0034 0.0046 0.0025 0.44 CONTROL DE CALIDAD funciones de densidad de probabilidad exactas para esas variables usando la simple lógica (como en el caso del lanzamiento de un dado).0026 0. El factor determinante es si la medida es o no de tipo continuo.0048 0.0019 0.0024 0.0028 0.0048 0.0035 0.0024 0.0058 0.0022 0. o de que la medición se realice en pulgadas.0032 0.0044 0. etc.0041 0.0035 0.0021 0.0048 0.0019 0.0066 0.0048 0. A continuación presentamos un ejemplo típico sobre cómo se puede estimar una función de densidad de probabilidad.0048 En esta forma no se puede sacar mucho en limpio de los datos.0025 0.0036 0.0037 0.0025 0.0041 0.0024 0.0021 0.0021 0. Hay que dejar sentado que se aplican los mismos principios con inde- pendencia de lo que se produzca.0040 0. La Tabla 2.0036 0.0043 0. la ordenación de frecuencias sigue siendo suficiente para proporcionar una estimación de la .0043 0.0020 0.0036 0.0033 0.0039 0.0030 0. La alusión a componentes hechos a máquina tiene por objeto dar mayor sentido al análisis en beneficio del estu- diante. Aunque suponga una mejora con relación al simple listado.0037 0.3 muestra esta ordenación descendente con el número de ocasiones en que se ha producido cada medida marcado tantas veces como aparece en los datos recogidos directamente. Normalmente se hace necesario obtener una estimación de la función observando una pequeña muestra de la producción real.0024 0.0043 0.0050 0.2 es un listado de datos en bruto obtenidos mediante la medición del diámetro externo de una muestra de 100 componentes hechos a máquina.0031 0.0032 0.0051 0.0034 0.0033 0.0036 0.0029 0.0041 0.0056 0.0043 0.0036 0.0037 0.0007 0.0041 0.0034 0.0044 0.0027 0.0037 0.0053 0.0029 0. TABLA 2.0034 0.2. Datos en bruto obtenidos por la medición de 100 componentes hechos a máquina ( + 0. kilos por centímetro cuadrado. centímetros.0042 0.0057 0.0019 0.0039 0. Una ordenación de frecuencias de los datos de mayor a menor mejoraría las cosas.0028 0.0037 0.0031 0.0041 0.

Divida el recorrido del paso 2 por un número tal que el resultado se sitúe entre 10 y 20. 15 o cualquier múltiplo mayor de 5. 2. haga lo siguiente: 1.) Para nuestro ejemplo: 59/5 = 12. 4. Seleccione de la lista preferente que sigue el número más próximo al utilizado. Esto. 7. Para obtener dicha estimación. 10. Escriba los límites de cada intervalo en orden descendente dentro de la columna de intervalos de clase de la hoja de marcar. Para este ejemplo el recorrido = 66 . «marca». 2.4.3. Ordenación de frecuencias de datos (x 10. 4. Determine el recorrido de los datos. Los intervalos preferidos son 1. 6. 3. con los encabezamientos «intervalo de clase». f(d)2 (véase Tabla 2. Los límites de un intervalo . Para nuestro ejemplo el intervalo usado es 5. junto con el otro paso. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 45 TABLA 2. 5. d.4). (Queremos destacar que esto es a título de guía. A veces pueden resultar aceptables sólo 7 grupos y otras puede llegarse hasta 30 grupos. 5.3800) de la Tabla 2. 3.7 = 59. f.2 función de densidad de probabilidad.000 y +0. Prepare una hoja para marcar de distribución de frecuencias agrupadas. El número así seleccionado representará el tamaño del inter- valo de clase que se va a utilizar. fd. aparece ya hecho en la Tabla 2.

también. TABLA 2. 6.4. La Figura 2.7a es un histograma.7b muestra tanto un polígono estimado real y una estimación redondeada de cómo pudiera ser la función. de manera que este marcado se llevará a cabo partiendo de los datos tomados directamente.3 se utilizó sólo como ejemplo ilustrativo. Hoja para marcar de distribución agrupada de frecuencias para los datos del ejemplo REPRESENTACIÓN GRÁFICA DE UNA DISTRIBUCIÓN DE FRECUENCIA La imagen visual de la función de densidad se puede refinar de varias maneras. La Figura 2. ya que indica la frecuencia relativa de ocurrencia dentro de cada intervalo.46 CONTROL DE CALIDAD son sus valores más alto y más bajo. la Figura 2. 8. Marque las observaciones en el intervalo de clase adecuado. La Figura 2. La ordena- ción de la Tabla 2. como de distribución de frecuencia. Empiece en la parte superior con el intervalo mayor y continúe hasta incluir el intervalo con la observación más pequeña. Esta función se conoce. . Divida cada uno de los números de la columna f por el número total de marcas. 7. Cuente las marcas de cada intervalo y escriba el resultado en la colum- na f.7 muestra diversos tipos de expresiones gráficas con sus nombres apropiados. Ȉf Esta es la función de densidad de probabilidad estimada.7c muestra la frecuencia acumulada de las observa- ciones existentes en los intervalos por debajo de cada intervalo de clase.

es conveniente advertir al estudiante para que observe cuidadosamente . En la Figura 2. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 47 Figura 2.7. suma de frecuencias menores que el límite superior del intervalo probabilidad acumulada= número de observaciones Este tipo de curva se llama ojiva o curva «menos que». como la del ejemplo. Gráficos de datos del ejemplo. se aproximarán a una línea recta. la escala vertical está ajustada de forma que la probabilidad acumulada de una función de probabilidad normal aparecerá como una línea recta.7d. Las distribu- ciones similares a la normal. Al representar o construir gráficamente distribuciones de frecuencias agru- padas.

Cada vez que se observa una característica aleatoria.4. la función de probabilidad binomial viene dada por §N· Pr( x) ¨ ¸ D x (1  D ) N  x ©x ¹ Donde x es la variable aleatoria. Por tanto. Para aclarar esto convendrá comparar con la Tabla 2. El conjunto de todos los sucesos posibles se llama población o universo. Por ejemplo. también. Los valores de los paráme- tros de cualquier función de frecuencia de probabilidad están relacionados con la población. Se puede controlar la conservación del tamaño adecuado de intervalo evitando superposiciones y restando sucesivamente el tamaño de intervalo del límite del intervalo anterior. Para obtener estima- ciones mejores y más utilizables de la función de frecuencia o función de probabilidad es necesario utilizar métodos matemáticos más formales. como . 55-59. 60-64. que el intervalo marcado «69- 65» incluye todas las observaciones entre 69. etc. Iˆ es una estimación del parámetro desconocido I . los límites de cada intervalo son 65-69. la distribución de Poisson es una función de un solo parámetro con parámetro O. Observe. que da un valor específico para una estimación. Los datos observados se pueden utilizar para obtener los valores estimados de esos parámetros si se puede suponer el tipo o la forma de la función de frecuencia. El último grupo de elementos se denomina parámetros. ESTIMACIONES Y SUS DISTRIBUCIONES Parámetros y sus distribuciones Tanto los histogramas como los polígonos redondeados de frecuencia dan una estimación muy grosera de la función de frecuencia. en el ejemplo. Por ejemplo. Las estimaciones de tales valores obtenidos de la muestra se llaman estimaciones. 3. («Población» no es lo mismo que el espacio de sucesos al que aludimos anteriormente.5 y 64. Se suelen indicar añadiendo el símbolo ^. los intervalos no se super- ponen en cuanto a sus límites.5. es un suceso sujeto a la función de distribución de frecuencia de la variable aleatoria que mide la característica. Cada función de frecuencia o de probabilidad implica tres tipos de elementos: 1. Observe que. De igual modo. Elementos desconocidos que no son variables aleatorias. estimadores o parámetros de la muestra. Números conocidos o constantes.48 CONTROL DE CALIDAD los límites de los intervalos.3. La estimación puede ser estimación de punto. ¿Por qué?) Los datos observados forman un subconjunto de esta población y se llaman muestra. 1 es un número conocido y tanto N como Į son «elementos desconocidos que no son variables aleatorias» o parámetros. como D̂ = 0. 2. Variables aleatorias. o estimación de intervalo.

En consecuencia. La primera es s2 = (l/n) Ȉ (xi — x )2. . x2 . x 1 x 2 .. A la función h se la denomina función estimadora o simplemente estimador. Un ejemplo de estimador es la media de la muestra utilizada para estimar la media de una distribución normal. La varianza del estimador debe ser tan pequeña como sea posible. xn representan una muestra de observaciones. x1 : N ( P . FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 49 Estimación de punto Una muestra aleatoria.. . Ninguna de ellas satisface las condiciones exigidas a un buen estimador. x3 . . . x1.. Este estimador es neutral. Distribución normal n El parámetro P se estima por x (1/ n) ¦ xi . x2. . . el valor esperado del error E(Tˆ — ș) será cero. V 2 ) 1 n Pˆ ¦ xi ni1 Debe observarse que la estimación 9 es una función de los valores x1 . o lim E[(Tˆ  T ) 2 ] 0 n of 3. el valor Tˆ — ș se puede denominar error de estimación. es una variable aleatoria y tiene una distribución de probabilidad propia. . El estimador debe ser consistente. Algunas funciones estimadoras útiles Los parámetros de las tres distribuciones —normal. El parámetro ı2 se estima mediante dos funciones estimadoras. Poisson y binomial— pueden estimarse basándose en observaciones de la muestra y utilizando las funciones estimadoras que damos a continuación. pueden expresarse de la siguiente forma: 1.. . lo que es lo mismo. s2 no es neutral . x n se selecciona de un proceso con función de distribución f(x. i 1 consistente y de varianza mínima. 2... Los criterios para evaluar una función h como un estimador. . xn de la muestra. la segunda es Vˆ 2 = [l/(n — 1)] Ȉ (Xi — x )2. ș). xn ) se usa para obtener una estimación 9 del valor del parámetro desconocido ș. En todos los casos. Para cualquier muestra dada. El estimador debe ser neutral o. Una función h en la que Tˆ h( x1 .

50 CONTROL DE CALIDAD y Vˆ 2 no es una varianza mínima. Si x l. x 2 . x2. Distribución binomial En la distribución binomial las observaciones xi son 0 ó 1. Distribución de Poisson El parámetro es estimado por 1 n n x ¦x i 1 i Este estimador es neutral. El parámetro a n es estimado por medio de x (1/ n) ¦ xi . 1. la función 2 n § xi  P · u ¦ ¨ i 1 © V ¸¹ tiene una distribución psi-cuadrado con n grados de libertad. al igual que otras funciones de valores de la muestra. . xn es una muestra de una población normal con media P y varianza ı2. …. . resultan muy valiosas en problemas de análisis y estima- ción. . consistente y con varianza mínima. Algunas de las distribuciones más importantes de funciones de valores muéstrales aparecen más abajo. x n es una muestra de una población normal con una media P y una varianza ı2. Se omite su desarrollo para economizar espa- cio. 2. La fun- ción de densidad psi-cuadrado viene dada por 1 1 f (u ) u n / 2 u ( n / 2) 1e  (u / 2) Para todo u • 0 [(n / 2)  1]! 2 La distribución psi-cuadrado ha sido ampliamente tabulada y aparece en la Tabla A4. la distribución de x = (1/n) Ȉxi es normal con una media P y una varianza ı2/n. . El tamaño n de la muestra se toma i 1 como el parámetro N. Si x1. Distribuciones de funciones de observaciones de muestras Las distribuciones de funciones estimadoras.. Por tanto ambas se usan por razones de conveniencia.

es probable que los resultados sean tendenciosos. Si u y v son dos variables aleatorias distribuidas psi-cuadrado con n y k grados de libertad. pero ha sido tabulada para su uso prácti- co y aparece en la Tabla A6. la media real del peso de los cerdos que observó.. Si xi. Si no se tiene en cuenta esta advertencia. PRUEBA DE HIPÓTESIS Una hipótesis es una afirmación sobre las características estadísticas de un proceso o una cosa física. su razón u/n ku F v/k nv sigue la distribución F con n y k grados de libertad.. con certeza. Hipótesis nula H o : peso medio = k kilos Hipótesis alternativa H1: peso medio  k kilos Es importante que la hipótesis que se va a probar. En el proceso científico tendría entonces que probar su hipótesis contra una hipó- tesis alternativa. x2. Una prueba es un procedimiento estadístico para determinar la validez de una hipótesis. se presente antes de que empiecen a recogerse los datos de la prueba. sabrá. xn es una muestra de una población normal con media P y varianza ı 2 y s 2 es una estimación de ı 2 . FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 51 3. La distribución F es considerablemente compleja. La función de densidad de Student viene dada por [(n  1) / 2]! 1 h(t ) u 2 ( n 1) / 2 [2. Las observaciones que se realizan .. obtenida como 2 s2 ¦ (x  x ) i n entonces. Puede avanzar un paso más y conjeturar que el peso medio de todos los cerdos de su granja es de k kilos. Ho. el primer paso es decidir sobre el tamaño de la muestra que debe observarse.. La distribución t de Student ha sido tabulada y aparece en la Tabla A5. respectivamente.17] nS [(n  2)] / 2]! [1  (t / n)] Para valores muy grandes del tamaño n de la muestra. Por ejemplo: si un campesino observa el pesaje de varios cerdos de su granja. 4. la función de densidad t de Student presenta la forma aproximada de una función de densidad normal. la razón (xi — P)/s sigue una distribución t de Student con n grados de libertad. En una prueba estadística. Una hipótesis es una conjetura.

8). Llegar a una conclusión. 3. pesar cada uno y hallar la media de peso x 6. se usa como base de la prueba. Especificar la probabilidad máxima a de que la prueba rechace la hipótesis nula cuando es cierta. Podemos también asumir que los pesos de los cerdos siguen una distribución normal con media P y varianza ı2. El campesino consideraría que su programa para el engorde de sus cerdos ha sido un éxito si el peso medio de los animales se situara en 200 kilos. Si el valor del estadístico de prueba cae fuera del recorrido estipulado. 5. Como el campesino está interesado en una hipótesis sobre la media. Este es el paso de mayor importancia. Si la hipótesis nula no resulta rechazada. La situación exacta de esta zona vendrá dada por la distribu- ción del estadístico escogido. el peso medio de los cerdos en una muestra de n cerdos. se puede llegar a una conclusión comparando el valor observado con esta zona de rechazo. no hay base suficiente para rechazarla. 2. Si sospecha que su programa de engorde no tiene éxito. 4. la probabilidad de que el valor observado del estadístico de la muestra ocurra dentro de ella es menor que el valor a seleccionado en el paso 2. puede probar la hipótesis H o: P = 200 kg contra una alternativa H1: P < 200 kg Un rechazo de la hipótesis nula verificaría sus sospechas. el «no rechazo de una hipótesis» es un sustitutivo aceptable de la «aceptación de una hipótesis». En caso contrario. llamada estadístico de prueba. Llevar a cabo la prueba. Si se estableció que la zona de rechazo para los pesos medios de 12 cerdos fueran valores inferiores a 187 kg (Fig.52 CONTROL DE CALIDAD de esta muestra se llaman datos de la prueba. Los pasos básicos para probar una hipótesis son los siguientes: 1. el campesino puede tener la seguridad de que sus temores eran infundados. Si el peso medio de los 12 cerdos fuese 198 kg. La validez de la prueba de hipótesis depende en gran parte de que este paso se implemente de forma adecuada. si Ho es verdadera. . Definir un estadístico de prueba y su distribución de probabilidad suponiendo que Ho fuera cierta. La aceptación de la hipótesis es muy difícil si sólo se usan procedimientos estadísticos. Determinar la zona de rechazo. el campesino carece de base suficiente para rechazar la hipótesis nula. Formular la hipótesis nula. hay razones para rechazar la hipótesis. desde el punto de vista práctico. Sin embargo. en este caso x . Esta decisión se basa usualmente en un compromiso entre el costo de la prueba y el de una conclusión inco- rrecta. Esta es una zona en la que. 2. El campesino habrá de seleccionar aleatoria- mente n cerdos de la piara. No tendría que pensar que el programa de engorde de los cerdos es un fracaso. Una función de los datos de la prueba. un estadístico aceptable sería x .

Ejemplo 2. la zona crítica R debe satisfacer la relación Pr( x  R | H 0 cierta) D Como no nos preocupa que P sea menor que k (la hipótesis alternativa es P > k). Zona de rechazo para la prueba de una hipótesis.8. Si Ho es verdadera. A continuación definimos una región crítica. Un estadístico que puede utilizarse en esta prueba es x . Pr( x ! xc | P k) D . la distribución de este estadístico también es normal. Entonces. queremos limitar la probabilidad de no aceptar Ho cuando sea cierta para un cierto número Į.10 Este ejemplo muestra una prueba unilateral de una característica que tiene una distribución normal con varianza conocida. la zona que indicará un rechazo de Ho. Para limitar la probabili- dad de que se rechace una hipótesis cierta. Suponemos que la varianza es conocida y necesitamos probar la hipótesis H0: P = k contra una hipótesis alternativa H1: P>k Más aún. con media P y varianza ı2. esto es. con media P = k y varianza ı2/n. la zona crítica se selecciona de forma que esté situada entre un cierto valor xc y el infinito. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 53 Figura 2. Considérese una característica cuya distri- bución de probabilidad es normal. la media de una muestra de n observaciones.

las probabilidades de cometer cualquiera de ambos tipos de error se representan por los símbolos Į y ȕ. respectivamente. Realidad Para cualquier prueba. Por ejemplo. no hay error. la hipótesis Ho puede ser «cierta» o «no cierta». H o : P = 3cm . por medio de muchas pruebas diferentes). una cierta y la otra no cierta. que es. Estas cuatro posibilidades se pueden mostrar de forma esquemática ( indica que no hay error en las conclusiones). Pr(error tipo I) = Į Pr(error tipo II) = ȕ Potencia de una prueba El objetivo de una prueba es discriminar entre dos hipótesis. A este objetivo se puede llegar de diferentes formas (por ejemplo.54 CONTROL DE CALIDAD o ERRORES TIPO I Y TIPO II No es cierto que las conclusiones de una prueba sean idénticas a la realidad. desconocida. Error de tipo II: no rechazo de una hipótesis que no es cierta. Si la conclusión es que hay que rechazar una hipótesis que no es cierta o que no hay que rechazar una hipótesis que lo es. cuando se prueba una hipótesis sobre una característica con distribución normal y varianza conocida. las conclusiones a que lleva la prueba pueden ser erró- neas. generalmente. Hay dos tipos de errores: Error de tipo I: rechazo de una hipótesis cierta. En la realidad. En otros casos. La conclusión de la prueba puede ser «rechazar» o «no rechazar» la hipótesis.

Aunque todas esas pruebas tendrán la misma probabilidad de dar un aviso (por ejem- plo.5 cm puede haber varios métodos de proyectar una prueba con Į = 0.9 muestra dos posibles pruebas para probar la hipótesis con la misma probabilidad de error del tipo I.9. La prueba de la Figura 2. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 55 contra una hipótesis alternativa H 1 : P = 3. su comportamiento diferirá cuando Ho no es cierta (H1 es cierta). . Ejemplo 2.11 La Figura 2. Dos pruebas alternativas para probar la hipótesis H o : P = 3 cm contra H 1 : P i = 3.9b es bilateral y la hipótesis Ho se rechaza siempre que la observación esté por encima del límite U2 o por debajo del límite L1.5 cm. rechazar Ho) cuando Ho es cierta. La prueba de la Figura 2.05.9a es unilateral en que la hipótesis Ho se rechaza siempre que la observación esté por encima del límite U1. Aunque el error Figura 2.

tendría que considerarse «uniformemente más potente» que la prueba 2. Definición. para cualquier prueba.5 cm.11. Dicho de otro modo: la potencia de una prueba aumentará y ȕ dismi- nuirá. véase Fig.5. La función de potencia de una prueba es un gráfico que mues- tra la potencia 1 — ȕ. La diferencia es de 0.5 cm y la nueva hipótesis alternativa fuera H1: P = 4.10).05 y la diferencia 0. Los valores aproximados de dichos dos errores son los siguientes: Está claro que la prueba 1 es mejor que la 2. 2. el error de tipo II es significativamente diferente. 2. Si la prueba 1 fuera más potente que la 2 para cualquier a común y para cualquier diferencia. como función de la «diferencia» (Fig. Se llama potencia de una prueba a la cantidad 1 — ȕ. el mismo a). ȕ. Una forma alternativa de definir lo óptimo de modo más completo se basa en la distribu- ción de longitud de racha. cualquier situación «fuera de control» se detectaría con mayor probabi- lidad. Para una única muestra. La curva característica operativa (curva OC) de una prueba es un gráfico que muestra ȕ como función de la diferencia entre la hipótesis nula y la alternativa (por ejemplo: designa los casos «bajo control» y «fuera de con- trol». Se dice que «la prueba 1 es más potente que la 2». Definición. Definición.5 cm.56 CONTROL DE CALIDAD de tipo I es el mismo en ambos casos. y por consiguiente la potencia dependerá de la diferencia entre lo que constituye un estado «bajo control» y otro «fuera de control» en el proceso de producción. P = 3cm denota la situación «bajo control» y P = 3. Una prueba que es uniformemente más potente dentro de un grupo se denomina «óptima» en sentido incompleto. Más aún. Se obtiene un sentido más absoluto de lo «óptimo» cuando el grupo W es el de todas las pruebas. la 1 es mejor que la 2 para detectar una situación fuera de control.11).5 cm la situación «fuera de control». Definición. Si esta diferencia pasara a ser de 1. Una prueba ș se denomina «la prueba uniformemente más potente» dentro de un grupo de pruebas W si a) ș  W y b) ș es uniformemente más potente que cualquier otra prueba I  W . . En el ejemplo 2. Esta definición se usa normalmente para distinguir entre pruebas con el mismo nivel de significancia (por ejemplo. la prueba 1 se consideró más potente que la 2 cuando el Į común era 0. cm. En el ejemplo.

Curva característica operativa de una prueba. Figura 2.FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 57 Figura 2. .11. Función de potencia de una prueba.10.

. …. Una prueba es óptima en sentido absoluto cuando su longitud de racha es estocásticamente la menor en ciertas condiciones. generalmente. de forma conjunta. sin lugar a dudas. que fabrica un producto y está sujeto a vigilancia. los si- guientes pasos: 1. y 1 . proceso de vigilancia. Para un proceso de vigilancia la longitud de racha. como una función de estas observaciones: D I ( y1 . y 2 . cuando el proceso está bajo control. Cálculo de un estadístico de control D. Pr (Dk  R) = Į . en la que Pr(D  R) = 1 .Į 5. la distribución de la longitud de racha es una distribución geométrica. No debe confundirse con un proceso de producción. sería una variable aleatoria y su distribución de probabilidad. Una racha será el número de muestras observadas hasta que se produce el primer aviso. Determinación del FDP (Función de densidad de probabilidad) de D. h(D). Las distribuciones de longitud de racha de los procesos de vigilancia. En el análisis que sigue y en otros que figuran en este libro se utilizará el término «proceso de vigilancia» en este sentido. Para un proceso de vigilancia está especificado el nivel de significancia y la distribución del estadístico de control está predeterminada.58 CONTROL DE CALIDAD Definición.y n 2.. 4. Un gráfico de control es. Cuando las primeras muestras (j — 1) no dan lugar a aviso alguno. Estos cinco pasos se pueden denominar. cuando el proceso de producción está bajo control. son de particular interés. Observación y medida de la característica para un tamaño de muestra n. LONGITUD DE RACHA DE UN PROCESO DE VIGILANCIA La vigilancia de un proceso de fabricación incluye.. Para cualquier muestra k.. Teorema. j. Cuando los sucesivos valores del estadístico de control son independientes. Determinación del nivel Į de significación y selección de una zona de aceptación R. se denominaría distribución de longitud de racha. Una señal siempre que el estadístico de control D esté fuera de la zona de aceptación R. un proceso de vigilancia. y éste se produce en la muestra j. la longitud de racha es j. y2 . yn ) 3. h(J) = Pr(j ” J].

Pr(U > t) • Pr(V > t). pero no antes. Į) una distribución geométrica con argumento t y parámetro Į: G(t. Figura 2.05. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 59 Dado que los sucesivos valores D1. . La familia de una distribución geométrica G(t.12 muestra la forma de una distribución geométrica.Į) t Teorema. D2. .. Definición.. Į) = 1 .Į) j-1 [2.19] De aquí que la distribución de la longitud de racha h(J) venga dada por La Figura 2. Distribución de longitud de racha (distribución geométrica) para Į = 0. Sea G(t. Į). cuando para cada t.12. Se dice que una variable aleatoria U es estocásticamente mayor que una variable aleatoria V.. Dj son independientes. viene dada por Pr(longitud de racha = j) = (1 . 1) es estocásticamente decreciente en Į.(1 . la probabilidad de conseguir una señal en la muestra y-sima. Į  (0.

Si una variable aleatoria U es estocásticamente mayor que otra variable aleatoria V.estén dentro del recorrido entre 0 y 1.FU (t) • 1 .Į 2 ) t Como Į1 < Į2. «la variable U tiene dominancia sobre la variable V».G(t 1 . Į1) y G(t1. GRADOS DE LIBERTAD En cualquier problema con n variables. Esto es aplicable a todas las parejas Įi. Į 1 ) = (1 . alternativamente.13. 1 . Įj siempre que Įi y Įj. Para la parte 2 resulta fácil ver que Pr(U > t) • Pr(V > t) porque U es estocásticamente mayor.FV(t) o FU (t) ” FV (t) Esta relación se expresa generalmente de la siguiente forma: «la distribución de probabilidad de V está limitada por debajo por la distribución de probabili- dad de U» o. La parte 1 es intuitiva. Pr(U 1 > t) = 1 . Į 2 ) = (1 . Teorema.G(t 1.Į 1 ) > (1 . E(U)• E(V). Į2). La relación aparece en la Figura 2.Į 1 ) t Pr(U 2 > t) = 1 .Į 2 ) y (1 – Į 1 ) t > (1 – Į 2 ) t o Pr(U 1 > t) > Pr(U 2 > t) Esto implica que U1 es estocásticamente mayor que U2. 2. entonces 1. En tales . un número k de dichas variables puede ser dependiente con relación a las restantes n — k variables.60 CONTROL DE CALIDAD Sean U1 y U2 dos variables aleatorias con distribuciones geométricas G(t1. FU(t) ” FV (t) para todo t. (1 . y sea Įl < Į2.

X2 y X3 se le puede asignar cualquier valor (dos opciones libres = dos grados de libertad). A cualquier par de las variables X1. pero el cálculo de ı no lo es a no ser que se considere el número de opciones libres. sólo se pueden escoger libremente los valores de las variables n — k. habrá que recordar que el denominador de la formula de la raíz cuadrada de la media era (n — 1). Dominancia estadística. X . el valor de la tercera es fijo. partiendo de (Ȉ X)/n es neutral. pensar en grados de libertad como (n — número de valores fijos) o. alternativamente. como el número de opciones libres. Una vez escogidos los valores de t de las variables dependientes k son fijos y no se pueden seleccionar libremente. . Ejemplo 2. Sea X 1 = -50 y X 3 = +35 El valor de X 2 es fijo en +25 para que X1 + X2 + X3 = +10 Esto deberá resultar evidente de inmediato. ya que una de las propiedades de la media. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 61 Figura 2. pero una vez que dos de ellas han tomado valores. pues. Dadas tres desviaciones de X respecto de X y con ( X  X )1 10 ( X  X )2 5 el valor de (X — X )3 viene fijado en —15.12 Sea X1 + X2 + X3 = +10.13. Se puede. X . pero se llegará al convencimien- to si se practica con unos cuantos ejemplos. es que la suma de las desviaciones alrededor de la media debe ser igual a cero. Para otro ejemplo. casos. El cálculo de la media.

62 CONTROL DE CALIDAD Así pues. en este caso hay un grado de libertad.5b muestra un valor libremente asignado. La Tabla 2. Así. Con éste. Ilustración de grados de libertad de una tabla de cuatro por cuatro .6. los otros valores de la tabla son fijos según se indica.5. TABLA 2. TABLA 2.6 la libre asignación de nueve valores fija los otros siete. Quizá el lector quiera verificarlo con unos cuantos problemas hipotéticos de carácter práctico. 10 + 5 – 15 = 0 y los grados de libertad = (n — 1) = 2. Ilustración de grados de libertad para una tabla de dos por dos En la tabla de cuatro por cuatro (filas y columnas) de la Tabla 2. esto es n –3 = 4 –3 = 1 grado de libertad. El valor rodeado por un círculo en la Tabla 2.5a nos da las sumas de las filas y columnas de una tabla de dos por dos.

6 para el cálculo del número de grados de libertad. Se observará que los grados de libertad entre columnas más los grados de libertad dentro de la columna dan el total de grados de libertad. se pueden calcular los grados de libertad entre columnas a partir de los totales de éstas o de sus promedios. Usando la Tabla 2. Los grados de libertad dentro de las columnas son 12. n – 4 = 16 – 4 = 12 Omitiendo mentalmente los totales de fila y columna y dejando únicamente el total de la columna. esto es.7. Una . quedando fijado el otro por los asignados libremente y el total de la tabla. Si la hipótesis alternativa hubiera sido H1: ș = ș0. se denomina hipótesis simple. hay cuatro columnas en cada una de las cuales se pueden asignar valores libremente seleccionados a tres de ellas.7. TABLA 2. Si se trabaja con los totales se ve que se pueden asignar libremente tres de los totales de las columnas. La consecuencia de rechazar la hipótesis nula sería aceptar la alternativa y produciría una mayor confianza en la hipótesis alternativa. no habría sido una hipótesis simple. Esto es lo que mide la combina- ción del gráfico X y el R. En este caso. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 63 Hay ocasiones en que se desea comparar la variabilidad dentro de las columnas con la variabilidad entre columnas. Ilustración de los grados de libertad para variaciones dentro de la columna y entre columnas PRUEBAS DE SIGNIFICANCIA Cuando una hipótesis define de forma explícita un valor específico de los parámetros involucrados. la prueba hubiera representado sólo un intento de contestar a la pregunta: ¿Es el valor observado de ș significativamente menor que ș0? Tales pruebas pueden llamarse pruebas de significancia. mientras que el gráfico R mide la variabilidad dentro del subgrupo (columna). El gráfico X mide la variabilidad entre muestras de subgrupos (columnas). se ve que el total de libertad de grados para la tabla completa es n – 1 = 16 – 1 = 15 La información sobre grados de libertad para este tipo de análisis viene dada en la Tabla 2. En una prueba de Ho: ș = ș0 contra H1: ș = ș1 tanto la hipótesis nula como la alternativa son hipótesis simples.

La probabilidad de error de tipo I o a se denomina nivel de significancia. si la zona de rechazo está en ambos extremos. la prueba se denomina de dos colas (Fig. trata- mientos o proyectos.14). . H1: ș < ș0 ). a) Prueba de una cola (Ho:ș = ș0. Figura 2. La hipótesis nula señala que no hay diferencias entre los resulta- dos antes y después del proyecto propuesto. La prueba descrita en el ejemplo 2. H1: ș  ș0 ). Las pruebas de significancia son útiles para evaluar nuevos métodos. Se puede considerar que un proyecto logra éxito cuando los resultados son significativamente mejores que los que se alcanzaban antes de utilizarlo. b) Prueba de dos colas (Ho: ș = ș0.64 CONTROL DE CALIDAD prueba de significancia puede ser de una cola si la zona de rechazo está sólo en un extremo del recorrido de los valores estadísticos de la prueba.13 es de significancia.14. 2.

la probabilidad de 0. con varianza conocida.13 Un granjero sabe por experiencia que el peso medio de sus cerdos después de un programa de cebado de nueve meses es de 200 kg.13.15). xc = 200 + 1.29 kg Después de la prueba se halló que el peso medio era de 207. el peso de un cerdo.645 x 2 = 203. Las dos secciones siguientes describen una serie de variaciones de pruebas de significancia aplicables a distintos casos industriales. Aquí la hipótesis nula es Ho:P = 200 kg.05. La distribución del estadístico de prueba x es aproxima- damente normal con una media de 200 kg y una desviación estándar 10/ 25 = 2 kg. . Sea x el peso medio de los cerdos después del programa de cebado. En la Tabla Al. el campesino lleva a cabo una prueba usando el nuevo alimento para una muestra de 25 cerdos. Esta es una prueba unilateral de una característica. Ejemplo 2. Prueba de significancia del ejemplo 2. ciertamente.645 desviaciones estándar.15. contra la alternativa H1: P > 200 kg.95 nos da el nivel crítico xc como la media + 1. Sea Į = 0. el nuevo alimento tiene propiedades superiores para el cebado de los cerdos. 2.80 kg (Fig. Se rechaza la hipótesis nula y se llega a la conclusión de que. con una desviación estándar de 10 kg. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 65 Figura 2. Con objeto de verificar la autenticidad de tal afirma- ción. Suele decirse que esta conclusión se alcanzó al «nivel de significancia» de 5 por 100. Ha salido a la venta un nuevo alimento que se anuncia como superior para la alimentación del ganado porcino.

la distribución de la media de la muestra es normal y la distribución de t es normal estándar. la solución para t sería . Esto es. ( X  X ') n t V' Para los datos de la muestra la expresión se convierte en (197  200) 10 t 1. la estimación de la variabilidad de la muestra debe corregirse para obtener una estimación neutral de la variabilidad de la población.01 como nivel de significancia.14 Supongamos que una muestra de 10 de un proceso con V ' conocida de 5 da una dureza Brinell media de 197. Ejemplo 2. Normal estándar es un caso especial de la distribución t de Student con infinitos grados de libertad.01 para grados de libertad infinitos es 2. Dado que el valor calculado de t es menor que el nivel de significancia de t elegido. que ı = 5). Las especificaciones estándar para la media de una muestra de 10 marcan 200 de dureza Brinell. Si se ha seleccionado 0.89 5 El valor t de una cola asociado a una probabilidad de 0. sólo hay que calcular la media para la prueba de significancia. ¿se acepta o rechaza la hipótesis nula basándose en esos datos? Cuando la varianza es conocida. Significancia de la media de una muestra de un estándar: Variabilidad desconocida Cuando la variabilidad es desconocida y debe estimarse a partir de una muestra. El factor de corrección es n /( n  1) . se supone que 197 no es significativamente diferente de 200. La expresión t se reduce a ( X  X ) n 1 t V' Suponiendo que la variabilidad era desconocida y tenía que calcularse a partir de los datos anteriores (asumiendo. que se multiplica por ı estimado a partir de la muestra. la hipótesis nula no se rechaza.326.66 CONTROL DE CALIDAD PRUEBAS DE SIGNIFICANCIA PARA MEDIAS DE MUESTRAS: PRUEBAS t Significancia de la inedia de una muestra de un estándar: Varianza conocida Cuando la variabilidad es conocida y estable. también.

supongamos que se ha perdido la identificación de lote de dos lotes y se desea probar si los dos son significativamente diferentes en cuanto a dureza Brinell. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 67 (197  200) 9 t 1. cuando la variabilidad es desconocida se requi una desviación real mayor para inferencias de significancia. Significancia de una diferencia entre las medias de dos muestras: Varianzas conocidas e iguales Para probar la diferencia entre dos medias se usa la distribución de ( X 1  X 2 ) . El nivel de significancia escogido es 0. Suponiendo que XY y X2 son independientes estadísticamente.05 porque el costo de equivocarse es pequeño.15 Como ejemplo de esta prueba de significancia.80 5 Como podría esperarse. Los datos obtenidos de las muestras de cada lote son los siguientes: Estos datos nos dan el valor del estadístico de prueba t como . En este caso ta poco se rechaza la hipótesis nula. y la expresión t se reduce a Ejemplo 2.

05. Esta estimación ponderada reemplaza. la solución de la fórmula de t conduce a En la Tabla A5 el valor t de dos colas para 198 grados de libertad es el mismo que para infinitos grados de libertad. Para la prueba de dos colas. Usando el mismo nivel de signifi- cancia que utilizamos en el ejemplo anterior. se acepta la hipótesis nula al nivel de significancia de 0.96). como ocurre cuando se compara una media con un estándar. se rechaza la hipótesis nula. En otras palabras. .96. Significancia de una diferencia entre las medias de dos muestras: ı' igual pero desconocida Con muchas frecuencias la varianza es desconocida.68 CONTROL DE CALIDAD La prueba es aquí para la diferencia entre dos medias. Como quiera que el t calculado es menor que el t de la tabla (1. es 1. de forma que debemos utilizar la prueba de dos colas.94 < 1. entonces.96). En otras palabras. se han perdido dos grados de libertad. Dado que el t calculado es mayor que el t significante (2.96.05 y unos grados de libertad infinitos. La diferencia no es unidireccional.). a ı' en la fórmula anterior. Si se desconoce la varianza de dos poblaciones de prueba. se concluye que no hay diferencias significativas entre la dureza media de los dos lotes.05. materiales. empezamos a buscar en la parte inferior de la Tabla A5. se puede obtener una esti- mación ponderada de los valores calculados para ı en cada muestra.0 > 1. se concluye que la diferencia en la dureza de esos dos lotes es significativa. También ocurre que ı de la muestra mayor tiene un peso mayor que el de la menor. el valor t de la tabla es 1. La esti- mación ponderada n1V 12  n2V 22 (V w ) n1  n2  2 Como quiera que hay dos estimaciones de variabilidad de muestra. con ı1 = 17 y ı2 = 12. anterior. 0. pero se piensa que es la misma (mis- mo método de procesamiento. El valor de t para un nivel de significancia de 0. Utilizando los datos de dureza X y n del ejemplo ı'. etc.

Otro método es minimizar el efecto de las variables extrañas haciendo parejas de probetas de prueba para su tratamiento. presión. Ejemplo 2. etc. Una forma de resolver este problema es conside- rar aleatorios los datos de un experimento diseñado para el análisis de la varianza. 0 n 6 La medida de la variabilidad es el error estándar de la diferencia media. es necesario comparar la diferencia media con la media de variabilidad de la diferencia media. tendremos la expresión para t de D / V D . colocando parejas de probetas para probarlos en diferentes condiciones atmosféricas. varianza desconocida Es frecuente la imposibilidad de excluir variables no deseadas que afectarán a los resultados de la prueba. que es igual a ¦ ( I  II ) 6 1. La diferencia media es la media de la tercera columna. Supongamos que pares de pruebas de resistencia a la corrosión de los tipos de revestimiento I y II dieron los datos que aparecen en la Tabla 2. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 69 Significancia de la diferencia entre medias muéstrales: Datos de parejas de probetas. V D se calcula a partir de V D n. Basándonos en la evidencia.16 En una prueba de condiciones climáticas para probar la resistencia a la corrosión de ciertos revestimientos. Si llama- mos D a la diferencia media y V D a la desviación estándar de la diferencia. Para probar la significancia entre medias cuando los datos se obtienen en pares de probetas. ¿es significativa la diferencia entre los dos tipos de revestimiento? Las dos columnas adicionales son para la diferencia y el cuadrado de la diferencia entre las parejas de probetas. donde § n D 2  D . humedad..8 (en horas antes que apareciera corrosión). se pueden minimizar los efectos de diferentes intensidades de luz solar.

2 · VD ¨ ¦ ¦ ¸ ¨ ¸ © n( n 1) ¹ por tanto. la variabilidad. Para los pares de datos del ejemplo (1)( 6) t 1. ya que sólo hay un estimado. D( n ) t n ¦ D 2  (¦ D ) 2 n(n  1) siendo los grados de libertad = n — 1. Sólo se pierde un grado de libertad aquí. 22 6(26)  (6) 2 6(5) .

¿Es la diferencia entre p y p' significativa al nivel de 0. el valor de la tabla de dos colas para t es mayor que el t calculado. . basada en la aproximación normal a la distribución bino- mial.8. asumamos que el estándar de un proceso se ha situado en p' = 0.02.20 (valor que no se usa casi nunca). que es mayor de 1. de 0.5 por 100? Para probar la desviación de una proporción con relación a un estándar. Como tal. Se acepta la hipótesis indiferente. Datos del muestreo Incluso para un valor muy liberal de significancia de 0.282. el t de la Tabla A5 es 1. esto es. se puede usar la curva normal para probar la significancia de una diferencia entre una propor- ción y un estándar. Se toma una muestra de 400 de un lote producido por el proceso y ésta mues- tra una fracción defectuosa. la estadís- tica t de la prueba es con libertad de grados = f . PRUEBAS t PARA SIGNIFICANCIA DE DIFERENCIAS RELATIVAS A PROPORCIONES Significancia de una diferencia entre una proporción y un estándar (n elementos) En caso de no disponer de tablas de probabilidad binomial. en (n — 1) = grados de libertad = 5.17 A efectos de ilustración.70 CONTROL DE CALIDAD TABLA 2. p.22. se puede inferir que existe suficiente evidencia para pensar que hay una diferencia significativa entre los dos tipos de revestimiento.04. Ejemplo 2. Por tanto.

se rechaza la hipótesis indiferente y se concluye que la diferencia es significativa. entonces. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 71 de forma que la aproximación normal es apropiada: 0.1 de 1.) Así pues. 04  0. el t = 2.1 se puede utilizar también para probar la significancia siem- pre que pueda suponerse que existe una distribución de Poisson. 02(1  0.0 la probabilidad de que un np sea 2 o mayor es de 0. Significancia de una diferencia entre el número de elementos defectuosos de una muestra y el número especificado por un estándar La Tabla A3. A veces es preferible calcular lo anterior en términos de cantidades de elementos defectuosos en vez de como fracción defectuosa.5 por 100) excede con mucho los 0. Por tanto. usando los mismos datos y condiciones.17 excepto que n = 50 en vez de ser igual a 400.86 calculado es mayor que el t significativo de 2. Continuación Dados los mismos datos que en el ejemplo 2. . Las distribu- ciones del número de elementos defectuosos y los defectos por unidad siguen la ley de Poisson. cuando la cantidad real de elementos defectuosos (np') es 1.08 obtenidos en la Tabla A3.576. De aquí que se pueda usar esta ley para probar la significancia de desviaciones de la muestra de un número estándar de defectos. de acuerdo con la Tabla A3. (Esto se obtiene sustrayendo el valor en la columna c = 2 de la Tabla A3. en consecuencia.1. en este caso se acepta la hipótesis indiferente porque el nivel de significancia de 0. y. Entonces. ya que n es mucho más pequeño que el del ejemplo anterior.576.5 por 100 de una punta de t para infinitos grados de libertad según la Tabla A5 es 2. Esto sería de esperar.1. 02 t 2.08.17.000 y convirtiéndolo en un número decimal.86 0. Significancia de una diferencia entre una proporción y un estándar (de n elementos y con pequeño p) A medida que la cantidad np' se hace más pequeña la binomial empieza a aproximarse a la de Poisson. Ejemplo 2. tal y como se esperaba.005 (0. 02) 400 El nivel 0.

05 según la Tabla A5 es 1. 0. ¿Existe diferencia entre sus respectivos resultados al nivel 0.09. Significancia de una diferencia entre dos proporciones (de n1 y n2 elementos y siendo np' > 5 en cada muestra) El error estándar de la diferencia (o suma) considerada anteriormente en este capítulo para pruebas de diferencias entre medias puede usarse también para probar la significancia de una diferencia entre dos proporciones cuando resulta apropiada la aproximación normal. . El productor tomó una muestra de 200 unidades del lote y encontró ocho defectuosas. lo que hace que la fórmula parezca más complicada de lo que en realidad es.000 y se convierte en la expresión de probabilidad de 0. ¿Justifica el número de defectos una decisión de rechazo de la hipótesis indiferente al nivel 5 por 100? En la solución.5 está situado en la columna c' de la Tabla A3.96 es mayor que 1.19 El productor y el consumidor han tomado muestras de un lote. Este valor es actualmente u'. Ejemplo 2. 1. La estadística de la prueba es: p1  p2 t n1 p1  n2 p2 § n1 p1  n2 p2 ·§ 1 1 · ¨1  ¸¨  ¸ n1  n2 © n1  n2 ¹© n1 n2 ¹ con grados de libertad = ’. esto es. así que se acepta la hipótesis indiferente. Esta muestra da un total de 10 fallos en la pintura. 04 t 1. El valor de u en la muestra de 10 es c/n = 10/10 = 1. c'/n cuando n = 1.1.79. La conclusión es que no hay significancia entre las dos proporciones al nivel del 5 por 100 de significancia. 79 8  24 § 8  24 · § 1 1 · ¨1  ¸¨  ¸ 200  300 © 200  300 ¹ © 200 300 ¹ El valor de dos colas de t para una significancia de 0.05 de la significancia. El consumidor seleccionó una muestra de 300 unidades del mismo lote y encontró 24 defectuosas. Esta prueba se usa ampliamente como base de procedimientos de aceptación de control de calidad. Este valor se resta de 1. Dado que 0. El valor de la tabla para c' = 0.96.72 CONTROL DE CALIDAD Ejemplo 2.5 y c = 1 es 910.09 es mayor que el valor 0. se acepta la hipótesis indiferente y no se concluye que haya significancia en la diferencia. tendremos que: 0. El denominador es el estimado ponderado de V p1 p 2 . Se seleccionan 10 del proceso que conforman una muestra aleatoria.18 El número estándar de defectos por unidad para fallos en la pintura de la puerta de un refrigerador se establece en 0.5. 08  0.05 de significancia? Llaman- do p1 al resultado del productor y p2 al del consumidor y sustituyendo los valores en la ecuación.

la fuerza de un elemento se mide por muestras periódicas de tres pruebas cada una. pero su recorrido aumenta hasta ±7. Para probar este tipo de diferencia se usa una prueba conocida por ji al cuadrado (Ȥ2).20 En un proceso de tratamiento térmico. la cuestión es si el cambio de swing redujo la variabilidad significativamente. Alternativa- mente. en tanto que en el último la cuestión es si la variabilidad creció significativamente.000 psi. basado en seis muestras de tres . ı’2 es la varianza estándar y ı2 es la varianza de la muestra. Supongamos que cambia su «swing» para reducir el recorrido a ±3 aunque sigue promediando 75 golpes. En el primer caso. Ejemplo 2. Puede ocurrir que la desviación de la medida de dispersión de una muestra sea significativamente diferente de una medida de dispersión estándar. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 73 PRUEBAS PARA LA SIGNIFICANCIA DE LA DIFERENCIA ENTRE VARIANZAS Todas las pruebas de significancia consideradas hasta ahora se han referido a promedios. un jugador de golf puede hacer un promedio de 18 agujeros en 75 golpes con un recorrido usual de ± 5. Por ejemplo. Significancia de una diferencia entre la varianza de la muestra y un estándar Cuando se supone que la media no ha cambiado. la prueba para la varianza incluye la razón en donde n es el tamaño de la muestra. El recorrido de los valores de la muestra se usa para obtener un estimador de la desviación estándar como R' Vˆ ' d2 en donde R es el recorrido medio y d2 es una constante dada por la Tabla A7. El promedio no ha cambiado así que esto carece de importancia aquí.750 psi. puede que al cambiar su «swing» siga promediando 75 golpes. El estimado para la desviación estándar es 6000 Vˆ ' 3544 psi 1693 Un nuevo proceso de tratamiento térmico que está siendo probado dio un valor estimado de la desviación estándar de 1. Este proceso tiene una larga historia recogida en archivos y R se ha mantenido aceptable- mente constante en 6.

Para la muestra observada. 6(1750) 2 u (3544) 2 2 Como quiera que el valor observado u es mayor que F 0. ¿Es el nuevo proceso significativamente mejor que el proceso existente. Usando X como estimado de P. F 0. la estadística de la prueba 2 n § x u · u ¦1 ¨© iV ' ¸¹ tiene una distribución ji al cuadrado con n grados de libertad. Según la tabla A4. al 1 por 100 del nivel? Cuando 1) la distribución implícita es normal o aproximadamente normal basada en el teorema del límite central.99 de una distribución 2 ji al cuadrado con 5 grados de libertad. Las estadísticas nV 12 u V '2 y kV 22 v V '2 tendrían una distribución ji al cuadrado con grados de libertad n — 1 y k — 1. con tamaños de muestra n y k y varianzas V 12 y V 22 respectivamente. La estadística u se reduce a nV 2 u V '2 Para probar la hipótesis H0: ı = ı’2 contra la alternativa H1: ı2 < ı’2. y 2) se supone que la media de esta distribución no ha cambiado. Significancia de la diferencia entre varianzas de la muestra de dos muestras Consideremos dos muestras de una población normal.99 con 5 grados de libertad = 0. los grados de libertad son n — 1. Puede concluirse que la mejora en el proceso no es significativa.99 no se puede rechazar la hipótesis indiferente. La relación entre esas variables aleatorias que siguen una distribución ji al cuadrado se expresa así (k  1)u V 12 1 V '2 (k  1)n ˜ ˜ ˜ (n  1)v V '2 n  1 kV 22 (k  1)n V 12 ˜ (n  1)k V 22 . puede 2 2 usarse el nivel 1 por 100 del extremo más bajo o el nivel para F 0.554. respectivamente.74 CONTROL DE CALIDAD pruebas.

05. 4 La varianza (el cuadrado de la desviación estándar) de cada muestra se ha calculado según la fórmula 2 V 2 ¦ X  X . El valor de F en este ejemplo puede apreciarse conceptualmente en la Figura 2. El primer turno tenía mayor producción. Ejemplo 2.04 y 14. la varianza de la muestra mayor se designa siempre como V 12 (numerador) y la menor como a\ (denominador).16.21 Supongamos que se desea probar la diferencia entre dos varianzas de muestras a un nivel de significancia de 0.000 psi2 1.16.014. buscamos df1 = 8 en la parte superior y df2 en la lateral. ya que el valor crítico de F asociado con el nivel 0. Los valores críticos de F en los niveles de probabilidad 0.000. ı2 9.04. n 9 5 Varianza. La razón de la prueba es ver si la variabilidad del primer turno de trabajo es significativamente distinta de la del segundo. respectivamente. es aproximadamente igual al cociente de las varianzas de la muestra.01. en una operación en la que es preciso controlar la variabilidad de la fuerza producida. Las dos pruebas proporcionaron los siguientes datos: Prueba l (primer turno) Prueba 2 (segundo turno) Tamaño de la muestra.000.05 es 6.8 respectivamente. habría sido significativo. incidentalmente.8) grados de libertad. Figura 2. Tabla A6. En la tabla. El cociente.80. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 75 Este cociente tendrá una distribución F con n — 1 y k — 1 grados de libertad.000 psi2 Al aplicar la prueba F. ya que el valor crítico de F asociado a este nivel es 14. Por costumbre.05 y 0. Distribución aproximada de la estadística F para (4. la varianza mayor es siempre el numerador y la menor el denominador. de forma que se seleccionó una muestra mayor.01 son 6. F = 9 no es significativo al nivel 0. F. Si se hubiera elegido el nivel 0.

n 1 .

4. o una verde. 2.6. o ambas a la vez? e) Cuando se coge una bola de cada urna. ¿Cuál es la probabilidad de que al menos una cubierta se estropee durante el viaje? 2. La probabilidad de que una cámara filmara dicha escena es de 1/3.000 millas. ¿cuál es la probabilidad de que resista otras 5.7. Una urna contiene 20 bolas rojas y 40 negras.8. ¿cuál es la probabilidad de que sea roja? b) Cuando se toma una bola de la segunda urna. Mario está pensando en realizar un viaje de costa a costa en su coche nuevo. la vida de una cubierta de automóvil en millas de viaje. ¿Cuál es la probabilidad de que ambas sean del mismo palo? 2. ¿Cuál es la probabilidad de que se rodara una escena complicada sin filmarse? 2. ¿cuál es la probabilidad de que sea verde? c) Cuando se toma una bola de cada urna. Determínense los valores de A y B. Si se tira una sola vez un dado de seis caras. a) Cuando se toma una bola de la primera urna. Acto seguido.000 0 x0 30000 =0 en caso contrario a) ¿Cuál es la probabilidad de que la cubierta sobreviva a las primeras 20. Una baraja tiene 52 cartas (4 palos de 13 naipes cada uno).76 CONTROL DE CALIDAD PROBLEMAS 2. ¿cuál es la probabilidad de sacar 8? 2.3. La probabilidad de que una cubierta nueva sobreviva a este viaje es de 0. Otra urna contiene 30 bolas verdes y 30 negras.000 millas? . es una variable aleatoria continua con una función de densidad de probabilidad 1 f ( x) e  x / 30.1. ¿cuál es la probabilidad de coger exactamente una negra? f) Cuando se coge una bola de cada urna. ¿cuál es la probabilidad de coger una roja.5. El jugador C coge una carta al azar. Una función de densidad de probabilidad viene dada por f(x) = Ax — Bx2 para el recorrido 0 ” x ” 2. Si x.2. el jugador D coge otra igualmente al azar. ¿cuál es la probabilidad de que salga el número 5? Si se tiran dos dados. ¿cuál es la probabilidad de coger una roja y una verde? d) Cuando se coge una bola de cada urna. Se ha dicho que un famoso director de Hollywood utilizaba tres cámaras para filmar algunas escenas complicadas. ¿cuál es la probabilidad de coger al menos una negra? 2.000 millas? b) Suponiendo que haya sobrevivido a las primeras 20.

En un dado de seis caras. Para la variable x del problema 2. Una emisora de TV quería entrevistar a cierto número de delegados que asistían a la convención de un partido político. ¿cuál es el valor esperado de x? 2. Una gasolinera recibe 100 unidades de repuestos. dos sean azules? 2. A largo plazo.14. ¿cuál es la probabilidad de que exactamente una unidad de la muestra sea defectuosa? 2. 2.15. cada jugador recibe una carta después de hacer una apuesta de 25 dólares. el jugador gana 60 dólares.17. ¿Cuál es la probabilidad de que. En una partida de cartas en un casino. a) E(cx) = cE(x). ¿cuál es la probabi- lidad de que más de uno sea conservador? 2. b) Usando el valor de a. además de recibir la devolución del dinero de su apuesta. c) E(cx + dy) = cE(x) + dE(y). 2. Se tira un dado regular 5 veces. 20 de las cuales se sospecha que son defectuosos. Si la carta es de un palo diferente el jugador pierde su apuesta.9. Se escogen al azar cuatro unidades. 2. si x representa al número que sale después de tirar el dado. Pruebe que Var (x) = E(x2) .13.8.16. 2. 3. 2. el 30 por 100 moderados y los restantes liberales.11. Si se toma de la caja una muestra aleatoria de 5 unidades. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 77 2. ¿Cuál es la probabilidad de que salga «6» exactamente dos veces? . b) E(cx + d) = cE(x) + d.8. Sea x una variable aleatoria discontinua con la función de probabilidad 1 Pr(x) =a – = x = 1. 4 2x =0 en caso contrario a) Determínese el valor de a para que la función anterior sea una función de probabilidad legítima.[E(x)]2. de esas cuatro canicas.10. Si la carta que el croupier descubre a continua- ción pertenece al mismo palo de la primera. donde x e y son variables aleatorias y c y d constantes. Si se seleccionan al azar cuatro políticos para las entrevistas.12. E(x2) y Var(x). determine E(x). Pruebe lo siguiente usando la definición de esperanza matemática de una fun- ción h(x) para casos continuos y discontinuos. En una caja hay seis canicas verdes y tres azules. hállese Pr(x ” 3). Del total de delegados se supone que el 40 por 100 son conservadores. ¿quién ganará en este juego: el casino o el jugador? 2.

Muestre que en una secuencia de pruebas la probabilidad de lograr el éxito por primera vez en la enésima prueba es p(1 .78 CONTROL DE CALIDAD 2.012. Se asume que el diámetro de un cilindro está normalmente distribuido con una media de 3. Calcúlese: . Se asume que la distribución de puntos logrados en cierto examen es normal con una media de 80 y una varianza de 25.21. ¿Cuál es la probabilidad de que un cilindro escogido al azar tenga un diámetro mayor de 3. El número de clientes que llegan al mostrador de facturación de una línea aérea es una variable aleatoria de Poisson con un recorrido medio de 6 por hora.18.25. 1 de cada 600 artículos fabricados es defectuoso.p)n-1 Esta distribución se denomina distribución geométrica. a) Determínese la probabilidad de que en una muestra aleatoria de 10 elemen- tos. b) La probabilidad de que ocurran más de un accidente en un mismo día. b) Utilizando la aproximación de Poisson a la distribución binomial. Supongamos que la distribución de una variable aleatoria x es normal estandari- zada. Calcular: a) La probabilidad de que ocurran exactamente dos accidentes en un mismo día.65 pulgadas? 2.24. Utilícese la distribución binomial. ¿cuál es la probabilidad de que haya exactamente 3 defectuosos? Úsese la aproximación de Poisson. Una firma dedicada a la fabricación estima que. En una muestra de 1. 3 exactamente. el 8 por 100 de las herramientas fabricadas resultan defectuosas. ¿Cuál es la probabilidad de que durante una hora determinada no lleguen más de dos personas? 2.5 pulgadas y una varianza de 0.20.23. sean los defectuosos. vuélvase a calcular la probabilidad anterior. Compárense ambas respuestas.19. En cierta unidad de producción.200 elementos. ¿Qué porcentaje de los estudiantes obtuvo 70 puntos o menos? 2. 2.22. Supongamos que el número de accidentes que ocurren un día determinado en una autopista es una variable aleatoria de Poisson con O = 2. 2. 2. como promedio. Digamos que la probabilidad de éxito en una prueba es p. 2.

Se supone que el diámetro de los rodamientos de bolas fabricados por una empresa está distribuido normalmente con una varianza de 0. Usando Į = 0. 7. En una clase con 50 estudiantes. Determínese la distribu- ción de las medias de la muestra. b) La desviación estándar de la población. d) Una curva de ojiva. ¿Apoyan los datos la hipótesis indiferente o la alternativa? . 2. 9 y 11. los puntos que sacaron en un examen son los siguientes: Obtener: a) La distribución de frecuencia agrupada. 2. Cada vez que se sacan dos bolas.27. 2.05. Considérense todas las muestras posibles de esta población.10. Se supone que los rodamientos de fabricados en una empresa tienen un diámetro medio de 2. supóngase que la hipótesis indiferente es P = 2. En una muestra de 30 rodamientos. En el problema 2.1 pulgadas. se anotan sus números y se devuelven a la caja. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 79 2.1 pulgadas contra una alternativa de que P no sea igual a 2.26. Si se toma para inspeccionar una muestra de 100 barriles. ¿Cuál es la probabilidad de que la media de cierta muestra caiga entre 2 cm y 2.2 cm? 2.31.28.30.70 cm.1 y la hipótesis alternativa es P > 2. y una desviación estándar de 0.35 cm? 2. ¿Cuál es la probabilidad de que una media de la muestra sea mayor de 5.31. la media de la muestra es de 2.2 cm. b) Un histograma mostrando los puntos contrarios a la frecuencia. 5. c) La media de las medias de muestra.3 pulgadas. respectivamente. c) Un polígono con la frecuencia real estimada y un estimado suavizado de la función de probabilidad.32.5. Calcúlese: a) La media de la población. d) La desviación estándar (error estándar) de las medias de muestra. Una caja contiene cinco bolas marcadas con los números 3. hállese la distribución de la media X de la muestra.1.29. pruébese la hipótesis de que la media P es de 2. Se supone que el diámetro de un cilindro está distribuido normalmente con una media de 5 cm. y una varianza de 1. ¿cuál es la probabilidad de que el número de «caras» esté entre 45 y 55? 2. Si se tira una moneda 100 veces.

Se supone que el ángulo de desviación de un rayo de luz horizontal sometido a una presión vertical está distribuido normalmente con una varianza de 6. 2.35. . El asesor de una asociación de consumidores quiere comparar los resultados de los coches fabricados por dos empresas. verifíquese si los datos confirman la hipótesis indiferente. Si a = 0.) 2. y se conocen sus varian- zas. Se supone que el coeficiente de inteligencia de los alumnos de una escuela está distribuido normalmente con una varianza de 6.3.0 mm Una muestra de 5 elementos da un ángulo de desviación de 4. ¿aceptaría usted la hipótesis indiferente? 2. Se dispone también de los valores de ı. Una de las dimensiones fundamentales de tales vástagos es el diámetro del casquillo del pasador de pistón.25 mm. El director ha señalado siempre que el coeficien- te de inteligencia medio de la escuela es de 155. Una muestra aleatoria de los exámenes de 50 alumnos de cada clase da una nota media de 75 y 87.80 CONTROL DE CALIDAD 2. Dichos diámetros están distribui- dos normalmente en los vástagos de ambas empresas. sin embargo.05? 2. Si en el problema 2.0 mm contra H1 > 4. Si la hipótesis indiferente establece que las dos medias son iguales. que se supone que son iguales.38.34 la varianza de la población no fuera conocida. Se van a comparar las notas medias obtenidas en un examen por las clases A y B. pero se estimase que la varianza de la muestra es de 0.33.10. Uno de los criterios que utiliza es el tiempo que necesitan los coches pasar de 0 a 60 millas por hora.200.34. Para un valor a de 0. estadísticamente.025.400. ¿aceptaría la hipótesis indiferen- te para un valor de Į de 0. Supóngase que las varianzas de las dos poblaciones son conocidas y que se estima que ambas son iguales a 7. la media es 120.05. respectivamente. ¿Debe seguir la planta adelante con sus planes o no? (Asuma que Į = 0. La hipótesis a probar es Ho = 4.2. no hay diferencia entre las dos medias. En un muestreo aleatorio de 50 alumnos. Se supone que los tiempos están distribuidos normalmente con varianzas iguales.36. Supóngase que las poblaciones están distribuidas normalmente y que Į = 0. 2. Una planta de montaje de automóviles desea comprar vástagos de dos provee- dores distintos.37.05 verifiqúese si puede aceptarse la observación del director o no. Los datos son los siguientes: La planta puede usar los vástagos de ambos proveedores simultáneamente sólo si.

. con válvulas de cada tipo dieron las siguientes vidas útiles en horas: Tipo 1 Tipo 2 1.060 1.030 870 860 990 990 Para un nivel a de 0.39.4 seg ı2 1. Los resultados de las pruebas son los siguientes: Coche 1 Coche 2 P.185 1.2 n 20 20 La hipótesis a probar se establece como H 0 : P1 P2 H1 : P1  P2 ¿Hay base suficiente para rechazar H01 2.025 verifíquese la afirmación de que existe una diferencia significativa utilizando el método de los pares de probetas.1 1. FUNDAMENTOS DE ESTADÍSTICA Y PROBABILIDAD EN EL CONTROL DE CALIDAD 81 sólo se dispone de valores estimados para ı2.6 seg 11. En idénticas condiciones de voltaje y temperatura.205 1.000 880 870 900 965 1. tiempo medio para pasar de 0 a 60 9.040 980 1. Se pretende comparar las vidas útiles de dos válvulas de vacío para descubrir posibles diferencias significativas entre ellas.010 1.

.

lo que dará lugar a que determinadas piezas ofrezcan más resistencia a la taladradora por su mayor dureza. necesidad inmediata de obtenerlos prescin- diendo de su calidad. garantía de calidad de los mismos a todas luces inadecuada. en consecuencia. Las causas de variación del material pueden ser múltiples: adquisición de materiales inade- cuados. cuyas causas no se pueden individualizar. El operario que maneja la taladradora hace girar una manivela y seis brocas hacen taladros en la pieza. MAQUINAS Y MATERIALES Nuestro ejemplo hace referencia a una operación de taladrado de una pieza de fundición utilizando husillos múltiples. También variarán sus dimensiones. malas especificaciones sobre materiales. transcurrido el cual la manivela vuelve a su posición normal. ¿Cuáles son las posibles fuentes de variación? En primer lugar. Pero en cada uno de ellos hay una variabilidad inherente o natural. controlar hasta que alcance un mínimo valor económico no susceptible de ulterior reducción. el material del que está fabricada la pieza de fundición presentará alguna varia- ción de una pieza a otra. Las brocas funcionan durante un breve período de tiempo. EJEMPLOS DE VARIABILIDAD DE PERSONAS. considerar el precio de compra más bajo en lugar del 83 . máquinas y materiales. La porosidad de ciertas piezas será mayor que en otras. La función de cada uno de estos elementos puede ser relativamente simple o sumamente compleja.3 Control estadístico de procesos La mayoría de los sistemas de dirección y producción suponen el empleo combinado de personas. junto con una variabilidad no natural que sí se puede. Se fija la pieza de fundición en una plantilla.

y 2) lo que aceptará su supervisor. funciona dentro de un cierto intervalo de capacidad. es la del cambio de proyecto. Quere- mos poner de manifiesto. mediante una cuidadosa distribución del trabajo y una precisa programación se puede evitar la compra de equipos de mayor precisión. el objetivo a alcanzar debe ser: proyecto óptimo a un costo total mínimo. Los límites de este intervalo se conocen como límites naturales del proceso. Por contrario. o la subcontratación para llegar a procesos de producción más precisos. es frecuente que la arbitrariedad se produzca sin tener en cuenta los objetivos del proyecto. En contraste con los límites naturales están los límites de las especificaciones o de los planos. Sin embargo. así debería ser. mediante la planificación y los controles adecuados. al menos. toda vez que se fijan según los objetivos que se persigan con el proyecto de los distintos productos. una carga diferente de las máqui- nas. 3) cambiar el proyecto del producto. 2) utilizar un proceso más preciso. etc. La elección de una alternativa debe obedecer a razones económicas. Habrá casos en que esté justificado optar por la primera alternativa. aunque sea de precisión. Cualquier proceso. Si se hace indiscriminada mente puede producir estragos en un plan organizado de producción. una justificada observancia de todas las exigencias del proyecto puede incrementar la demanda de un producto de calidad. Un proceso no es más que la utilización de recursos para producir algo. Lo que nos lleva.84 CONTROL DE CALIDAD costo mínimo para producción. Si el proceso no puede funcionar de modo aceptable dentro de los límites de su proyecto. Una situación parecida se produce en la fábrica con el trabajador encargado de una máquina. Los costos de inspección al 10' por 100. es que el proveedor no sabe exactamente lo que quiere el comprador. a la creación de un doble estándar en este campo: lo que se desea y lo que será aceptado. Con frecuencia. La segunda alternativa puede supo- ner importantes inversiones en maquinaria. La tercera opción. Una razón y causa frecuente de la mala calidad de los materiales adquiridos. En cualquier caso. esto es: 1) los planos de trabajo. quizá la más difícil de llevar a la práctica. quien adopte las decisiones no tiene más que tres alternativas: 1) separar los productos que satisfagan las especificaciones de los insatisfactorios. . Hay a menudo un doble criterio: 1) lo que exigen las especificaciones de materiales. Los intentos por controlar el proceso hasta dejar una variabilidad menor que la suya natural provocan indecisiones. frustración y llevan a realizar gastos injustificados. Este intervalo de variabilidad se denomina capacidad del proceso o de la maquinaria. de desechos y repeticiones de algunos trabajos pueden considerar^ como costos de oportunidad. además. reciprocidad. esto es. de nuevo basándose en su conve- niencia. una vez más. O. esta opción obedecerá a razones de mala planificación de producción y a ventajas momentáneas. Estos límites suelen ser arbitrarios. pudiendo su resultado —el producto— ser tangible o intangible. costos innecesarios que se pueden reduc e incluso eliminar. y 2) lo que el comprador aceptará basándose en su conveniencia. que desde el punto de vista económico tan erróneo es pensar en un proceso de gran precisión si el proyecto disponible es impreciso como todo lo contrario. La segunda fuente de variaciones es la maquinaria. aunqu una mayor tolerancia con respecto a las exigencias del proyecto puede signifi car la diferencia entre ganar o perder dinero. aunque en la mayoría de los casos. ni tampoco las necesidades de un procedi- miento económico de producción. si existe.

000 pulgadas.000 pulgadas.999 pulgadas) y termina de producir las unidades en esas condiciones. Como ejemplo de la variabilidad producida por el factor humano citaremos la característica de «profundidad del taladro».999 pulgadas y la segunda. al mismo tiempo) y que.1b).999 de profundidad. anchura. la primera comprobación. La primera indicaba que la profundidad alcanzada era de 0. de no lograr las dimensiones mínimas exigidas a causa de algún problema no identificado de su máquina.000 pulgadas. realizada sin haber efectuado ajustes. Cada una de ellas representa un proceso indepen- diente cuyo producto es un orificio. se podrían salvar las piezas defectuo- sas repitiendo el trabajo. indicaba 1. con ligeras diferencias. 3. que refleja un deseo natural de permitir rehacer el trabajo. El lector podrá imaginarse situaciones análogas que. toda vez que es comparativamente más sencillo eliminar mayor cantidad de metal. La Figura 3. Es práctica común en las fábricas establecer una inspección del primer trabajo que realicen las máquinas. La primera medida. Para su sorpresa y alarma. tarea mucho más difícil y cara y que conlleva. no era mejor indicación del verda- dero nivel del proceso que la quinta. estaba muy cerca del nominal de 1. Sigue manejando la taladradora sin alterar su disposición y vuelve a revisar la profundidad de la décima unidad. El operario se sentirá muy satisfecho pensando que está en la zona de menor profundidad (y de máximo metal. El operario encargado de la máquina ensayará y marcará el punto en el que debe detenerse la broca de forma que la primera unidad producida en esas condiciones dé una lectura de 0. Para que el ejemplo resulte más fácil de entender. La tercera causa de variaciones es el hombre. Las decisiones y las acciones humanas afectan de forma directa la variabilidad y producen sus efectos en los otros dos elementos: materiales y máquinas.0001 pulgada menos (que estima que le llevará a alcanzar una profundidad de 0. en la mayoría de los casos. pese a que creyó que lo había dispuesto todo para mantenerse del lado del máximo metal. Desde su punto de vista es un razonamiento muy lógico.1 indica los resultados de los actos realizados por el operario de la máquina. si fuera preciso. la lectura de profundidad está ahora en la nominal de 1. supongamos que las exigencias del proyecto en cuanto a la profundidad del taladro son de 1. se producen en procesos continuos y en diversos trabajos de taller. desechar algún producto como chatarra. como se muestra en las lecturas resumidas del proceso original (Fig. a preparar la máquina con objeto de producir un taladro que tenga 0. pues. la décima o cualquier otra. También existe la de inclinarse por la opción de «máximo metal». vuelve. una de las característi- cas básicas de la calidad en nuestro ejemplo. radio y acaba- do superficial. puesto que él no es responsable de los costos de inspección. el elemento más variable de todos.00 ± 0.002 pulgadas y que hay que producir 50 unidades. CONTROL ESTADÍSTICO DE PROCESOS 85 El problema de nuestro ejemplo de la máquina taladradora debe relacionar- se con el número de brocas. que reponerlo una vez extraído. Suponiendo que se presenten en el mismo cuatro características de calidad básicas: profundidad. El operario no tuvo en cuenta la variabilidad natural del proceso. La verdad es que. repetición del trabajo o de que la pieza sea arrojada a la chatarra. existirán 6 x 4 = 24 fuentes de posible variación. El ajuste de .

86 CONTROL DE CALIDAD .

y los beneficios posibles por medio del control gráfico resultarán aún más patentes. PDF) de los recursos que se emplean en el proceso de fabricación. llevó a que el proceso produjera material defectuoso (Fig. Cálculo del PDF de un importante atributo de calidad del producto. Sea x la medida del atributo del producto. Por ejemplo. De aquí que. déjese al proceso actuar solo.2). para comprender adecuadamente la variabilidad de todo el proceso. resulte esencial vigilar ciertos atributos importantes (o signifi- cativos) del producto. Es preferible que sea el mismo atributo sujeto a las «especificaciones» marcadas. el proceso. la maquinaria. de densidad de probabilidad es una función de todas las variables (y. CONTROL ESTADÍSTICO DE PROCESOS 87 – 0.1c. y 2) basándonos sólo en la evidencia visual. Añadan a esto los actos indecisos y las precipitaciones de métodos y gerencia. Figura 3. Obsérvense dos características importantes de la Figura 3. La base para entender el compor- tamiento del proceso de fabricación es un cálculo del PDF f(x). de todas las funciones de densidad. con sus ajustes indiscriminados. el atributo de «profundidad del orificio taladrado» presenta una variabilidad que es el resultado de la variabilidad de los materiales. Variabilidad de los resultados del proceso. Los atributos del producto reflejarán todas las posibilidades de variación del proceso. si se centra adecuadamente y luego se deja solo. o el hombre que participa en el proceso de taladrado. parece capaz de producir dentro de los límites establecidos. INFERENCIA ESTADÍSTICA DE LA VARIABILIDAD DEL PROCESO El control de un proceso empieza con la comprensión de su variabilidad (Fig. x es una variable aleatoria y su función. Así puede verse cómo el nombre.001 pulgadas que realizó tras comprobar la décima unidad. ofrecen la apariencia de una distribución de tipo normal. hace que todo el proceso resulte más variable de lo que sería si los materiales y la maquinaria fueran los únicos elementos que variasen durante el proceso. .2. f(x). 3.1c).1: 1) al resumir los datos recogidos en el gráfico de series de unidades de la Figura 3. Es aconsejable repetir aquí el principio básico del control eficiente de un proceso: A no ser que haya una razón que nos obligue a actuar de otro modo. probablemente. 3. El procedimiento para controlar un proceso incluirá los siguientes pasos: 1.

Atributo de calidad: Profundidad del orificio taladrado Especificaciones: 1.000 ± 2 milésimas de pulgada Fecha de fabricación: 17 de enero Unidades producidas entre: 9.000 ± 0. Si la respuesta al paso 3 es afirmativa. Estos pasos se pueden representar de forma gráfica como muestra la Fi- gura 3.52 de la mañana .3.88 CONTROL DE CALIDAD 2. se dice que el proceso está «bajo control» y no es preciso hacer más.1 incluyen algunas unidades anteriores al ajuste y otras producidas después de éste. Para evitar el efecto del ajuste. Figura 3.30 y 9. Volveremos a la misma operación de taladrado de una pieza de fundición usando múltiples husillos para ilustrar este proceso escalonado.3. se ha selec- cionado un grupo de 15 unidades fabricadas en secuencia sin que haya inter- venido ajuste alguno. 3. cambio del pro- ceso o cambio del proyecto). la capacidad del proceso no es adecuada para fabricar productos satisfactoriamente conformes a las especificaciones. Si la respuesta es negativa. habrá que adoptar cualquiera de las tres opciones indica- das en la sección precedente (separación del producto. la siguiente pregunta que debe contestarse es: ¿Puede transformarse la respuesta del paso 2 en otra afirmativa mediante el ajuste más beneficioso del proceso? Si la respuesta a esta pregunta es negativa.1). Basándonos en este cálculo. En este caso. el paso final es la determinación de los ajustes apropiados para el proceso. Pasos en el procedimiento de control. tratemos de contestar a la pregunta: ¿Es satisfactorio el producto (o una proporción aceptable del mismo) y conforme a las especificaciones? Si la respuesta es afirmativa. Las medidas que aparecen en la Figura 3. 4.002 pulgadas ó 1. dichas unidades son las que utilizamos en esta ilustración (Tabla 3.

4 0.8 1.5 -0. Para el paso 2.3 -0.0 11 0.000) .89 Esto completa el primer paso y el PDF estimado es «una distribución normal con media 0. Asunción 2: No hay cambio en el PDF durante el tiempo de fabricación.3 15 1.4 -2.30 y las 9. veremos que los estimados de los dos parámetros P y ı2 de la distribución normal que hemos asumido vienen dados por: 15 x1 estimado de P Pˆ x ¦ 15 0. 79357 De ello se desprende que el estimado de ı viene dado por estimado de V Vˆ Vˆ 2 0.7 * Profundidad ajustada indicada «(profundidad real en pulgadas x 1.5 0.1.52 de la mañana.89».2 9 0.7 -0.3 3 1.7 13 0.4 10 1.8 y desviación estándar 0.000».2 7 0.0 0. Si recordamos lo expuesto en el Capítulo 2. + 2 y –2.6 4 1.8 0.4 5 1.5 2 -0. se considera satisfactorio el producto si más del 98 por 100 del mismo cumple con las especificaciones. CONTROL ESTADÍSTICO DE PROCESOS 89 Para facilitar la estimación del PDF se hacen dos asunciones: Asunción 1: La forma de la distribución de probabilidad es una «distribu- ción normal». esto es.3 12 1. Los dos límites de las especificacio- nes.0 14 0.5 -0. están relacionados con el PDF estimado de la siguiente forma: .2 6 -1.2 0.5 -1.0 1.5 0.1 Número de la unidad Profundidad ajustada* xx 1 0. TABLA 3.1 8 2.8 1 2 2 15 ( x  xi )2 estimado de V V Vˆ 2 ¦1 14 0.4 -0. entre las 9.

00 = § 2.90 CONTROL DE CALIDAD límite superior de las especificaciones = + 2.8  ¨ ¸ (0. la probabilidad de que una unidad fabricada después del ajuste viole cualquiera de las especificaciones en cuanto a límites de 1.00 = § 1.00 – 2. Después de tal ajuste.89) © 0. Hay que servirse también de la intuición y de los conocimientos del funcionamiento del proceso de fabricación. Generalmente. VARIACIÓN A LO LARGO DEL TIEMPO CONTRA VARIACIÓN NATURAL DEL PROCESO La Figura 3. La proporción total de unidades que no satisfagan las especifica- ciones será de 2 x 1. La dirección tendrá que elegir entre las tres opciones de sepa- ración del producto satisfactorio mediante una inspección. cambio del proceso o cambio del proyecto del producto.00 en lugar del 0. Dicho de otra forma: el mejor ajuste a realizar sería situar entre +2 y —2.083 por 100.89) © 0.146Vˆ Con relación a la Tabla Al. la pregunta del paso 3 no se puede contestar sólo mediante deducciones estadísticas.247 V̂ límite inferior de las especificaciones = –2.247 V̂ Con relación a la Tabla Al. Está claro que la respuesta a la pregunta del paso 2 es negativa.89 ¹ Pˆ  1. Por tanto. la probabilidad de que una unidad seleccionada al azar esté fuera del límite superior de las especificaciones —cuando la variabi- lidad de producción es la que hemos determinado en el PDF— es de 8. Dada su forma y simetría se puede deducir que la proporción de unidades que no cumplan con las especificaciones será minimizada cuando la media del proceso se centre entre los dos límites de las especificaciones. al situarse fuera de uno u otro límite.89 ¹ Pˆ  3. en el que la escala horizontal expresa una sucesión de unidades. El eje horizontal también se podría haber denominado «tiempo» y haber confeccionado la escala de acuer- .1a muestra un gráfico de un ciclo temporal. 2 · 0. ó 0.8 observado. también la respuesta a la pregunta del paso 3 es negativa.8  ¨ ¸ (0. La probabilidad de que esté fuera del límite inferior de las especificaciones es de 0. 348Vˆ límite inferior de las especificaciones = –2. límite superior de las especificaciones = +2.883 por 100. En este caso.232 = 2.464 por 100. El actual proceso de fabricación no es capaz de lograr que más del 98 por 100 de los productos sean conformes con las especificaciones.00 + 2.00 = 0.232 por 100. ya que es probable que más del 2 por 100 del producto no cumpla con las especificaciones. se asume que la forma del PDF es «normal».80 · 0.00 = 0.

casi siempre.) Si se da una dispersión del deterioro. en relación con los gráficos de control. como se indica en la Figura 3. El gráfico mostrará. La Figura 3. contamina- ción. En todos los casos. se han minimizado. Esto nos lleva a la regla de que sólo es posible establecer la capacidad natural del proceso cuando se han excluido los efectos del deterioro o. Como regla general. FORMA BÁSICA DE UN GRÁFICO DE CONTROL1 Un gráfico de control es un dibujo para determinar si el modelo de probabi- lidad es estable o cambia a lo largo del tiempo. La razón básica para el control es detectar deterioros no deseados en el proceso y corregirlos con un mínimo de pérdidas.1. se utilizó el término «proceso bajo control» para aludir a un proceso de producción capaz de ofrecer una propor- ción satisfactoria de elementos conformes con las especificaciones. generalmente. al menos. éste sería el caso del deterioro que es producido por un cambio en la capacidad del proceso. (Esta es la pauta que ofrece el desgaste de herramientas.4 muestra cómo un gráfico de control pierde la mayor parte de su valor si se recogen los datos sin tener en cuenta el tiempo. Al describir la conclusión estadística sobre la variabilidad del proceso. .— En general. 1 Se ha dicho que el objetivo del gráfico de control es el de detectar un deterioro no deseado del proceso. el primer caso se puede solucionar mediante un simple ajuste en un determinado nivel del proceso. «bajo control» implica que el modelo de variabilidad del proceso no cambia a lo largo del tiempo y que el proceso es capaz de cumplir con las especificacio- nes. es fácil detectar y ajustar el tipo de deterioro que pasa de uno a otro nivel. dilución progresiva de un agente químico. El concepto «estar bajo control». En cualquier duración lo suficientemente larga como para que se produzca un deterioro en el proceso. Por tanto. está limitado a la variabilidad del proceso —que debe ser estable— sin tener para nada en cuenta la capacidad de éste. Hay diversos tipos de gráficos para diferentes casos de control referidos a distintas pautas de variabilidad. CONTROL ESTADÍSTICO DE PROCESOS 91 do con tal denominación. trabajos de ingeniería. que hay control. etc. A causa de la corta duración del ejemplo.1) mostrarán una distribución con una amplia dispersión aunque la capacidad del proceso es mucho mejor que lo que muestra el gráfico. el problema es más difícil de solucionar. Y también hay un corolario: de nada sirve representar gráficamente datos de elementos ausentes. Pero todos ellos tienen unas cuantas caracte- rísticas comunes y se interpretan de la misma manera. la variación natural se confundiría con dicho deterioro. hay un gráfico de control independiente para cada parámetro de la distribución objeto de estudio y el gráfico es una representación de un ciclo temporal de las zonas críticas de esta prueba sobre una escala de ciclos temporales. En el segundo supuesto hay que incluir. no resulta evidente el verdadero efecto de la variación a lo largo del tiempo. El deterioro puede obedecer a múltiples causas —un taladro embotado. fatiga. Si se mezcla el producto fabricado durante todas las unidades de tiempo antes de recoger los datos y se representa luego en el gráfico al resumir las marcas (como se hace en la Figura 3. el gráfico de control es una prueba de una hipótesis.

5 como Į/2. se asume que es constante en 0. En el ejemplo del taladro por múltiples husillos se supone que la distribu- ción de la probabilidad es normal. las profundidades observadas.8 Hipótesis alternativa: H1: P  0. Si H0 es cierta.4. x.89. b) dispersión aparente del proceso producida por la pérdida de control durante el tiempo de la muestra. . estarán normalmente distribuidas con una media de 0.8 y una desviación estándar de 0. o por debajo de P + kı estará representada por la pequeña zona rayada que aparece en la Figura 3. Zona crítica con probabilidad de error tipo I = Į. Para probar la hipótesis de que la media de dicha distribución sea estable se crea un gráfico de control como sigue: Hipótesis indiferente: H0: P = 0.5. si se selecciona como zona crítica la situada fuera Figura 3.8 Como sólo se está probando la media. la probabilidad de que cualquier observación esté por encima de P + kı.92 CONTROL DE CALIDAD Figura 3. O.89. Comparación de pautas resultantes de representar gráficamente du- rante el tiempo de la muestra una tendencia en el proceso de fabricación y las mismas unidades bien mezcladas al entrar en la inspección: a) dispersión natural del proceso con nivel incontrolado. En consecuencia.

Figura 3. Comparación de los límites de control con los intervalos de confianza y los niveles de significancia.6.8 – 2(0. tales límites aparecerían como una línea horizontal.58 límite inferior de control = P . Para el nivel seleccionado de significancia el número de elementos que se puede esperar que estén fuera de los límites de control es (15)(4.56 por 100. Puede verse que el elemento 6 está muy por debajo del límite inferior de control. Los límites de control son las fronteras de esta zona crítica.56)/100.00. la probabilidad de un error tipo I (error de rechazar H0 cuando es cierta) es Į.7. menos de 1. Recordemos que el nivel de significancia es de Į = 4.89) = 2. En este ejemplo k = 2: límite superior de control = P + 2ı = 0.6. tales límites serán idénticos en todas las observaciones. En un gráfico de un ciclo temporal. como muestra la Figura 3.2ı = 0.89) = –0. Si la pauta de variabilidad es estable. que informan a quien los inter- preta cuándo debe investigar. Si se selecciona un k de 2. hay que rechazar la hipótesis de que la pauta de variabilidad (concretamente la media) es estable durante el tiempo de fabricación.8 + 2(0. el Į será 4. Por ello.56. USO DE GRÁFICOS DE CONTROL Los límites de control son los de decisión. La posición de los límites de control. CONTROL ESTADÍSTICO DE PROCESOS 93 de los límites P + kı y P – kı. determina- .98 El gráfico de control completo aparece en la Figura 3. Se puede usar la Tabla Al para obtener Į de una determinada k o para obtener k un Į deseada.

dos por el valor k seleccionado. hay que prestar la debida atención a los síntomas que muestre el gráfico de control. Las probabilidad de equivocarse al decidir sólo serán de 26 entre 10.7.0026. Un gráfico de control actúa como poderoso estímulo para lograr mejoras. Como consecuencia de su poderoso efecto psicológico sobre las mejoras. al par que sirve para prevenir ajustes indiscriminados. La zona más allá de P ± 3ı es aproximadamente igual a 0.000 en ambos límites. Este valor k = 3 es muy utilizado en la mayoría de las aplicaciones de gráficos de control. Esta actitud dará . Se deja solo al proceso hasta que se produce algún síntoma de anomalía que indica que está justificado iniciar una investigación para tratar de hallar su causa. Si no se lleva adecuadamente el gráfico ni se investiga la causa de los síntomas de anomalía que aparezcan para determinar su causa. En caso con- trario. y de 13 por cada 10. reflejara los deseos del intérprete de aceptar una probabilidad de equivocarse al adoptar la decisión. El rechazo de la hipó- tesis de que el proceso sea estable sólo se produce cuando hay una razón poderosa para pensar que ha habido alguna desviación. Si se da a k un valor 3.94 CONTROL DE CALIDAD Figura 3.0013 (la mitad de 0. mejor sería eliminarlo. Gráfico de control simple. entre el personal se creará una actitud despectiva hacia los gráficos.000 si se considera un sólo límite.26 por 100) para cada límite. que pasarán a considerar como simples juguetes de la gerencia. cualquier valor que caiga en o fuera de los límites de control lleva al intérprete a rechazar la hipótesis indiferente al nivel de significancia de 0.

Figura 3. Es muy difícil que una persona o grupo de personas ignoren unas normas que conformen un objetivo que se puede lograr y que se exhiban en el lugar apropiado. Esta situación no sólo afecta al trabajador.8 muestra alguna de las indicaciones más clásicas de anomalías. Por contra.8. Gráfico de control que proporciona evidencia para investigar. debe entenderse que es humano no esforzarse para alcanzar un estándar vir- tualmente imposible de lograr dados los resultados reales. to de porcentaje de elementos defectuosos usado para ilustrar. Forma-. CONTROL ESTADÍSTICO DE PROCESOS 95 pie a otros problemas no necesariamente relacionados con el control de cali- dad. que varía según las diferentes personalidades de los empleados. La Figura 3. sino también a la gerencia. Por el contrario. Hay un punto. en que éstos se sienten frustrados y adoptan una postura indiferente dada su incapacidad para lograr el estándar que se les exige. un gráfico adecuadamente llevado producirá beneficios en cualquier fábrica u organización de tipo administrativo. .

llamado período de vigilancia: Fase 1: Análisis del período base Sea xi = valor medio observado del atributo en la i-ésima muestra. Esta es la estadística del test. Más concretamente: la media de distribución es una constante: En general. se usa para estimar parámetros tales como P0. La aceptación de Ho implica que el proceso está bajo control durante el período base. Que un proceso esté «bajo control» implica que la pauta de distribución de probabilidad de los resultados del proceso no varía de forma significativa a lo largo del tiempo. G(·) = acumulativo de g(·). a lo que llamamos período base. .96 CONTROL DE CALIDAD CREACIÓN DE UN GRÁFICO DE CONTROL El control de un proceso por medio de gráficos de control incluye dos fases. La primera fase. Un gráfico de control probaría la hipótesis de que la distribución de la probabilidad de x es estacionaria (no varía significativamente a lo largo del tiempo). y la media del proceso = P̂ 0 . el valor numérico de P0 no será conocido. n1 = número de muestras en el período base. g(·) = distribución condicional de x dada una media = Pˆ 0 . Por ejemplo: pensemos en el atributo «profundidad x del orificio taladrado». Los valores estimados se utilizarán en el período siguiente. La hipótesis que se prueba en el período base es: H0: PX = P̂0 contra H1: Px  P̂0 Se rechaza la hipótesis si G ( xi ) < Į/2 o si G ( xi ) > 1 – Į/2 para cualquier muestra i durante el período base. 1 n1 Pˆ 0 ¦ xi = estimado de la media obtenida durante el período n1 1 base. Į = el error del tipo I especificado.

sea como desvia- ciones esperadas. CONTROL ESTADÍSTICO DE PROCESOS 97 Fase 2: Análisis del período de vigilancia Se sigue usando el estimado P̂ 0 obtenido durante el período base durante el período de vigilancia. . Por ejemplo. no puede eliminarse la actividad cíclica o estacional. que tener en cuenta esta desviación al definir el siguiente estándar. esto es. La desviación es determinable y está provocada por una recogida defec- tuosa de datos.000. La hipótesis que se prueba en el período de vigilancia es: Ho: PX = P̂ 0 del período base contra H1: PX  P̂ 0 La hipótesis se rechaza si G ( x j ) < Į/2 o si G ( x j ) > 1 — Į/2 para cualquier muestra j durante el período de vigilancia. Mientras se siga aceptando la hipótesis. 2. La desviación tiene una causa identificable que es posible eliminar. se dice que el proceso está bajo control. En el límite inferior de control: G ( x ) = Į/2 En el límite superior de control: G ( x ) = 1 — Į/2 La progresión por las dos fases citadas se demostrará con un ejemplo en el capítulo siguiente. si el ciclo o la estación tiene una duración conside- rable. o. Habrá que tenerlas en cuenta para futuros casos de control. La causa de la desviación es una variación aleatoria que sólo se espera- ba que ocurriera k veces de cada 1. se puede revelar uno de los puntos siguientes: 1. CAUSAS PARA INICIAR LA INVESTIGACIÓN Una vez que la pauta del gráfico de control ha indicado que debe realizarse una investigación para hallar la causa de una variación no aleatoria. De aquí que se continúe utilizando la misma distribución G(·). Para probar esta hipótesis hay que establecer un conjunto de límites de control. 3) falta de control. pues. 4. Esta recogida defectuosa de datos puede referirse a una medida no fiable o a un decimal mal colocado en los cálculos o a una mala marca en el gráfico. 3. La desviación tiene una causa determinable y que se debe a uno o más recursos: mano de obra. maquinaria o materiales. no parece haber una justificación. 2) un aviso del gráfico de control. como estándares cíclicos o estacionales. Habrá. Si se rechaza la hipótesis se indicará mediante los términos: 1) proceso fuera de control.

El gráfico de control es una de las más valiosas y. pero. En este último caso. habrá que elegir de forma aleatoria el momento en que debe seleccionarse cada muestra. Las decisiones a corto plazo se dan cuando se inicia una labor de investigación como resultado de un síntoma de anomalía indicado por el gráfico de control. Los prejuicios del operador deben mantenerse a un nivel mínimo. el objetivo final tendría que ser que el departamento de Produc- ción tuviese a su cargo el gráfico y la toma de decisiones. el objetivo es obtener una muestra representativa del producto procesado desde el período de muestreo anterior. la investigación llevada a cabo durante el período base indica la capacidad del proceso. que tenderá a resistirse e ignorar la valiosa información incluida en el gráfico. toda vez que. el gráfico de control es una herramienta que debe emplear lo mismo que cualquier otra que tenga en su caja. si se utiliza adecuadamente. En el primer caso. MUESTREO DEL PROCESO Un proceso puede ser sometido a muestreo con doble finalidad: 1) control del proceso. en consecuencia. en períodos posteriores. Esto puede ser necesario en los primeros momentos en que éste se pone en práctica. En general. si se mantiene un control satisfactorio del proceso. Cabría hablar aquí de los prejuicios del observador y sus efectos. debe estimularse al supervisor para que lo utilice y lo mantenga actualizado. el objetivo es el de control y deberán seleccionarse los elementos para que den variaciones mínimas dentro de la muestra y máximas entre muestras.98 CONTROL DE CALIDAD Los gráficos de control se utilizan para la adopción de decisiones a corto y largo plazo. El uso y atención exclusiva del gráfico de control por parte del departamento de Control de Calidad tiene una connotación de medida punitiva y producirá una reacción en el departamento encargado del proceso. Las decisiones a largo plazo son consecuencia de una decisión de incluir o excluir ciertos datos en el estándar y los límites de control futuros. generalmente. En general. sino que tenga todas las herramientas precisas para controlar el proceso. Estos conocimientos se pueden utilizar para indicar lo que es posible lograr. 2) aceptación de los productos del proceso. para lo que se seleccionan de manera aleatoria y estratificada elementos para la muestra del proceso de producción. porque el gráfico de control es una herramienta para controlar el proceso. En primer lugar. RESPONSABILIDAD POR EL GRÁFICO Y POR LAS ACCIONES DE AJUSTE Muchas empresas confían al departamento de Control de Calidad todo lo concerniente a la actualización y mantenimiento del gráfico. Unos principios organizacionales sólidos exigen que el supervisor de producción no sólo sea el responsable. Si se teme que los prejuicios puedan surgir de forma cíclica. el propósito de un muestreo de aceptación es garantizar calidad después de haber fabricado los .

0 19 98.0 22 94.0 8 89.5 4 100.2. Un muestreo de control debe proyectarse para obtener del modo más rápido posible cualquier indicación sobre una desviación.0 2 96.5 7 90. d) ¿Está el proceso de producción «bajo control» (en el sentido de que la variabilidad del proceso es estable)? .8 12 99. calcular la media y la varianza.5 24 98. d) ¿Qué conclusiones se extraen del gráfico? 3.0 5 97. CONTROL ESTADÍSTICO DE PROCESOS 99 elementos.5 17 87. ¿Es estable el proceso? c) Dibujar un gráfico similar al de la Figura 3. PROBLEMAS 3.1.0 10 96.0 13 91.0 30 94.5 21 98.0 15 87.5.0 14 102. Se tomó una muestra de 30 paquetes y se pesaron. b) ¿A qué porcentaje de paquetes les faltarán más de 10 g de peso? c) Determinar los límites superior e inferior de control usando k = 2.5 16 93.0 28 94.5 3 90. Se realizaron las siguientes lecturas sobre la resistencia a la tensión en una línea procesadora de acero después del tratamiento térmico.5 25 92. Resistencia Resistencia Fecha (1.7.000 psi) Fecha (1.5 23 96. Los paquetes de pizzas congeladas Torino vienen marcados con un contenido de «peso neto 800 g».0 11 97.0 20 96.0 26 93.5 a) Estimar la media y la desviación estándar de la resistencia a la tensión.000 psi) 1 95.5 27 96.0 29 95.5 9 92.0 6 93. b) Determinar los límites inferior y superior de control usando k = 2.5 18 96. a) Asumiendo que los pesos estaban distribuidos de forma normal.

100 CONTROL DE CALIDAD Número del paquete Peso Número del paquete Peso 1 789 16 795 2 771 17 794 3 800 18 792 4 800 19 786 5 798 20 805 6 804 21 798 7 809 22 809 8 787 23 793 9 799 24 791 10 795 25 811 11 794 26 802 12 800 27 816 13 791 28 782 14 807 29 784 15 802 30 793 .

Como la magnitud de la desviación se puede determinar mediante instrumentos para medición de variables. resulta posible obtener más información sobre la característica de calidad objeto de estudio. Además de calificar como bueno o malo el sabor de cierto tipo de alimentos o de una bebida determinada. probablemente. Se trata de un recurso de control que sólo se debería emplear para un pequeño porcentaje de la totalidad de las características de calidad. Sin embargo. Un ejemplo es la grada- ción de sabores. se pueden asignar valores numéri- cos «bueno» y «malo» con objeto de obtener una gradación de tipo variable. Como podría suponerse esa información sólo se obtendrá si se invierte más dinero.4 Gráficos de control para características variables de calidad Una característica variable de calidad es aquella que se puede medir según una escala de valores variable. En muchas ocasiones. Sin embargo. en muchas ocasiones la información que se logra y la reducción de inspecciones que se posibilita compensan con creces la cantidad invertida. presión. así como en las instituciones docentes y en los cursos de capacitación sobre control de calidad. También son más o menos familiares los calibres que se utilizan para medir dichas características. mantener y utilizar. En general los instrumentos para medición de variables son más costo- sos de adquirir. dureza y acidez. La gran difusión de este método ha dado lugar a utilizarlo en muchos casos en los que no existe justificación económica para ello. se 101 . cuando su uso está justificado. Ejemplos muy conocidos de características variables son la temperatura. Aun tratándose de una herra- mienta importante para el control de calidad resulta exagerada la atención que ha recibido en las publicaciones sobre el tema. el método más utilizado de control de calidad de características variables. Los gráficos de control son. características que normalmente se consideran como atribu- tos pueden ser convertidas a una escala de variables. resistencia a la tracción.

ocurrirá que. habrá razones para suponer que el proceso ha dejado de ser estable. los valores observados de X seguirán una distribución normal con una media P y una desviación estándar V / n . Para cualquier muestra j. De acuerdo con la misma. Este es el error tipo I. . si se hallan varios valores de X que no estén de acuerdo (por ser demasiado grandes o demasiado pequeños). Por otra parte. la probabilidad de que se rechace Ho pese a ser cierta es de Į/2 + Į/2 ó Į. será. de acuerdo con el teorema del límite central. Para x . de n elementos cada una.En consecuencia. Designemos como Į/2 la pequeña zona rayada que aparece en cada lado. Supongamos que el valor deseado de la media sea P . la media de las profundidades observadas X estará de acuerdo con la distribución de probabilidades establecida: normal con media P y varianza ı2/n.102 CONTROL DE CALIDAD convierte en un instrumento de gran importancia y sumamente efectivo para controlar la calidad de un determinado proceso durante su desarrollo. respec- tivamente. Si el proceso de taladrado es estable. la probabilidad de que cualquier X esté por encima de P0 + kV / n o por debajo de P0 — kV / n estará representadas por la zona rayada de la Figura 4. La hipótesis nula sería que «el proceso de taladrado funciona correctamente».. x . en la que la media P es distinta de P. Si se establece una norma de toma de decisiones según la cual Ho será rechazada siempre que el valor X} de una muestra aparezca dentro de la zona rayada. la normal. conside- ramos la «profundidad del orificio» como la característica individual de mayor importancia. La hipótesis alternativa sería la de que «el proceso de taladrado está fuera de control». El proceso de «taladradado» se consideraría estable y «bajo con- trol» siempre que la variabilidad de la «profundidad del orificio» se mantuviese constante. Hipótesis nula: Ho: P = P0 Hipótesis alternativa: H1: P  P0 Si la hipótesis nula es cierta. En el trabajo de taladrado mediante múltiples brocas mencionado en el Capítulo 3. aproximadamente. en todas las muestras observadas. PRINCIPIOS BÁSICOS SOBRE GRÁFICOS DE CONTROL Un gráfico de control no es más que una sencilla técnica gráfica para observar y controlar una característica de calidad de una sola variable. la media y la varianza serán P y ı2/n. se puede determinar la consistencia de X j median- te la técnica de prueba de hipótesis. la media P sería igual a P . Su función es la de obtener una estimación del parámetro principal que describe la variabilidad de dicha característica para luego aplicar técnicas de comproba- ción de hipótesis a fin de establecer si el proceso está controlado. Si se observa una muestra de n elementos (por ejemplo: se mide el valor de xi para cada uno de dichos elementos) la distribución de probabilidades de la media de profundidades.1. Llamaremos xi a la profundidad del agujero del i-ésimo artículo producido y llamaremos P y ı2 a la media y a la varianza de la variable aleatoria xi.

» Si se acepta H0. supongamos que P0 = 0. Para el valor k = 2. En la muestra 7. En este caso.58 rechace la hipótesis.56 por 100. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 103 Figura 4. por tanto. Si la profundidad es menor de —0. de hecho. la probabilidad a puede hallarse en la Tabla Al y es de 4. n = 1 y k = 2. Él valor del estimador. la consecuencia que se sigue es que el proceso se halla bajo control. la probabilidad de que se declara que un proceso está «fuera de control» cuando. la conclusión es que el proceso está «bajo control».98 o mayor de 2. respectiva- mente. la conclusión debe ser que el proceso «no está bajo control».1. Mida la profundidad del agujero taladrado. Para facilitar su evaluación se prepara un gráfico como el de la Figura 4. en este caso X. Los límites U y L se conocen como límite de control superior e inferior.98 a 2. que se denomina gráfico de control. el valor de X está fuera de los límites de control y.58 acepte la hipótesis.2. ello implica que el proceso está fuera de control. Por ejemplo. . La norma de decisión para determinar la estabilidad del proceso sería: «Tome una muestra de un artículo. Los límites U y L pueden emplearse para vigilar el proceso tomando muestras de la cadena de producción.8. Al utilizar esta norma de decisión. Si se rechaza. En tanto el valor marcado se halle dentro de los límites de control U y L. Densidad de probabilidades de X en H0. Si está dentro de los límites —0. estaba «bajo control» es de tan solo un 4.56 por 100. para cada muestra aparece marcado en el gráfico.

Condición 1: La distribución de probabilidad es aproximadamente normal.0013 (la mitad del 0.2. Las probabilidades de equivocarse al tomar la decisión será únicamente de 26 entre 10.1 muestra que la probabilidad de cometer un error tipo I (es decir. USO DE GRÁFICOS DE CONTROL La Figura 4.000 en ambos límites y de . Gráfico básico de control. cualquier valor que caiga en o fuera de los límites de control lleva al intérprete a rechazar la hipótesis indiferente al nivel de significancia de 0.104 CONTROL DE CALIDAD Figura 4.1 presenta la probabilidad máxima de dicho error (en porcentajes) bajo diferentes premisas de la función de distribución de probabilidad del cálculo. d terminada por el valor k seleccionado. Si se da a k un valor 3. La Tabla 4. llegar a la conclusión de que de H0 es falsa cuando el hecho es que es verdadera) depende de la k seleccionada. Los límites de control son límites de decisión que informan a quien los interpreta cuándo debe investigar. La posición de los límites de control. Condición 3: La varianza es finita.26 por 100) para cada límite. reflejará los deseos del intérprete de aceptar una probabilidad de equivocarse al tomar la decisión. Condición 2: La distribución es simétrica respecto a la media y su varianza es finita.

0 3 0. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 105 13 por cada 10. una distribución normal.1 16. se requieren dos gráficos para controlar cualquier característica variable: uno para vigilar el estimador de la media.1.0 2.26 4.05 3. Para describir completamente la distribución normal se necesitan dos parámetros. y el otro para vigilar el estimador de la variabilidad. TABLA 4. P y ı2. Los límites de control suelen establecerse en k = 3.5 0. Probabilidades de error tipo I bajo diferentes asunciones sobre la distribución de probabilidad k Condición 1 Condición 2 Condición 3 2 4. aproximadamente.2 GRÁFICOS PARA CARACTERÍSTICAS VARIABLES DE CALIDAD Cuando se miden las características de calidad mediante una muestra de artículos.1 25.000 si se considera un solo límite.5 1.55 11. límite inferior de control = media del estimador — 3 desviaciones estándar del estimador. En consecuencia. esto es límite superior de control = media del estimador + 3 desviaciones estándar del estimador.9 11. en la mayoría de los casos se puede asumir que resulta aplicable el teorema del límite central y que el promedio de los valores medidos tendrá. El estimador de la media es: 1 n X ¦ xi ni1 Los estimadores de la variabilidad son: R = xi (máximo) — xi(mínimo) 1 n Vˆ ¦ ( x1  x )2 ni1 A estos pares de gráficos se los conoce normalmente como gráficos X y R o gráficos X y V̂ .6 8.24 7.1 3. La zona más allá de P ± 3ı es la más utilizada por la gran mayoría de las aplicaciones de gráficos de control. .

4 y 4. Gracias a la sencillez de los cálculos. 4. Datos del muestreo. Ejemplo 4. Gráfico X. En la Tabla 4.1 Las especificaciones indican que la longitud de un tornillo debe ser de 20 mm.2 se muestran los resultados de haber tomado muestras de 5 tornillos durante cada hora de su fabrica- ción.106 CONTROL DE CALIDAD Figura 4.2. .3. TABLA 4. R y Vˆ de las observaciones de esas ocho muestras.5 muestran los gráficos X . Para fabricarlos se utiliza un equipo semiautomático. Las Figuras 4. los gráficos X y R se usan mucho más que los gráficos X y Vˆ .3.

Figura 4. Gráfico R.GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 107 Figura 4. .5.4. Gráfico V .

Al construir los gráficos en la práctica. tres veces la desviación estándar de los estimadores. promedio de X (designado como X) V la desviación estándar de X .108 CONTROL DE CALIDAD DERIVACIÓN DE FACTORES DE GRÁFICOS DE CONTROL Los límites de control de cualquiera de los tres tipos de gráficos de control van dirigidos a k = 3. . V V la desviación estándar de Vˆ . R y Vˆ se puede ver que la media de X . R la desviación estándar del recorrido no tiene una media de aproximación simple de V̂ . Ambos símbolos se utilizan en este libro. Vˆ 1 . Usando las distribuciones aproximadas de X . recorridos de pequeñas muestras (R) o las desviaciones estándar de la muestra. 2n Los factores para el cálculo de los límites de control se definen del modo siguiente: c2 = factor para estimar ı a partir de V̂ Vˆ = promedio de V̂ V c2 V d2 = factor para estimar ı a partir de R R A1 = factor para determinar «3 veces la desviación estándar de X » a partir de V V 3˜ . tanto para el período base como para el de vigilancia. A1 ˜ V n límite superior de control para el gráfico X X  A1V límite inferior de control para el gráfico X X  A1V 1 Los símbolos a y s se usan para indicar la cantidad de la muestra. se usan factores precalculados para estimar los límites de control de medias de pequeñas muestras ( X ). P . Estos factores se designan por medio de símbolos y aparecen tabulados en la Tabla A8. n la media de R . Hagamos que P y ı2 denoten el parámetro de la característica X.

d2. Por otra parte. B3. como ejemplo. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 109 A2 = factor para determinar «3 veces la desviación estándar de X » a partir de R V 3˜ . B4. el período base y el nivel de significancia y se explican mediante gráficos X y R. Esto permite adaptar fácilmente tales valores tabulados de los factores c2. 2) la distribución del promedio X de la muestra es aproximadamente el de una distribución normal y la aproximación mejora a medida que aumenta el tamaño n de la muestra. Tamaño de la muestra Es el tamaño n. INICIO DE UN GRÁFICO DE CONTROL Antes de dar inicio a cualquier técnica relativa a gráficos de control es preciso adoptar tres decisiones críticas. Para la mayoría de los productos industriales las medias de muestras tomadas en muestreos de tama- ño 4 ó 5. A1. o número de elementos incluidos en cada muestra. Por esta razón. La mayoría de la variabilidad encontrada en los procesos de fabricación justifi- ca una asunción de normalidad aproximada.. es deseable que transcurra un lapso muy breve de tiempo y que el tamaño para la muestra incluya concesiones recíprocas entre ambos aspectos. A2. . D3 y D4 para determinar los límites de control. proporcionan una aplicación aceptable del teorema del límite central. si la producción cubierta por una sola muestra debe ser homogénea. es preferible utilizar una muestra de gran tamaño. Lo más corriente es que se usen los valores 4 ó 5 como tamaños de muestra. A2 ˜ R n límite superior de control para el gráfico X  A2 R límite inferior de control para el gráfico X X  A2 R B3 = factor para determinar el límite inferior de control para B el límite inferior de control del gráfico Vˆ B3V B4 = factor para determinar el límite superior de control para B el límite superior de control del gráfico Vˆ B4V D3 = factor para determinar el límite inferior de control para el límite inferior de control del gráfico R = D3 R D4 = factor para determinar el límite superior de control para el límite superior de control del gráfico R = D4 R Estos factores han sido calculados en numerosas oportunidades tabulándo- los cuando la distribución de probabilidad de X es aproximadamente normal. De acuerdo con el teorema del límite central (Cap. Estas decisiones tienen que ver con el tamaño de la muestra.

110 CONTROL DE CALIDAD Desde un punto de vista práctico no es difícil encontrar una media y un recorrido en una muestra de 4 ó 5 y la mayoría de los operadores son capaces de manejar esta aritmética tan elemental. Se dibujan. Período base Un gráfico de control es un proceso de vigilancia e incluye una prueba de una hipótesis para todos y cada una de las muestras. en el período base se suelen realizar al menos 20 muéstreos antes de que se consideren satisfactorias las estimaciones. Mientras no se rechace la hipótesis. En muchos casos los gráficos los actualizan a diario (o en cada turno) los mismos operadores. Para determinar si el proceso ha sido estable durante el período base se prueban todas las medias de las muestras observadas en el período base contra la zona crítica de la distribución condicional estimada. Por lo general. tres líneas horizontales. se prepara un gráfico para vigilarlo. Nivel de significancia Es la probabilidad máxima de error del tipo I o Į. obtenidas durante el período base. o 27 por 100. la zona de aceptación generalmente utilizada es Pˆ r 3Vˆ donde P̂ y V̂ son las estimaciones de la media y la varianza de X . El proceso será conside- rado estable si ninguna indica el rechazo de Ho. El gráfico de control en el período de vigilancia Una vez determinada la zona de aceptación para el período base y estable- cida la estabilidad del proceso. Línea X + A2 R límite superior de control (UGL) Línea X línea central (CL) Línea X — A2 R límite inferior de control (LCL) . Esta prueba de la hipótesis exige necesariamente el conocimiento de la distribución condicional de X : g( X |H0 es verdadera) y. la zona crítica para aceptar o rechazar Ho. la conclusión es que el proceso está bajo control. como consecuencia. La selección de determi- na la zona crítica.0027. con aproximación normal. Esto da un valor de Į = 0. Zona de aceptación: X + A2 R . Para gráficos X . en papel cuadriculado. Pˆ x = promedio de todos los valores de X Vˆ A2 R donde R es el promedio de recorridos y A2 es un factor dependiente del tamaño n de la muestra.

límite superior de control = D 4 R = 2.975 + 0.0. (El lector puede verificar dichos límites en el gráfico de la Figura 4. Para una muestra de tamaño 5: _X en el período base 19. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 111 Se marcan sucesivamente los valores de los promedios X de la muestra para todas las obtenidas en el período de vigilancia.8875) = 1.975 . D3 y D4 de la Tabla A8.58 D3 0 D4 2. como muestran las Figuras 4.58(0. Esto implica que el proceso hubiera sido considerado «bajo control» de haber utilizado los mismos límites de control para el período base y para el de .1 (Continuación) Si en el ejemplo 4. Línea D4 R límite superior de control (UCLR) Línea D3 R límite inferior de control (LCLR) En este gráfico se marcan los recorridos R de la muestra.11(0.49 Gráfico X : línea central = X = 19.3 y 4.1 los valores X y R de la muestra durante el período base estaban dentro de los límites de control.58(0.3 y 4. respectiva- mente.11 Para el período de vigilancia: Gráfico X : Límite superior de control = X + A 2 R = = 19.8875) = 0 Estos límites se han mostrado en los gráficos de las Figuras 4. Un aviso indica el rechazo de H0 y la conclusión es que el proceso no está bajo control. Ejemplo 4.975 R en el período base 0.5 como B4 V y B3 V .8875 A2 0.8867)= 20. Existe un segundo gráfico para vigilar la variabilidad. se dice que da un «aviso».975 Gráfico X : límite inferior de control = X — A 2 R = = 19.46 Gráfico R. respectivamente.8875) = 19. se pueden calcular las líneas para el período de vigilancia usando los factores A2.8726 Gráfico R límite inferior de control = D 3 R = 0(0.) B PROCESO NO ESTABLE DURANTE EL PERIODO BASE En el ejemplo 4.4. Este tiene dos líneas horizontales.1 se consideran las primeras ocho horas como período base. Siempre que un valor esté por encima del UCL o por debajo del LCL.4.

112 CONTROL DE CALIDAD vigilancia. se utiliza el siguiente procedimiento: Paso 1. es mejor prescindir de los resultados de dicho período y reiniciar el trabajo una vez corregidas las causas de tal situación. probablemente. ello indicaría una probable falta de estabilidad del proceso.2 Una marca de gaseosas se vende en botellas que marcan 325 ml. Esto indica estabilidad del proceso de fabricación. Paso 2. La medida x es el número de mililitros por encima de 300. elimine la muestra correspondiente del período base. Cuando el proceso de fabricación es estable. Iniciar un período base de al menos 25 muestras. Calcular X y R . 2. Si quedan en el período base 15 muestras o menos. Extender los límites de control al período de vigilancia. Para poder adoptar la opción 2. Cuando el proceso no es estable durante el período base. habría que poner en duda la validez de utilizar límites de control para el período de vigilancia. mala calidad de los materiales). Se llenan en una máquina automática. Si hay observaciones que están fuera del límite superior de control. Ejemplo 4. . cada quince minutos de fabricación. Si la inestabilidad se debe a la novedad del producto o del proceso y/o a que los trabajadores encargados no están familiarizados con el producto. Si todas las observaciones caen dentro de los límites de control. Si la inestabilidad del período base es inherente al proceso (equipo gastado. los límites de control se pueden obtener como sigue: 1. ir al paso 4. se toman muestras de cinco botellas con los resultados que aparecen en la Figura 4. el proceso ya se habrá estabilizado. Si el tiempo lo permite y las observaciones no resultan demasiado caras. Se obtienen valores iniciales tentativos de los límites de control para este período base. Paso 5. Si cualquiera de los valores de X o R durante el período base estuvieran fuera de los límites de control. se pueden usar con toda confianza durante el período de vigilancia los límites de control obtenidos a partir de las observaciones del período base. Revisar el gráfico X . eliminar las muestras correspondientes del período base e ir al paso 2. prescindir del período base. Paso 4. Para ese momento. Revisar el gráfico R. Si todas las observaciones están dentro de los límites de control ir al paso 5. Calcular los límites de control. Dicho de otro modo: las observaciones del período base estaban de acuerdo con los parámetros calculados a partir de ellas. Paso 3. Durante el primer turno. En caso contrario ir al paso 2. La vigilancia exige «los límites de control obtenibles si el proceso hubiera sido estable». Controlar si el proceso es estable si se eliminan las observaciones «fuera de los límites de control». se puede iniciar un nuevo período base.3. Si hay observaciones fuera de algunos de los límites de control.

Datos del muestreo.8 = 10.0 4 21 27.6).4 3 20 26.0 8 17 27.76 + (0.0 5 7 26. se comparan todos los valores de X con los límites de control. para un tamaño de la muestra de 5.4 7 5 25.8) = 23.4 3 4 25.8) = 28. D3 = 0. ¦ X 747 X 25.4 5 15 26. La muestra 1 está por encima del límite superior de control (véase Fig.6 2 13 27.59) = 23.0 4 12 24.8 4 2 25.4 2 30 26. Número de la muestra X R Número de la muestra X R 1 29. DA = 2.8 6 29 24. Las muestras 10 y 27 están por debajo del límite inferior de control. se comparan todos los recorridos con estos límites tentativos.0 11 16 23.58 x 4.58 x 4.0 5 3 26.0 5 8 27.1 5 27 22.58 x 4.42 Límite inferior de control para X = 25.76 .4 4 25 27. 59 29 29 Límite superior de control para R = 2.68 Límite inferior de control para X X .0 4 28 28.59) = 28.68 Límite inferior de control para R =0 Límite superior de control para X = 25.0 4 23 28.11 x 4.59 = 9.A2R = 25.0 6 14 26.2 5 19 25.0 3 9 24.0 5 18 28.9 + (0.10 Volviendo al paso 3. Todos los recorridos están dentro de los límites de control.58.2 6 6 28. A2 = 0. Yendo al paso 4.4 3 De la Tabla A8. 4.11. 70 27 . 703 X 26. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 113 TABLA 4.0 5 22 26.50 x 4.11 x 4. Se elimina del conjunto de datos la muestra 1.3 4 11 23. Esto quiere decir que el proceso no es estable durante el período base. 76 29 29 ¦ R 133 R 4.9 3 26 24.4 6 10 21.12 De acuerdo con el paso 3.13 Límite inferior de control para R = 0 Límite superior de control para X X + A2 R = 25. Se obtienen nuevos límites tentativos para las restantes 27 muestras.8 7 24 26.(0. 03 27 127 R 4. Se obtienen nuevos límites tentativas de las 29 muestras restantes. se comparan todos los recorridos con estos límites tentativos.9 (0.3. Se eliminan estas dos del conjunto de datos. Límite superior de control para R = D4 R = 2.

92 Límite inferior de control para R = 0 Límite superior de control para X = 26. EL GRÁFICO DE CONTROL DURANTE EL PERIODO DE VIGILANCIA Una vez establecidos los límites de control durante el período base.70 = 9.6.58 x 4. Al mismo tiempo se intenta establecer las posibles causas para la falta de control en las muestras 1. se observa que los 27 corridos y X están dentro de sus respectivos límites de control. Límite superior de control para R = 2.11 x 4.92 y 0 para R) al periodo de vigilancia. En conclusión: se aplican los límites (28. El conjunto de datos del período base tiene 27 muestras.70 = 23. La investigación puede conducir a dos posibles decisiones: 1) la causa probable se considera aleatoria e improbable en cuanto a su repetición. Es posible llegar a la conclusión de que los límites de control se mantendrán si el proceso ha de permanecer bajo control.03 . se pueden utilizar durante el período de vigilancia para probar la hipótesis «el proceso es estable» (por ejemplo: está bajo control). Gráfico de control cuando el proceso no es estable durante el período base. Una vez establecidos los límites de control.0.114 CONTROL DE CALIDAD Figura 4. Cualquier aviso exigiría investi- gar las causas que producen esa situación de fuera de control. En este caso se deja sólo al .70 = 28.30 para X y 9.76 Límite inferior de control para X = 26.58 x 4.30 Volviendo a los pasos 3 y 4.76 y 23.03 + 0. no se modifican durante el período de vigilancia hasta que se de el aviso (por ejemplo: la observación de una muestra indica que el proceso está fuera de control y se rechaza la hipótesis). 10 y 27.

95 0.04 1. Si la investigación para hallar las causas de la situación de fuera de control (muestra 7) conduce a iniciar acciones correctoras. 2) La proba- ble causa exige una acción correctora.8. Gráfico X del periodo de vigilancia .9 Figura 4. TABLA 4.3 4 20.1 (Continuación) La observación de ocho muestras durante el período de vigilancia arrojó los resul- tados que se muestran en la Figura 4. Ejemplo 4. Las primeras seis muestras indican que el proceso está fuera de control en el gráfico X .0 5 19.60 1. Un proceso bajo control debe aparecer como tal en ambos gráficos.4 Número X R de la muestra 1 19. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 115 proceso y no se modifican los límites de control de los gráficos.7 7 20.08 0.8 6 20. se prescinde del anterior gráfico de control y se inicia un nuevo período base.2 8 20.7 3 20.32 1.9 2 19. Los gráficos de control X y R durante dicho período aparecen en las Figuras 4.7. En cualquiera de los gráficos puede aparecer una situación fuera de control.80 0.86 0.12 0.4. se prescindirá de este gráfico y se iniciará un nuevo período base.7 y 4. Si se decide en favor de una acción correctora.

25 g y que el promedio X de la muestra está normal- mente distribuido cuando el proceso está bajo control. .8. Į. de que se rechace H0 cuando es cierta? 4.3. Un fabricante de chocolate produce pastillas envueltas individualmente. Gráfico R del período de vigilancia.116 CONTROL DE CALIDAD Figura 4. Para el control de calidad se inspecciona una muestra de tres tabletas cada diez minutos de fabricación. PROBLEMAS 4.38.1.2.39 g. El tamaño de la muestra es 5. Se asume que la desviación estándar ı es 0. Se calculan X y R para cada muestra después de 20 muestras. a) ¿Se rechaza la hipótesis indiferente H0? b) ¿Cuál es la probabilidad.1 si los limites de control se situara en 3ı en vez de en 2.5ı en ambos lados de P? 4. Se considera que el proceso está fuera de control (por ejemplo: se rechaza H0) siempre que el promedio X de la muestra caiga fuera de los límites 2. En la muestra observada a las nueve y diez de la mañana el peso medio X es de 30. Hay que crear los gráficos de control X y R para la anchura de un repuesto de automóvil. a) Determinar los límites de control para los gráficos X y R asumiendo que k = 3. ¿Cuáles serían las respuestas al problema 4. P = 30 g.5 y Ȉ R = 22. b) Calcular. Ȉ X = 309. la desviación estándar.56 por ambos lados de la media deseada. Cada tableta tiene un peso nominal de 30 g que aparece impreso en la envoltura.

8 .0 + 0. Los datos reunidos por el departamento de control de calidad son los siguientes: n=5 número de muestreos = 20 Ȉ X = 100.885 y Ȉ ı = 88. determine los límites de control de los gráficos X y R.7. Suponiendo que los pistores tienen diámetros que siguen una distribución normal. Después de 25 muestras.5 y Ȉ R = 13. Suponiendo que el proceso esté bajo control estadístico.5.5 ±0. Un fabricante de automóviles quiere preparar gráficos de control para el diáme- tro de los pistones. ¿hasta qué punto puede cumplir el proceso con las especificaciones? 4. Para k = 3.10. Se dan los siguientes datos: n = 6 número de muestras = 20 Ȉ X = 71.6.5. Se deben mantener gráficos de control sobre el valor pH de un nuevo champú. En caso contrario será desechado.6.64 4. Hay que preparar gráficos de control X y V̂ para la potencia de un motor.6 4. Ȉ X = 175. Un repuesto de automóvil debe cumplir con las especificaciones 5. Preparar gráficos de control X y R usando límites 3ı y los siguientes datos: tamaño de la muestra = 8 número de muestras observadas = 15 Ȉ X = 146.9.8 la división de fabricación quiere eliminar cualquier pistón cuyo diámetro caiga fuera de 3.15.2 Ȉ V = 4. las especificaciones son 10.8 pulgadas Ȉ V̂ = 2. En el problema 4. 4. 4.8* Ȉ R = 40.32 Preparar los gráficos de control X y V̂ .11. ¿qué fracción de los pistones será desechada cuando el proceso de fabricación esté bajo control? 4.0 + 0.4.8. Para el artículo descrito en el problema 4. Ȉ X = 1. 4. Establecer los límites de control de los gráficos X y V̂ . Disponer los gráficos de control X y R usando limites 3ı y los siguientes datos: tamaño de la muestra = 6 número de muestras observadas = 20 Ȉ X = 308. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 117 4.65. El tamaño de la muestra es 5 y se observan 25 muestras.25 Ȉ R = 22. El tamaño de la muestra es 4.15 pulgadas.

a) Determinar los límites de control durante el período de vigilancia. Si no se reajustan los gráficos. ¿qué porcentaje del promedio de las muestras caerá fuera del límite superior de control?: a) ¿En el gráfico X ? b) ¿En el gráfico R ? 4.6 8 10 3.6 6 6 4. 4.51 y 5. Se estima que la resistencia media es de 90 kg con una desviación estándar de 2 kg. ¿Indican los gráficos del problema 4. Determinar si alguno de los prome- dios de dichas muestras estaba fuera de los límites de control.6 6 7 3.28.25.6 13 11 4.6 12 14 3. Los siguientes datos se refieren a 20 muestreos de cinco pistones cada uno durante el período base: Muestreo X R Muestreo X R 1 2.4 7 4 1. de tamaño de cuatro elementos cada uno.16. 4.8 13 2 1.4 7 8 4. 10.14. Marcar los puntos en ambos gráficos.6 15 17 3.15. los tres primeros muestreos. En el problema 4.5 kg sin que haya cambios en la desvia- ción estándar. Determinar si algunos de esos tres muestreos estaba fuera de los límites de control.12. 5.12 si el proceso está bajo control durante el período base? ¿Cómo se explicaría la diferencia entre la primera parte del gráfico R (muestreos 1-11) y la segunda parte del mismo (muestreos 12-20)? 4. de cuatro elementos cada uno. 4.4 12 13 3. El tamaño de la muestra es 7 y los límites de control X ± 36.17. Para los 25 muestreos del período base Ȉ X = 130.25 vatios. 9. Existen gráficos para el control de la resistencia a la tracción de una fibra de poliester.01. Durante el período base se realizaron 25 muestreos. los valores de X en las cuatro primeras muestras del período de vigilancia fueron 10. b) Durante el período de vigilancia. Un cambio en la composición de uno de los productos químicos utilizados en el proceso aumenta la resistencia hasta 92.2 6 5 2.8 4 9 3. ¿qué porcentaje del total de repues- tos fabricados cae fuera de los límites de control? 4.000 (diámetro —3.4 y 9.04. Establecer los límites inferior y superior de los gráficos X y R durante el período base. dieron un resultado de X igual a 5.4 18 16 4. Volvamos al problema 4.8 17 19 5.0 7 15 5.6 8 12 1.4.2 6 La variable observada X es 1.475 pulgadas).6.13.4.118 CONTROL DE CALIDAD Asumiendo que el proceso está bajo control. Después de preparar los gráficos de control se vigiló . Hay que mantener un control de calidad de unas pilas.2 12 20 2.35 vatios.4 8 3 3. Ȉ R = 7.6 8 18 2.

7 62. Durante el período base se hicieron pruebas con 15 muestras.4 59.4 59.7 62. Los datos son los siguientes: 62.3 60.2 61.4 63. Un cambio repentino en el proceso cambia la temperatura media en d.9 59.1 60.4 61.7 63.8 62.8° C respectivamente.0 60.2 63. Basándose en esa muestra ¿qué se puede decir sobre el proceso con respecto a sus gráficos de control X y R? 4.2 61.0 62. cada una de ellas compuesta por cuatro elementos.3 60.3 63.2 62.8 62. Durante el período base inspecciona- ron 20 muestras.9 62. Durante el período base se realizan 25 muestreos.1 60.9 62. quiere vigilar la longitud de cierto cilindro.18.19.7 61.1 65.9 59. á) Solucionar el problema para d = +7° b) Solucionar el problema para d = – 1° 4. La división de control de calidad de Hightek.3.4 63.4 59.3 61.1 y 7.2 57.18.3 60.8 58.8 63.1 62.8 62.3 60.6 57. El tamaño de cada uno es 4.8 57.8 59.9 64.1 57.0 ¿Qué límites de control deben utilizarse para los gráficos X y R durante el siguiente período de vigilancia? 4.1 59.4. Las pruebas dieron Ȉ X = 3079.21. ¿Está el proceso bajo control? 4.5 60.9 63.8 62. Las medidas de los diámetros individuales son las siguientes: .6 62.5 60. Volvamos al problema 4.0.22.6 61. 7. ¿qué porcentaje de puntos debe esperarse que caigan fuera de los límites de control? Asumir que el tamaño de la muestra durante el período de vigilancia es de 6. Volvamos al problema 4.2 59.9 63.4 61.9 62.2 65.5 65.1 63.4 61.8 60.6 57.5 58.5 64.3 62. 7.20. ¿qué proporción de los puntos debe esperarse que caiga más allá del límite superior de control? El tamaño de la muestra se mantiene en 6.2 58. 4.0 57.1 59.2 59.7. cada una de un tamaño de 6.2 59. fabricantes de fotocopiadores.6 61. Una compañía fabricante de cable aislante quiere vigilar el diámetro de sus aisladores.8 66.8.0 64. GRÁFICOS DE CONTROL PARA CARACTERÍSTICAS VARIABLES DE CALIDAD 119 la calidad del champú.4 60.1 63. Se produce una perturbación en el proceso que hace que la media X disminuya en 1.6 59.9 58.4 59.1 60. Suponiendo que la varianza se mantiene y que la nueva X también está distribuida normalmente.9 65. En un determinado muestreo de cuatro artículos los valores pH fueron 5. Suponiendo que se mantiene la característica normal de X y permanece igual.6 63.2 60. Se llevan gráficos de control sobre la tolerancia de la temperatura de cierto termostato.8 59.

5 5.2 10.1 11.4 10.4 11.0 4.7 5.3 5.5 4.2 10.2 11.1 10.3 11.6 9.2 4.2 9.2 5.4 4.9 6.9 6.3 4.9 6.0 11.0 9.6 10.1 4.8 6.8 4.6 5.8 5.7 12.4 4.7 9.9 9. Se realizan 20 muestreos de un tamaño de cuatro cada uno.6 5.7 10.7 5.3 6.7 10.2 9.6 4.8 9.8 4.7 5.4 11.4 9. Las lecturas vienen dadas más abajo.1 10.2 11.4 6.1 5.6 11.9 10.8 9.6 11.8 4.2 6.5 5.9 11.1 4.9 5.4 9.3 5.2 5.4 4. 9.23.1 4.4 12.7 10.5 4.3 5.8 11.3 5.1 5.8 4.9 9.5 10.4 4.9 11.8 12.2 5.0 5.2 5.4 11.3 10.1 4.6 9.7 5.4 4.9 5.6 4.9 11.3 5.8 5.7 5.5 9.4 9.8 4.5 10.5 5.1 5.4 5.1 9.1 10.1 10.8 5. ¿qué acción necesaria se recomendaría para establecer los límites de control durante este período base? 4.5 9.1 11.7 7.120 CONTROL DE CALIDAD 4.9 11.9 5.0 5.4 5.3 4.0 5.9 5.8 5.8 5.9 12.7 .6 4. Hay que mantener los gráficos de control X y R de una compañía de maquinaria pesada dentro de ciertas dimensiones.0 10.9 4.7 12.2 9.1 5.3 5.4 5.3 10.2 5.8 11.8 8.8 5.4 9.4 12. Suponiendo que k = 3.4 9.9 5. establecen los límites de control para los gráficos X y R.8 4.0 5.6 5.4 6.9 5.0 8.2 10.6 4.3 10.1 6.7 9.9 4.8 4.9 11.7 11.9 9.3 9.1 5.1 4.7 5.3 5.5 10.0 6.9 4.4 10.0 4.8 5.9 9.3 Se propone establecer límites de control de X y R con límites 3ı: a) ¿Es el proceso estable durante el período base? b) Si el proceso no es estable.9 5.7 4.9 10.8 5.9 10.5 9.4 5.5 10.7 12.7 4.4 5.2 5.5 11.0 5.3 5.4 9.

. la cantidad s se calcula como: [5. . xm son las medidas de un subgrupo. cuando la característica de calidad es discreta. el recorrido R de un subgrupo sirve de estimador de la desviación estándar a de la población. Cuando x1. los gráficos más utilizados son los p. c y P.) Sin embargo.. y 2) un gráfico 1 Estos son los gráficos a que aludimos en el Capítulo 4 como gráficos X y ó. GRÁFICOS DE CONTROL PARA X Y s1 Al desarrollar gráficos X y R.. en que los límites de control se basan en s. (Se estudian en el Capítulo 7. De igual modo.5 Procedimientos especiales de control de procesos Cuando la característica de calidad es variable se suelen utilizar para con- trol de procesos los gráficos X y R.1] m Cuando se usa s para calcular ı. Un indicador alternativo de a es la desviación estándar 5 del subgrupo. 121 . Aquí se estudian con mayor detalle. los dos gráficos para controlar el proceso serán: 1) un gráfico X . a ellas nos referire- mos en este capítulo. x2. en ciertos casos puede resultar aconsejable (u obliga- torio) utilizar ciertas variaciones de dichos procedimientos.

..6(5.2). respectivamente: B Línea central del gráfico X = 47.1. con respecto a los límites tentativos. [Nota: Los valores tabulados son 1.527) = 11.55 límite inferior de control del gráfico s = 0 s 5527 ı estimada para el proceso = = 6.1.55 + 1.  sm s [5. lo aconsejable es no utilizar los gráficos X y s.8407 .09(5. los factores A1. B3 y B4. Para preparar los gráficos X y s se observan m subgrupos de n elementos durante el período base. A continuación.527) = 56.09 y 0.] Se calculan X y s para cada subgrupo (Tabla 5. Los resultados aparecen en la tabla 5.6(5.2] m s1  s2  . tabulados en la tabla A8 se utilizan para obtener los límites tentativos de control.55 ..39 límite inferior de control del gráfico X = 47. Si hubiera la mínima sospecha de que esta distribución pudiera diferir sustancialmente de la normal. Comparados con los gráficos X y R. línea central para el gráfico X X =X límite superior de control para el gráfico X X  A1 s límite inferior de control para el gráfico X X  A1 s límite superior de control para el gráfico s B4 s límite inferior de control para el gráfico s B3 s Si todos los subgrupos del período base están «bajo control». En el período base se probaron 20 subgrupos de tamaño 5.015.3] m Los factores A1.527) = 38.000 (diámetro — 3. se considera que el proceso también lo está y los límites continuarán durante el período de observación. Se calculan las cantidades X i y si para cada subgrupo. los gráficos X involucran mayor cantidad de cálculos a realizar. Ejemplo 5. se usan las medias de aquéllas para obtener los valores estima- dos de la media P y de la desviación estándar ı: X i  X 2  ..71 límite de control superior para el gráfico s = 2.1 Se ha especificado que el diámetro de una pieza de una máquina ha de ser de 3.122 CONTROL DE CALIDAD s.60.700). B4 y B3 tienen un valor de 1.750 ± 0.  X m X [5. 2.55 límite superior de control del gráfico X = 47. Aún más: los gráficos X sólo son aplicables cuando la distribución de la característica de calidad es aproximadamente normal.57 c2 0. Para una muestra de 5.

2.22 85.61 43. TABLA 5.35 2 45.74 3.88 47.14 13 51.02 16 51.527 Ȉs2 = 700. Cálculos Subgrupo X s s2 1 46.33 18 44.4 8.53 30.8 2.01 14 48.74 6 50.54 19 44.2 6.2 4.2 5.4 5.4 3.69 15 48.90 4 50.6 3.33 X = 47.99 7 46.8 2.2 7. Datos de la prueba Subgrupo 1 2 3 4 5 1 42 40 46 55 48 2 50 43 32 51 53 3 46 44 58 46 47 4 59 52 48 45 47 5 37 34 43 49 59 6 53 58 49 56 36 7 47 51 49 40 46 8 47 38 45 44 43 9 49 40 40 53 40 10 54 40 56 51 50 11 54 48 51 48 48 12 44 51 36 47 57 13 63 46 47 40 62 14 40 45 45 52 59 15 62 41 44 45 49 16 56 45 55 45 54 17 54 44 37 47 56 18 49 44 44 43 44 19 44 46 47 44 42 20 42 44 55 48 52 TABLA 5.76 12 47.0 4.0 7.93 79.2 4.53 30.13 4.84 8 43.01 9.99 24.01 49.23 27.6 6.6 9.67 58.52 .8 7.50 5 44. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 123 Los gráficos X y s aparecen en la Figura 5.83 23.30 17 47.06 9 44.95 24.4 7.1.83 3 48.03 20 48.6 1.72 13.55 s = 5.81 60.58 11 49.4 4.2 5.35 54.93 24.40 5.1.58 10 50.

Es difícil entender que la muestra 1 presenta mayor variación que la muestra 2.4] para calcular s.04.00 X = 3.12 X = 3. 3..3] es útil siempre que todos los subgrupos sean del mismo tamaño y la distribución normal. 3. suele utilizarse preferente- mente un método alternativo para calcular s: n1 s12  n2 s22  . Sin embargo.12 Muestra 2: Medidas individuales 3.08 R = 0. Más aún: ambas mues- tras indican la misma media. cabe en la posibilidad que se sientan confusos cuando se represente la medida promedio de una muestra X .  nm sm2 [5. 3. la muestra 1 puede parecer mejor. 3. El tamaño nominal es 3.10.124 CONTROL DE CALIDAD La ecuación [5.08. GRÁFICOS DE CONTROL PARA MEDIDAS INDIVIDUALES Si los operadores no están familiarizados con los métodos de control de calidad.  nm Cuando se utiliza la ecuación [5.10. estas cantidades se convierten en 1 1 m˜n (X  X ) s  y 1 n m mn respectivamente.10. En el caso general.12.4] s n1  n2  . 3. Cuando todas las muestras son del mismo tamaño n.06. en lugar de cada una de las respectivas medidas individuales.. 3. no se puede emplear los factores de la Tabla A8. es posible obtener los límites de control dado que la cantidad sigue una distribución t con (m • n )/(m + n )— 1 grados de libertad.. ya que tres de los cinco elementos tienen exactamente el tamaño nominal.10. 3.10. . 3. Muestra 1: Medidas individuales 3.08 Para los no iniciados. Consideremos dos muestras de cinco artículos cada una..08 R = 0.

PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 125 Figura 5. b) gráfico s. a) gráfico X. .1.

Si no es posible evitar el mareaje de las medidas individuales.50) tiene una distribución t con tres grados de libertad.918)(0.97 Límite inferior de control = 47.3 muestra las marcas de las medidas individuales en el gráfico convencional X .55 + 9. Clifford: «Control Charts Without Calculations». Industrial Quality Control. se puede reducir el daño al mínimo si: 1) se marcan las medidas individuales en el gráfico X convencional. (X — 47. puede utilizarse la ecuación [5. 3 en la Tabla A5: = t 0. C.13 El gráfico X aparece en la figura 5. vol.55)/(5.55 Por tanto.025. 15. 2) se marcan las medidas individuales con puntos y las medidas con círculos para que resalten.182)(5.5) = 47. .918 m 20 n = 5 y m = 20. El procedimiento para usar las medias lo describe Clifford2. A modo de ilustración se han utilizado los cinco primeros subgrupos del ejemplo 5. El mejor procedimiento para evitar confusiones y malos entendidos es realizar sesiones de entrenamiento para los operadores en las que se expliquen los principios básicos de los gráficos X y R.1 (Continuación) Si la asunción de la distribución normal precedente no se considera válida.52 5.182 Límite superior de control = 47. 11.5) = 38.9182)(0.182)(5.126 CONTROL DE CALIDAD Los gráficos en que se marcan las medidas individuales.2.025.4] para calcular s : 2 s ¦s i 700.918)(0.55 .1. 2 P. núm.(3. se puede obtener la cantidad t 0. Claro está que es mejor tener gráficos de medidas individuales que «carecer totalmente de ellos». Para calcular los límites de control con Į = 0. son marcadamente inferiores a los convencionales X y R. 3 3.5 n m 5 20 X 47. 20 u 5 Grados de libertad = 1 20  5 1 1 1 1 Cantidad   0.55 + (3. La Figura 5. 1959.05.42 = 56. incluso cuando van acompañados de límites de especificaciones. Ejemplo 5.

2. Sea x%i = media de la muestra i x% %= media de las medias m(R) = media de los recorridos Los límites superior e inferior de control se calculan como sigue: límite superior de control = x%%+ A%2 m(R) %— A%2 m(R) límite inferior de control = x% El factor A%2 ha sido tabulado por Clifford en el artículo citado.676 . PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 127 Figura 5.324 = 57.3 da algunos valores seleccionados.712 %+ A%2 m(R) = 47 + 0.5) = límite superior de control = x% = 47 + 10. Gráfico X con límites de control basados en una distribución t.1 las medias y recorridos aparecen en la Tabla 5.324 límite inferior de control = x% %— A 2 m(R) = Al — 10. n=5 A%2 = 0. Para los datos del ejemplo 5. Pueden hallarse más valores en la Tabla A10.324 = = 36.4.712(14. La Tabla 5.

3. TABLA 5. Marcado de observaciones individuales.3.419 TABLA 5.712 7 0.128 CONTROL DE CALIDAD Figura 5.265 5 0.4 Subgrupo x% Recorrido Subgrupo x% Recorrido 1 46 15 11 48 6 2 50 21 12 47 15 3 46 14 13 47 23 4 48 14 14 45 19 5 43 25 15 45 21 6 53 22 16 54 11 7 47 11 17 47 19 8 44 9 18 44 6 9 40 13 19 44 5 10 51 16 20 48 13 x% %= 47 m(R) = 14.520 9 0. La Figura 5.4 muestra las marcas de un gráfico de control de la media. Valores selectos de A2 n A%2 3 1.5 .

El ingeniero no estará seguro si no se produce la señal. pero que sigue situado dentro de los de control.4. Para protegerse contra retrasos indebidos al detectar tal situación. es posible que la señal no se produzca de inmediato. Los límites de aviso están situados dentro de los límites usuales de control. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 129 Figura 5.0027. LIMITES DE AVISO Los límites de control de un gráfico convencional X dan una señal indican- do que el proceso puede estar fuera de control. la probabili- dad de una señal falsa es de sólo 0. Si se observa que un punto está fuera de los límites de aviso. Gráfico de la media. Si la hipótesis indiferente es cierta y el proceso está bajo control. Esta preferen- cia nace de su ignorancia sobre los principios de probabilidad. la probabilidad de que alguna observación de la muestra esté dentro de los límites . Hay personas que consideran que los límites de aviso sólo producen confu- sión y prefieren la exactitud de unos límites únicos en el gráfico. En una distribución normal con los acostumbrados límites de control de la desviación estándar 3. algunos expertos recomien- dan el uso de límites de aviso. Incluso aunque el proceso haya pasado a estar fuera de control. ello indica que el proceso debe vigilarse con mayor atención. Estos significan que el ingeniero de Control de Calidad puede estar razonablemente seguro de que el proceso está fuera de control cuando se produzca la señal. Considérense los límites de aviso establecidos en dos desviaciones estándar en relación con la media.

6) s º límite superior de aviso = X% 2Vˆ X% «3 » = ¬ ¼ ª1 º 47.1 (Continuación) Estudiemos la aplicación de los límites de aviso de 2ı a los datos de la Tabla 5. Pr(x 1 y x 2 ) = Pr(x 1 ) x Pr(x 2 ) = (0.001989 Esta probabilidad es más pequeña que la de recibir una señal de los límites de control de tres desviaciones estándar. Las mejoras que se obtienen al usar los límites de aviso se muestran con mayor detalle en el Capítulo 6. Si varias muestras sucesivas están dentro de los límites de aviso no hay por qué preocuparse.73 — 95.0446 Como x 1 y x 2 son sucesos independientes. Sean x 1 y x 2 dos sucesos de valores observados de la muestra que están fuera de los límites de aviso de dos desviaciones estándar.0. esta probabilidad es del 99. las probabilidades de detectar esta situación aumentan si se usan los límites de aviso.» Si el proceso da un aviso y la siguiente muestra lo repite.0446)(0. Debe recordarse que los límites de aviso son sólo eso: límites de aviso.55  5. Entonces. Para un proceso bajo control.2 se ve que no se emiten avisos durante este período.5 muestra los límites de aviso en 2ı. Ejemplo 5. La Figura 5. 45 ¬3 ¼ límite inferior de aviso = X% % 2Vˆ 47.54 por 100.0027. Por otra parte.54. La probabilidad de que dos muestras sucesivas estén fuera de los límites de aviso es muy reducida.9554 = 0. Para los límites de control. Sólo es una llamada de atención.6)(5. Una sola observación fuera de tales límites no debería ser causa de grandes preocu- paciones.65 Comparando estos límites con los valores de X en la Tabla 5.130 CONTROL DE CALIDAD de aviso es del 95.527) » 47.0446 Pr(x 2 ) = 0.73 por 100. las cosas van muy mal.1.55  5. pero no una señal es de sólo 99. que es 0. Los límites de aviso son: % % 2 ª 1 ˜ (1. de un 4. . Pr(x 1 ) = 1 . esto es. si se está empezando a perder el control del proceso. Tampoco el ingeniero debe buscar causas de inestabilidad del proce- so. la posibilidad de recibir un aviso. En cualquier fábrica la norma debe ser: «Deje al proceso solo a no ser que haya una razón clara para intervenir.19 por 100.55  2 « (1.0446) = 0.90 41.90 53.

la eficiencia en la detección de cambios en la media del proceso dependerá de r. el número r no está determinado. Sin embargo. o de Shewhart. siguen la opción número 1. Tal procedimiento hace que la operación sea simple. La opción 2 no se usa en ningún gráfico de control. Usar todos los datos anteriores. de la época en que el proceso operaba «bajo control». 2. toda la informa- ción de las observaciones de la muestra anterior se pierde. Hay cuatro métodos posibles para el tratamiento de la información incluida en las anterio- res observaciones: 1. la opción 2 conduce también a un procedimiento menos eficiente. La razón es que los datos recientes se combinan con gran cantidad de datos anteriores. Usar sólo una cantidad pequeña (pero constante) de observaciones anteriores. En muchos aspectos su uso es similar al de los gráficos de promedio móvil. Aquí. Usar sólo la última secuencia de observaciones que pueda indicar un cambio de P. basada en el uso de las observacio- nes r de la muestra más reciente. La opción 3. Límites de aviso para el gráfico X. aunque menos eficaz. Paradójicamente. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 131 Figura 5. con lo que el procedimiento resulta sencillo. Una cantidad pequeña de datos «fuera de control» recientes puede resultar aplastada por la larga secuencia de datos «bajo control». PROMEDIO MÓVIL Y GRÁFICOS DE SUMAS ACUMULADAS (CUSUM) El gráfico X normal utiliza información de una sola muestra cada vez. La opción 4 es la base de los gráficos CUSUM. se usa en los gráficos de promedios móviles (o de sumas móviles). No usar datos anteriores. Cuando se marca en el gráfico un valor de X de una muestra. pero resulta menos eficaz para descubrir cualesquiera cambios que se produzcan en la media P del proceso. Los tipos de gráficos de control convencionales. lo que no permitiría detectar el cambio de la media P del proceso. 3. 4. sino que es un número aleatorio .5.

mientras que en los de promedio móvil se observan todos los elementos y cada grupo consecutivo de r observaciones se denomina un subgrupo.5 7 5.2 .6 6.02 2.64 3. debe recor- darse que para cada muestra. los de recorrido móvil. TABLA 5.5 2 11.5.3 15 10. se aplican generalmente a observaciones individuales.7 21 19.48 5.1 22 21. El procedimiento para obtener el promedio móvil y el recorrido móvil se ilustra en la Tabla 5.5 4 7.20 6.94 7.5 8 6.84 2. los gráficos CUSUM se usan.5 8.1 6. Para promedios móviles de observaciones individuales se usan generalmente otros gráficos.7 8.8 12.7 11.6 14 12. por lo general.2 18.2 23 23.8 9.06 6.8 17 12.5.2 20.8 14.60 6.132 CONTROL DE CALIDAD basado en los valores de las observaciones más recientes.0 3 11.0 5 5.00 6.3 16 14.16 4.0 8.0 9 8.1 10 12.66 5. Gráficos de promedios móviles Los gráficos de promedio móvil y sus compañeros. Para distinguirlos de los gráficos convencionales X y R con el mismo tamaño de subgrupo. Datos para el promedio móvil y el recorrido móvil Hora Concentración Promedio móvil Recorrido móvil de C (%) de 5 horas de 5 horas 1 6.44 10.84 4.4 11 8.4 12 7.8 8.68 9.3 10.1 7.7 19 15.2 24 24.5 6 5.8 8.60 8.24 6.66 6.4 13. en los gráficos X y R se selecciona aleatoriamente un nuevo subgrupo de tamaño r.8 18 12.24 3.0 13. Por su parte.6 9. para promedios de subgrupos o de X i .5 13 7.58 6.8 20 14.7 7.0 16.78 5.

Sin embargo. como ocurre en la mayoría de los procesos químicos.1.7 6. partiendo de las notas de trabajo preparadas por Marión Reynolds. Los gráficos de promedio móvil y de recorrido móvil son de aplicación limitada cuando la producción es discontinua.2 En una reacción química. la práctica industrial puede exigir que se observen y se anoten las observaciones periódicas de cada elemento. Gráficos CUSUM3 El gráfico CUSUM fue propuesto por primera vez durante la década de 1950.1  12. Estas notas forman parte de un libro de texto en preparación. C.1. Está claro que observar todos los elementos resulta costoso. 6. 8. Primera: la operación puede ser continua. 12. 10 y 11. la práctica general es utilizar los mismos límites de control que se usan en los gráficos convencionales X y R. 8. 8. La ventaja del gráfico CUSUM sobre el convencional X se señala y analiza en el Capítulo 6.7 MA11 8.7  6. La concentración de C en la mezcla resultante se vigila cada hora. 8.1  5. 24 5 MR11 máx(5. 4 En este ejemplo es posible emplear un solo límite inferior de control. En segundo lugar. reaccionan para formar un tercero.7)  min(5. 1984. Porcentajes más altos indican un proceso de conversión más eficaz y permiten obtener mayores beneficios de la operación: 1 § r 1 · MAi ¨ ¦ X i j ¸ r©j 0 ¹ j r 1 j r 1 MRi max X i  j  min X i  j j 0 j 0 Para las observaciones 7. del 10 por 100. 12.6. A y B.1.1  8. 9. La fábrica trabaja veinticuatro horas al día. incluyendo los límites convencionales. 6. La Figura 5.6.7) 12. El gráfico utiliza una suma móvil que incluye sólo secuencia de datos recientes que indica un posible cambio en la medida del proceso. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 133 Ejemplo 5. . Para el control se utilizan promedios móviles y recorrido móviles de períodos de cinco horas. dos productos químicos. Para entender los principios básicos de los gráficos CUSUM consideremos un sencillo caso en que sea necesario detectar sólo un cambio a valores mayo- res de la media del proceso.6  8.7. 5. 3 Esta descripción de los gráficos CUSUM la realizamos con permiso. estos gráficos son muy útiles en ciertos tipos de fabrica- ción. por dos razones. Sin embargo.6 muestra los gráficos de control móvil y de recorrido móvil. La concentración de C debe ser por lo menos de un 10 por 100 para que la fábrica trabaje sin pérdidas. los gráficos CUSUM son más eficientes para detectar pequeños cambios en_ la media del proceso. 8. Este registro está disponible para control de calidad. del departamento de Estadística del Instituto Politécnico de Virginia.7.1. En general.

134 CONTROL DE CALIDAD Figura 5. a) gráfico de promedio móvil. b) gráfico de recorrido móvil. .6.

el valor esperado de y1 ya no sería — d: E ( yi | H1 ) E ¬ª X i  P0  d . 5. y¡ = Z i .d d > 0 será también una variable aleatoria. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 135 Hipótesis indiferente: H o : P = P0 donde P 1 > P 0 Hipótesis alternativa: H 1 : P = P 1 X expresa el subgrupo i-ésimo. pero con un valor esperado negativo. como es normal. La suma acumulativa (abreviado por CUSUM) de yi tenderá a moverse hacia abajo mientras Ho sea cierta (Fig. la cantidad Zi X i  P0 será una variable aleatoria con un valor esperado de cero.7): k Yk ¦y i 1 i Si el proceso pasa a una situación de «fuera de control» y H1 es cierta. Otra cantidad. Cuando el proceso está bajo control y P 0 es cierta.

La elección de c es un tanto arbitraria. Siempre que se produce un cambio significativo hacia arriba en la marca de Yk. se deja sólo el proceso y se continúa el muestreo. que es positivo. Reynolds4 recomienda un valor P1  P0 d 2 Este valor hace que E(yi | H1 ) = d. si el valor más reciente de Yk excede en c unidades a un nivel previo de Y.996 pulgadas.8). Esto aparece ilustrado en la Figura 5. es posible escoger un valor d que haga que E(y1 |H1) sea positivo. El largo historial de fabricación del pistón muestra que la 4 Obra citada. Un gráfico CUSUM es una marca de la suma acumulativa Yk. por ejemplo.002 pulgadas. El límite superior de toleran- cia es de 3. Ejemplo 5.9. | H1 ¼º E ( X i | H1 )  P0  d P1  P 0  d Como quiera que P1 > P 0 . mientras H 1 sea cierta (Fig. En tanto que Yk esté generalmente disminuyendo. 5. La señal se basa en un incremento c. . Así. se da una señal.3 El diámetro nominal del pistón es de 2. La suma acumulativa de y1 tenderá a moverse hacia arriba. se da una señal de que el proceso se está yendo «fuera de control».

7. Figura 5. .136 CONTROL DE CALIDAD Figura 5.8. Valores probables de Yk cuando Ho es cierta. Valores probables de Yk cuando Ho es falsa.

002 . El proceso se consideraría insatisfactorio si la media creciera hasta 2.998 .0162. 120  60 Z 2. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 137 Figura 5.996 .990) x 10. desviación estándar es de 0. 120  80 Z 1.990) x 10.2. Generación de una señal en un gráfico CUSUM.14 28 La fracción de producción que excede de la tolerancia superior es 0. En la tabla 5. 43 28 . o 1.2.000 = 80 Desviación estándar = 0.0028 x 10.2.000 = 120 Diámetro después del cambio = (2.996 pulgadas hasta 2. Se dispone de gráficos de control para detectar este cambio desde el nominal de 2.000 = 28 Cuando el diámetro medio es nominal. Usando la misma escala de la Tabla 5. Los valores de la tabla están clasificados como ( X .62 por 100.6 se dan los promedios de treinta subgrupos.998 pulgadas.0028 pulgadas.000 = 60 Tolerancia superior = (3.998 pulgadas. Cuando el diámetro medio ha cambiado.990) x 10.2.990) x 10.9.000.6 llegamos a lo siguiente: Diámetro nominal = (2.

64 por 100.138 CONTROL DE CALIDAD TABLA 5.73 + (1. el gráfico de control convencional no da señal alguna (este gráfico no tiene límites de aviso).0764. el 23 y el 30.34 x 28) = = 64. Promedios de subgrupos Número del Número del Xi Xi subgrupo subgrupo 1 20 16 37 2 56 17 97 3 39 18 17 4 42 19 80 5 77 20 95 6 21 21 96 7 27 22 96 8 23 23 102 9 12 24 95 10 100 25 90 11 97 26 76 12 37 27 88 13 98 28 90 14 60 29 65 15 12 30 102 La fracción de la producción que excede la tolerancia superior es 0. Gráfico CUSUM: Para un gráfico CUSUM los parámetros c y d se seleccionan de la siguiente forma: Hipótesis indiferente: Ho:P = 60 Hipótesis alternativa: H1: P = 80 P1  P0 80  60 d 10 2 2 c = 6 x d = 60 (esta elección es hasta cierto punto arbitraria) yi X i  P0  d X i  60  10 X i  70 Los valores de y i y de Y k = ¦y i aparecen en la Tabla 5. con tamaño del subgrupo de 5 = 1.34: límite superior de control = X  AV ' = 64. i .73 Factor A para gráficos de control de a conocida.73 + 37. o 7.52 = 102.25 Aunque dos subgrupos. se acercan al límite superior de control.6. Gráfico de control convencional: X = 64.7.

Puede inferirse que se ha producido un cambio al comparar el prome- dio de la primera mitad de los datos.67. Las Figuras 5.10 y 5. Gráfico convencional X para el ejemplo 5. A partir de ese punto. 47. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 139 TABLA 5. . Figura 5. Cálculos para un gráfico CUSUM El gráfico CUSUM señala el cambio en el subgrupo vigésimo primero.7.10.73.3. con el de la segunda mitad: 81. respecti- vamente. el gráfico se mantiene por encima del nivel de la señal.11 muestran el gráfico convencional X y el CUSUM.

los mismos datos en los gráficos X y R. considerando que el tamaño de la muestra = 6. Las observaciones durante la primera semana fueron las siguientes: . Diseñar gráficos de control X y S usando límites de control 3ı.21 en los gráficos X y S. Los datos son los del problema 4. Marcar. 5. Ȉ X = 234. 5. El departamento de Control de Calidad pidió a los supervisores de los tres turnos que observaran e informaran acerca de una muestra de elementos produ- cidos en cada turno. y Ȉ S = 11.3.23 determinar los límites de control para los gráficos X y S: a) suponiendo una distribución normal.5. Marcar los datos del problema 4. Establecer gráficos X y S sin la asunción de normalidad.1.2.22.4. Por error administrativo no se indicó el tamaño de la muestra. Con los datos del problema 4. Los tres supervisores utilizaron distintos tamaños de muestra. ¿Qué conclusiones se obtienen sobre que el proceso está bajo control durante el período base? 5. además.2. 5. No hay razón para suponer que las observaciones tengan una distribución normal. la cantidad de muestras = 20.4.140 CONTROL DE CALIDAD PROBLEMAS 5. b) sin suponer una distribución normal.

75 21.8.00 19.25 III 20.5 11.50 18.5 9.00 21.75 Miércoles I II 20.8 13 489.3 20 490.4].50 22.0 15. Construir un gráfico de la media con los datos del problema 5.4 21 487.2 14 493. .25 21.0 8. tratar la sexta observación del tercer turno como si fuera la quinta observación del primer turno todos los días. Construir un gráfico de la media con los datos del ejemplo 4.0 13.2 19 494.00 21.50 21.50 17.75 20.2 11 493. Identificar cualquier aviso.50 21.00 18.7 8 498.7.5 8.6.5ı en el gráfico.00 19.0 13.50 19.5.75 III 18.75 Jueves I II 21.50 19.50 21.4 10.8 9 497.00 19.00 Viernes I II 21.3 24 486.2 2 493.50 21.75 18.0 15.5 7.00 21.50 20. 5.6 3 496.8 18 497.1.2 22 489.75 18.00 20. Hora X (kg) R(kg) Hora X (kg) R(kg) 1 495.3 15 488.00 20.00 19.50 20.50 21.00 19.4 11.3 7 500. Los siguientes datos muestran la dureza media y el recorrido de muestras de cinco cascos de plástico tomados de cada hora de fabricación.6 5 490.4 11.00 20. Usar la ecuación [5.50 20.50 18. (Para obtener muestras de igual tamaño.25 20.00 17.4 17 491.00 19.00 18.0 7.5 12.50 III 21.50 17.25 20. PROCEDIMIENTOS ESPECIALES DE CONTROL DE PROCESOS 141 Lunes I II 20.5 Marcar los gráficos X y R.0 8.00 18.00 20.50 18.4 6 496.25 17.25 19.25 19.25 18.0 12.75 18.50 20.) 5.8 4 497.75 Determinar los límites de control que se utilizarían en los gráficos X y S de los tres turnos.00 21. Marcar los límites de aviso de una media de ±2.00 20.2 23 488.50 III 20.50 20.0 10.50 20.5 9.00 20. 5.75 19.50 19.5 12.5 7.00 20.25 22.5 8.75 19.8 10 496.0 8.75 19.00 III 20.00 19.6 9.00 18.8 12 498.25 Martes I II 18.25 19.50 21.0 7.3 16 495.50 19.50 20.25 20.50 23.

para los pesos de las pizzas congeladas del problema 3.5(7 y límites de aviso de media ±2. Marcar un gráfico de promedio móvil. 5.1.10. Se debe probar la hipótesis Ho: P = 325. Un gráfico de control usa límites de control de media ±2. ¿Cuál es la probabilidad que una observación de una muestra genere un aviso.2. 5.12 después de cambiar la hipótesis alternativa por H 1 : P = 324.0(7.13.142 CONTROL DE CALIDAD 5. 5.11. usando un tamaño de subgrupo de 4. Para las botellas de gaseosa del ejemplo 4.12.9. pero no una señal? 5.30 .5 mililitros. Marcar un gráfico de promedio móvil usando un subgrupo de tamaño 5 con los datos de resistencia a la tensión del problema 3. Construir un gráfico CUSUM para el problema 5.90 contra H1: P = 327.2 se consideraría inseguro que el promedio de volumen de líquido en las botellas del proceso excediera los 327.50 Construir un gráfico CUSUM usando d = 6 x c.

Las longitudes de unos tornillos que se están fabricando se supervisan por medio de un gráfico X . CARACTERÍSTICAS OPERATIVAS DE UN GRÁFICO DE CONTROL Ejemplo 6. 2) si está bajo control. La operación de un gráfico de control es una prueba de la hipótesis de que el proceso está bajo control. Si el límite superior de control. respectivamente. generalmente los de producción. con relación a gráficos de control de características variables. Ambas propiedades se describen en términos generales en el Capítulo 2. fuera de control. más se reducirá la producción de unidades no satisfactorias.5.1. 20 y 19. la línea central y el límite inferior de control son 20. Tal tipo de señales deben ser infrecuentes. dichos gráficos deben satisfacer dos exigencias contra- rias: 1) si el proceso está.5 cm. Cuanto antes se produzca la señal.6 Propiedades de los gráficos de control Los gráficos de control se emplean para vigilar procesos. Dichas propiedades son: 1) la fuerza de la prueba. de hecho. En éste nos ocupamos con mayor detalle de ambas. Por ello. y 2) su recorrido. Dos propiedades de la prueba de dicha hipótesis indican hasta qué punto puede satisfacer un gráfico de control los dos requisi- tos aparentemente opuestos citado antes. el gráfico debe señalarlo tan pronto como sea posible. El gráfico de control debe permitir que un proceso bajo control opere durante largo tiempo sin producir señales falsas. cualquier señal que lance el gráfico será una señal falsa. el uso de gráficos supone una prueba de la hipótesis H o : P = 20 cm 143 .

5 cm. será una función de la «diferencia» entre la media actual y la media bajo la hipótesis Ho. ȕ.2. Ho aún puede ser aceptada. la proba- bilidad de aceptación es menor.5 cm en P ha reducido la probabilidad de 0. De manera análoga. Esto sería un error de tipo II. Dicho de otro modo: la probabilidad de aceptación de una muestra. Ho deja de ser cierta. Si la longitud media de la muestra se sitúa dentro de los límites de control. La probabilidad de que esto se produzca es la probabilidad de que el gráfico de control no señale cuando debería señalar.1.9975 a 0. Probabilidad de error de tipo II cuando en la mitad del proceso hay un cambio. En la Figura 6. la probabilidad de aceptar una hipótesis que es cierta.1 se puede ver que la probabilidad ȕ es. Esta probabilidad sería de 0. La probabilidad de que la longitud media X en cualquier muestra de cinco tornillos esté entre los límites de control superior e inferior será 1 — Į. aproximadamente.5 cuando la longitud media ha pasado de 20 a 20. La curva de la Figura 6. el de aceptar una hipótesis que no es cierta. Si la diferencia va siendo mayor.1. Si la diferencia se va haciendo cada vez menor. Si se produce un cambio en el proceso de producción y la longitud cambia de 20 a 20.2 puede deducirse de la 6. la probabilidad de aceptación de una muestra cambia- rá de acuerdo con el cambio que se produzca en el proceso de producción. Figura 6. 0.144 CONTROL DE CALIDAD contra una hipótesis alternativa H1: P  20 cm Si el proceso está bajo control y la longitud media de los tornillos que se están produciendo es de exactamente 20 cm.5. Esta función se muestra en la Figura 6. El gráfico de control señalará inmediatamente cuando la diferencia sea grande y viceversa.5. la hipótesis Ho será cierta.9974 si se utilizaran los límites 3ı y la distribución de las medias de la muestra fuera normal. Un cambio de 0. . el proceso de producción se acerca a que la condición Ho sea cierta y la probabilidad de aceptación se hace cada vez mayor.

2. En el ejemplo numérico: UCL = 20.5 k = 3 . Curva característica operativa de un gráfico X. la probabilidad de aceptación = ȕ. Empezar por los límites de control dados y el valor de k. CALCULO DE LA CURVA OC A continuación se describe un procedimiento sencillo.5 LCL = 19.2 se llama curva característica operativa del gráfico de control. paso a paso.3 da la función de fuerza correspondiente a la curva característica operativa de la Figura 6. para calcular la curva OC de cualquier gráfico de control.2. La curva de la Figura 6. Paso 1. la probabilidad de aceptación = 1 – Į.2. Una función complementaria que da la probabilidad de rechazo se llama la función de fuerza del gráfico de control. La Figura 6. La función que describe puede indicarse como sigue: 1. Cuando la diferencia d = 0. PROPIEDADES DE LOS GRÁFICOS DE CONTROL 145 Figura 6. Cuando la diferencia d  0.

5  20. Función de potencia de un gráfico X.1667 UCL = 20.1667 = VX Nueva media = 20.1667 LCL = 19. . Paso 2. generalmente. Seleccionar la diferencia d.1667 .5 = 20.3V X . Por ejemplo: d = 0.1667 + u 0. Calcular la desviación estándar de X como (UCL — LCL)/2&: 20. Un conjunto adecuado de valores de d lo proporcionan los múltiplos de (UCL — LCL)/2k o V X . V X .4V X .1667 2u3 Paso 3.146 CONTROL DE CALIDAD Figura 6.5  19.1667 0.1667 + 2V X 19.5V X .4V X El límite superior de control está situado en la media + 2ı y el límite inferior de control en la media — 4ı. Para la diferencia seleccionada.2V X .1667 0. suficientes. determinar la posición de los límites de control correspondientes a la nueva media.5 = 20.6V X serán. Paso 4.1667 20. Los valores de 0.3.5 VX 0.5  20.1667 = 20.1667 = 20.1667 + u 0.

1). Como V X = V. la probabilidad de aceptación será pequeña.9773 . en consecuencia.9773 Paso 6.20 TABLA 6. la probabilidad de aceptación es grande. la curva OC resulta una línea horizontal.Si se hacen los tamaño de muestra mayores.0 = 0. en tanto que si los tamaños de la muestra son más pequeños. Cuando el cociente d/V X es pequeño. LA CURVA OC Y EL TAMAÑO DEL SUBGRUPO El procedimiento de cálculo indica claramente que la probabilidad de acep- tación para cualquier diferencia depende de la relación entre d y V X Siempre que el cociente d/V X sea grande.2 P en H o = 12.0 ı = 1. aumentaría d/ V X . Ejemplo 6.2 . llegando al máximo cuando d/ V X es cero. Cálculos para la probabilidad de aceptación TABLA 6. Calcular la probabilidad de aceptación usando las tablas de pro- babilidad normal acumulativa (Tabla Al): probabilidad de aceptación = I (UCL)  I ( LCL) I (2)  I (4) = 0.1. / n cualquier incremento en el valor del tamaño n de la muestra haría disminuir V X y. Repetir los pasos 4 y 5 para todo el conjunto de diferencias (véase Tabla 6. PROPIEDADES DE LOS GRÁFICOS DE CONTROL 147 Paso 5. la curva OC del gráfico de control resulta más pronunciada.

5 y 9. una probabilidad de aceptación de 0.0 en la media del proceso.4 presenta las curvas OC para los tres gráficos de control. Esta relación entre la curva OC y el tamaño de la muestra permite determinar el tamaño mínimo de muestra que proporcionará la protección especificada.2).95 cuando se inspeccione la primera muestra tras el cambio (véase Figura 6. el gráfico de control lo detecte con una probabilidad de 0.4.05 o 2 VX VX . Ejemplo 6. El límite superior de control con relación a la media después del cambio debería d.148 CONTROL DE CALIDAD Se consideran tres tamaños de muestra diferentes: n = 2.0 Figura 6. Ilustramos lo dicho en el ejemplo 6. La probabi- lidad deseada se puede enunciar en términos de la probabilidad de detectar cierto cambio en la media del proceso. La Figura 6.60 Se desea que si se produce un cambio de 1.05: UCL  31 UCL  31 I 0. n = 5.05 UCL = P + 3 V X = 30 + 3 V X 0. Curvas OC de gráficos de control con tamaños de subgrupos de 2. n = 9 (Tabla 6.5): probabilidad de detección = 0.3 P en Ho = 30 ı (conocida) = 0.3.95 probabilidad de aceptación = 0.

deje actuar al proceso cuando está bajo control. estocásticamente. Por lo tanto. 2 ¹ La muestra debe tener un tamaño de 9. Cuando dos procesos de vigilancia. y retrasarlas al máximo si el proceso de fabricación está bajo control.6 / n . PROPIEDADES DE LOS GRÁFICOS DE CONTROL 149 Figura 6. La propiedad citada supone que la distribución de la longitud de racha. 30  3V X 31  2V X 5V X 1 VX 0. De donde UCL = 31  2V X . si el proceso está fuera de control. operan con el . 2 § 0. del mayor tamaño posible. o mayor. debiera ser. el proceso de vigilancia debería generar señales de inmediato. cuando el proceso está bajo control. Probabilidad de detectar un cambio. al mismo tiempo.6 · n ¨ ¸ 9 © 0.5. DISTRIBUCIÓN DE LA LONGITUD DE RACHA EN CONTROL DE CALIDAD Una de las propiedades que se desean en cualquier proceso de vigilancia es que detecte por sí misma cualquier situación fuera de control tan pronto como sea posible y que. para proporcionar la protección deseada. P y Q. Esto es. 2 Pero V X V/ n 0.

Citadas brevemente. el proceso P será mejor si la distribución de su longitud de racha. Sean t = intervalo de tiempo entre muestras (se supone que constante) c = tasa de producción n = tamaño de la muestra r = longitud de racha Esto implica que en cualquier intervalo del muestreo se producen c· t unidades. Si ș es la probabilidad de rechazar la hipótesis indiferente para cualquier muestra y las muestras son independientes. En otras palabras: para cuando aparezca la señal se habrán producido c · t · r unidades. Cuando la hipótesis alternativa esté bien definida y sea específica. se usarán n unidades seleccionadas aleatoriamente para vigilancia (por ejemplo. Al mismo tiempo. La señal se produci- rá después de r muestras.1] . Pr(r ” R) = 1 – (1 – ș)R [6. siempre que se pueda asumir que las sucesivas muestras son estadística- mente independientes. Į). Hp(t1. así como para los procedimientos de muestreo de aceptación. La longitud de racha proporciona una base para comparar procedimientos alternativos de vigilancia de procesos de fabricación. la distribución de longitudes de racha es una distribución geométrica (véase Capítulo 2). seleccionar los procedimientos de vigilancia que tenga la longitud de racha estocásticamente mayor cuando el proceso está bajo control. Basta con conocer la longitud media de racha (ARL) o la media de distribución. Como indicamos antes. Į) domina a la distribución alternativa de longitud de racha HQ(t1.150 CONTROL DE CALIDAD mismo nivel de significancia. Į. con el proceso bajo control esta cantidad debería ser la mayor posible. las normas básicas para la selección de proce- dimientos de vigilancia son las siguientes: 1. Sin embargo. el producto será probablemente deficiente y la cantidad total c · t · r debería ser lo más pequeña posible. Esta asunción es válida para la mayoría de las aplicacio- nes de gráficos de control. seleccionar el procedimiento de vigilancia cuya longitud de racha sea más corta estocásticamente cuando el proceso esté fuera de control. Un procedimiento con una ARL más corta indicará una longitud de racha estocásticamente más corta. debería reducirse la longitud de racha al mínimo posible. si el proceso está fuera de control. Cuando la hipótesis alternativa (por ejemplo. para marcar un gráfico de control). El comportamiento de cualquier procedimiento de vigilancia se puede des- cribir de acuerdo con la distribución de la longitud de racha. generalmente no es necesario observar toda la distribución. 2. Si no está bajo control. De ellas. y las longitudes de racha de dos procedimientos de vigilancia —cuando el proceso de fabricación está bajo control— son estocásticamente iguales. situación de fuera de control del proceso de fabricación) no es conocida o no está definida específicamente.

se dispone de gran número de observaciones. Puede suponerse que la media y la varianza del proceso. PROPIEDADES DE LOS GRÁFICOS DE CONTROL 151 La media de esta distribución viene dada por: 1 E(r) = ARL = [6. La Tabla Al3 da valores de ARL para otros tamaños de muestras. serían: 3V UCL = P  n 3V LCL = P  n Sea d el cambio en la media del proceso. Caso 2: Media conocida. Para un tamaño de muestra de cinco elementos. llevan a concluir que la media y la varianza son conocidas. Los límites de control. estimadas a partir de dicho número elevado de observaciones. . las hipótesis que se prueban pueden definirse como Ho: d = 0 H1: d  0 El área rayada de la Figura 6. en este caso. En ese caso.2] T LONGITUD MEDIA DE RACHA EN LOS GRÁFICOS X Caso 1: La inedia y la varianza son conocidos Cuando un proceso lleva funcionando un tiempo razonablemente largo y está operando bajo control. la relación entre esas cantidades es R R = d2ı o V d2 Usando este valor estimado de a.4. se puede calcular la probabilidad de rechazar la hipótesis indiferente ș como en la Figura 6. Los valores de ș y de ARL se dan en la Tabla 6.3.6 representa la probabilidad de rechazo de la hipótesis indiferente ș. La Tabla A12 da valores ARL para otros tamaños de muestras. R utilizada para estimar la varianza Cuando se usa R para estimar a. los valores de ș y de ARL se dan en la Tabla 6.6.

9580 1.5 0.0 0.00659 151.1 0. Valores de 6 y de ARL para un gráfico de control con un tamaño de muestra de 5 0 0.9 1. Ȉ R = 18.6 0.0057 175.6281 1.92951 1.4 0.3 0.0027 370.02506 64.4. Los subgrupos utilizados en .000.043 Ejemplo 6. TABLA 6.0 0.6.0034 298.02994 33.152 CONTROL DE CALIDAD Figura 6.5 1.3.0 0.4 1.1 3.0 0. d = 0.99193 1. Valores de ș y de ARL para un gráfico de control con un tamaño de muestra de 5 d/ı ș ARL 0 0.0 TABLA 6.6 0. Probabilidad de rechazo de una hipótesis indiferente.1 0. El tamaño del subgrupo es de 5.22245 4.3449 11.5 0.5 0. de unas varillas de acero para refuerzo.2 0.000 y Ȉ X = 429.0027 370.4 Se llevan gráficos de control X y R para la fuerza de tensión. Después de 30 subgrupos.2 0.5 0.6 2.4 0. en libras por pulgada cuadrada.

. Si la fuerza media cambia a: a) 14. R utilizado para estimar la varianza La distribución exacta de este caso es una distribución t de Student. o b) 14. de forma que cuando el período base es lo suficientemente grande —más de 20 subgrupos— para este caso se puede usar la Tabla 6. Como promedio. en la mayoría de aplicaciones en fabricación. se examinarían 12 muestras antes de detectar el cambio.5 es 11.7.300  14. Longitud de racha después del cambio. 2 R 600 En la Tabla 6.180. PROPIEDADES DE LOS GRÁFICOS DE CONTROL 153 el período base indican control estadístico. Caso 3: X utilizado para estimar la media.000. ¿cuánto se tardaría en detectar el cambio? (véase Fig. Sin embargo.9.180 120 d 120 0. Figura 6. Durante el período de vigilancia se usan los límites de control calculados en el período base.4 hallamos que ARL para un subgrupo de tamaño 5 y d/ R = 0.4.4 basada en esta distribu- ción.7): R ¦R 18000 600 30 30 Pˆ X ¦ X 429000 14300 30 30 a) d 14. la distribución de las características observadas es muy similar a la de una distribución nor- mal. 6. Es posible construir una tabla ARL similar a la Tabla 6.

Se produce una señal cuando se da cualquiera de las siguientes dos condiciones: 1. Cierta cantidad. si la media del proceso cambia desde P a P+ 0. Estas notas son parte de un libro en preparación. Una actitud posible es la de formular el problema como un proceso de Markov. El uso de los límites de aviso de este modo hace que la derivación de la longitud media de la racha resulte bastante complicada. El uso de límites de aviso combinados con los límites de control pueden reducir el tiempo exigido para detectar cambios pequeños. Los X más recientes están dentro de los límites de aviso. Si el cambio es pequeño no es fácil detectarlo con un gráfico X . Esto se ve perfecta- mente teniendo en cuéntalos grandes promedios de longitud de la racha necesarios cuando d/ı o d/ R son pequeños.3 indica que se necesitarían 33. .4 muestras de cinco unidades cada una antes de que pudiera detectarse el cambio. del Departa- mento de Estadística de la Universidad e Instituto Politécnico del Estado de Virginia. L2 = 0. respectivamente. definidos como: Caso 0. Sean los casos 0. r. Obviamente. el 2 o el 0. Si el nuevo caso es 0. En el sencillo caso en que r es 2.154 CONTROL DE CALIDAD USO DE LOS LÍMITES DE AVISO Los gráficos X y R son muy eficientes para detectar grandes cambios.5ı. se 1 Esta derivación está tomada de las notas preparadas por Marión Reynolds. Un valor X de la muestra está fuera de los límites de control. L1 se puede calcular como sigue: después de un nuevo muestreo. Como quiera que la decisión depende no sólo de la muestra más reciente. Caso 1. sino de las muestras r más recientes. En este caso se produce una señal siempre que dos muestras de X consecutivas estén fuera de los límites de aviso o siempre que cualquier muestra de X esté fuera de los límites de control. Los X más recientes están fuera de los límites de aviso aunque dentro de los límites de control. Empezando por el caso 1. 1 y 2. Sin embargo. L1 y L2 las longitudes medias de rachas cuando el proceso está. la nueva media sigue estando dentro de los límites de control basados en la antigua media. el nuevo caso puede ser el 1. la distribución de la longitud de la racha no es una distribución geométrica. en los casos 0. Sea p0 = probabilidad del caso 0 p1 = probabilidad del caso 1 p2 = probabilidad del caso 2 Y sean también Lo. La Tabla 6. 1 o 2. Por ejemplo. de valores de X consecutivos está fuera de los límites de aviso aunque dentro de los límites de control. es posible dar una derivación simple de la longitud media de racla1. esta actitud escapa al ámbito de este libro. 2.

Si el nuevo caso es 1. se genera una señal. De aquí que L1 = siguiente muestra + (probabilidad del caso 0) x Lo = 1 + p0 L0 [6.5 Se llevan gráficos X para determinada característica. se genera una señal. Calcular la longitud media de racha: a) cuando el proceso está bajo control y X = ¡i. el 1 o el 2. y b) si la media del proceso cambia repentinamente a P + 0. Si el nuevo caso es 0.8 muestra la distribución de probabilidad de la características para parte b) del ejemplo. Después de un nuevo muestreo.4] = 1 + p 0 L 0 +p 1 L 1 Sustituyendo el valor de L1 que tomamos de la ecuación [6. La Figura 6. el nuevo caso puede ser el 0.3] Empezando en el caso 0. obviamente se genera una señal. Si el nuevo caso es el 2. De aquí que: L0 = siguiente muestra + (probabilidad del caso 0) x Lo + + (probabilidad del caso 1) x L1 = [6.5ı . Los límites de aviso están establecidos en P + 2ı y P — 2ı. El tamaño del subgrupo es 5. se necesitaría un longitud media de racha de Lo para generar una señal. la posición de los límites de aviso y de los límites de control no será simétrica con relación a la nueva media. Se supone que el valor de ı es conocido. Si el nuevo caso es el 1.3] resulta L0=1+poL0+p1(1+p0L0) O 1  p1 L0 1  p0  p1 p0 Ejemplo 6. Por definición p 0 = Pr(LWL ” x ” UWL) p 0 + p 1 = Pr(LCL ” x ” UCL) p0 + p1 + p2 = 1 . se necesitaría una longitud media de racha de L1 para generar una señal. ya que hay dos valores consecutivos de X en el caso 1. Si el nuevo caso es 2. A causa del cambio en la media del proceso. PROPIEDADES DE LOS GRÁFICOS DE CONTROL 155 necesitará un recorrido medio de racha de Lo para generar una señal. se puede calcular Lo como sigue.

9545  (0.0428 L0 224.8.118V límite inferior de aviso = 0.55 3V 1.3] da ARL 1  0. Para la parte b) la nueva media = P + 0.0027 Sustituyendo dichos valores en la ecuación [6.118V límite inferior de control = 0.9545)(0.9545 © 5 5¹ § 3V 3V · p0  p1 Pr ¨ P  d xi d P  ¸ 0.9973 © 5 5¹ Luego p1 = (p0 + p1) – p0 = 0.118V 3V 4.5V  5 5 .156 CONTROL DE CALIDAD Para la parte a): § 2V 2V · p0 PR ¨ P  d xi d P  ¸ 0.0428) Figura 6.0428 y p2 = 1 – (p0 + p1) = 0.5V   5 5 5 5 2V 3. 4 1  0. Proceso bajo control.

15981 Sustituyendo estos valores en la ecuación [6.15981) Estas longitudes medias de rachas con límites de aviso se pueden comparar con los recorridos medios de rachas sin límites de aviso para el mismo tamaño de subgrupo (Tabla 6.882V · p0 Pr ¨ P  d Xi d P  ¸ 0.15981 L0 19. 1  0.882V · p0  p1 Pr ¨ P  d Xi d P  ¸ 0.5).81023  (0. 23 1  0.9.5V  5 5 3V 1.81023 © 5 5 ¹ § 4.882V 0.118V 1.97004 © 5 5 ¹ p1 ( p0  p1 )  p0 0.97004  0.81023 0.00091 0. La inedia del proceso cambia a n + 0.5V  límite superior de control = 5 5 dado que en la parte a).118V 0.882V límite superior de aviso = 0. § 3.97004  0 0.81023)(0. p0 = Pr(LWL ” x ” UWL) p0 + p1 = Pr(LCL ” x ” UCL) Para la parte b). PROPIEDADES DE LOS GRÁFICOS DE CONTROL 157 Figura 6. . 2V 0.5<T.5] nos da el ARL.81114  0.

5. Parece. la función de la curva 1 — ș a 0 y la función de ARL a 1. la media del proceso se coloca a tres o más desviaciones estándar de los límites de las especificaciones. se acerca a 1.4 0. Longitud inedia de racha para un tamaño de muestra de 5 ARL d/ı Sin límites de aviso Con límites de aviso 0 370. el procedimiento de control tiene mayor posibilidad de detectar el cambio y dar la señal: d A medida que of T o1 V A medida que ș. lógico que la longitud de racha no pueda ser menor de 1. Dicho de otra forma: es la probabilidad de que el procedimiento de control no dé una señal. Si 9 denota la probabilidad de que se dé una señal y las muestras sucesivas se consideran independientes. Para especificaciones de dos lados habrá veces en que se será necesario realizar algún trueque. las dos funciones que describen: 1) la curva OC. pues. y 2) el ARL se pueden formularse como sigue: función descriptiva de la curva OC = 1 — ș 1 función descriptiva de ARL = T La Figura 6. A medida que aumenta el promedio d/ı del proceso.4 19. la probabilidad de que se dé una señal.158 CONTROL DE CALIDAD CURVA OC Y LONGITUD MEDIA DE RACHA La curva OC es una descripción de la probabilidad de aceptación de la hipótesis indiferente para cualquier observación de la muestra.10 muestra las dos funciones para un tamaño de subgrupo de 5. Para operaciones normales. es posible minimizar la producción de elementos defectuosos disponiendo ade- cuadamente la media del proceso. Para especificaciones de un solo lado esto no supone proble- ma. ya que no puede producirse una señal sin una primera muestra.4 224. TABLA 6.23 PRODUCCIÓN DE ELEMENTOS DEFECTUOSOS ANTES DE DETECTARSE UN CAMBIO EN LA MEDIA DEL PROCESO Cuando se conocen los límites de las especificaciones para las dimensiones y se puede calcular la desviación estándar natural para el proceso de fabricación.5 33. En cualquiera de los casos existe una disposición de la .

el proceso de fabricación sigue produciendo un porcentaje mayor de elementos defectuosos durante más tiempo. En primer lugar.10. El efecto es la fabricación de mayor cantidad de elementos defectuosos. el empleo de límites de aviso o de mayores tamaños de subgrupo— producirá un incremento en los costos de operación. redu- cir la longitud de la racha tiene su precio. Ejemplo 6. Sin embargo. Este trueque se ilustra en el ejemplo 6. Curvas OC y ARL para un tamaño de muestra de 5. media del proceso que es «la mejor» y que puede determinarse de forma directa.6. se incrementará la fracción de la producción que no cumpla las especificaciones.6 La longitud de un tornillo fabricado en una máquina semiautomática está sujeta a un único límite. Cuando la longitud de racha del procedimiento de control es larga. el mecanismo utilizado para reducir las longitudes de racha —como. por ejemplo. en segundo lugar. superior de especificaciones. Hay . PROPIEDADES DE LOS GRÁFICOS DE CONTROL 159 Figura 6. La desviación estándar natural del proceso es ı. Para su operación normal el promedio ha sido establecido en L – 3ı. se incrementa la frecuencia de señales falsas cuando el proceso está bajo control. L. Los motivos para reducir la longitud de racha cuando el proceso está fuera de control son el control y la reducción del número de elementos defectuosos fabricados. Si se produce un cambio no planificado en la media del proceso que la aleja de esa «mejor» disposición.

5ı (un cambio de 0.9. En situación normal.5ı de la nueva media del proceso. Las longitudes medias de racha de los tres planes se calculan a partir de las tablas ARL como sigue: d/ı a) b) c) Operación normal 0 370. el límite de especificación está en la media del proceso + 3ı.0062. 270 EC1 (0.70 y 0.00135.10) = 0.50 0.4521 .000 x 0.2032 0.4 19. Después del cambio.8653 1. El efecto de no detectar el cambio sería permitir el envío de 12.00135.000 x 0.4 Después del cambio 0. y c) uno convencional con tamaño de subgrupo de 9.160 CONTROL DE CALIDAD un riesgo de un 10 por 100 de que se produzca un cambio repentino en la media del proceso hacia L – 2. El número de piezas defectuosas que podría esperarse pasaría a ser de 2.9)( probabilidad de una señal )(300) cuando d=0 ARL a) b) c) EQ 0. EC3 = (0.90 dólares por muestra para cada uno de los tres planes.50.5 33.10)(ARL)(9.4 — 2. Como durante cada período de muestreo se producen 2.7 tornillos.10. b) uno con límites de aviso y tamaño de subgrupo de 5.7)(0.7289 1.4 224.10 dólares. La fracción que resultaría defectuosa se obtiene de la tabla A1 y es 0.2398 1.4 tornillos. el número de piezas defectuosas que puede esperarse es de 2. Luego.97 Costo total = costo esperado de la falsa señal + + costo esperado de inspección + + costo esperado del producto defectuoso = = EC1 + EC2 + EC3 El costo esperado de una falsa EC 1 Probabilidad de que la operación sea normal = 0.90 Costo esperado del producto defectuoso: Probabilidad de un cambio 0. El costo de investigación de una señal falsa es de 300 dólares. esto es.7 tornillos defectuosos adicionales. Se proponen tres tipos de gráficos X como posibles medios de detectar dicho cambio: a) uno convencional con un tamaño de subgrupo de 5. 2.097 ARL a) b) c) EC3 3. esto es. La tasa de producción es de 2.23 14.7 = 9. 12. Luego. La fracción defectuosa aumentaría hasta 0. el límite de la especificación será sólo 2.5ı ).70 0. 0.000 tornillos por período de muestreo y la penalización por el envío de un tornillo defectuoso es de 0.7289 Costo esperado de inspección y de realización del gráfico EC2: a) b) c) EC2 0.0062. El costo del muestreo es de 0.4 370.000 tornillos.

2.2.4687 3. Después de un período base de 30 muestreos de tamaño 3. . Se propone utilizar un gráfico de control X para vigilar la longitud. ¿Cuál es la probabilidad de que un cambio de 2 cm en la media del proceso sea detectado en el primer subgrupo observado después del cambio? 6. ¿cuál es la probabilidad de detectar el cambio entre los cuatro primeros subgrupos después del cambio? 6.7289 EC2 0. Para vigilar su longitud se preparan gráficos X y R basados en 25 subgrupos de cuatro elementos cada uno.930 g y Ȉ R = 123 g. PROPIEDADES DE LOS GRÁFICOS DE CONTROL 161 La combinación de los tres costos nos da la Tabla 6. en el problema 6.9 cm R = 10. Para estos 25 subgrupos Ȉ X = 500 cm y Ȉ R= 153.99. En el problema 6.8 cm? (Utilizar interpolación dentro de las tablas ARL. Determinar los límites de control 3ı.6. Costo esperado de los tres planes propuestos a b c EC 1 0. 6. La longitud media de un regulador de comida producido en una operación estable es 18 cm. ¿Cuál debería ser el tamaño de los subgrupos si ha de detectarse un cambio de 0.6.7000 0.8? 6.8653 1.5: a) se incrementara hasta 0. los mejores resultados se obtienen al incrementar a 9 el tamaño de la muestra. ¿cuál sería la longitud media de racha antes de que se detectara un cambio de 0.6.7289 1. El empleo de límites de aviso reduce el costo total en muestras de tamaño 5.) 6.7685 3. y equivalente a 0. b) se redujera a 0. Se supone que la desviación estándares conocida.90 cuando se inspeccione el primer subgrupo después del cambio? 6. TABLA 6.7.9000 EC3 3.1.0810 PROBLEMAS 6.2. ¿Cuál debería ser el tamaño de la muestra si la probabilidad de detección después del primer subgrupo.8 cm Calcular la curva característica operativa del gráfico de control resultante de dichos valores.2 cm con una probabilidad de 0.5.4521 Total 4.5000 0.4. Sin embargo.3. Se mantienen gráficos de control sobre el peso de un elemento.2 cm.1 cm. Ȉ X = 12. En el problema 6.2032 0. Se inicia la producción de un componente recientemente proyectado. 20 muestras tamaño 5 durante el período base dieron los siguientes valores: X = 235.2398 1.

X = 153. a) ¿Qué porcentaje del producto es defectuoso? b) ¿A qué nivel de la media del proceso se minimizará la fabricación de artículos defectuosos? c) Supóngase que se producen 300 unidades durante cada período de mues- treo.400 g. R = 12.162 CONTROL DE CALIDAD a) Calcular los límites de control y estimar la desviación estándar de los pesos del artículo. basado en 30 muestreos de cinco elementos cada uno. el proceso está bajo control. 6. Se sabe que la desviación estándar de la fuerza de sujeción de cierto tipo de clavos es de 8 libras. (Supóngase que las observaciones del período base indican que el proceso está bajo control.384 g en lugar de 1. realizándose muestreos cada hora.65. con un tamaño de muestra de 10.400 g. y b) si la media del proceso cambia a 158.8. con una desviación estándar de 8 g.9. ¿cuántos elemen- tos defectuosos debería producirse antes de que se detectara el cambio? e) ¿Cuál sería la respuesta a la parte d) si el cambio fuera a 1.3. como promedio.10. Los datos del período base indican que: se realizaron 20 muestreos de tamaño 6. indica que la media del proceso es 1. Además de los límites de control en P ± 3V X Calcular la longitud media de racha: a) cuando el proceso está bajo control. La especificación para el peso de un elemento es 1. ¿cuánto tiempo se necesitará para detectar un cambio de 4 libras en la media del proceso? 6. 6.400 g? . El análisis del período base. ¿cuánto tiempo se necesitará para detectar el cambio usando los límites de control de la parte a)?.) b) Si la media del proceso en cuanto a pesos cambia a 433 g. Utilizando gráficos de control X convencionales. ¿cuántos elementos defectuosos cabría esperar que se produjeran du- rante el período base? d) Si la media del proceso se coloca en el nivel óptimo establecido en la parte b) y vuelve a cambiar al nivel de 1.5.380 ± 25 g.

Por ejemplo. Hay muchas oportunidades de cometer errores en una página mecanografiada y. como se emplea en control de calidad. Esta situación de alternativa. las unidades inspeccionadas se dividen en dos grupos mediante un calibrador: las que están dentro y las que están fuera de especifica- ciones. El gráfico construido para el control de este tipo de medida de calidad se denomina gráfico de atributos. Un hombre sufre un accidente o no. o.. Un trabajador llega tarde al trabajo o no. 163 . La inspección de atributos se relaciona. es siempre caracte- rística de la medida de atributos.. para señalarlas características de calidad causantes de problemas y para presentar a dirección informes sobre calidad. Es un instrumento muy valioso para el control de calidad de un proceso general. dicha página tendrá dos atributos: será correcta o incorrecta. es la propiedad que tiene una unidad de producto de ser buena o mala. Una inspección visual de la pintura dividirá las unidades en dos grupos: buena y malas. la característica de calidad de dicha unidad está dentro de los requisitos especificados o no. o. El que debe utilizarse es el método de control de calidad que permita realizar el trabajo a un costo total de calidad óptimo. El control de calidad en el proceso supone la racionalización de muchos objetivos de calidad hasta llegar a los que proporcionarán mayor rendimiento sobre las horas invertidas en el control de calidad.7 Gráficos de control de atributos El término atributo. También debe utilizarse ampliamente para aislar áreas problemáti- cas en los inicios del programa de control de calidad. a la dirección como al público en general. Se suele recomendar enfáticamente el gráfico de atributo como instrumento fundamental para el control de calidad «en bruto» del proceso y para presentar información de la calidad tanto. una vez escrita. con normas de aceptación y rechazo. generalmente. esto es.

3. La fracción defectuosa p hallada en la muestra proporciona una estimación de p' x p n La distribución de p es aproximadamente normalmente cuando: 1) p' es menor de 0. No es necesario que sean del mismo tamaño. 9 2) n es grande. Para p: Media = p' 1 p Varianza = p ' n Para np: Media = np' Varianza = np' (1 — p) La realización del gráfico de control se hace igual que el gráfico de control de variables descrito en el Capítulo 4. Puede utilizarse. alternativamente. Durante el período base: 1. Se observan m muestras. 2.164 CONTROL DE CALIDAD GRÁFICO DE CONTROL DE PORCENTAJES. la medida «defectos por 100 unidades». también. Si de n unidades produ- cidas x son defectuosas. aproximadamente normal. O GRÁFICO p Uno de los gráficos de control más populares es el de control de porcenta- jes. El promedio ponderado Pw = Ȉ(ni • pi)/ Ȉ ni se usa como estimación del p' y línea central del gráfico de control. o gráfico p. La distribución de 100 p es.1. Es sumamente dúctil y se puede utilizar para características de atributos. Los límites de control utilizados para el período i-ésimo son pw ± 3 Para defectos por 100 unidades los límites de control son: pw (1  pw ) 100 pw r 300 ni . la variable aleatoria x tendrá una distribución bino- mial dada por §n· Pr(x) = ¨ ¸ ( p ') x (1  p ') n  x x © ¹ El objeto del gráfico de control de porcentajes es calcular y controlar p'. 100 p' en lugar de la fracción defectuosa p. ni es el tamaño de la muestra y pi la fracción defectuosa observada de la i-ésima muestra. Cada unidad producida tiene cierta probabilidad p' de ser defectuosa o de no hallarse dentro de los requisitos especificados.

2.1 muestra los resultados de la inspección de cierto producto durante tres semanas de diciembre. La «fracción defectuosa p» y los «defectos por 100 unidades. el punto representa una situación «normal y se conserva en el análisis.011(1  0. Como forma parte del sistema general de causas aleatorias. Ejemplo 7.016 UCL 0. como muestra la Tabla 7. GRÁFICOS DE CONTROL DE ATRIBUTOS 165 Durante el período de observación: 1. Los límites de control para el j-ésimo período se obtienen mediante pw (1  pw ) pw r 3 nj en que pw es el mismo usado para el período base. 2. El objetivo del análisis del período base es establecer qué estándar se puede lograr.2 indica que dos puntos: los días 6 y 13 de diciembre.011 r 3 400 0.011) 0. Se confecciona un gráfico de control con un estándar obtenible. 1 Siempre que el límite inferior de control tenga un valor negativo para la «fracción defectuo- sa» o para «defectos por unidades».011 6.016 0. están fuera de los límites de control. se asume que su valor es cero.027 LCL1 0. se puede llegar a establecer la causa del mayor número de unidades defectuosas producidas el 13 de diciembre. del que se excluye el 13 de diciembre. Si no parece probable que se repita. La causa del punto fuera de control que se produjo el 6 de diciembre no se puede establecer.016 0 La Tabla 7. De los dos días fuera de comportamiento «normal».1 La Tabla 7. Se observa una muestra de tamaño nj. pw ¦n pi i ¦n 66 0. se elimina el punto del análisis del período base.011  0.011 r 0.011  0.000 pw (1  pw ) Límites de control pw r 3 ni 0. 100p» se pueden calcular muy fácilmente. Considerando las tres semanas de diciembre como período base. .

2. Resultados de la inspección TABLA 7.166 CONTROL DE CALIDAD TABLA 7.600 .1.0086 5. Cálculo de defectos pw ¦n p i i ¦n i 48 0.

GRÁFICOS DE CONTROL DE ATRIBUTOS 167 pw(1  pw) Límites de control pw r 3 ni 0. es bastante corriente el uso de la cantidad media inspeccionada para n. La Figura 7.0086(1  0. Cuando la cantidad inspeccionada varía.2 muestra un gráfico de control de porcentaje de artículos defectuosos en que el tamaño de la muestra no es constante durante el período base. si el tamaño cambia a 500 los límites de control serán: 0.0138 0. Obsérvese que los límites de control no están prolonga- dos. Las raíces cuadradas aproximadas de 120 y 80 son 11 y 9 respectivamente. Por ejemplo.0086  0. Por supuesto. Claro está que al promediar las cantidades inspeccionadas se obtiene un límite promedio de control del que se pueden sacar diferentes consecuencias.0138 0 Este valor de pw se puede utilizar durante el período de vigilancia. se pueden calcular límites de control independientes para esas pocas. Si la mayoría de las cantidades inspeccionadas están agrupadas en torno a cierto valor y hay unas pocas que no lo están. Por ejemplo. Esta simplificación se justifica en la reducción a la raíz cuadrada. Una diferencia de 40 en los cuadrados representa una diferencia de 2 en las raíces cuadradas.0086 r 3 500 0. Si se mantiene el tamaño de la muestra en 400 durante dicho período.0086  0. Como quiera que tales límites de control variables requieren tantos cálculos de los límites de control como muestras inspeccionadas. con mayor seguridad.0138 UCL 0. Generalmente.0086 r 0. también es posible extrapolar los límites de control al periodo de vigilancia. se necesitan límites de control individuales que reflejen los cambios. si no se conoce n y se espera que varíe se pueden prolongar los límites de control.1 muestra el gráfico de control durante el período base usando los límites de control revisados.0086(1  0. está permitido promediar si el recorrido es menor que el 40 por 100 de la cantidad media examinada y. siempre que el recorrido entre las cantidades inspeccionadas no sea demasiado grande.2 varía en exceso. Promediar es permisible. Las cantidades inspeccionadas de la Figura 7.0086) 0. así que resulta adecuado establecer límites de control separados.0086 r 3 400 0. la media de 120 y 80 es 100. cuando es menor del 20 por 100. dependiendo de la cantidad inspeccionada.0086 r 0. Si cambia el tamaño de la muestra hay que calcular nuevos límites. al contrario de lo que ocurre con 100pw. como suele ocurrir a menudo en la inspección al 100 por 100.0124 UCL 0. .0086) 0.0224 LCL 0.021 LCL 0 La Figura 7.

005 .50. muchas fábricas deberían prescindir de él para efectuar su control. digamos de entre 1 y 20 elementos. De no ser así. supongamos que el estándar se establece en 100p' = 0. Aparentemente. Para ilustrar lo dicho. n debería ser del tamaño suficiente para tener buenas posibilidades de encontrar unidades defectuosas en la muestra.1. Gráficos de control durante el período base. Ciertos autores de prestigio dicen que si p es pequeño. ya que procesan rachas caracterizadas por sus cantidades reducidas. la presencia de un elemento defectuoso en la muestra pondría al gráfico fuera de control.0 n 200 p 0. CONTROL DE CALIDAD DE PROCESOS DE FÁBRICAS Una frecuente objeción que se formula al gráfico de control de porcentaje de elementos defectuosos es la cantidad necesaria para obtener consecuencias realistas sobre el control o la falta del mismo. esto es np ' 1. La n necesaria para dar una media de sólo un elemento defectuoso por muestra sería 200.168 CONTROL DE CALIDAD Figura 7.

2. GRÁFICOS DE CONTROL DE ATRIBUTOS 169 Figura 7. Construcción de un gráfico de porcentaje defectuoso para diferentes tamaños de muestras. .

acabado a máquina y la reparación manual.995) 0. la preparación llevará a esperar una cantidad mucho mayor de elementos defectuosos. 2) el control no era de naturaleza punitiva.05(0. Se colocaban los gráficos en lugar bien visible 2 Frank Caplan.05.05 0.3 presenta una página de la agenda que llevaba cada inspector del sistema. en las fábricas. págs. cuántos puntos habían sido aceptados durante el turno.50 es un estándar realista) llevará a considerar que el proceso está fuera de control. .005(10) = 0.05 + 3 0.4. La aparición de un elemento defectuoso (lo que debe ocurrir ocasionalmente si 0. Jr. 16 a 18. En realidad. Las operaciones incluían el fraguado. noviembre de 1958. sugiere que se exprese la no conformidad como puntos de inspec- ción defectuosa. Los dos puntos más importantes del pro- grama adoptado eran: 1) los operadores fabricaban puntos de inspección en lugar de repuestos.05 El límite convencional superior de control de la cantidad de elementos defectuosos sería p'n = 0. Industrial Quality Control. el turno al que se debían adjudicar dichos puntos y el número de puntos de desviación hallados eran los datos a registrar en dicha agenda. APLICACIÓN DEL CONTROL DE ATRIBUTOS A LAS FABRICAS2 ¿Qué puede hacer la fábrica? Frank Caplan. Tales operaciones son las habitua- les en las fábricas norteamericanas. El número de la máquina.72 Está claro que el número de elementos defectuosos que va a aparecer en la cantidad inspeccionada será cero o cualquier otro número entero. el promedio de elementos defectuosos por cantidad inspeccionada sería 0. en vez de como unidades defectuosas de un producto en particular.: «Process Control in a Job Shop». de Westinghouse Electric Corporation. usando la media del recorrido usual del trabajo realizado. La Figura 7. Se recogían las hojas diarias de todos los inspectores y se tabulaban en gráficos similares al de la Figura 7. El sentido común nos dice que esto debe ocurrir ocasionalmente. pero el ejemplo ha servido para aclarar este punto. vaciado. digamos 10.170 CONTROL DE CALIDAD Con el uso de una cantidad inspeccionada. esto es p'n = 0. El sistema analizado se creó porque la mayoría de los tamaños de los lotes producidos oscilaba entre 1 y 20.

recogiendo las operaciones de cada uno de los supervisores generales se colocaron en la oficina del superintendente. noviembre de 1958. Las discusiones sobre responsabilidades las resolvía el supervisor general. y con un círculo verde si eran por la parte inferior. Los resultados de tales investi- gaciones se registraron en un informe de desviaciones de cada supervisor (Fig. Gráficos similares. El esfuerzo por mejorar la calidad se podía concentrar allí donde se maximizarán los beneficios.8 muestran los informes de calidad de control publica- dos mensualmente para mostrar la posición de cada departamento y las cifras de defectos achacables a diferentes causas. Las Figuras 7.5 se colocaron en las oficinas de los supervisores generales con los resultados de calidad obtenidos por cada supervisor el día anterior. 7.: «Process Control in a Job Shop». Las cantidades de defectuosos fuera de control por la parte alta se marcaban con un círculo rojo. Reproducido con permiso del autor. págs. 16 a 18. Figura 7. Los resultados expuestos daban una clara muestra del esfuerzo realiza- do por cada departamento en el tema de calidad. . Gráficos parecidos al de la Figura 7.6). Industrial Quality Control.) El resultado de aplicar este sistema fue que el supervisor se interesara por investigar cualquier desviación inusual para poder contestar a las preguntas que inmediatamente le formularía la dirección. GRÁFICOS DE CONTROL DE ATRIBUTOS 171 mostrando el número de defectos hallados y los puntos de inspección de dos semanas.7 y 7.3 Hoja del total diario de inspecciones. JR. (Del trabajo de Frank Caplan.

172 GRÁFICOS DE CONTROL DE ATRIBUTOS .

GRÁFICOS DE CONTROL DE ATRIBUTOS 173 .

noviembre de 1958.174 CONTROL DE CALIDAD Figura 7. Reproducido con permiso. págs.: «Process Control in a Job Shop».6. 16 a 18. (Del trabajo de Frank Caplan. Jr.) . Informe del supervisor sobre desviaciones. Industrial Quality Control.

GRÁFICOS DE CONTROL DE ATRIBUTOS 175 .

176 GRÁFICOS DE CONTROL DE ATRIBUTOS .

Aunque la distribución normal no se aproxima tanto a la de Poisson como la binomial. Se podría decir que se han tomado ciertas libertades en el plano teórico. etc. se puede establecer el gráfico basado en defectos por unidad. Por ejemplo. GRÁFICO DE CONTROL DE DEFECTOS Los defectos (o cualquier otra cosa que sea de interés) se pueden representar de forma gráfica muy similar a como se hace con el porcentaje de elementos defectuosos. GRÁFICOS DE CONTROL DE ATRIBUTOS 1 77 El señor Caplan destacó que se celebraron reuniones a las que asistieron supervisores. número de imperfecciones en la pintura por 100 pulgadas cuadradas de superficie pintada. una aproximación normal. El denominador de dicha fracción se puede expresar de cualquier modo que se desee: pulgadas cuadradas. ó 100. Se mitigan los deseos idealistas con los que se puede obtener en la práctica por medio de efectos psicológicos. siendo u = Ȉ c/n = c. Si la unidad permanece razonablemente constante de un período a otro. a la solución deseada para un total mínimo de costo de calidad. ésta desapareció pronto y fue sustituida por un espíritu de cooperación. La probabilidad de distribución de c y de u será Poisson con el parámetro c'. Un método alternativo el cociente Ȉ c. número total de defectos con relación a un número n de unidades. La condición para el uso del número de defectos como expresión de no conformidad es que la zona de oportunidad para que ocurra un defecto debe ser razonablemente constante de unidad de inspección. pero se ignoraría la contribución que es realmente significativa en este caso: proporcionar a las fábricas un método práctico de control donde no existía ninguno hasta ahora. Este se llama gráfico u. representantes sindicales e inspectores para tener la seguridad de que todos estaban informados sobre el programa y sus objetivos. no obstante. Para el gráfico c: media = c' varianza = c' El valor estimado de c' viene dado por c del período base Límites de control = c r 3 c . Esta libertad de elección significa que es posible inspeccio- nar diferentes cantidades de unidades y transformar la expresión de no confor- midad en un común denominador siempre que la posibilidad de que ocurra un defecto sea alta con relación al número de defectos que realmente ocurren y que el área de oportunidad para que ocurran defectos permanezca razonablemente constante de una unidad de inspección a otra. El resultado final se acerca mucho. cientos de pies cuadrados. o cualquier otra cantidad que se establezca. ó 10. Se pueden crear dos tipos de gráficos de control. se usa. fácil de usar y los errores que presenta son normalmente insignificantes. A éste se le llama gráfico c. Es práctica. La postura es la adecuada para el caso. pies cuadrados. probablemente. Aunque existió una desconfianza inicial. Una unidad de inspección puede ser un elemento.

Cada semana se envía un informe a dirección. en el equipo en cada punto de inspección y dividiendo esta cantidad por el promedio de calidad para el mismo período. de Cedar Rapids. en este caso se aplican las mismas condicio- nes que en el anterior. obsérvese que se utiliza u como la medida de defectos. Industrial Quality Control. Muchos pedidos son de 100 unidades o menos. Harrison3. nos cuenta el uso del gráfico de defectos en el control de montaje. Estos gráficos se construyen contando todos los errores posibles. Esto da un índice de funcionamiento de la sección que permite manejar adecuadamente en ella la complejidad del producto. permitiendo comparar el esfuerzo de un supervisor. Collins Radio Company fabrica y monta equipos eléctricos complejos. en el terreno de la calidad. págs.9. con el de otro. Harrison: «Statistical Quality Control will Work on Short Run Jobs».9). 8 a 11. En Collins Radio. excepto en lo referente al tipo de producto fabricado. 7. Indica el número de unidades controladas diariamente y el número de errores descubiertos por tipo (véase Fig. el departamento de Ingeniería Industrial señala dónde deben realizarse las inspecciones en la línea de montaje. El departamento de Control de Calidad lleva gráficos de tendencia para cada sección. R.178 CONTROL DE CALIDAD Para el gráfico u: media = c' c' varianza = n El valor estimado de c' viene dado por u (Ȉ ci / Ȉ ni) del período base u Límites de control = u r ni APLICACIÓN DEL CONTROL DE DEFECTOS POR UNIDAD Herschell R. u= ¦c n 3 H. Por ello. Con relación a la Figura 7. En cada punto se lleva un gráfico c (lo mismo que un gráfico u). Se estudian los gráficos para hallar concentraciones de defectos y los esfuerzos de la inspección se centran en los atributos que fallan con mayor frecuencia. por período de tiempo. Iowa. de Collins Radio Company. . Muestra el nivel de calidad de cada trabajo e incluye una lista de los supervisores de producción e inspección clasificados según el orden de calidad lograda por cada uno durante la semana anterior. septiembre de 1956.

Industrial Quality Control. septiem- bre de 1956. págs. Gráfico de defectos medios.9. 8 a 11. Harrison: «Statistical Quality Control will Work on Short Run Jobs». GRÁFICOS DE CONTROL DE ATRIBUTOS 179 Figura 7.) . R. (Del trabajo de H. Reproducido con autorización.

El análisis del período base se lleva a cabo estrictamente para estimar los resultados pasados de modo que se puedan establecer estándares alcanzables y límites de decisión naturales. la Figura 7. el mante- nimiento de tal dispositivo es algo que recomendamos insistentemente.10 muestra que el 70 por 100 de las observaciones de defectos afectan sólo al 20 por 100 de las características de calidad. el gráfico de control de defectos o elementos defectuosos debe- ría incluir una serie de datos que indicaran las características de calidad que están causando problemas. Por ejemplo. El número total de elementos inspecciona- dos fue de 162. Sea junto con el gráfico o separado de él. Esto tiene gran importancia para la dirección dado el principio de investigar sólo los casos excepcionales para evitar que lo malo siga ocurriendo y para esforzarse en que continúen dándose repeticiones de lo bueno. Hay que resaltar. que dichas características dan lugar a cerca del 95 por 100 de los defectos.95 ¦n Los límites superior e inferior del período base se situaron en u u r3 n donde n representa la cantidad media inspeccionada: en este caso 6. que se trata de un análisis ex post fado. No se estableció un estándar para el período del 1 de diciembre al 8 de enero ya que se hizo otro análisis del gráfico del período base basándose en los resultados obtenidos durante el período. se pueden formular conclusiones significativas sobre la distribución de defectos. sin embargo. desde el 26 de octubre al 30 de noviembre. Gran parte del valor del proceso de recogida de datos se pierde si no se aislan los puntos problemáticos para considerarlos de manera especial.5. se podrán determinar los efectos económicos de esos problemas e iniciar las acciones necesarias.180 CONTROL DE CALIDAD Durante el primer período. Al expresar los datos de forma acumulativa. por lo que u ¦c 3. el número total de defectos fue de 640. como ocurrirá en la práctica. Si el gráfico de atributos muestra que la mayoría de los problemas los produce un pequeño número de características de calidad. En compras e ingeniería se . Lo más usual será que la distribución de defectos dentro de una unidad de producto se aproxime a la distribución de Poisson. Simplemente recoge y analiza lo que ocurrió en el pasado. El verdadero valor del gráfico de control en los límites que establece para el estándar y la toma de decisiones para el control de los resultados de calidad reales. GRÁFICO DE ATRIBUTOS PARA SUBSANAR PROBLEMAS DE CALIDAD Idealmente. También. Por supuesto que no hay límite a la cantidad o a las longitudes de los análisis de períodos bases que pueden hacerse.

GRÁFICOS DE CONTROL DE ATRIBUTOS 181 denomina análisis de valor. c) distribución del porcentaje acumula- tivo de observación según el porcentaje de características. utilizar un gráfico del tipo del control de variables. el análisis del valor de calidad identifica áreas para su estudio poste- rior.2 108 14 540 96. En resumen.8: a) Tabla de cálculo. b) distribución de observaciones de defectos según los números de código de las características.5 101 182 397 71.4 104 3 558 100. proveedores o equipos.10. Si se aplica a calidad. Si un análisis económico indica que está justificado llevar un control más preciso.2 107 84 481 86.0 (a) Figura 7.0 105 0 558 100.6 106 5 555 99. se puede definir como análisis del valor de calidad. posiblemente. O puede que hubiera que cambiar ciertos proyectos. Cantidad Porcentaje Número de la Número de acumulativa de acumulativo de característica observaciones observaciones observaciones 110 215 215 38.0 103 0 558 100.8 102 10 550 98. . Análisis de distribución gráfica de datos de defectos incidentales de la Figura 11. estaría recomendado. Se analizan los elementos para establecer cuáles son los más importantes desde el punto de vista del valor contribuido. su evaluación y control.2 109 45 526 94.

182 CONTROL DE CALIDAD GRÁFICO DE ATRIBUTOS PARA CONTROL DE FUNCIONAMIENTO El gráfico de atributos es ideal para medir el funcionamiento y el control de calidad o cualquier otro suceso que se pueda expresar sea por medio de un porcentaje o de una cantidad de sucesos. indicándose el promedio ponderado de los datos durante dicho período. La Figura 7. El nivel aceptable de calidad (AQL) es la norma: en este ejemplo 400 defectos en 100 unidades. Gráfico de control de funcionamiento de defectos por cada 100 unidades.11.11 ilustra la forma en que se usa el gráfico de atributos para control del funcionamiento. . La parte histórica del gráfico se presenta resumida. Lo que aquí es objeto de medida de funcionamiento y control es la calidad de características incidentales del Jeep Willys. El lado derecho del gráfico compara el funcionamiento actual con dicho estándar y en qué punto Figura 7. La dirección quiere saber: ¿Dónde nos hallábamos cuando iniciamos el proyecto? La parte histórica del gráfico contesta a dicha pregunta.

. pero utilizando aproximadamente las mismas herramientas y equipos. Si un gerente responsable examinara sólo las tres primeras columnas de la Tabla 7. convertir las unidades estándar de error positivas y negativas en un sistema de clasificación de 5 (70) a 10 (100). Agrupar los sucesos por grupos de gravedad de los mismos suele ser una componenda razonable entre el alto costo administrativo de un control de sucesos individuales y la escasa información proporcionada por el gráfico de sucesos totales. todos ellos fabricando diferentes productos. Hansen: Sampling Aidsfor Management Control (Cleveland. por ello. Muy pocas personas que usan métodos gráficos de control entienden a fondo la Estadística. como muestra la Figura 7. Para que sea efectiva como medio de información.3. Ohio: American Manage- ment Institute.3 obtenidos por medio de los registros de inspecciones de dos proveedores externos (A y B) y tres departamentos de producción internos (C. En el momento de presentar información sobre proveedores y resultados de calidad por departamentos a la gerencia. Por ejemplo: consideremos los datos de la Tabla 7. un grupo de ellos o todos los posibles. En tales casos es muy útil disponer de un índice gráfico de control. resulta difícil presentar datos relativos a estándares muy diferentes y a resultados de diferentes fabricantes. válido para la mayoría de los casos. considerando también la cantidad inspeccionada. GRÁFICOS DE CONTROL DE ATRIBUTOS 183 de las desviaciones hay que adoptar una decisión para investigar sus causas. Uno de los coauto- res4 ha creado un breve y sencillo sistema de índice que transforma valores estimados porcentuales en una clasificación de funcionamiento de estándares sirviéndose de una escala de valores muy conocida. La parte superior del gráfico muestra los defectos que se están produciendo y cuál es su nivel normal. Parecería apropiado. 1959). lo que implica. ÍNDICE GRÁFICO PARA CONTROL DE FUNCIONAMIENTO Se puede llevar un gráfico de funcionamiento para un solo suceso. D y E). conocimiento de Estadística. Esta sencilla conversión se representa en la Figura 7. pero casi todos recuerdan sus lejanos días de colegio cuando tener una nota por debajo de cinco significaba suspender una asignatura y diez era la nota máxima.11.12. Muchos usuarios han considerado que el gráfico de sucesos agrupados junto con los datos informativos que lo acompa- ñan. L. esta medida debe ser inter- pretada. 4 B. tendría que relacionar los resultados de la tercera columna con el estándar de la segunda.. Inc. Se pueden controlar las irregularidades haciendo pruebas en busca de desviaciones signifi- cativas de la cantidad de defectos en cualquiera de las características. es un arreglo práctico y económico. automáticamente. Claro está que puede hacerse y que un gerente informado aplicaría inmediatamente una prueba de significancia a cada una para hallar la desviación en unidades estándar y obtener de esa forma una medida estandarizada de la desviación. con objeto de que se pueda decidir al respecto.

13 y 7. Datos de inspección Es conveniente usar dos nomogramas de cálculo construidos para su em- pleo con este sistema de clasificación de funcionamiento.184 CONTROL DE CALIDAD TABLA 7. el proceso para obtener la clasificación numérica de sus resultados: Figura 7.12 Conversión de unidades estándar de error (k) en clasificaciones numé- ricas (índice de porcentajes). paso a paso. Las Figuras 7. El primer ejemplo del productor A se usará para mostrar. .14 se usan para calcular ı100p ó ı100u y las clasificaciones numéricas de resultados.3.

Nomograma para calcular ı100p y ı100u. con la debida autorización.) . GRÁFICOS DE CONTROL DE ATRIBUTOS 185 Figura 7. de Sampling Aids for Management Control. (Reproducido.13.

14. con la debida autorización. de Sampling Aids for Management Control. Nomograma para el cálculo de la clasificación numérica de resulta- dos.) .186 CONTROL DE CALIDAD Figura 7. (Reproducido.

de sustraer el valor de la calidad deseada del de la calidad real. En este ejemplo la calidad real (l00 p = 0. Puede aplicarse idéntico control a todos los demás fabricantes. Se preparó también un gráfico acumulativo para mostrar el efecto de los datos acumulados. . En el nomograma de la Figura 7. 5 El nomograma se construyó específicamente para el porcentaje de calidad defectuosa y se le añadió una escala a defectos por cada 100 unidades. en la escala media.40.14 colocar una regla en la escala de la izquierda en ı100p = 0. habrá que usar la fórmula para el cálculo. y los límites superior e inferior de control.13 colocar una regla que una 800 en la escala de la izquierda (cantidad inspeccionada) y 1.35 y unir dicho punto con el que resulte.0 (100p’) en el lado izquierdo de la derecha es ı100p En este ejemplo. Se sigue exactamente el mismo procedimiento.35. El punto de intersección con la escala de la derecha es 91. Habrá casos en que V 100 u ! 10 . donde el peso de la evidencia es importante. En tales casos. ı100p = 0. igual para todos los fabricantes. La interpretación y evaluación por la gerencia resulta más sencilla ya que el estándar. Al igual que en Derecho.15 ilustra la aplicación de este método estandarizado de clasifi- cación de resultados al control del producto recibido del productor A.14 no basta para ciertos casos de defectos por cada 100 unidades ya que el limite superior de la escala sigma es 10. Obsérve- se que la Figura 7. Este método se puede usar en cualquier caso en que se puede expresar el acaecimiento de sucesos como fracción. Obsérvese que la Figura 7.13 calcula 100 p '(100  100 p ') V 100 p cantidad inspeccionada y 100 u ' V 100u cantidad inspeccionada 2.60) menos la calidad deseada (100p’ = 1. están siempre en 85. GRÁFICOS DE CONTROL DE ATRIBUTOS 187 1. porcentaje o cantidad de sucesos. En el nomograma de la Figura 7. la evidencia acumulada sobre la calidad lleva por fin al fabricante A por encima de los 100 a la reducida zona de inspección (o auditoría). 100 y 70 respectivamente. La Figura 7.0) es —0. La Figura 7.14 calcula 100 p  100 p ' 100u  100u ' V 100 p V 100u y convierte el valor resultante k en la clasificación numérica de resulta- dos5.

188 CONTROL DE CALIDAD .

U s = 100u a + 50 u b + 10u c + u d 6 R. junio de 1958. Wilson: «A Missiles Serious and Complexity Vendor Rating System». julio de 1956. págs. respectivamente. descubiertos durante dicho período. Si se aprende uno. . J. septiembre de 1958. dc y dD representan el número de defectos de los grupos A. págs. Es un plan valioso en su totalidad y sus usuarios potenciales harían bien en profundizar en el estudio de su técnica. marzo de 1957. marzo de 1957. 9 a 11. págs. La principal es la necesidad de mantener un gráfico de las características individuales o de los grupos de características de parecida gravedad. Industrial Quality Control. F. dB. págs. S. o junto con uno de los sistemas de índices de clasificación de resultados. 50. Pappas: «The Ampex Quality Rating System». SISTEMA DE CLASIFICACIÓN DE DEMÉRITOS Un índice de resultados es valioso. Este artículo muestra e incluye una regla de cálculo para la clasificación de vendedores que se usa en el sistema Bendix. Georgis: «An Application of the Bendix Vendor Quality Rating System to a Small Plant». GRÁFICOS DE CONTROL DE ATRIBUTOS 189 Hay otros sistemas registrados de clasificación de resultados de calidad que están en boga6. Un método que ha recibido cierto predicamento es el sistema de clasificación de deméritos. Las características básicas de este plan han sido adoptadas por la Comisión de Energía Atómica y por ciertos fabricantes de misiles teledirigidos y de maquinaria industrial. Dodge y Torrey han presentado documentalmente el uso del sistema de deméritos como un plan de inspección de control y clasificación de deméritos7. como el gráfico de atributos. los otros pueden asimilarse con gran facili- dad. El sistema de deméritos exige que los defectos se sopesen de acuerdo con su gravedad. Industrial Quality Control. J. los defectos se clasifican dentro de los grupos A. 12 a 13. pero tiene las mismas limitaciones que un gráfico de control de atributos. N. 5 a 12. B. C y D. Para control de calidad se calcula un nivel de calidad estándar. Todos ellos utilizan los mismos principios de desarrollo e interpretación. 15 a 17. Dodge y M. B. págs. Torrey: «A Check Inspection and Demerit Rating Plan». C y D. La cantidad de deméritos de un período viene dada por D = 100d A + 50d B + 10d C + d D donde dA. L. El método de deméritos se puede utilizar para el control de resultados por sí mismo. En el plan Dodge-Torrey. 7 H. Schneider: «A Vendor Quality Conformance Procedure». 10 y 1 respectivamente. D U n donde n es el número de unidades inspeccionadas durante el período de refe- rencia. G. con un peso ponderado de 100. 10 a 13.

ub. el índice de deméritos para el grupo es un promedio ponderado de los índices de los tipos incluidos. La ecuación general para un índice general de deméritos es I0 ¦W I i i ¦W i donde Wi = peso de cada tipo i-ésimo I i = índice del tipo i-ésimo Ȉ = suma de todos los tipos La ecuación general de la desviación estándar del índice general de deméri- tos es 1 § Wi 2Csi · VI ¦ ¨ n (U )2 ¸ 0 ¦Wi © i si ¹ . de forma que el nivel estándar de calidad sea siempre 1. uc y ud son los valores de los defectos por unidad para los defectos de los grupos A. El índice de deméritos es el cociente resultante al dividir los deméritos observados por los deméritos espe- rados (I = D | nU). B. Los límites de control son 1 ± 3ı I donde nCs Vu VI o nU s Us Cuando los tipos de producto de un cierto grupo tienen valores estándar diferentes. C y D respectivamente. Se calcula un factor de varianza estándar. Cs = (100)2ua + (50)2ub + (10)2c +ud La ecuación para los límites de control de un gráfico de deméritos por unidad es U s ± 3ı u donde Cs Vu n Puede usarse un sistema de índice cuando se desean medir los resultados con relación a diferentes estándares de deméritos.190 CONTROL DE CALIDAD donde ua.

julio de 1956. N. Los límites de control 3ı son 1 r 3V I0 La Figura 7. Resumen típico de resultados de inspecciones y de gráfico de control con cálculo de los estándares de calidad U s y Cs . Dodge y M. Se utilizan las interpretaciones usuales en los gráficos de control para determinar si vale la pena investigar la causa. (Tomado del trabajo de H. Torrey: «A Check Inspection and Demerit Rating Plan». Industrial Quality Control.16 es una ilustración compuesta de la construcción de un gráfico de deméritos. F. GRÁFICOS DE CONTROL DE ATRIBUTOS 191 donde Csi = factor de varianza estándar para el i-ésimo tipo Usi = nivel estándar de calidad para el i-ésimo tipo ni = tamaño de la muestra para el i-ésimo tipo en este período de control. Figura 7. Esta figura presenta unidas las Figuras 2 y 3 de dicho artículo.) .16.

calidad y errores. Por ello. retrasos. en lugar de ochenta y cinco que es el propuesto por el sistema del autor de este libro.4. Tanto la escala de la derecha como la central.192 CONTROL DE CALIDAD Una clasificación basada en un único demérito no sería suficiente para un verdadero control de calidad. a las que puede aplicarse la clasificación de funcionamiento son tiempo perdido. lo que permitirá su uso con independencia de los datos que se utilizan. control de existencias. pago de facturas. a su vez. Algunas de las zonas de trabajo manual y administrativo. además de otras muchas de tipo oportunista. realmente hay muy pocas cosas en lo tocante a funcionamiento que no se puedan clasificar con suma facilidad. para la clasificación de resultados se podrá emplear cualquier medida similar a la de atributos. funcionamiento de la seguridad en el trabajo.4. absentismo laboral. vemos que las clasificaciones de resultados y los cálculos necesarios para obtenerlas vienen dados en la Tabla 7. APLICACIONES POSIBLES DE LA CLASIFICACIÓN DE RESULTADOS En general.14. pero sí generalmente satisfactoria si las caracterís- ticas individuales no presentan disconformidad y el índice está dentro de los límites de control y no forma parte de una racha o tendencia significativa.14 .16 para ilustrar. julio-agosto y septiembre de la Figura 7. Conversión de los datos de la Figura 7. Cualquier índice es satisfactorio siempre que el intérprete comprenda bien la base adecuada de referencia. Los autores del sistema de deméritos proponen un índice estándar de uno. Se muestran los cálculos de los valores £ y la conversión con la escala de la Figura 7. pueda convertirse en una clasificación de resultados. TABLA 7.14 se puede usar una vez establecidos el estándar negativo observado y el error estándar en deméritos por cada 100 unidades.14. manteni- miento del calendario de trabajo. la clase de aplicación que depende del propio talento para proyectar un método que dé la oportunidad de utilizar este método. etc. La Figura 7. Claro está que hay otras muchas aplicaciones directas. se pueden multiplicar por la misma cantidad. Utilizando los datos de los meses de junio. esto es. de la Figura 7. Incluso la información sobre variables se puede convertir en una definición porcentual que. especialmente en temas de esfuerzo.6 a clasificación estandarizada de funcionamiento utilizando la escala de conversión de la Figura 7.

0 20 6.2. Fecha Cantidad Cantidad inspeccionada defectuosa Marzo 10 1.8 29 5.3 17 7.72 por 100. Una compañía de productos electrónicos de consumo fabrica interruptores de control para ordenadores de sobremesa.3 27 5.2 23 7.2 31 6.6 2 8.8 30 6. ¿Es dicho porcentaje medio de defec- tuosos significativamente diferente del estándar en el nivel 1 por 100 de signifi- cancia? 7.2 21 5. Si hay puntos fuera de control asumir que no son de naturaleza cíclica.400 8 17 1. ¿Cuál sería un estándar realista a establecer para la calidad de la producción de este componente en un futuro inmediato? ¿Dónde deberían si- tuarse los límites de control 3ı? Asumir que el porcentaje medio de defectuosos del período siguiente fue de 0. que se han determinado sus causas y que han sido eliminadas. GRÁFICOS DE CONTROL DE ATRIBUTOS 193 PROBLEMAS 7.8 15 7.200 16 25 1.2 13 4.3 6 5.1.400 10 23 1.350 9 22 1.8 24 7.5 9 5.0 .5 16 11.6 28 6.0 7 4.6 10 7. Los datos siguientes indican los resulta- dos de las inspecciones de dichos interruptores durante el mes de mayo de 1985.250 7 15 1.150 8 Usar dichos datos para calcular un gráfico de control del período base para porcentaje de elementos defectuosos. Los datos siguientes se tomaron de los registros diarios de inspección de un componente relativamente sencillo producido en serie.350 8 18 1.300 5 21 1.300 5 14 1.3 14 6.4 3 6.4 8 6.200 4 11 1. Estos datos se iban acu- mulando a medida que se fabricaban los componentes. Fracción Fracción Fecha Fecha defectuosa defectuosa 1 5.175 6 16 1.5 22 5.250 7 24 1.

194 CONTROL DE CALIDAD Todas las fracciones se expresan como «porcentaje de la producción diaria».4? 7.3? b) Usando los límites de control del problema 7. Los pallets de madera que fabrica una planta son sometidos a inspección al 100 por 100. Número Pallets Turno de pallets defectuosos Lunes 1 138 3 2 140 5 3 124 1 Martes 1 137 2 2 143 6 3 122 0 Miércoles 1 136 4 2 148 5 3 125 1 Jueves 1 138 3 2 15 3 3 124 2 Viernes 1 136 4 2 145 6 3 123 0 7.3 determinar la línea central p y los límites de control 3ı para tres gráficos de control independientes de los turnos 1. Utilizando los datos del problema 7. 7. las expectativas sobre defectos por unidad son muy altas. El lunes siguiente.3. ¿Se consideraría esto como un suceso que debe ser investigado: a) Usando los límites de control del problema 7. de los que tres son defectuosos. Calcular los límites de control 3ı aplicables a cada turno. 7.6. Tamaño Total de Defectos Número de la defectos en por cada del lote muestra la muestra 100 unidades 1 10 15 15 2 10 17 170 3 10 12 120 4 10 16 160 5 10 14 140 6 10 5 50 7 10 14 140 8 10 11 110 9 10 9 90 10 10 10 100 . Dado el gran número de características que tiene.4. Construir un gráfico 100P del período base (expresado como defectos por cada 100 unidades) a partir de los siguientes datos obtenidos de la inspección de las características completas de un complejo equipo. el turno 3 fabrica 125 pallets. aunque es improbable que una característica determinada produzca más defectos que las demás. 2 y 3. Calcular un gráfico de control del porcentaje de elementos defectuosos usando límites de control 3ı.5.

8. Cada refrigerador se considera como lote independiente). a) ¿Es adecuado tener un único gráfico de control para los refrigeradores de 17 pies y de 12 pies del problema 7. i) Utilizar un solo gráfico de control. Los refrigeradores para el hogar son inspeccionados buscando imperfecciones de menor importancia (defectos en el esmaltado final.7? b) Durante el período siguiente la empresa espera seguir produciendo los modelos de 17 pies y de 12 pies. iii) Utilizar gráficos de control independientes para cada modelo. Se arrojan vigas de magnesio de sección en I y se cortan en tramos de tres pies (91 cm). 7. ii) Utilizar una sola línea central con diferentes límites de control para cada modelo. Cada viga se considera una unidad. A medida que se van inspeccionando. GRÁFICOS DE CONTROL DE ATRIBUTOS 195 7. A medida que se cortan se someten a inspección ocular en busca de defectos en la superficie y se inspecciona su interior por medio de un detector ultrasónico para localizar grietas por debajo de la superficie.7. Las cifras siguientes muestran la tabulación de 24 unidades consecutivas: . Número Capacidad Defectos de lote 1 17 16 2 17 14 3 17 19 4 17 28 5 17 15 6 17 22 7 17 21 8 17 12 9 17 23 10 17 25 11 12 9 12 12 7 13 12 9 14 12 11 15 12 8 16 12 10 17 12 11 18 12 9 19 12 9 20 12 7 Establecer los límites aproximados de control y preparar un gráfico c para esos datos. la cantidad de defectos observados en cada uno se registra en el orden en que se producen las vigas. Sin embargo.9. no se conoce por adelantado la combinación (cuántos de cada tipo). 7.

Un fabricante de géneros de punto utiliza un gráfico de control basado en los defectos presentes en cada 100 pares de medias.11.12. Usar la Tabla A3. b) 900 pares? 7.13. Cantidad Cantidad Poseedor inspeccionada defectuosa A 5.025 y 0.5 por 100 (p = 0. La calidad deseada de dicho producto es 0. 7.0 por 100. Durante un mes (veinticinco días laborales) se produjeron e inspeccionaron 10.975. ¿Es estable el proceso? ¿Qué valor de c' se sugeriría como estándar para el período siguiente? 7. Utilizando las Figuras 7.14 calcular la clasificación de los siguientes proveedores que entregan lotes que son inspeccionados según un estándar de calidad de 1.800 pares de cierto tipo. determinar los límites de probabilidad 0. Establecer la línea central para un gráfico 100u así como las fórmulas para determinar los límites de control 3ı ¿Cuáles son los límites de control cuando la producción es: a) 400 pares.13 y 7.196 CONTROL DE CALIDAD Número Número Número Número del lote de defectos del lote de defectos 1 33 13 28 2 27 14 33 3 17 15 36 4 22 16 43 5 19 17 28 6 28 18 30 7 31 19 20 8 38 20 17 9 24 21 23 10 12 22 27 11 41 23 12 12 18 24 15 Hacer un gráfico c para esos datos.500 21 D 8. El número total de defectos observados fue de 360.500 92 E 2. Con los datos del problema 7.005). Un producto suministrado por el proveedor X ha sido objeto de supervisión durante seis meses.9. .500 20 F 4.000 60 B 600 4 C 2.1 para hallar dichos límites de control. La producción diaria pasó de 200 a 900 pares.000 30 7.10.

600.200 0. de menor importancia e incidentales. 5 y 1 para los defectos críticos.500 0. usando pesos de 50.37 Agosto 1. respectivamente. Tamaño de Menor Mes la muestra Críticos Importantes Incidentales importancia 1 4 1 3 2 5 2 4 0 2 4 7 3 4 0 1 3 7 4 4 0 2 1 4 5 4 0 3 5 5 6 4 0 2 3 4 7 4 0 0 4 6 8 4 1 1 1 2 9 4 0 1 3 4 10 4 0 2 2 ¿Hay algunos puntos fuera de control? ¿Cuál sería un estándar realista para el siguiente período? 7. GRÁFICOS DE CONTROL DE ATRIBUTOS 197 Cantidad Calidad Clasificación Clasificación Mes observada inspeccionada estándar acumulativa Abril 1.58 Mayo 1. Completar la tabla siguiente. 10. importantes. El estándar de deméritos por unidad es 68 y Cs = 1.200 0.15.46 Julio 1.100 0. 7. Clasificación Deméritos/ Estándar Error n Mes unidades observado estándar k de funcionamiento 5 1 20 6 2 96 7 3 73 8 4 52 .000 0.00 0.40 Septiembre 1.42 Calcular los gráficos para la clasificación mensual y acumulativa de resultados.14.3 Junio 1. Construir un gráfico de control para el período base de deméritos por unidad para los siguientes datos.

.

DETERMINACIÓN DE LA CAPACIDAD DEL PROCESO La capacidad del proceso se puede establecer ya al iniciarse el proyecto. El objetivo del análisis de capacidad es determinar la variación natural de un proceso cuando se han minimizado los efectos de todos los factores ajenos que no contribuyen al mismo. Su objetivo es tratar de analizar hasta qué punto pueden resultar conformes al proyecto los artículos producidos mediante un proceso. El análisis de capacidad de calidad se suele denominar capacidad de proceso o de maquinaria. incluyendo las personas. Esta última es de carácter más restringido. el 99.73 por 100 de las medidas del producto se hallarán dentro de 199 . las tolerancias y especificaciones en el proyec- to del producto y. Siempre que sea válida la asunción de distribución normal de proba- bilidades. en segundo. o vigilar de forma continua durante la producción. las mismas tolerancias y especificaciones en la medida en que afectan a la producción. La capacidad del proceso se puede definir como el intervalo de la variación que incluirá casi todos los productos que se obtengan mediante el proceso. mediante un estudio preliminar o piloto. hay dos factores que influyen en la capaci- dad del proceso: en primer lugar.8 Análisis de la capacidad del proceso El análisis de la capacidad del proceso es un paso básico dentro de cual- quier programa de control de calidad. ya que sólo se refiere a la capacidad de la maquinaria. Este análisis proporciona una estimación de mayor nivel de calidad que puede lograr el proceso tal como se preparó. Además de la variación natural. mientras que el término proceso incluye tanto las máquinas como cualquier otro tipo de proceso utilizado.

Ejemplo 8. es importante minimizar los efectos de los factores esencialmente ajenos al estudio. si se produce el deterioro del proceso durante esta fase. Las especificaciones exigen un diámetro que oscile entre 0.505 ± Figura 8.1. se pueden denomi- nar capacidad del proceso. Una vez observadas y explicadas esas condiciones.1. La mejor calidad obtenible o la menor fracción defectuosa. De aquí que deban utilizarse materiales homogéneos.200 CONTROL DE CALIDAD la media de ±3 desviaciones estándar. Como es lógico. una fábrica realiza el torneado «aproximado» de una pieza de máquina.1] Este intervalo de variación natural indica qué fracción de la producción será considerada defectuosa. Esto se muestra en la Figura 8.1 Cierto punto de trabajo de. se suele usar este intervalo de seis desviaciones estándar como de variación natural. no realizar ajustes durante el estudio y. se puede realizar un estudio de capacidad reuniendo los datos necesarios (al menos 50 observacio- nes.73 representa «casi todos». ajustes del proceso y deterioro del mismo. se puede mejorar la calidad del producto modificando la disposición del proceso. siempre que sean alcanzables por simple modifica- ción del mismo. Dado que la asunción de normalidad es válida en la mayoría de los procesos y que el 99. Tales factores son variaciones no naturales de material. . mejor si son 100 o más) y calculando la desviación estándar de dichos datos: capacidad del proceso = 6ı [8. Calidad del producto de un proceso. Al realizar el estudio preliminar. calcular su efecto y restarlo.

2.78 por 100 de artículos defectuosos.2ı y por encima de X + 2. . puesto número 17 De la misma forma. Por tanto. Si se modifica la disposición del proceso hasta llegar al valor nominal de 0.00227 0. Después de disponer el proceso. 2V 0. Cálculo de la capacidad de un proceso de torneado. o 15 por 100.005 USL 0.2ı . ANÁLISIS DE LA CAPACIDAD DEL PROCESO 201 0.005 0.005 pulgadas.505 0.505.00227) X V X  2. la mejor calidad o la menor fracción defectuosa es 2(0. o un 2.0139). que es de 0. la fracción defectuosa es 15 de 100. y b) 0 por debajo del límite inferior de las especificaciones. La Tabla 8.0139.00227 TABLA 8.1. Por tanto. LSL = X .505  (0.1 muestra los cálculos sobre capacidad del proceso.505  0.2ı En la Tabla Al se puede obtener la proporción que se hallará por debajo de X — 2. Se observa que el proceso está establecido en 0. se hizo un estudio preliminar midiendo el diámetro de las primeras 100 piezas producidas.50825 y que el número de piezas defectuosas es: a) 15 por encima del límite superior de las especificaciones. Se supuso que el desgaste de las herramientas no sería significativo durante el estudio. se puede calcular la fracción defectuosa de la forma siguiente: 0.

Cuando los gráficos son para X y s. La primera alternativa puede representar la reestructuración del trabajo a realizar. aun- que sea tradicionalmente difícil obtener cambios de proyecto que mitiguen el rigor de las especificaciones. Si los gráficos son para X y R.505 + 0. Siempre que se utilicen gráficos de control se dispondrá de la mayoría de la información necesaria para establecer la capacidad del proceso.010. se dispone de cuatro alternativas: 1. el de inspección relativamente alto (tangible e intangible) y el de una unidad defectuosa es. los trabajos a realizar pueden ser planeados en cuanto a su calidad de forma más eficiente. Examinar (inspección del 100 por 100) los productos para separar las unidades defectuosas. la segunda resulta lógica. como ocurría en el estudio preliminar. el intervalo del proceso no debería exceder de los tres cuartos del intervalo especificado. esto es.(0. el promedio de intervalos de la muestra. media de las desviaciones estándar de la muestra. Aquellos con tolerancias más severas pueden asignarse a máquinas con menor intervalo de variación.00227. Utilizar un proceso diferente. La gama calculada de acuerdo con la ecuación [8. ya que supone incurrir en los menores costos totales.202 CONTROL DE CALIDAD Parece claro que el proceso no es capaz de satisfacer las especificaciones es- tablecidas. 4. se puede utilizar la cantidad R . Cuando se ha demostra- do que un proceso no es capaz de producir una gran mayoría de unidades dentro de las especificaciones establecidas. Esta arbitraria regla empírica permite que las condiciones del proceso no se mantengan siempre constantes. Pese a ello habrá que prestar especial atención a esta alternativa. para determinar la capaci- dad del proceso.1] es 6 x 0. también. Cambiar las especificaciones. esto es. Idealmente. Conociendo la capacidad de cada pieza del equipo que interviene en el proceso global (o habiéndola estimado en un estudio preliminar). 2.01362. La tercera deberá tenerse en cuenta sólo si el costo de inspección es bajo compara- do con el de las otras alternativas. 0. Claro está que el hecho de conocer la capacidad del equipo no siempre eliminará la necesidad de utilizar un proceso que producirá piezas defectuosas como consecuencia de la rigurosidad de las especificaciones. se puede usar la cantidad s . 3. El promedio de los intervalos de pequeñas muestras tomadas de una pobla- . DETERMINACIÓN DE LA CAPACIDAD DE UN PROCESO: USO DE OBSERVACIONES DE LA MUESTRA Un método alternativo para determinar la capacidad del proceso cuando ya éste está en marcha es utilizar la información que proporcionan las muestras del producto que se está fabricando. Dejarlo como está.0.005). bajo. La gama especificada es (0. adquirir nuevos equipos o subcontratar con otra firma que tenga equipos de mayor precisión. En muchos casos. A la cuarta debe recurrirse cuando el costo por unidad es bajo. 0. Pero sí se podrá calcular previamente el alcance de tales deficiencias y se actuará con pleno conocimiento de las consecuencias.505 .005) .

la cantidad (n  1) s 2 V2 . El factor a utilizar biene dado por la columna d2 de la Tabla A7.3 muestra el cálculo de la capacidad del proceso usando el intervalo promedio.2] d2 ó V' V' d2 Figura 8. Si se toman repetidamente pequeñas muestras. Sin embargo. digamos que de cinco ele- mentos. los intervalos relativos a la desviación estándar R V' se distribuirá de la forma que indica la Figura 8. el intervalo medio es mayor.2.1. Distribución de intervalo relativo (R/ı’) para muestras de cinco elementos cada una. de una población con desviación estándar conocida. ı'. Ejemplo 8. la desviación estándar s de la muestra está directamente relacionada con la desviación estándar de la población. por lo que debe ajustarse mediante un factor para que dé un valor estimado eficiente de ı'. Para muestras de una población. Para muestras más pequeñas d2 será más reducido y para muestras mayores d2 será más alto: R R [8. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 203 ción está relacionado directamente con la desviación estándar de ésta.2 Este ejemplo utiliza los mismos datos del 8.326. El factor d2 es el promedio de los cocientes y para muestras de cinco elementos es igual a 2.2. La Figura 8. Como vimos en el Capítulo 2.

204 CONTROL DE CALIDAD .

3 Continuamos utilizando las observaciones del ejemplo 8. [8. Distribución de la varianza de la muestra para muestras de una población normal. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 205 está distribuida según una distribución Ȥ2 con n — 1 grados de libertad. k ©V ¹ n 1 1 E (s) .4. kV n 1 Usando la media de las desviaciones estándar como un estimador de E(s).3] V n 1 V 2 n 1 V2 El valor esperado de s/ı puede ser aproximado por medio de la relación [8. El valor esperado de k en la distribución de la Figura 8. Figura 8.4 se puede usar para calcular ı a partir de las observaciones de s: s 1 (n  1) s 2 1 (n  1) s 2 [8. Ejemplo 8.4] §s· 1 E¨ ¸ . El valor s para cada muestra se calcula de acuerdo con la ecuación ¦( xi  x) 2 s2 n 1 .1 para ilustrar la estima- ción de la capacidad del proceso usando s .5] La cantidad c 2 aparece tabulada en la Tabla A7.

666 8 1. La proporción del producto total que estará dentro del intervalo observado de la muestra se calcula usando la relación siguiente. Cálculo de la capacidad del proceso usando s Número de Número de la muestra s x 10 3 la muestra s x 10 3 1 2. ni calcular su desviación estándar.577 Ȉs = 0. Cuando el proceso está bajo control.00226 = 0.356 2 2. MÉTODO DE INTERVALO ÚNICO Se puede obtener un valor estimado aproximado de la capacidad del proce- so a partir del intervalo de una sola muestra grande de un proceso bajo control estadístico.0019 V 0.577 3 3.800 19 0. La Tabla 8.800 14 1. se puede calcular la menor proporción que se podría esperar que estuviera dentro del intervalo observado para cual- . La densidad de la variable aleatoria q. fracción de la población total situada dentro del intervalo observado de una muestra de tamaño n.744 5 1.038 0.206 CONTROL DE CALIDAD donde xi son observaciones individuales.332 11 1.01356 Teorema.625 4 0. TABLA 8.406 16 2.038 s 0.265 9 0.072 13 1.2 muestra la estimación de la capacidad del proceso usando s .6] Usando esta función de densidad.497 15 1.632 10 1.757 12 2.020 6 3.8407 capacidad del proceso = 6ı = 6 x 0. viene dada por f (q) n(n  1)q n  2 (1  q) [8.8407 s 0.0019 20 C 2 para un tamaño de muestra de 5 = 0.497 17 3. se selecciona una muestra de tamaño n y se obtiene el intervalo de los valores de la muestra. En este caso no es necesario asumir nada con respecto a la distribu- ción de la población.039 7 1.2.549 18 1. x es el promedio de la muestra y n su tamaño.789 20 2.00226 C2 0.

27 por 100.5 se puede afirmar con un 90 por 100 de garantía que al menos un 99.2 65.0 20 81.8 por 100 del producto sea «defectuoso» (fuera del intervalo) y las posibilidades de encontrar un 1.95 0. Se hacen pruebas con una muestra de 500 bombillas para comprobar la energía que consumen: Consumo especificado de energía 60 W Consumo máximo de energía 60.8 78.8 100 96. En otras palabras: hay menos de un 10 por 100 de posibilidades de que el 0.0 97. el método de intervalo único proporcionará estimados satisfactorios.0 98. En tales casos.501 = 0.1 resulta intervalo = 0.0 500 99. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 207 quier nivel deseado de confianza.6 96.2 Partiendo de la Tabla 8. Sin embargo.8 84. Además. .4 W TABLA 8. cuando la producción se basa en máquinas automáticas o controladas por ordenador.4.8 W Consumo mínimo de energía 59.2 por 100 del producto estará dentro del intervalo 59.4 42.5 99.6 99.73 por 100 de seguridad de que el 98.2 1.4 90. Ejemplo 8.6 50 92. El método de intervalo único da estimados aproximados para pequeñas muestras. Porcentaje de producción de un proceso bajo control con una probabilidad determinada de hallarse dentro del intervalo observado en una muestra de tamaño n Tamaño de Probabilidad la muestra 0. hay un 99. Aplicando el método del intervalo único a los datos del ejemplo 8. existen grandes muestras disponibles en un corto período de tiempo.3 muestra algunos valores selec- cionados para niveles de confianza de 90.000 99.8 por 100 de elementos defectuosos es menor del 0.73 por 100. Unas máquinas automáticas montan bombillas eléctricas.9973 10 66. La Tabla 8.2 por 100 del producto se hallará dentro del mismo intervalo.90 0.0 95.516 – 0. 95 y 99.0 200 98.2 99.4 a 60.015 tamaño de la muestra n = 100 De la Tabla 8.3 se puede establecer con un 95 por 100 de garantía que al menos el 95.8 vatios.2 60.2 por 100 del producto se hallará dentro de este intervalo.2 92.3.

De aquí la desviación máxima permisible debida a la tendencia es 23.5 resulta claro que la variación parecerá mayor si se comparan los valores relativamente pequeños del primer subgrupo con las mayores del último subgrupo.3720 igual a 0 en el calibrador y multiplicando cada lectura por 100.25. . Las especificaciones exigían 0. Sin embargo. Dicho de otra forma. Naturalmente. más o menos automáticamente. se considera capaz el proceso. como promedio.5 Los datos de este ejemplo han sido tomados de un caso que figura en los archivos de uno de los autores. Sin embargo. Una línea de regresión unida al gráfico X en la Figura 8. Debe recordarse que esto es lo mejor que el proceso es capaz de hacer. Si la capacidad del proceso debe seguir siendo satisfactoria.208 CONTROL DE CALIDAD AJUSTE DE LA TENDENCIA DENTRO DEL ESTUDIO Si se da una tendencia o un cambio en el nivel del promedio del proceso puede parecer que el proceso tiene una variación mayor de la que realmente tiene. éste efectúa.1) o al utilizar el método del intervalo único. Por tanto. excluyendo la tendencia. la capacidad del proceso. Para la medición se utilizó un cilindro con una unidad de medida de 0.00100 en el calibrador resulta 100 en la Figura 8. habrá que reducir el tamaño de la racha en consonancia. al realizar el cálculo de la desviación estándar (Figura 8. Lo que es lo mismo: puede resultar más realista relacionar la capacidad del proceso con el tamaño de la racha en aquellos casos en que resulta inevitable una tendencia seria inmediata. Cuando cambia la tendencia dentro de una racha única. esto es.5. habrá que volver a preparar el proceso antes de que se produzca el tercer aumento debido a la tendencia.5 indica un aumento de 10 entre muestras consecutivas. es 210. lleva a la posibilidad de que parte del producto resulte fuera de las especificaciones. entre muestras. Esta cifra mejor de 210 para una racha de producción de cualquier tamaño será realmente sin sentido. Fijándonos en la Figura 8. Por ello. y es obligatorio establecer la media del proceso. El tamaño adecuado de la racha para este producto será igual al de la producción durante tres períodos de muestreo.3720 ± 0. habrá de continuar por debajo de 3/4(360).00025 pulgadas. Los datos fueron codificados haciendo 0.67 d2 6 R calculada sin ajuste por tendencia es 81. correcciones de la tendencia. como quiera que se puede minimizar la variación dentro de las muestras en el método del intervalo único. El mejor método para calcular el efecto de la tendencia sobre la capacidad del proceso es hallar la «inclinación» o la tasa a la que cambia X .326) 270 ó R 104. Es probable que los resultados sean erróneos cuando se unen todos los subgrupos dentro de una única muestra: por ejemplo. 270. Ejemplo 8. se pueden soportar dos cambios de X (2 x 10 = 20). Si se quieren aceptar ocho intervalos de cinco elementos cada uno. una lectura de +0.0018 pulgadas.000. Así que el intervalo máximo permisible vendrá dado por 6R 270(2. Claro está que el intervalo crecerá en esta cantidad. Se refiere al control del diámetro del paso de una rosca externa de tornillo.42. menor de 3/4(360).

La base fundamental de todas las especificaciones se halla en la función deseada del producto. Los términos «especificacio- nes» y «tolerancias» se suelen utilizar indistintamente.5. Las tole- rancias se incluyen dentro de las especificaciones. El deseo de tener una seguridad absoluta sobre la capacidad funcional del producto puede llevar a excesos en el proyecto. Las especificaciones tienen un sentido más general y se refieren tanto a todas las características del proceso del producto como a las materias primas. Durante la producción se realiza un esfuerzo para conformarlas. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 209 Figura 8. Sin embargo. Por ejemplo: la . Las especificaciones se suelen establecer en la fase de proyecto. conviene observar que las tolerancias se refieren únicamente a las dimensiones físicas. producción e inspección. La inspección es necesaria para evaluar hasta qué punto es conforme la producción con las especificaciones. ESPECIFICACIONES DE PROYECTO Y TOLERANCIAS En la fabricación de cualquier producto hay tres etapas de gran importan- cia: proyecto. Ningún ingeniero industrial quisiera poner en peligro dicha función. Cálculo del promedio de intervalo de la capacidad del proceso cuando existe tendencia.

Si el rebaje de las tolerancias hasta situarlas dentro de la capaci- dad del proceso no afecta a la función del producto. siempre resulta prudente rebajarlas. el trabajo de establecer las especificaciones adecuadas se simplificará considerablemente.1 las especificaciones son 0. sino del resultado del montaje de varios componentes. Siempre se quejan.014 pulgadas. que el ingeniero industrial conozca los principios básicos de la estadística para que le resulte más sencillo entender e interpretar los estudios sobre capacidad del proceso. Si la capacidad del proceso no es la adecuada. En el ejemplo 8. el ingeniero puede abstenerse de proyectar un producto que no se puede fabricar sin producir una gran cantidad de elementos defectuosos. Un malentendido bastante corriente es el referido a los resultados de un estudio de capacidad del proceso. haga lo que haga. el de soportar su peso). Al establecer las especificaciones. Sin embargo. o las distribuciones de probabilidades de esas variaciones.01 pulgadas. CAPACIDAD DEL PROCESO Y TOLERANCIAS Si el ingeniero industrial está familiarizado con la «variación natural» del proceso que se utilizará para fabricar el producto. el ingeniero industrial debe tener presentes dos" factores. rebajando las tolerancias se podrán ahorrar grandes cantidades de equipo caro que debe sustituir al existente. además de la función del producto: 1. El intervalo permisible es de 0. Es altamente deseable. Debe recordarse que la única información definitiva que contiene tales resultados es la relativa a lo que el proceso no .005 pulgadas.007 pulgadas. Las variaciones aleatorias. Si carece de infor- mación. Se debe poder producir el artículo. El intervalo natural del proceso es de 0. Si se rebajan las especificaciones a 0.505 + 0. Dicha plancha realizaría su función perfectamente. La operación se clasifica como «torneado aproximado». no se satisfarán las toleran- cias deseadas. determinan la capacidad del proceso. Cuando el producto pasa por varias fases de producción y no se trata de un solo elemento. así como de realización de proyectos. las variaciones tienen gran influencia en el hecho de que el producto final se atenga a las especificaciones. el proceso es capaz de fabricar el producto. lo que significa que debe seguir una operación de acabado. 2.210 CONTROL DE CALIDAD mesa proyectada para que en ella descanse un ordenador personal cuyo peso es de 40 kg debe ser lo suficientemente fuerte para soportar dicho peso sin romperse ni combarse. En cualquier producción normal hay variaciones aleatorias.505 + 0. especificar como imprescindible una plan- cha de acero al cromoníquel no tendría sentido. anticipando que: «El departamento de Producción se va a quejar. es probable que el ingeniero industrial establezca unas especificaciones muy duras. pero su costo sería prohibitivo (aparte de crear un nuevo problema. además.» Conociendo la capacidad estimada del proceso. El producto no va directamente al consumidor y su función final no es puesta en riesgo por dicha rebaja en las especificaciones. El único problema a tener en cuenta sería: ¿Afectará tal rebaja de alguna forma a la operación de acabado? Si la operación de acabado no va a resultar afectada.

Lo que produzca el proceso dependerá de que: 1. Se puede mantener el proceso bajo control durante mucho tiempo. Subconjunto de cuatro componentes. Las afirmaciones basadas en el método de intervalo único son algo más categóricas. La calidad de las materias primas sea uniforme. No haya error del operador. La longitud total del subconjunto es la suma de las longitudes de A. en el ejemplo 8. C y D (Fig. 2. No hay desgaste de herramientas.00227 pulgadas.6). C y D. Consideremos un subconjunto de cuatro componentes A. Sin embargo. 4. 3. Por ejemplo. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 211 puede hacer.7] Figura 8. La dimensión total del subconjunto será la suma de las dimensiones de sus compo- nentes individuales. B. también dependen de la repetición de las condiciones exactas del estudio durante la fabricación. 5. La única conclusión positiva es que la fracción defectuosa no será menor de un 2. 8. Debe combinarse la información de los resultados de cualquier estudio de capacidad de procesos con el juicio basado en las posibles diferencias en las condiciones operativas durante el estudio y la fabricación real.78 por 100. La función del subconjunto indicará que dicha longitud está dentro de los límites de especificación: US) = L(A) + L(B) + L{C) + L(P) [8. La regla empíri- ca para establecer un intervalo de tolerancia del 75 por 100 del intervalo natural del proceso es uno de los intentos de permitir condiciones tan dife- rentes.6.22 por 100 de productos satisfacto- rios. B.1 se estima que la desviación estándar del proceso es de 0. Hay muy poca información definitiva respecto a lo que sí puede. La asunción de distribución normal sea válida. . TOLERANCIAS PARA SUBCONJUNTOS Los subconjuntos se forman combinando dos o más componentes. Basándonos en este dato se llega a la conclusión de que el resultado del proceso será siempre un 97.

Como base para dicho procedimiento es necesario referirse a dos relaciones mencionadas en el Capítulo 2.4 sobre los procesos que producen dichos componentes. Límites de especificaciones . si se conoce la variación natural de la dimensión de cada componente.6 Un subconjunto. Un estudio de capacidad de proceso ha revelado la informa- ción que figura en la Tabla 8. está formado por cuatro componentes A. si el subconjunto en su totalidad está sujeto a los mismos límites de tolerancia.6 y 8.9] Es importante recalcar que la varianza de la diferencia x1 — x2 es la misma que la varianza de la suma x 1 + x 2 .7 nos indican el procedimiento general para contestar a tales preguntas.5. Si x1 y x2 son dos variables aleatorias distribuidas independientemente. B.5). Datos de los componentes TABLA 8.4. las varianzas de la suma x 1 + x 2 y de la diferencia x 1 — x 2 vienen dadas por V x2 x 2 V x21  V x22 [8.8] V12 x1 x 2 2 V V x1 2 x1 [8. En primer lugar. Ejemplo 8. ¿cuáles serán los límites de tolerancia de los subconjuntos parciales? Los ejemplos 8. ¿cuál será la variación de la dimensión del subconjunto? En segundo lugar. TABLA 8.212 CONTROL DE CALIDAD La relación crea dos tipos de problemas. como el que aparece en la Figura 8. ¿Cuáles serían los límites de las especificaciones para los compo- nentes y el subconjunto? El cálculo de los límites de las especificaciones de los componentes es claro (Ta- bla 8. C y D.6. La política del departamento es establecer los límites de las especificaciones en ±3 desviaciones estándar.

V s2 V A2  V B2  V C2  V D2 32  22  32  22 26 o V s . ESTABLECIMIENTO DE TOLERANCIAS PARA FASES INTERMEDIAS DE LA PRODUCCIÓN El ejemplo 8. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 213 Si V A2 .0306 como se ha indicado. supongamos que se realiza el montaje en tres puntos de trabajo: Punto de trabajo 1 (C y D) CD Punto de trabajo 2 (B y CD) BCD Punto de trabajo 3 (A y BCD) ABCD Ejemplo 8.6 (Continuación) Si se monta el subconjunto ABCD en tres puntos de trabajo y el inérvalo de tolerancia especificado para el subconjunto es 0. que el intervalo de tolerancia del subconjunto debe ser la suma de los intervalos de tolerancia de sus componentes individuales. Aquí. la ecuación [8.V D2 y V S2 representan las varianzas de los cuatro componentes y de los subconjuntos.0051 pulgadas límite superior de las especificaciones = 6. a veces. Si se producen los componentes A. la tolerancia natural del conjunto será 0. el intervalo de tolerancia del subconjunto es aproximadamente igual a la mitad de la suma de los intervalos de tolerancia de sus componentes.V C2 .4947 intervalo de tolerancia = 0.0051 pulgadas De donde para el subconjunto tamaño nominal = 6. ¿qué intervalos de tolerancia deben especificarse para los tres puntos de trabajo? .V B2 . El punto donde se realiza el montaje puede operar satisfactoriamente si el intervalo de tolerancia especificado es 0. B. 5.5253 límite inferior de las especificaciones = 6. Cierta- mente no es así.0306 Quienes no estén familiarizados con las leyes de la estadística creerán erróneamente. C y D de forma independiente y luego se montan. como hemos demostrado con este ejemplo.51 pulgadas desviación estándar = 0.040.1 ó 0. La situación es diferente cuando el conjunto se logra por fases.6 indica que el intervalo de tolerancia de un subconjunto es menor que la suma de los intervalos de tolerancia de sus componentes indivi- duales.8] dará lugar (usando unidades de 1/100 de pulgada) a. respectivamente.040. Para ilus- trarlo.

214 CONTROL DE CALIDAD La mejor forma de solucionar el problema es estableciendo una secuencia en retroceso.040). 0. Ejemplos: el .033. el intervalo de tolerancia especificado es igual que el del subconjunto ABCD (esto es.13] en un proceso normal de fabricación ıA viene dada como 0. De la ecuación [8. De acuerdo con el intervalo de tolerancia especificado de 0.012 Al sustituir.0357 Esto significa que debe especificarse un intervalo de tolerancia de 0. A y BCD.040 especificado.040). Un método tabular alternativo de cálculo se presenta en la Tabla 8.018 natural.12] Ó 2 TBCD TABCD  TA2 [8. INTERFERENCIA Y TOLERANCIA DE AJUSTE Muchos subconjuntos incluyen el acoplamiento de dos componentes.040 el máximo valor permisible de ıABCD es (l/6)(0. T A = 0. T ABCD = 0.0357 calculado TB 0.0336 para el punto de trabajo 1. dado el valor de TCD: TCD = 0.0357 para el punto de trabajo con objeto de que el 3 puede cumplir con su especificación de intervalo de tolerancia. en el punto de trabajo 2 2 TCD TBCD  TB2 TBCD 0.13] donde T x = intervalo de tolerancia de x. De igual modo.8] se deduce que 6V BCD (6V ABCD ) 2  (6V A ) 2 [8. El componente A encaja dentro de la abertura del componente B. Un método alternativo de empleo de la ecuación [8. El intervalo final de tolerancia especificada se reduce de 0. En el punto de trabajo 3 se produce el montaje de dos componentes.003.13] resulta TBCD = 0.040 a 0.6.8] es determinar de tolerancia en términos «6ı» en lugar de en términos de ı: 6V BCD (6V ABCD ) 2  (6V A ) 2 [8-12] ó 2 TBCD TABCD  TA2 [8. Sustituyendo dichos valores en la ecuación [8.0336 debe especificarse un intervalo de tolerancia de 0. En el punto de trabajo 3.

Sean 3. la tuerca y la llave. Sea el nivel de interferencia de cuatro unidades.025 unidades. En el extremo opuesto habrá un nivel más allá del cual una mayor separación produciría una pérdida de presión y que reduci- ría la potencia del motor. La separación nominal sería.025 (separación < 4) interferencia (separación > 15) mal encaje o ajuste . TABLA 8.0249 El nivel de interferencia será un nivel tal que una separación menor llevaría a una fricción excesiva. 1 separación = (diámetro del cilindro — diámetro del pistón) = 2 1 = (3. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 215 bloque motor y el pistón. ó 10 unidades de 1/1. la ecuación [8. la interferencia (el componente A mayor que el agujero del componente B) imposibilitaría totalmente la operación. 22  3.00 pulgadas el diámetro nominal de un cilindro y 2. media = 1 0 desviación estándar = 2.000 pulgadas 2 Si se definen las variables G. En cualquiera de esos. diámetros del cilindro y el pistón.98 pulgadas el diámetro nominal de un pistón.012 0.033 0.98) = 0.9] daría V G V B2  V P2 Sean ıB = 2.0249 1 0.01.2 unidades y ıB = 3. el eje y el cojinete.6. B y P como el doble de la separación. Sea ese nivel de 15 unidades. lo que impediría funcionar al motor. un ajuste que no sea el adecuado —componente A demasiado pequeño con respecto a la abertura del componente B— supondrá una operación inefi- caz.00 .05 unidades La desviación estándar por cada lado de la separación será de 2. respectivamente. Para la separación. Cálculo de intervalos de tolerancia especificados en puntos de trabajo intermedios Intervalo de Intervalo de Intervalo de Punto de tolerancia tolerancia del tolerancia trabajo especificado trabajo añadido del insumo X y x2  y 2 3 0.018 0. 42 4. En otro extremo opuesto.2.0276 0.4 unidades B B VG 2.0276 2 0.

7 hay dos zonas rayadas.68 por 100 Figura 8.7 Acmé Tool Company produce llaves de tuercas para los talleres de reparaciones de automóviles.216 CONTROL DE CALIDAD La Figura 8. 47 2. esto va acompañado. Ejemplo 8. Sin embargo. de un alto costo de desperdicios y de nuevos trabajos a realizar. la variable normal estandarizada es: 15  10 zl 2.0068 = 0. Para la interferencia la variable normal estandarizada es: 4  10 zi 2. Los valores numéricos de dichos riesgos se pueden calcular asumiendo una distribución normal. generalmente. Estos riesgos resultarían aceptables en la mayoría de los casos. se pueden reducir hasta cierto punto me- diante una inspección al 100 por 100.7 muestra la distribución de probabilidades de la separación.96 2. Distribución de probabilidades de una separación entre pistón y cilindro. Acmé sólo puede controlar la abertura entre superficies planas para . El fabricante que no controle ambos componentes y la operación de monta- je tendrá menos opciones. Para ilustrar esta afirmación incluimos el ejemplo 8.0015 = 0.7.7.025 riesgo de interferencia = 0.15 por 100 Para un ajuste mal realizado.025 riesgo de encaje mal hecho = 0. Si son demasiado grandes para aceptarlos. El problema que se le presenta a un fabricante que produce y monta en una planta los componentes A y B se puede definir como sigue: ¿Cuál es el riesgo de que la persona que está en el punto de montaje tome al azar una pieza A y una B y dé lugar a una interferencia o a un mal ajuste? En la Figura 8.

8.003 y el nivel de encaje defectuoso que es 0.00152 0. el tamaño nominal de la abertura sería 0.0015 pulgadas La mayoría de los mecánicos considerarían un espacio libre de 0.0065 2 La separación nominal entre superficies planas es de 0.3ıx.9 por 100. ¿Cuál debería ser el tamaño nominal de la separación entre superficies planas? Si x es el espacio libre nominal.9]: Vx 0.8. Tanto el riesgo de interferencia como el de ajuste defectuoso son de 4.75 + x.7565 pulgadas. El proceso de fabricación utilizado para producir las tuercas tiene una desviación estándar natural de 0. Figura 8. se ha calculado la distribución de su anchura entre superficies planas como sigue: anchura media = 0. Efecto del centrado de la media de la distribución de los anchos de tuerca. Acmé Tool Company sólo puede reducir uno de los riesgos a costa de incrementar el riesgo en el lado contrario. 0. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 217 cualquier tamaño de tuerca.010 como ajuste mal hecho. La desviación estándar del espacio libre vendrá dada por la ecuación [8. y un espacio libre superior a 0.010 x 0.003  0.007 o 3.00152  0. . En este caso. La probabilidad de «interferencia o mal encaje» se minimizaría colocando la media de la distribución exactamente entre ambos niveles.003 como inter- ferencia.010 es 0. Las tuercas las fabrican o compran independientemente los fabricantes de automóviles. como muestra la Figura 8.75 pulgadas desviación estándar = 0.00212 El intervalo permisible entre el nivel de interferencia 0. A partir de un estudio de las tuercas de 1/2 pulgada disponibles en el comercio.0015 pulgadas.

258 ± 0. 8. fueron sometidas a medición 1.2.2.020 cm. Comparar la capacidad del proceso por el método R con el método de la desviación estándar.1 con los siguientes datos de piezas fabricadas por otra máquina de acuerdo con las mismas especificacio- nes (datos seleccionados a intervalos durante varios días de producción): 1 2 3 4 5 6 7 8 9 10 6 7 7 8 10 10 14 9 12 13 4 6 7 10 12 8 8 13 10 15 3 7 6 8 7 8 9 7 13 12 5 3 8 6 7 6 12 11 13 17 5 4 6 7 8 8 10 9 11 13 ¿Cuál de las dos máquinas tiene mejor capacidad de procesamiento? ¿En qué se basa esta conclusión? ¿Se podría explicar la tendencia aparente de los resultados de la segunda máquina? 8.1. El diámetro mayor era 3. 8. Realizar las mismas operaciones que en el problema 8. ¿Parece la máquina capaz de cumplir con las especificaciones? ¿Cuál es el porcentaje actual de defectuosos? Calcular la media y el intervalo de cada subgrupo. En primer lugar. ¿Puede cumplir la linea de producción con las especificaciones? ¿Cómo definir la probabilidad de que puede esperarse que una parte de la producción resulte «defectuosa»? . Usar el método s para establecer la capacidad de procesamiento de las dos máquinas de los problemas 8. que proporciona los siguientes resultados (los valores son en milésimas de pulgada por encima de 0.250 pulgadas y los datos están distribuidos en 10 grupos de 5): 1 2 3 4 5 6 7 8 9 10 12 13 12 11 9 7 7 8 11 6 10 6 6 16 8 13 6 7 10 9 12 10 7 12 7 10 11 10 12 12 11 9 8 11 9 10 9 10 10 8 15 10 13 10 6 9 9 11 15 4 Hallar una distribución de frecuencia con los datos.1 y 8.000 artículos fabricados por dicha línea.5.018 cm y el más pequeño. Se estableció una línea de producción automática para fabricarlo.3. Usar el método R para establecer la capacidad de procesamiento de las dos máquinas de los problemas 8.1 y 8. 2. Calcular la capacidad del proceso a partir de X y ı. Una máquina trabaja según unas especificaciones de 0.00 ± 0. 8.2. Se lleva a cabo un estudio sobre 50 piezas consecutivas.996 cm.4.218 CONTROL DE CALIDAD PROBLEMAS 8.004 pulgadas. Las especificaciones para el diámetro de cierto artículo son de 3.

La unidad de medida es (tamaño — 1.8.2 usando el método de intervalo único para las 50 observaciones que se tratarán como una sola muestra. 8. Comparar los resultados con los obtenidos en los problemas 8.1 a 8. Establecer la capacidad de procesamiento de las dos máquinas de los problemas 8.000. ANÁLISIS DE LA CAPACIDAD DEL PROCESO 219 8.4. Se midió el grosor de cada elemento con un micrómetro.5050.5100. Se seleccionaron de forma aleatoria 20 muestreos de cinco elementos cada uno de la producción de un componente de avión.6. ¿Se consideraría que el método del intervalo único es un procedimiento satisfactorio para comparar las dos máquinas? ¿Por qué? 8. límite inferior: 1. A partir de muestreos de cinco elementos tomados cada hora de producción se obtuvieron los siguientes valores de X y R: Número de la muestra X R Número de la muestra X R 1 20 4 9 51 5 2 28 7 10 53 13 3 33 5 11 57 5 4 32 10 12 57 8 5 35 11 13 65 10 6 41 12 14 60 10 7 44 10 15 65 9 8 48 4 16 70 6 .5000) x 10. con una aproximación de una diezmilésima de pulgada.1 y 8.7. Las especificaciones para dicho componente eran: límite superior: 1. Número de la muestra 1 2 3 4 5 1 72 104 79 19 77 2 56 87 33 42 34 3 56 73 22 60 45 4 44 80 54 74 72 5 102 26 48 58 44 6 83 107 91 62 57 7 47 66 53 58 67 8 88 50 84 69 62 9 57 47 41 46 47 10 13 30 10 05 27 11 16 30 52 35 51 12 46 27 63 34 30 13 49 62 78 87 71 14 71 67 85 72 65 15 71 58 69 70 71 16 67 69 70 94 86 17 37 25 40 80 73 18 26 50 82 75 101 19 62 84 49 39 97 20 54 62 73 87 56 Establecer la capacidad del proceso usando S .

004 B 6. Media Desviación estándar Diámetro interior de A 8.00 Si el intervalo de tolerancia para el subconjunto es 0.006 C 8.010.000 0.24 0. Se supone que es la distribución de los diámetros de los dos componentes es normal.76 0. ¿cuáles serían los intervalos de tolerancia de cada punto de trabajo? Punto de trabajo 1: ByC BC Punto de trabajo 2: BC y D BCD Punto de trabajo 3: A y BCD ABCD 8. El espacio medio entre dos elementos que ajustan es 0.16 0. Si se cambia el orden de montaje del subconjunto del ejemplo 8.12. mínimo 0. Si en el ejemplo 8.84 0.7 se diera la definición de ajuste mal realizado como 0.003 0.080.10.007 20.1 por 100? 8. ¿cuál es la probabilidad de interferencia? ¿Cuál debería ser el diámetro medio interior de A para reducir la probabilidad de interferencia por debajo de 0.220 CONTROL DE CALIDAD Determinar la capacidad del proceso.6 como aparece a continuación. determinar la disposición apropiada de X al princi- pio de una racha de producción.9.015 en vez de 0.0006 Diámetro exterior de B 8.11. ¿cuál tendría que ser la separación nominal entre superficies? ¿Cuál es el riesgo de ajuste mal realizado? . ¿Cuál sería la racha óptima de producción expresada en horas? 8. Se monta un subgrupo de cuatro componentes en tres puntos de trabajo: Punto de trabajo 1: AyB AB Punto de trabajo 2: AB y C ABC Punto de trabajo 3: ABC y D ABCD Un estudio de capacidad del proceso ha proporcionado la siguiente información sobre la fabricación de los cuatro componentes: Componente Tamaño nominal Desviación estándar A 3.003 cm.0014 Si el montaje es aleatorio. ¿qué intervalos de tolerancia deben especificarse para los tres puntos de trabajo? 8. Si las especificaciones para este elemento son: máximo 120.005 D 1.

un comprador. El comprador no debe estar expuesto al riesgo excesivo de recibir productos de calidad inferior.1. 2) asegurar que las características de calidad satisfarán a largo plazo las normas de calidad establecidas. se alcanzará el segundo. si se cumple. a cuantos informes. un ingeniero industrial. Los procedimientos de control de aceptación deben proteger los intereses tanto del adquirente como del proveedor. o de un grupo de unidades enviadas o sometidas al control. datos y documentos le facilita el departamento de contabilidad. Un consumidor puede aplicar el control de acepta- ción a los productos que le suministre un fabricante o proveedor.9 Introducción a la garantía de calidad y el control de aceptación Se puede definir el control de aceptación como la serie de medidas que adopta el receptor para asegurarse de la calidad de un producto o trabajo ofrecido por el productor. Las medidas más utilizadas para asegurar la calidad de un producto aceptado pueden clasificarse como muestra la Tabla 9. y. un comprador. un departa- mento de Inspección de Productos Acabados. El objetivo citado en primer lugar garantiza que. 221 . un auditor. a los sistemas y procedimientos de control de calidad que utiliza el productor. tampoco el proveedor debe temer que le rechacen productos de buena calidad. en general. Al mismo tiempo. OBJETIVOS DEL CONTROL DE ACEPTACIÓN Los fundamentales son dos: 1) garantizar la calidad de una unidad en particular. es aplicable a cualquier caso incluido en la definición anteriormente citada. a los sistemas y procedimientos del trabajo. a aquéllos que recibe del depar- tamento de producción. sin favorecer innecesariamente a ninguno de ellos. a la realiza- ción del trabajo.

Por tanto. control de planos. el comprador tiene la responsabilidad de garantizar una calidad de aceptación. controles de 2. Medidas de control de aceptación Técnicas de aceptación Técnicas de control A. b) Del control del productor.1.222 CONTROL DE CALIDAD TABLA 9. 3. así como C. aprobación y control de calibres. o bien solicita rebajas en los precios. el comprador paga gran parte de unos gastos innecesa- rios en que ha incurrido el fabricante. Con excesiva frecuencia se suele utilizar el método de inspección del 100 por 100 de los productos. RESPONSABILIDADES SOBRE GARANTÍA DE CALIDAD En general. Muestreo de aceptación por incluyendo: métodos de inspección atributos lote a lote: y control de procesos. en cierto sentido. métodos de inspección y pruebas. B. A. relación que deberá basarse en la utiliza- . Aprobación del sistema de garantía B. Muestreo de aceptación C. La de controlar la calidad compete al productor. Al utilizar las diferentes técnicas de aceptación de lote a que nos hemos referido. de forma indirecta. funciones de control de calidad. Ningún fabricante puede permitirse el lujo de que le rechacen gran cantidad de lotes de sus productos. los requisitos de calidad impuestos por el adquirente sobre el productor obligan a éste a utilizar métodos de control de calidad. Certificación. 4. de calidad del productor. b) Muestreo doble. El costo de dicho rechazo es excesivamente elevado para todas las partes afectadas. veedores. utilizado de forma indiscriminada dicho método. Muestreo por auditorías: á) Del producto enviado. Llega un momento en que aquél lo advierte y. especificaciones y d) Muestreo secuencial. El cambio de proveedor supone en sí mismo un proceso caro. A largo plazo. o busca nuevos proveedores. Aprobación de los métodos de con- b) Multietápico. Todas las opiniones están a favor de la creación de una sólida relación basada en la calidad entre productor y comprador o adquirente. controles de por atributos continuo: materiales. Muestreo de aceptación identificación de lotes. sólo porque es más conveniente. el comprador tiene responsabilidades de control a largo plazo. trol de compras del productor. Sin embargo. Inspección del 100 por 100. Técnicas de muestreo: de los procedimientos que utiliza. Registro y medición de los progre- por variables: sos en calidad del productor. a) Planes de variabilidad D. Clasificación de productores y pro- conocidos. ejerce. c) Muestreo múltiple registros de inspección y pruebas. resulta caro para ambas partes. Sin embargo. a) De etapa única. 1. cambios de ingeniería. (secuencial truncado). b) Planes desconocidos de variabilidad. métodos de a) Muestreo simple.

INTRODUCCIÓN A LA GARANTÍA DE CALIDAD Y EL CONTROL DE ACEPTACIÓN 223 ción de métodos científicos de control y garantía de calidad que conduzcan a que tanto el producto como su funcionamiento estén dotados de las máximas garantías. Las pequeñas empresas y las divisiones pueden requerir que una entidad independiente. a largo plazo. . por lo que contratación personal experimen- Figura 9. garantice la calidad estimulando y especificando los métodos que deban emplearse para ello. El receptor es quien debe tener mayor interés en que se utilicen tales métodos ya que. es ignorar por completo los incrementos de costos que acarreará esta posición. RELACIONES ENTRE PRODUCTOR Y RECEPTOR (DENTRO DE LA FÁBRICA. La Figura 9. La experiencia en control de calidad está muy cotizada en el mercado. Resolver estas situaciones con frases como: «La forma de hacerlo es su problema». recepción y producción pueden tener responsabilidades igualmente importantes. Las relaciones que se muestran en forma gráfica indican que no hay funciones ni organizaciones totalmente desprovistas de algún tipo de responsa- bilidad.1. ENTRE DIVISIONES DE LA FIRMA Y ENTRE DIVERSAS FIRMAS) Para que exista una buena relación entre productor y receptor en temas de calidad es necesario que el segundo insista continuamente en que se utilicen métodos científicos de control de calidad. Flujo de productos de productor a receptor.1 muestra las relaciones de calidad existentes entre los distintos receptores y fabricantes del producto dentro de la panorámica completa del negocio. obtendrá el mayor rendimiento de su inversión. responsable directa- mente ante la dirección. En el caso de relaciones recíprocas.

hasta el punto de no considerar preciso realizar inspección alguna de que recibe para establecer su calidad. La posición contraria se presenta cuando el receptor considera necesa- rio inspeccionar todas las unidades que recibe para asegurarse de su calidad. Lamentablemente. FALACIAS DEL MÉTODO DE MUESTREO DE INSPECCIÓN LOCALIZADA La inspección localizada. en vez de una limitada a la inspección del 100 por 100 y a la llamada «inspección localizada». El posible flujo de un hipotético producto podría ser el siguiente: El depar- tamento de Compras de la división Al recibe componentes de los departamen- tos de Inspección de Productos Acabados de las divisiones A2 y B2. No obstante. este último caso se da con excesiva frecuencia. Desde allí pasa al consumidor final.224 CONTROL DE CALIDAD tado en este campo para todos los departamentos de la empresa no sería un acierto. etc. Tampoco debe llegarse a una situación en la que el departamento de Ingeniería de Calidad tenga que discutir para que se sustituya la inspección al 100 por 100 por algún método aceptado de muestreo. tal como suele realizarse. Desgraciadamente. En ningún caso debe considerarse como método válido de muestreo el método de porcentaje localizado. o bien en la verificación al azar. En su lugar. El método de porcentaje y la verificación aleatoria son métodos de . no en la opuesta. lo que implica que habrá que utilizar uno o más métodos de muestreo para garantizar la calidad en cada punto de recepción. un centésimo. un vigésimo. Cada uno de los puntos de recepción debe disponer de alguna garantía de la calidad recibida. pero cuando se selecciona de este modo en lugar de por rutina. y la selección depende de la frecuencia deseada de la inspección localizada). habrá muchos factores que determinarán el método de muestreo a utilizar. consiste en la verifica- ción de un porcentaje de los materiales utilizados en el proceso en la propor- ción 1/n (donde n es un décimo. y es necesario disponer de personal especializado en todos los departamentos. deben estudiarse todos los medios disponibles para elegir entre los que sean más lógicos. El departa- mento de Compras de la división A1 suministra dichos componentes al depar- tamento de Producción de dicha división. Este último realiza nuevos trabajos sobre ellos y los envía al departamento de Montaje de A1. Precisar qué método se va a utilizar es algo que debe resolver el departamento de Ingeniería de Calidad.. cuya frecuencia varía de acuerdo con los problemas que se encuentren. sólo en muy pocos casos se puede alcanzar la condición óptima de calidad. La condición óptima se logra cuando el receptor tiene la máxima confianza. Estas relaciones existen en las empresas y divisiones de gran tamaño. desde el punto de vista económico. Cuando se decida no recurrir a la inspección del 100 por 100 y se opte por el muestreo. Esta decisión debe incluir una opción entre los diversos métodos sancionados. El montaje es enviado al departamento de Productos Acabados para su inspección final. los esfuerzos deben concentrarse en esta dirección. se está realizando un auténtico trabajo de técnica de control de calidad. Hay veces en que la inspección del 100 por 100 de los productos puede resultar el método más lógico.

una muestra de un elemento que se tomará de allí daría una unidad defectuosa la mitad de las veces. de las que 500 son defectuosas. Dado un grupo de unidades. la calidad de salida de esta parte de la cantidad total es defectuosa al 0 por 100. donde los riesgos del muestreo han sido analizados y la prevención de rechazos de lotes es el estímulo para mejorar la calidad. Por tanto. como en producto defectuoso aceptado. la decisión de reducir ésta se basa en el hallazgo de una unidad defectuosa. y una frecuencia de muestreo de 1/100. estar libre de defectos. defectuosos en un 50 por 100. como promedio. la mitad de las cuales son defectuosas. la calidad media de salida es defectuosa al 25 por 100. cada uno de los grupos de unidades de los que se selecciona una muestra de uno puede ser considerado un lote. esto es. y el daño que causa a las relaciones entre fabricante y receptor es incalculable. Este análisis de riesgos es lo que diferencia al muestreo científico de la inspección localizada. En la práctica. teóricamente. Suponiendo que se reemplacen las defectuosas por otras buenas. Siempre que sea posible. simplemente. La insuficiencia de este plan de muestreo es evidente. INTRODUCCIÓN A LA GARANTÍA DE CALIDAD Y EL CONTROL DE ACEPTACIÓN 225 muestreo sancionados. y una buena la otra mitad. en la inspección localizada de aceptación. Con frecuencia. la calidad no será generalmente tan mala. resulta evidente que debe someterse a inspección aproximadamente la mitad del pro- ducto. así que la mejora general en calidad supone un 25 por 100. la mejora total supone la eliminación del 25 por 100 del producto defectuoso. Los «lotes» promediarán un 50 por 100 de defectuosos.000 unidades. en consecuencia. para rectificar tal situación es práctica habitual examinar todas las unida- des fabricadas entre la unidad defectuosa inspeccionada y la unidad inspeccio- nada antes. La mitad de los «lotes» que se someten a un examen de inspección debería. éste debe recono- cer que está asumiendo la responsabilidad del fabricante en lo tocante a calidad y que. En cualquier caso. Es caro el precio que hay que pagar tanto por concepto de tiempo de inspección. Si la calidad entrante es muy buena. con objeto de que el receptor tenga la máxima seguridad. pero no importa cuál sea. En aquellos casos en que se considere necesaria una inspección 100 por 100 por parte del receptor. la condición óptima se logra cuando el fabricante reconoce sus responsabilidades con respecto a calidad y adopta las medidas necesarias para controlarla. Con una cantidad de aceptación de 0. la inspección localizada (sin un completo análisis de riesgos) no distinguirá de forma eficiente entre lotes buenos y malos. no es probable que mejore la producción de calidad. . la calidad del produc- to fabricado es defectuosa al 25 por 100. la mitad de los muestreos (5) mostrará unidades defec- tuosas. debe preferirse el método lote por lote. Los lotes que se aceptaron eran. lo que supondrá que se someterán a un examen de inspección alrededor de 500 unidades. pero sólo cuando han sido analizados los riesgos para productor y receptor en el uso del plan. Además de esta carga adicional. Como consecuen- cia. Como promedio. esto es. casi resultará igual de eficiente y seguramente más barato no realizar inspec- ción alguna. ¿qué ocurre con las unidades defectuo- sas aceptadas porque se seleccionó una unidad buena en la muestra? En el análisis del plan. Vamos a utilizar números para aclararlo: Supongamos un lote de 1.

Como el número de elementos en cada lote es grande.» Al expresar la calidad del producto cuantitativamente como «fracción defec- tuosa». se acepta la hipótesis y se considera el lote satisfactorio. o error de rechazar una hipótesis indiferente cuando de hecho es cierta. se rechaza la hipótesis (y también el producto). Entonces la prueba de hipótesis de control de aceptación supone probar la hipótesis indiferente H0: q = 0.005 = 0.005 Un error de tipo I. podría realizarse una prueba factible de la hipótesis como sigue. el receptor trata de establecer si es aceptable todo el lote. El receptor especifica un nivel apropiado Į que este error no debe superar. el receptor puede indicar un nivel satisfactorio de calidad como 1/2 por 100 o q = 0.226 CONTROL DE CALIDAD PRUEBA DE HIPÓTESIS EN CONTROL DE ACEPTACIÓN Todas las técnicas de aceptación suponen la prueba estadística de una hipótesis.005 contra H1: q> 0. el receptor está diciendo: «Aceptaré que la calidad del producto es satisfactoria. se toma una muestra tamaño n de 50 elemen- tos. Cuando Ho es cierta y q es 0. el número que se espera de elementos defectuosos en la muestra es c' = n x q = 50 x 0. En el proceso de inspeccionar o probar una muestra de unidades de un lote ofrecido por el proveedor. Si se encuentra c o menos elementos defectuosos en dicha muestra. la probabilidad condicional de X P R (X|H 0 es cierta) • 1 .Į Si el receptor considera que 1/2 por 100 defectuosa es una calidad satisfac- toria y quisiera limitar el error de tipo I al 5 por 100. a no ser que se presente una abrumadora evidencia estadística en contra. Si se encuentran c + 1 elementos defectuosos. supone el rechazo de un lote satisfactorio. H0: La calidad del producto es.005. Tal determinación supone probar la hipótesis (hipótesis indife- rente). satisfactoria contra una hipótesis alternativa H1: La calidad del producto es insatisfactoria Cuando se prepara la prueba de este modo. Se prueba una muestra tamaño n.25 . Si X representa el suceso de observar el resultado de una prueba específica de una muestra.005.

Cuando se seleccione una muestra de n elementos de este lote. o la cantidad promedio de elementos defectuosos hallados en la muestra. la distribución hipergeométrica compleja puede ser aproximada por la distribución de Poisson más fácilmente manejable con el mismo valor esperado. Es algo menor que el 5 por 100 deseado. En la sección se toman x elementos defectuosos de un total de Nq defectuosos. pero resulta definitivamente aceptable. puede incluir cierto número de elementos defectuosos. Cuando la media es 0. de la calidad del lote. N — Nq. naturalmente. serían elementos buenos. O x eO (nq ) x e  nq Pr( x) donde O nq x! x! . c) la probabilidad de que un lote particular sea aceptado dependerá. Este procedi- miento se llama muestreo de aceptación y el par de números n y c se conocen como plan de muestreo.05). INTRODUCCIÓN A LA GARANTÍA DE CALIDAD Y EL CONTROL DE ACEPTACIÓN 227 La distribución de probabilidades de los elementos defectuosos hallados en la muestra es aproximadamente una distribución de Poisson. están siempre presentes. Por tanto.974. por debajo de 0. Los restantes elementos. sería nq. Así que la distribución de Poisson casi siempre se usa como una aproximación válida a la vez que sencilla.05. La probabilidad de error del tipo I es de 2. o O = nq En la mayoría de las aplicaciones comerciales e industriales del control de calidad estas dos condiciones: que N sea relativamente grande con relación a n y que q esté por debajo de 0. la distribución de probabilidad de x sería una distribución hipergeométrica dada por (véase Capítulo 2) § N  Nq ·§ Nq · ¨ ¸¨ ¸ © n  x ¹© x ¹ Pr(x) = §N· ¨ ¸ ©n ¹ El valor esperado de x.1) de 0. la probabilidad de obtener 1 ó 0 elementos defectuosos es (a partir de las probabilidades acumuladas de la distribución de Poisson de la Tabla A3. se consideraría satisfactorio el lote y se aceptaría.6 por 100.25. El procedimiento completo para probar la hipótesis sería inspeccionar una muestra de 50 elementos tomados de un lote grande y si sólo se hallasen 1 ó 0 defectuosos. digamos x. CARACTERÍSTICA OPERATIVA DE UN PLAN DE MUESTREO Usando cualquier plan de muestreo («. el lote contendría Nq elementos defectuosos. y se toman n — x elementos buenos de los restantes N — Nq buenos. Siempre que el tamaño del lote sea muy grande con relación al tamaño n de la muestra y la fracción q sea muy pequeña (por ejemplo. Si el lote que contenía N elementos tenía una calidad q.

2 muestra la curva OC del plan de muestreo n = 50. La Figura 9. Curva característica operativa para el plan de muestreo n = 50. del número crítico c y de la calidad q del lote. Dado que la probabilidad de aceptación de un lote es una función del tamaño n de la muestra. cuando se especifica un plan de muestreo (cuando se fijan n y c). Esta relación funcional entre probabilidad de aceptación de un lote y su nivel q de calidad se llama característica operativa del plan de muestreo. la probabilidad de aceptación es una función de q. La curva se llama también curva característica operativa o curva OC del plan de muestreo.1) + Pr(c) Otra interpretación de esta ecuación es que la probabilidad de aceptación sea igual que la acumulativa hasta c de una distribución de Poisson con parámetro O = nq.1.2.228 CONTROL DE CALIDAD La probabilidad de que sea aceptado un lote de calidad q será la probabili- dad de que el número observado de elementos defectuosos x sea igual o menor que el número crítico c: Pr(aceptación) = Pr(x ” c) = Pr(0) + Pr(l) + … + Pr(c . c = 1. Figura 9. c = 1. La relación suele presentarse de forma gráfica como una curva con q representada en el eje horizontal y Pr(aceptación) en el eje vertical. Estas probabilidades acumulativas aparecen tabuladas por pares de valores de c y O en la Tabla A3. .

Punto 3: Pr(aceptacióri) = 0. también debería incluir la división exacta de la proporción de costos que recaerán sobre el proveedor y el consu- . ya que deben someterse a prueba gran cantidad de elementos. INTRODUCCIÓN A LA GARANTÍA DE CALIDAD Y EL CONTROL DE ACEPTACIÓN 229 En el Capítulo 10 se describe paso a paso un procedimiento para construir una curva OC para cualquier plan de muestreo especificado. presenta dos ventajas: primera. q = calidad inaceptable q2. la inspección de rectificación es más cara. Se denomina punto de riesgo del fabricante. Es fácil ver que cada curva OC tendrá cinco puntos específicos: Punto 1: Pr(aceptación) = 1. Alternativamente. el lote puede ser sometido a inspección al 100 por 100. q = 1.00. Este punto garanti- za que la probabilidad de error de tipo II. q = calidad indiferente q1 Este punto define el nivel de calidad para el que la probabilidad de aceptación y rechazo son iguales. Punto 4: Pr(aceptación) = ȕ. Puede devolver- lo al proveedor y le pide que envíe un lote sustitutorio esperando que sea de mejor calidad. el menor costo de devolución de lotes rechazados resulta muy atractivo. Compara- da con la primera alternativa de rechazo total de los lotes. Se denomina punto de riesgo del consumidor.0. q = calidad aceptable q1 Este punto garantiza que la probabilidad de error del tipo I. Punto 5: Pr(aceptación) = 0. segunda. Al igual que el contrato especificará sobre quién recaen los costos de transporte o los impuestos. INSPECCIÓN DE RECTIFICACIÓN Cuando se rechaza un lote el consumidor tiene una opción. Sin embargo.5. q = 0. Tanto la mejora de la calidad como la no interrupción del abastecimiento son problemas críticos. La elección entre las dos alternativas citadas viene dada por el tipo de uso que se dé a los elementos inmediatamente después de recibirlos. no se interrumpe el abastecimiento. Este punto afirma que todos los elementos del lote son defectuosos y que el lote nunca sería aceptado. se almacena el producto. Efectivamente. por el contrario. o error de aceptar un lote de calidad inaceptable es ȕ. Todos los planes de estándares militares descritos en el Capítulo 11 incluyen la devolución de lotes rechazados. Si se usa el producto de forma ininterrumpida en un proceso de fabricación continuo o se vende sin mucha demora. se mejora la calidad del producto aceptado puesto que los lotes que se someten a inspección de rectificación ya no incluyen elementos defectuosos. es preferible recurrir a la inspección de rectificación. tanto proveedor como consumidor asumen idéntico riesgo. Este punto afirma que el lote siempre será aceptado si no contiene elementos defectuosos. es Į. Punto 2: Pr(aceptación) = 1 – Į. Si. El problema de quién debe hacerse cargo del costo adicional de la inspec- ción de rectificación hay que resolverlo en el momento de negociar los contra- tos de abastecimiento. Se espera que el proveedor reemplace todos los elementos defectuosos que se hallen. o error de no aceptar un lote de calidad aceptable. Este procedimiento de inspección de todos y cada uno de los elemen- tos de los lotes rechazados se llama inspección de rectificación.

se puede calcular la mejora en la calidad mediante el análisis siguiente. Todos y cada uno de los elementos defectuosos serán probados y sustituidos por un elemento capaz de ser utilizado adecuadamente. Sea q la calidad de los lotes tal como los presenta el proveedor y P(d) la correspondiente probabilidad de aceptación usando el plan de muestreo (n. L · P(a) de los L lotes serán aceptados. Sea la calidad entrante defectuosa en un 4 por 100.406 q' = P(a) · q = 0. CALIDAD MEDIA DE SALIDA Una de las ventajas de la inspección de rectificación es que sirve para mejorar la calidad del producto recibido.01624 . No se aceptarán elementos defectuosos: cantidad total de elementos defectuosos aceptados = = L · P(a) · N · q + L(1 . Esto significa que todos los elemen- tos defectuosos que contengan seguirán estando presentes en el producto acep- tado. Ejemplo 9. c). la calidad del producto recibido cantidad de elementos defectuosos recibidos q' cantidad de elementos recibidos L ˜ P(a) ˜ N ˜ q P (a ) ˜ q L˜N La calidad q' se denomina calidad media de salida del plan de muestreo (n. Como cada lote contiene N elementos y la calidad es q. c).P(a)) · N ·0 = = L · P(a) · N · q Como la cantidad total recibida es L · N. c) y a q se le denomina calidad de entrada.04 = 2 P(a) en la Tabla A3. pueden llevar a largos y costosos litigios.230 CONTROL DE CALIDAD midor. 1) al que nos referimos anteriormente.406 x 0. Cuando se someten L lotes a N elementos cada uno a un muestreo de aceptación usando un plan de muestreo («. Si existen malos entendidos sobre dicha división. L(1 — P(a)) lotes pasarán a una inspección de rectificación.1 = 0. habrá N · q elementos defectuosos en cada uno y se aceptarán (L · P(a) · (N · q)) elementos defectuosos. nq = 50 x 0.04 = 0.1 Consideremos el plan de muestreo (50.

la curva entera se suele llamar. c = 1. Calidad media de salida del plan de muestreo n = 50.624 por 100. una fracción 1 — P(a) de los lotes será rechazada. Viene como consecuencia de un costo extra de inspección (y prueba) de todos los elementos de los lotes rechazados. Sin embargo. Después del rechazo. El máximo alcanzado por esta curva representa la peor calidad de salida posible para cualquier nivel de calidad de entrada.3 muestra la relación entre la calidad de entrada y la media de salida del plan de muestreo (50. .P(a)) Esta calidad se denomina inspección media total (ATI). Se llama límite de calidad media de salida (AOQL). Por tanto. los N — n elementos que aún se mantengan tendrán que ser inspeccionados. representa la peor calidad de producto aceptada o el riesgo mayor al que se enfrenta el consumi- dor. esfuerzo total de inspección = = n elementos de la inspección de muestreo = = + (1 – P(a))(N — n) elementos en la inspección de rectificación = = n + (1 – P(a))(N . Figura 9.3. INTRODUCCIÓN A LA GARANTÍA DE CALIDAD Y EL CONTROL DE ACEPTACIÓN 231 La mejora es de una calidad de entrada defectuosa al 4 por 100 a una calidad media de salida defectuosa al 1. Cada lote sometido a un plan de muestreo (n. En cierto modo este límite. INSPECCIÓN TOTAL BAJO INSPECCIÓN DE RECTIFICACIÓN La mejora de calidad consecuencia de una inspección de rectificación no es gratuita. c) exigirá la inspección de n elementos.n) = nP(a) + N(1 . La Figura 9. 1). la peor calidad de salida. también curva AOQ.

406) + 1.3 + 594 = 614. MUESTREO DOBLE Y MÚLTIPLE El plan de muestreo n = 50.P(a)) = (50 x 0. r2 = c2 + 1. o 3) hacer un segundo muestreo. c = 1.3 Un plan de doble muestreo se da así: n1 = 80 c1= 0 r1=3 n2 = 80 c2= 3 r2 = 4 .0. El modo de operar de un plan de doble muestreo se ilustra en el siguiente ejemplo.2 Para ilustrar el concepto de ATI utilizamos el mismo plan de muestreo (50.232 CONTROL DE CALIDAD Ejemplo 9. la inspección media total es ATI = nP(a) + N(1 .000 (1 . Después de la inspección de la segunda muestra sólo quedan dos decisiones posibles: 1) aceptar el lote.000. Obviamente. Esta cifra puede compararse con los únicamente 50 elementos que se inspeccionaban en el muestreo de aceptación sin inspección de rectificación. y 2) rechazarlo. Ejemplo 9. se llama plan de muestreo único porque la decisión de aceptar o rechazar el lote se toma después de inspeccionar una única muestra. El tamaño del lote es de N = 1. En un plan de muestreo doble la posible decisión después de la inspección de la primera muestra podría ser: 1) aceptar el lote. Un plan de muestreo doble viene definido por los siguientes parámetros: Para la primera muestra: n1 = tamaño de la muestra c1 = cantidad de aceptación r1 = cantidad de rechazo Para la segunda muestra: n2 = tamaño de la muestra c2 = cantidad de aceptación r2 = cantidad de rechazo El número c2 de aceptación es la cantidad de defectos permisibles en ambas muestras (primera y segunda) tomadas juntas. 2) rechazarlo.406) = 20. para garantizar una decisión definitiva después de la segunda muestra. 1) y la misma calidad de entrada (4 por 100).3 Bajo inspección de rectificación se inspecciona un promedio de unos 614 elementos de cada lote. Entonces.

el MIL-STD-105D. tomar una muestra de 80 unidades. Para obtener Pr(x = c) es necesario hallar la diferencia entre Pr(x ” c) y Pr(x ” c .921 . Supongamos que la calidad del producto sometido a inspección (calidad de entrada) es defectuosa al 2 por 100.1 se obtienen las probabilidades dadas en la Tabla 9. INTRODUCCIÓN A LA GARANTÍA DE CALIDAD Y EL CONTROL DE ACEPTACIÓN 233 El procedimiento operativo bajo este plan es el siguiente.202. Dicho estándar se describe con mayor detalle en el Capí- tulo 11.3 los tamaños de los lotes.138 0. 1 elemento defectuoso en la primera y (2 o menos) en la segunda muestra.6 (Nota: las probabilidades de la Tabla A3. Probabilidades de aceptación c Pr(x = c) Pr(x ” c) 0 0.02 n1 p = n 2p = 80 x 0.323 x 0. Si la inspección de esta muestra revela 0 defectos. Después de la inspección de la primera muestra y hasta llegar a la (k — l)ésima. B.1 son probabilidades acumulativas. Si no es así.1355 probabilidad total de aceptación = 0. se puede adoptar tres posibles decisiones: aceptar. Si pone al descubierto 3 o más unidades defectuosas.525 = 0.2 para np = 1.202 + 0.2.323 0. tomar una segunda muestra de 80 unidades. rechazarlo.258 0.02 = 1. TABLA 9.2529 + 0. La aceptación después de la segunda muestra se puede hallar de dos modos diferentes: A.2529 Pr(B) = 0. después de la inspección de la segunda muestra. Este estándar sólo usa planes de siete niveles en muestreo múltiple.783 = 0. Después de la inspección de la última muestra sólo ha dos decisiones posibles: aceptar o rechazar el lote. aceptar el lote.5904 Los planes de muestreo múltiple de k niveles operan de la misma forma.1)). rechazarlo. esto es Pr(x ” c).6 En la Tabla A3. rechazar o tomar una nueva muestra.202 0.202 1 0.783 3 0.258 x 0. Esto no es una exigencia para los planes de muestreo doble ni múltiple. el número total de elementos defectuosos hallados en la primera y segunda es 3 o menos. Si el número de elementos defectuosos es 1 ó 2. Si. En primer lugar. Probabilidad de aceptación en la primera muestra = Pr(x = 0)= 0. que es el más aplicado de los planes de muestreo. aceptar el lote. Pr(A) = 0. ¿Cuál es la probabilidad de que sea aceptado este producto? p = 0. Sin embargo.1355 = 0. 2 elementos defectuosos y en la primera (1 o menos) en la segunda muestra.525 2 0. n1 y n2. se basa en la premisa de mantener siempre el mismo tamaño de muestra. eran de 80 en ambos casos. En el ejemplo 9.

c1 = 1.2. Se compra un producto en lotes de 60 elementos cada uno. Un plan de muestreo único se da como n = 15. a) ¿Cuál es la calidad de indiferencia implícita para cada proveedor? b) ¿Es un plan justo para todos los proveedores? . Si el lote resulta rechazado en la primera muestra.5. se acepta el lote.234 CONTROL DE CALIDAD PROBLEMAS 9. Según este plan.10.8. 6.000 y 10. sino que se inicia inmediatamente una inspec- ción de rectificación. ¿cuáles serían las ventajas y desventajas de seleccionar el plan de mues- treo doble? 9.3. c = 2. c = 3. ¿Qué plan minimiza ATI? ¿Qué plan da el mejor AOQ? ¿Qué plan se escogería? 9.6.3. Analizar las relaciones entre fabricante y receptor estudiadas en el capítulo para identificar ventajas y desventajas.6 y el tamaño del lote es 3. c = 3. Calcular la probabilidad de aceptación de un lote defectuoso al 2 por 100. y 3) n = 80. ¿Cuáles serían las probabilidades de aceptación de lotes que son defectuosos al 3. Si se encuentran uno o dos elementos defectuosos. n2 = 100. 9. n = 120. 9.000 elementos respectivamente.) 9. ¿Cuál es la calidad de indiferencia? ¿Cuál es la calidad de un lote que tiene un 95 por 100 de probabilidad de aceptación? 9. no se toma una segunda.9. El fabricante usa un plan de muestreo preparado al efecto. ¿Cuál es la calidad media de salida? 9. Un plan de doble muestreo viene dado por nl = 100. Si un plan de muestreo único y otro doble ofrecen la misma protección contra riesgos. Se presenta un lote defectuoso al 5 por 100 para un plan de muestreo único con inspección de rectificación. 1. se inspecciona un 10 por 100 de cada lote.000. 2) n = 50. Se proponen tres alternativas para la inspección de muestreo: 1) n = 32. c2 = 3. Calcular el AOQ y ATI de cada plan si la calidad de entrada es defectuosa al 2 por 100. c = 3. Si se usa inspección de rectificación junto al plan del problema 9. c = 1. Calcular la inspección media total para el lote del problema 9. 10 y 18 por 100? 9.7. Un plan de muestreo único viene dado por n = 120. c = 1.4.1. ¿cuáles serían AOQ y ATI? (Nota: La inspección de rectifica- ción se usa después del rechazo. Y y Z envían sus productos en lotes de 100. Un fabricante compra componentes a tres proveedores. Los proveedores X. 9.

cargando los costos de este trabajo al productor. productor y receptor suelen acordar que: 1) los lotes que se acepten en virtud del plan de muestreo lo serán con excepción de las unidades defectuosas halladas al realizar el mues- treo. La exigencia de suministrar «lotes» de productos contribuye a su homogeneidad y. 3) los lotes que se sometan de nuevo a inspección sólo lo serán para controlar aquellos defectos que produjeron el rechazo original u otros que pudieran haberse producido durante el proceso de rectificación. siempre que sea posible. En la actualidad es el método de muestreo más utiliza- do para aceptación de lotes. dan al proveedor una máxima motivación para no ofrecer más que unidades de buena calidad. También los consumidores admiten que. Se suele escoger esta opción cuando se necesita el material con suma urgencia. en un único lugar determinado. y en donde la inspección es del tipo por atributos (aceptación o rechazo). Se considerarán. En general. fundamentalmente. es preferible exigir a los proveedores el material en forma de lotes estáticos en vez de continua. merced a la consciencias sobre el costo del rechazo de un lote. en los casos en que se presenta a inspección de forma estática un número múltiple de unidades. las consecuen- 235 . las cuales serán sustituidas por otras de buena calidad. Algunos receptores optarán por revisar al 100 por 100 los lotes rechazados. tratándose de inspecciones lote a lote. Para establecer la calidad de un determinado lote de productos se pueden utilizar una o varias muestras. el objetivo es que el productor cargue con el costo de rectifi- cación. especialmente. debido. a que es eficaz y fácil de entender y aplicar. En cualquier caso.10 Muestreo de aceptación por atributos. 2) los lotes recha- zados serán devueltos al productor para que éste proceda a su rectificación. lote a lote Este tipo de muestreo se aplica. Hay ciertas diferencias en estos acuerdos. en primer lugar.

236 CONTROL DE CALIDAD cias de un plan simple de una sola muestra para entender perfectamente el riesgo.20 0. Px = probabilidad de aceptación. p' = fracción defectuosa.70 0. PĮp’ = AOQ = calidad media de salida.95 0. CONSTRUCCIÓN DE LA CURVA OC DE UN PLAN DE MUESTREO SIMPLE POR ATRIBUTOS Un típico plan de muestreo simple es n = 300 y c = 5 (siendo n = tamaño de la muestra y C = número de aceptación). Los planes de muestreo para la aceptación lote a lote que consisten en una muestra del tamaño n y una cantidad c de aceptación se basan en la distribu- ción de Poisson de unidades defectuosas en el lote.05 0. Colocar los títulos de las diferentes columnas y la columna PĮ de la forma siguiente: n np' P' PĮ PĮP' 0. La distribución binomial subyace en la mayoría de los casos de muestreo por atributos. Habrá que recordar que la misma se aproxima a la binomial cuando p' ” 0.10 y np' < 5. así que resulta perfectamente lógico hacer una aproximación y servirse de la distribu- ción de Poisson. Esto puede interpretarse como una orden para tomar una muestra representativa de 300 unidades para inspec- cionar y aceptar si hay cinco o menos unidades defectuosas en la muestra.02 donde n = tamaño de la muestra. del tipo por atributos. La decisión de aceptarlo o rechazarlo se basa exclusivamente en los resultados de ese único muestreo. En un muestreo sobre una sola unidad.50 0. . se toma una unidad representativa del lote y la decisión sobre su aceptación o rechazo se basa en los resultados que se obtengan de dicha muestra única. Trazaremos la curva aquí para mostrar el método de creación de una curva OC para cualquier plan de muestreo.98 0. ¿Cuáles son los riesgos para productores y receptores que utilicen este plan? Una manera adecuada de expresarlos gráfica- mente es mediante la curva de característica operativa del plan de muestreo (véase Capítulo 9). El método paso a paso para obtener la curva OC de un plan de muestreo único es el siguiente: 1. si el número de unidades defectuosas es superior a cinco habrá que proceder al rechazo. np' = número de productos defectuosos.

00526 300 10.02 0.05 0.210 0.0067. (Si no se encuentra el valor exacto. LOTE A LOTE 237 Los valores seleccionados de PĮ darán valores de las ordenadas que.00827 300 4. 4. Construcción de la tabla n np' P’ PĮ PĮp' 300 0.0187 0.0008 La columna PĮp’ es necesaria para establecer los valores de las ordenadas indispen- sables para la representación gráfica de una curva AOQ (calidad media de salida).6 0. debería cambiarse el valor en la columna PĮ con objeto de que se corresponda con el de la tabla.983 es 2.20 300 0. al coordinarlos con los valores de p' que se deriven irán dando lugar a la curva OC.0 0. Se sigue el mismo procedimiento para cada uno de los otros valores de PĮ hasta completar la tabla: n np' p' PĮ PĮp’ = AOQ 300 2.1 bajo c = 5.983.4 0.035 0. Colocar el valor de np' asociado con el PĮ seleccionado en la columna np'.0 0. Hallar np' y p'.50 300 0.951 0. Ejemplo 10.95 300 0.025 0.00175 300 12. da p' = 0. hallamos un valor de Pa de 0. Dividir por n el valor de np'.) 3.00957 300 7. Al buscar en la Tabla A3.72 0.98 300 0.0067 0.0147 0.05 300 0. Buscar en la Tabla A3. Al ser dividido por n = 300 este valor de np'. El valor np' asociado a un valor PĮ de 0.6 0. Esto dará la coordenada p' de PĮ para la curva OC.0087 0. 2.70 300 0.04 0.0106 300 5.1 bajo el valor dado de c hasta encontrar el Pa deseado (o el valor más próximo a dicho PJ. en la .983 0.512 0.1 Determinar la curva OC del siguiente plan de muestreo simple: n = 300 c=5 1. Este es el más próximo a 0.02 2.5 0.0.98.8 0.0065 300 2. MUESTREO DE ACEPTACIÓN POR ATRIBUTOS.

238 CONTROL DE CALIDAD que p' representa las abscisas y PĮp’. a) curva característica operativa. Figura 10. La Figura 10. arbitrariamente seleccionados. El lector podrá observar que los puntos PĮ. permiten el trazado de curvas suaves. las ordenadas. y b) curva de calidad media de salida para el plan de muestreo en que n = 300 y c = 5.1.1 muestra ambas curvas trazadas según los datos de la tabla anterior. .

Supongamos. ȕ = riesgo del consumidor = riesgo de aceptar un pro- ducto que es definitivamente insatisfactorio (usual- mente establecido en PĮ = 0.0083 Plan ȕ: p'ȕ = 0.03 = LTPD1 Plan AOQL: p'AOQL = 0.015 Plan del punto de indiferencia: p'0. Han sido seleccionados porque representan los puntos normales de identificación en la derivación de planes de muestreo. Por ejemplo. por lo que ȕ = 0.95. Lo" que varía es el método de definir el plan. AOQL = límite de calidad media de salida = promedio máxi- mo de calidad de salida como consecuencia de la aplicación del plan y de las medidas de rectificación establecidas anteriormente. MUESTREO DE ACEPTACIÓN POR ATRIBUTOS. Los estándares LTPD (porcentaje de tolerancia de elementos defectuosos del lote) y AOQL se usan en las conocidas tablas Dodge-Romig. LOTE A LOTE 239 Se han identificado varios puntos en las dos curvas. que se desea establecer el riesgo del fabricante (Į = 0. .0095 El plan es el mismo. por lo que Į = 0. c = 5. Ahora que ya hemos definido los distintos puntos de riesgo de las caracte- rísticas operativas.10. en términos de su funcionamiento esperado se identifica de las maneras siguientes: Plan Į: p'Į = 0. Los planes Į se llaman también AQL (nivel de calidad aceptable. Primero hay que formular una opinión técnica con relación a los puntos Į y ȕ de la curva. AQL se acepta en casi todo el mundo como base de los planes de muestreo y todos incluidos en los estándares militares (MIL-STD-105D o Estándar ABC) se basan en AQL. Resul- ta evidente de inmediato que el funcionamiento garantizado se designa con referencia a un punto de la curva OC o de la curva AOQ. Lo convencional es identificar planes en términos de funcionamiento. Estos puntos son: Į = riesgo del fabricante = riesgo de rechazo de un pro- ducto que debería ser satisfactorio (usualmente esta- blecido en PĮ = 0.10. AQL = p'Į). ȕ es la probabilidad de error del tipo II).10 se llama porcentaje de tolerancia de elementos defectuosos del lote (LTPD). el plan n = 300. Un plan está definido específicamente cuando se han especificado los valores p' en los puntos Į y ȕ. por ejemplo. Punto de indiferencia = calidad de indiferencia (p') donde fabricante y consu- midor asumen los mismos riesgos en la aplicación del plan. que estudiaremos con mayor detalle más adelante. Į es la probabilidad de error del tipo I).05.50 = 0.005) de forma que los lotes sometidos a inspección 1 El nivel de calidad o proporción de unidades defectuosas en el lote cuando ȕ = 0. podría resultar útil derivar un plan de muestreo único en que no se hubieran determinado el tamaño de la muestra y la cantidad para aceptación.

Reproducimos aquí parte de la tabla: El 0.3 R 46 p1 np1 np para la probabilidad de aceptación 0.06 R 6 p1 0.10 Si el plan de muestreo es (n. Normalmente los dos puntos especificados son el punto de riesgo del fabricante y el de riesgo del consumidor.05 Sin embargo. Si en el plan c = 0.2 nos da los valores de np necesarios para obtener la deseada probabi- lidad de aceptación para diferentes cantidades críticas. ¿Qué plan de muestreo sencillo cumplirá tales requisitos? DESARROLLO DE UN PLAN SENCILLO DE MUESTREO DE ATRIBUTOS Cuando se han especificado dos puntos de la curva OC de un plan de muestreo. la probabilidad de acepta- ción tendría que ser 1 — Į = 0. Los títulos de las filas son las cantidades críticas c y en las columnas figuran las probabilidades de aceptación p(A).05 p2 = 0. Ejemplo 10.35. y el riesgo del consumidor (ȕ = 0.95 0. el cociente R deseado sólo es 6: p2 0.35 marcado indica que para que una cantidad crítica c = 1 logre una probabilidad de aceptación de 0.95. siendo n·p1 la cantidad esperada de elementos defectuosos en la muestra.2 Proyectar un plan de muestreo que se aproxime a lo siguiente: p1 = 0.01 Į = 0.10 2.240 CONTROL DE CALIDAD de calidad defectuosa 1 por 100 sean rechazados el 5 por 100 de las veces. el valor de np debe ser 0. Esta tabla es muy útil para proyectar un plan de muestreo. c) en el nivel de riesgo del fabricante. La Tabla A3. entonces p 2 np 2 np para la probabilidad de aceptación 0. es posible proyectar un plan que se acerque al cumplimiento de tales requisitos.01 .95.10) para que los lotes defectuosos al 6 por 100 no se acepten más de un 10 por 100 de veces.06 ȕ = 0.

Si utilizamos c = 2.3 n 88 p2 0.1 2 6.10 = 6 por 100. y a un nivel de calidad p2 = 0. c = 2 sería el que más se aproximara a las especifica- ciones. es imperativo que la cantidad crítica c sea un número entero. Se acepta un tamaño de muestra de 85 (promedio entre 82 y 88).01 El tamaño de la muestra calculado en el punto de riesgo del consumidor es np2 5.06. Para este plan a un nivel de calidad p1 = 0. Probando otros números críticos dará: c R 0 46 1 11.82 n 82 p1 0. el tamaño de la muestra calculado en el punto de riesgo del fabricante es np1 0.9 c = 2 nos da el cociente más próximo al valor de 6 deseado. LOTE A LOTE 241 Está claro que c = 0 no daría un plan de muestreo satisfactorio. El plan de muestreo n = 85. ya que el cociente R difiere en 6.5 3 4. La curva completa OC aparece en la Figura 10.10. ȕ es 0.06 Estos dos valores no son iguales.2. Sin embargo. . Figura 10. MUESTREO DE ACEPTACIÓN POR ATRIBUTOS. a es 0.2. 100 pE 0.05 = 1 por 100. Curva característica operativa y cálculos del plan de muestreo sencillo de atributos ' ' para cumplir con 100 pD 0.01.055.

sino que el riesgo =de aceptar producto de peor calidad que la deseada (suponiendo que 100 pD' 0. Los planes de muestreo de las curvas (a). El plan de la Figura 10. Por otra parte. aunque se permitan más elementos defectuosos en las muestras.2 aceptará lotes 6 por 100 defectuosos en casi el 10 por 100 de los casos. Cuanto mayor sea la muestra.1 no aceptará virtualmente lotes de calidad defectuosas al 6 por 100.1.005 =1 por 100 (planes que incluyen defectos). Sin embargo. ya que proporciona riesgos más favorables al consumidor.2 muestra que. los planes de cero defectos generalmente penalizan más al productor que los que permiten uno o más elementos defectuosos. Esto no quiere decir.3. Curvas OC comparativas.0 es el estándar) es menor con éste. Sin embargo.3 le responde con claridad. La Figura 10. proporcionan mejores riesgos tanto al fabricante como al consumidor.242 CONTROL DE CALIDAD ANÁLISIS E INTERPRETACIÓN DE LA CURVA CARACTERÍSTICA OPERATIVA La comparación entre las dos curvas OC de las Figuras 10. se trata de un plan de aceptación mejor.005 1. El lector curioso podría preguntarse por qué se permiten elementos defec- tuosos en la muestra. A medida que se van permitiendo más elementos defectuosos en la muestra. pese al gran número de elementos defectuosos que permite el plan de la Figura 10. cada plan tiene casi los mismos requisitos de calidad defectuosa al 1 por 100. que sea mejor desde el punto de vista económico. Sin embargo. El plan de la Figura 10. planes de aceptación cero y 100 pD 0. necesariamente. Los planes de cero defectos se caracterizan por sus tendencias ascendentes y cóncavas. (b) y (c) son planes de cero defectos. presentan riesgos totalmente diferentes. Para el consumidor. las curvas recuerdan eses invertidas. el factor más importante al utilizar la muestra es su tamaño absoluto. . menor será el riesgo para el consumi- ' Figura 10.1 y 10.

01 Į = 0. Proyectar un plan de muestreo sencillo que se aproxime a los siguientes requisi- tos: p1 = 0.02 Į = 0. c = 2.05. iii) Calidad indiferente.15 ȕ = 0. como quiera que la curva (e) tiene un tamaño de muestra mayor que la curva (d). 10.10.2. Este plan de muestreo acepta todos los lotes de calidad al 1 por 100 o mejor y rechaza todos aquellos cuya calidad sea peor que un 1 por 100 de defectuosos. c = 4.03 Į = 0. Proyectar cuatro planes de muestreo que incluyan los puntos p1 = 0.5. Esta curva es inalcanzable por medio del muestreo.06 ȕ = 0.05 p2 = 0.09 10. Sin embargo. Proyectar un plan de muestreo sencillo que se aproxime a los siguientes requisi- tos: p 1 = 0.08 10.05 LTPD = 0.3. Situar los siguientes puntos en cada plan: i) Į = 0.1. ii) ȕ = 0. MUESTREO DE ACEPTACIÓN POR ATRIBUTOS.4.12 10. c = 1. PROBLEMAS 10. iv) AOQL. Las curvas (d) y (e) son planes que permiten elementos defectuosos en la muestra. LOTE A LOTE 243 dor.10 Calcular el promedio de inspección total para cada uno de dichos planes si la calidad de entrada es 0. . sin embargo. c) n = 100. Comparar las curvas (d) y (e) ilustra esto muy gráficamente. a medida que aumenta el tamaño de la muestra.02 Į = 0. permitir uno o más elementos defectuosos supone menor riesgo de rechazo para el fabricante.08. el consumidor tiene un riesgo menor.05 p 2 = 0. c = 2. b) n = 50. Ambos representan básicamente el mismo riesgo para el fabricante.03 punto de indiferencia = 0. En contraste. Construir las curvas OC y AOQ para los siguientes planes de muestreo: a) n = 10. d) n = 200. la curva OC se acerca cada vez más a dicho ideal. La curva (f) es la OC ideal. Proyectar un plan de muestreo sencillo que se aproxime a los siguientes requisi- tos: p1 = 0.

11

Procedimientos de aceptación
basados en AQL

AQL son las iniciales que utilizamos para referirnos a nivel de calidad
aceptable, que es el nivel de calidad que el consumidor considera aceptable.
Cuando un procedimiento de aceptación se basa en AQL, su resultado es una
clara decisión de aceptación o rechazo del lote. No hay inspección rectificadora.
Cuando se establece el AQL a determinado nivel, digamos a un 0,4 por 100, el
consumidor está informando al productor de que los lotes con una fracción
mayor de elementos defectuosos tienen grandes probabilidades de ser rechaza-
dos. El procedimiento sólo especifica los riesgos de los productores. El consu-
midor no se compromete a realizar inspección rectificadora alguna, ni la acepta
por parte del productor.
Los procedimientos de aceptación que utiliza el Ministerio de Defensa de
Estados Unidos se basan, fundamentalmente, en AQL. Como quiera que dicho
Ministerio es el mayor consumidor del mundo, otros sectores industriales y
organismos oficiales, tanto en los Estados Unidos como en otros países, siguen
idénticas normas. Estos procedimientos se conocen como Estándar ABC o
MIL-STD-105D. En este capítulo utilizaremos la segunda nomenclatura, aun-
que ambas se pueden usar indistintamente.
El procedimiento MIL-STD-105D se ha convertido en la norma para pro-
cedimientos de inspección basados en AQL en todos los sectores industriales.
Existen otros planes tan buenos, pero ninguno ha alcanzado las cotas de
popularidad que goza el mencionado MIL-STD-105D, debida en parte a que es
el que suele utilizar el gobierno estadounidense al realizar sus compras. Pero,
además, incluye una serie de planes de muestreo relativamente fáciles de selec-
cionar, aplicar e interpretar. Y, si se usa junto con su anexo sobre «Administra-
ción de procedimientos de muestreo para inspecciones de aceptación», se con-
vierte en un sistema muy completo para administrar el funcionamiento del
muestreo de aceptación por atributos lote a lote.
245

246 CONTROL DE CALIDAD

CIRCUNSTANCIAS QUE ACONSEJAN EL USO DE AQL
Una inspección rectificadora, en la que los lotes rechazados son sometidos a
inspección al 100 por 100 y todos los artículos defectuosos son reemplazados
por otros de buena calidad, lleva a mejorar la calidad del producto que se esté
utilizando. Sin embargo, esto exige un precio a pagar que se manifiesta en el
incremento de inspección. Cuando el productor y consumidor forman parte de
la misma organización o empresa existen pocos problemas y los que surgen se
zanjan mediante algún tipo de compromiso. Pero cuando productor y consumi-
dor pertenecen a distintas organizaciones, con intereses contrapuestos, cual-
quier inspección rectificadora entraña diversos problemas. A algunos de ellos
nos referiremos acto seguido.
En primer lugar, ¿a quién deben cargarse los costos de dicha inspección?
Casi con toda seguridad, el productor se negará a aceptar el costo de inspección
adicional realizada por el consumidor, toda vez que ello equivaldría a aceptar
costos que no podría controlar ni determinar adecuadamente. Al mismo tiem-
po, tampoco parece probable que el consumidor acepte los resultados de una
inspección rectificadora realizada por el productor. No olvidemos que los
procedimientos de aceptación fueron creados para proteger los intereses del
consumidor y que resultarían superfluos si el consumidor tuviera tanta fe en el
productor. Por otra parte, tampoco resulta probable que el consumidor se
brinde a realizar la inspección y a asumir sus costos, toda vez que ello equival-
dría a pagar la mala calidad de los artículos del productor.
El segundo factor es de tipo psicológico. Cuando es el consumidor quien
ejecuta la inspección rectificadora y devuelve (o destruye) únicamente los ar-
tículos defectuosos, el productor carece de incentivos para mejorar su calidad.
El impacto psicológico que produce el rechazo de un lote completo es tremen-
do. Y presiona para que el productor trate de determinar las causas de su baja
calidad y efectúe las correcciones adecuadas.
El tercer problema incluye los términos y aspectos legales de los contratos.
Cuando el producto sometido a inspección es defectuoso en un 2 por 100 y
cada lote consta de 100 artículos, significa que en cada lote aceptado hay un
promedio de dos artículos defectuosos y 98 de buena calidad. El consumidor ha
firmado un contrato para recibir y pagar artículos de buena calidad. ¿Debe
pagar sólo los 98 que la tienen? El productor puede aducir que ciertos defectos
son inevitables. ¿No ha ajustado ya el precio para reflejar esta realidad?
Adoptar AQL no resuelve el dilema legal. Si resulta rechazado un lote de
100 artículos, defectuoso en un 4 por 100, en el mismo habrá un promedio de
cuatro artículos defectuosos y 96 de buena calidad. Cuando el consumidor ha
aceptado contractualmente comprar artículos de buena calidad carece de base
legal para negarse a pagar los 96 que cumplen el requisito. En cualquier caso, es
necesario en todos los casos, redactar muy cuidadosamente los contratos de
compra y suministro.
En la actualidad, la elección de procedimientos de aceptación, ya sean
basados en AQL o en inspección rectificadora, se realiza después de una serie
de negociaciones entre productor y consumidor. Puede afirmarse, en general,
que los procedimientos basados en AQL favorecen al consumidor, en tanto que
los procedimientos que contemplan una inspección rectificadora protegen al

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 247

productor. Es una falacia afirmar que los procedimientos de inspección rectifi-
cadora protegen al consumidor al limitar la calidad media de salida. Si se
dispone el AOQL en un 2 por 100 de artículos defectuosos, la calidad de salida
real estará muy cerca del límite del 2 por 100. La especificación de un límite
determina, en general, hasta dónde se puede llegar sin salirse de los límites
legales. Es una situación análoga a la del pago de impuestos. Cuando se dice
que el Impuesto sobre la Renta debe abonarse no más tarde del 15 de abril, la
mayoría de los contribuyentes entienden que ello implica que no más tarde del
15 de abril, pero no antes del 14.
En general, cuando el productor negocia desde una posición de fuerza, el
resultado será que se incluirá una inspección rectificadora entre los procedi-
mientos de aceptación. Esta posición de fuerza puede nacer de una situación
monopolística o de la gran ventaja que supone el tamaño o la capacidad
financiera del productor. Un ejemplo fue la gigantesca American Telephone
and Telegraph Company (predecesora directa de todas las empresas Bell Telep-
hone) como proveedora de equipos de telecomunicaciones a pequeñas empresas
y a particulares.
Cuando es el consumidor quien goza de una sólida posición negociadora,
como consecuencia de idénticos factores de monopolio, tamaño o capacidad
financiera, optará por un procedimiento de aceptación basado en AQL. El
Ministerio de Defensa de Estados Unidos, arquetipo de consumidor con una
sólida posición negociadora, creó su propio procedimiento de aceptación basa-
do en AQL: el MIL-STD-105D.

BREVE RESEÑA HISTÓRICA

La aceptación basada en muestreos estadísticos figuró por vez primera en el
departamento de Pertrechos del Ejército de Estados Unidos durante la segunda
guerra mundial. Los procedimientos de aceptación fueron diseñados por un
grupo de civiles expertos en estadística y de ingenieros civiles creado al efecto1,
reclutado básicamente entre personal de Bell Telephone y de la Universidad de
Columbia. Inicialmente, el Ejército y las Fuerzas Navales disponían de sus
propias tablas de procedimientos de aceptación por muestreo. Cuando las
Fuerzas Armadas fueron integradas en un solo Ministerio de Defensa, las
tablas de las Fuerzas Navales fueron adoptadas como Estándar 105 para el
Ejército y la Marina (JAN-ATD-105), en 1949.
La revisión de dichas tablas, en 1950, llevó a la publicación del MIL-STD-
105A. Las sucesivas revisiones de 1958, 1961 y 1963 se denominaron MIL-
STD-105B, MIL-STD-105C y MIL-STD-105D.
El último de dichos estándares fue adoptado por un grupo de trabajo
integrado por representantes de Canadá, Gran Bretaña y Estados Unidos que
trataban de crear un estándar común. Como tal estándar común, el MIL-STD-
105D es conocido también como Estándar ABC (America, Gran Bretaña,
Canadá) o ABC-STD-105.
1
Este grupo estableció las bases para la mayoría de los avances teóricos en control estadísti-
co de calidad, aunque sus trabajos no fueron publicados hasta el fin de la guerra.

248 CONTROL DE CALIDAD

APLICABILIDAD DE PROCEDIMIENTOS AQL
Los procedimientos de aceptación basados en AQL son aplicables a situa-
ciones de inspección de aceptación por atributos (generalmente, lote a lote),
para piezas componentes, subconjuntos y artículos finales. También se pueden
utilizar si se dan las condiciones apropiadas, en situaciones de carácter adminis-
trativo, por ejemplo, en muestreos de auditoría en cuestiones tales como gestión
de archivos, cuentas a cobrar, cargas laborales, existencias, etc. La inspección se
puede realizar en el punto de destino, de producción o de suministro. Se puede
utilizar para la aceptación en diversas etapas de la producción o al acabado del
producto.

DECISIONES INICIALES
Antes de incluir un procedimiento de aceptación basado en AQL, es preciso
adoptar determinadas decisiones preliminares que llevarán a la elección del
plan de muestreo de aceptación más adecuado a las circunstancias.
1. Nivel de calidad aceptable (AQL). Como este nivel de calidad es
aceptable para el consumidor, es deseable que el productor no sufra un
riesgo innecesariamente alto de rechazo de productos de esta calidad o
mejor.
2. ¿Qué es un defecto o un elemento defectuoso? Es aconsejable especificar
el concepto de elemento defectuoso con la mayor claridad y debe
figurar, a ser posible, en el contrato de compraventa. Las especificacio-
nes debieran mencionar también el proceso técnico a utilizar en la
inspección de un elemento, así como el costo de inspección de cada
elemento revisado.
3. Fracción de productos recibidos a inspeccionar, o cantidad relativa de
inspección. Si en un lote de TV elementos se inspeccionan n de ellos, la
fracción inspeccionada es n/N. En general, para un valor constante de a
(riesgo del productor), la fracción n/N disminuirá a medida que N
aumente. Cuando N se mantiene constante, la fracción crecerá, general-
mente, a medida que ȕ (el riesgo del consumidor) disminuya. Un tercer
factor que afecta a la cantidad relativa a inspeccionar es el costo de
dicha inspección. Si se espera un alto costo por elemento inspeccionado
ello indica que se ha optado por la inspección de una fracción más
pequeña.
En las normas militares, la inspección relativa se especifica en forma de
nivel. Para cualquier nivel de inspección se especifican planes que mantengan la
fracción n/N inspeccionada aproximadamente igual. La respuesta de cada plan
de muestreo dependerá del AQL. En todos los casos, si la calidad del producto
recibido y sometido a inspección está exactamente en el AQL, la probabilidad
de aceptación es de un 95 por 100. En este nivel de error tipo 1, se ha utilizado
Į = 5 por 100 como base para todas las versiones del MIL-STD-105D y sus
predecesores. La forma de la curva QC depende también de la relación entre
AQL y la fracción inspeccionada n/N. Cuando AQL es pequeño, la calidad es

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 249

alta y hay mucha menos unidades defectuosas. Para lograr la adecuada protec-
ción para fabricante y consumidor la fracción inspeccionada debe ser grande.
Visto de otra forma, si se establece la inspección relativa a cierto nivel, será
adecuada hasta cierto AQL. En mejores calidades (AQL más pequeño) se
puede mantener la protección en el punto del riesgo del consumidor o en el
del fabricante, pero no en ambos. La Figura 11.1 muestra las curvas caracterís-
ticas operativas para una fracción fija inspeccionada, n/N = 10 por 100,
para diferentes niveles de AQL. Obsérvese que todas las curvas indican una
probabilidad de aceptación del 95 por 100 cuando la calidad de los lotes
entrantes es igual al AQL. Sin embargo, si la calidad de los lotes entrantes se
deteriora hasta cinco veces el AQL, la respuesta es sorprendentemente diferente
en distintos niveles de AQL. Usando la curva de 0,10 AQL, la probabilidad de
aceptación de una calidad de entrada de 0,5 por 100 es 54 por 100. Usando la
curva de 2,0 por 100 AQL, la de una calidad de entrada del 10 por 100 está
próxima al 0 por 100.

ESPECIFICACIONES DE NIVEL DE CALIDAD ACEPTABLE (AQL)
El estándar MIL-STD-105D define el nivel de calidad aceptable (AQL)
como «el valor nominal, expresado en porcentaje, de elementos defectuosos, o
en defectos por cada cien unidades, cualquiera que sea aplicable, especificado
para determinado grupo de defectos (o defecto concreto)». Es una definición
bastante amplia. También se ha definido como «el porcentaje máximo de
elementos defectuosos (o defectos por cada cien unidades) tolerables como
promedio de calidad». Esta es una definición más concreta, aunque hasta cierto
punto errónea, ya que se reconoce que pueden existir breves períodos en que la cali-
dad sea peor que el estándar. Una definición más precisa sería: «el nivel de
calidad en el que el fabricante asume un riesgo comparativamente pequeño de
que su producto de calidad igual o mejor que el AQL sea rechazado». El riesgo
de rechazo puede oscilar entre una fracción del 1 y el 20 por 100. En general, los
planes con un número de aceptación 0 aumentan el riesgo de rechazo para el
fabricante.
La especificación de los niveles de calidad aceptable guarda estrecha rela-
ción con el trabajo de la planificación de inspección. Forma parte de la ingenie-
ría de calidad. Baste decir aquí que antes de que se puedan especificar los AQL,
es preciso determinar las características que se van a inspeccionar, para distri-
buirlas entre los diversos puntos de inspección, clasificar las características en
cada punto de inspección de acuerdo con la gravedad del defecto (crítico, muy
importante, de menor importancia y/o cualquier otra clasificación que se de-
see), especificar la expresión de no conformidad como porcentaje de elementos
defectuosos, o defectos cada 100 unidades, en cada punto de inspección para
cada tipo de defectos, o para defectos concretos. A esto debe seguir la especifi-
cación de los AQL, para lo que se tendrá en cuenta las observaciones anteriores
y cualquier otra, como: costo de inspección contra costo de rechazo, requisitos
de proyecto, calidad media del fabricante, reclamaciones del consumidor, de-
manda del producto, etc. También se debería seguir revisando los valores de
AQL de forma continua en previsión de posibles cambios y para garantizar que
los mismos están de acuerdo con las necesidades de calidad.

250 CONTROL DE CALIDAD

Figura 11.1. Curvas características operativas para planes de muestreo simple con la misma
Fracción inspeccionada para AQL diferentes.

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 251

Los AQL del MIL-STD-105D van desde 0,015 hasta aproximadamente
1.000, en progresión geométrica. La expresión de no conformidad puede ser en
defectos por cada 100 unidades para todos los AQL, o en porcentaje de
defectuosos para AQL de 10 o menos.

ESPECIFICACIÓN DE NIVEL DE INSPECCIÓN
Ya se ha dicho que el factor más importante de un muestreo es el tamaño
absoluto de la muestra. Nivel de inspección es el término empleado para indicar
la cantidad relativa de inspección realizada. Diferentes niveles de inspección
proporcionan la misma protección, aproximadamente, al fabricante cuando
presenta un producto de calidad aceptable, pero diferentes niveles de protec-
ción al consumidor.
El estándar MIL-STD-105D proporciona siete niveles de inspección, deno-
minados niveles de inspección general I, II y III, y niveles de inspección especial
S-l, S-2, S-3 y S-4. Para la mayoría de los productos sólo se usan los niveles de
inspección general, reservándose los de inspección especial para aquellos pro-
ductos en los que resulta muy caro realizar pruebas o éstas son «destructivas»
(esto es, el elemento no se puede volver a usar una vez probado). La cantidad
relativa de inspección aumenta en este orden: S-l proporciona la inspección
mínima relativa, luego, S-2, S-3, S-4,1 y II, en orden creciente y, por último, el
nivel de inspección general III proporciona el máximo de inspección relativa.
Dentro de los niveles generales de inspección, considerando el nivel II como
norma, la cantidad relativa de inspección que proporcionan los tres niveles es,
aproximadamente, la que muestra la Tabla 11.1:
TABLA 11.1.. Comparación de niveles de inspección

Nivel de inspección general Cantidad relativa de inspección

I La mitad de la norma
II La norma
III El doble de la norma

El que se usa normalmente es el nivel II de inspección general. Realmente, el
hecho de que se proporcionen varios niveles es, en cierto modo, superfluo, en el
sentido de que el estándar MIL-STD-105D permite gran libertad de selección
de planes de muestreo. Establece que, a discreción el consumidor, se puede
usar un código diferente para el tamaño de la muestra del que indica la Tabla
A14.1. En realidad, esto se puede considerar como la creación de otros niveles
de inspección. Parece indicado mencionar aquí que los riesgos que se corren en
un plan de muestreo determinado tienen fundamental importancia como pre-
rrequisito para su selección.
Los factores que afectan la selección de un nivel de inspección son diversos
y deben compararse entre sí antes de tomar una decisión. El plan de inspección
concreto objeto de consideración debe juzgarse según la protección que pro-

252 CONTROL DE CALIDAD

porcionará contra la aceptación de malos lotes y el rechazo de los buenos; esto
es, revisando críticamente las características operativas de los planes de mues-
treo en cuestión.

INSPECCIÓN NORMAL, RIGUROSA Y REDUCIDA
No existe plan de muestreo que proporcione los medios para una perfecta
discriminación entre lotes buenos y malos para inspección. Siempre existe el
riesgo de aceptar un lote para inspección de calidad peor que el AQL, o de
rechazar uno de calidad mejor que el AQL. Los planes en MIL-STD-105D
están proyectados de forma que, en una inspección normal, aceptarán casi
todos los lotes presentados cuya calidad sea igual que AQL, además de un
porcentaje razonablemente alto de aquellos que sean ligeramente inferiores a
AQL. La protección contra continuar aceptando lotes de peor calidad que la
deseada se logra pasando a un plan de muestreo más severo, siempre que haya
pruebas suficientes de que la calidad media es peor que AQL. Esto se hace
generalmente sin aumentar el tamaño de la muestra y el cambio no se realiza
hasta que la calidad media sea lo suficientemente peor que AQL como para
garantizar que la diferencia no se debe a una fluctuación casual en el muestreo.
Cuando el historial de la calidad es lo bastante bueno, se puede economizar
utilizando un muestreo reducido. Este procedimiento permite, además, concen-
trar la inspección en aquellos productos que necesitan mayor atención. En
efecto, puede decirse que se concede al fabricante el beneficio de la duda hasta
que la cantidad de pruebas sea tan abrumadora que exija un plan más severo.
El paso a una inspección rigurosa permite que mejore el riesgo del consumi-
dor, protegiendo al comprador contra la aceptación continua de lotes de
calidad peor que AQL. Básicamente, un cambio a una inspección rigurosa es
un cambio hacia un AQL más estricto.
El cambio a una inspección reducida implica que el riesgo del consumidor
aumente drásticamente. Sin embargo, si hay pruebas de que la calidad es mejor
que el AQL y de que no cambiará a peor, la inspección reducida permite
economizar en la inspección y alcanzar beneficios psicológicos. El criterio
utilizado para cualquier cambio es el historial de la calidad, junto con el
entorno industrial de la producción actual y futura.
Para un producto que carezca de historial significativo, el procedimiento de
aceptación se inicia con una inspección normal, que se mantiene mientras la
calidad del producto sujeto a la misma se aproxime al nivel de calidad acepta-
ble. Una desviación significativa de dicho nivel de calidad indicará la necesidad
de cambiar, sea a una inspección rigurosa o a una reducida.

PLANES DE MUESTREO SIMPLE, DOBLE Y MÚLTIPLE
El estándar MIL-STD-105D permite utilizar planes de muestreo simple,
doble o múltiple. En un plan de muestreo polietápico, la diferencia entre las
cantidades de aceptación y rechazo no se limita a 1. Si dichas cantidades de un

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 253

plan de muestreo son C y R, respectivamente, se pueden dar tres resultados
posibles en la inspección.
1. Si x ” C Ÿ aceptar.
2. Si x • R Ÿ rechazar.
3. Si C < x < R Ÿ tomar la siguiente muestra.
En el último nivel de muestreo, la diferencia entre C y R es exactamente 1.
Por tanto, la tercera condición no se podrá satisfacer nunca y no habrá muestra
sucesiva. El último nivel lo da la primera muestra en muestreo simple, la
segunda en muestreo doble y la enésima en un muestreo de n niveles.
Para cualquier AQL se pueden diseñar planes de muestreo simple, doble o
múltiple que den aproximadamente la misma curva OC y aproximadamente,
también, la misma protección a fabricante y consumidor. Las únicas diferencias
en los distintos tipos de planes de muestreo proceden de diferentes necesidades
de inspección y de los efectos psicológicos de permitir, aparentemente, una
segunda o tercera oportunidad, o más, de que el producto no sea aceptado
inmediatamente.
En general, los planes de muestreo doble requieren menos inspección media
que los de muestreo simple. Los planes de muestreo múltiple exigen menos
inspección media que los de muestreo simple o doble. Los ahorros en la
cantidad de inspección para los planes dobles o múltiples alcanzan el máximo
en lotes de calidad muy buena o muy mala. Para lotes de calidad marginal, sin
embargo, los planes de doble muestreo exigen, a veces, más inspección media
que los de muestreo simple. La economía de inspección no es mucha para AQL
rigurosos y tamaños pequeños de muestra, pero puede ser considerable en otros
casos. Exponemos a continuación algunos de los factores a considerar:
Administración. Los planes simples son los más fáciles de administrar.
Los múltiples, los más difíciles. Los últimos requieren inspectores mejor prepa-
rados y la dificultad de verificar los resultados es mayor.
Información sobre el lote. El mayor tamaño de la muestra en planes de
muestreo simple proporciona más información para la determinación a largo
plazo de la calidad media2.
Disponibilidad de lotes para selección de muestras. Si es difícil obtener
muestras, sea por el movimiento de lotes o por cualquier otra razón, el mues-
treo simple puede ser la alternativa preferible.
Variación en el tamaño de la muestra. Los planes dobles y múltiple requie-
ren normas para cargas variables de trabajo. Si no se puede tolerar una carga
variable de trabajo, debe recurrirse al muestreo simple.
Influencia de la calidad marginal. La calidad marginal reduce las econo-
mías de inspección de los planes múltiples. La Figura 11.2 incluye curvas que
indican la cantidad media de inspección para los tres tipos de planes de
muestreo tomadas de la tabla para el código N, AQL = 1,5. Los gráficos para

2
Esto es porque en los resultados de la primera muestra se usan cálculos de calidad media y
registros.

254 CONTROL DE CALIDAD

los planes de muestreo doble y múltiple indican que la cantidad media máxima
de unidades inspeccionadas se da para la calidad marginal por encima de AQL.
Cantidad de aceptación de cero. No hay planes dobles o múltiples adecua-
dos para los de muestreo simple con cero como cantidad de aceptación. Por
tanto, sólo se puede usar el muestreo simple.

Figura 11.2. Comparación del número promedio de unidades inspeccionadas en
muestreo simple, doble y múltiple.

Costo de inspección de unidad. Si el costo de inspección es alto, las eco-
nomías en el costo de inspección que se originan con los muestreos doble o
múltiple pueden impedir que se utilice el muestreo simple. Sin embargo, si es
bajo, las economías derivadas de las muestras más pequeñas pueden ser ab-
sorbidas con creces por las mayores dificultades administrativas que se pre-
sentarán.

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 255

Consideraciones psicológicas. Parece que los planes dobles y múltiples dan
una nueva oportunidad al fabricante, pero, en realidad, las curvas OC son
básicamente las mismas. Por tanto, la protección que se proporciona al produc-
tor contra el rechazo de lotes no cambia con el tipo de muestreo.

DESCRIPCIÓN Y USO DE TABLAS
Las tablas para obtener planes de muestreo aparecen en el Apéndice: Tablas
A14.1 a A14.10. Se denominan tablas maestras. Hay una para inspección
normal, rigurosa y reducida de cada tipo. Por ejemplo, la Tabla A14.5 es la
maestra para planes de doble muestreo e inspección normal. Los encabeza-
mientos de las filas de ésta (y de todas las otras) son el tamaño de la muestra
y la letra-código, y las de las columnas, los AQL. El intervalo de valores de
AQL va desde 0,01 hasta 1.000 en la progresión 1; 1,5; 2,5; 4; 6,5; 10; ... Estas
cantidades están, aproximadamente, en progresión geométrica. Los valores de
AQL desde 0,10 hasta 10 se expresan en porcentaje de defectuosos o defec-
tos por 100 unidades; los valores por encima de 10 sólo se expresan como
defectos por 100 unidades.
En cada fila hay dos números, que dan los tamaños de la primera y la
segunda muestras. Para la letra-código H, ambas muestras son de tamaño 32.
En cada columna hay dos subcolumnas: Ac, la cantidad de aceptación, y Re, la
cantidad de rechazo. Para AQL 2,5 (defectuosa al 2,5 por 100) y la letra-código
H, las cantidades de aceptación y rechazo son las siguientes:

Ac Re
Primera 32 1 4
Segunda 32 4 5

Estas cantidades indican el siguiente plan de muestreo doble para inspec-
ción normal cuando la letra-código es H y el AQL es 2,5. Primero, tomar una
muestra de 32 elementos. Si sólo hay un elemento defectuoso (o ninguno),
aceptar el lote. Si se encuentran cuatro o más elementos defectuosos, rechazar-
los. Si se encuentran dos o tres defectuosos (más de uno y menos de cuatro),
tomar una segunda muestra tamaño 32. Si la cantidad total de elementos
defectuosos en ambas muestras es cuatro o menos, aceptar el lote. Si es cinco o
más, rechazarlo.
La Tabla A 14.1 nos da las letras-código para el tamaño de la muestra. En
esta tabla, las filas son los tamaños de los lotes o grupos, y las columnas los
siete niveles de inspección. El nivel de inspección lo especifica el usuario. Se
entiende que cuando no se especifica se usa el nivel II de inspección general.
Para un lote de tamaño 400 y nivel II de inspección general, la letra-código es
H. (El tamaño 400 cae dentro del intervalo 281-500).
En este caso, la inspección relativa es 32/400, 8 por 100, para la primera
muestra y el mismo para la segunda. En MIL-STD-105D la inspección relativa
disminuye a medida que aumenta el tamaño del lote. Si éste hubiera sido de

256 CONTROL DE CALIDAD

400.000, en vez de 400, la letra-código sería P. La primera y la segunda muestra
hubieran tenido 500 elementos cada una y la inspección relativa habría sido de
sólo 500/400.000, esto es, 0,125 por 100.
Las Tablas A14.11 y Al4.12 dan los límites de calidad media de salida para
inspecciones normales y rigurosas, respectivamente. La Tabla A14.13 da los
límites que deben usarse en la inspección reducida.
MIL-STD-105D incluye también las curvas OC y las de cantidad media de
la muestra para muchos planes de muestreo, pero no las reproducimos en este
libro.

Ejemplo 11.1
Se va a usar el muestreo simple con el nivel S-l de inspección especial y AQL 4 por
100. Si el tamaño del lote es 750, ¿cuál es el criterio de aceptación bajo inspección
normal? Si el producto presentado a inspección es 6 por 100 defectuoso, ¿cuáles son las
probabilidades de aceptación?
El lote de tamaño 750 está dentro del intervalo 501-1.200 y la letra-código para la
inspección de nivel S-l, según la Tabla A14.1, es C. Buscando en la tabla maestra para
muestreo simple de inspección normal, el tamaño de muestra que corresponde a la
letra-código C es 5. En la fila encabezada por C y bajo AQL 4,0 no se da plan de
muestreo, pero una flecha Ĺ indica que se puede usar un plan en la parte alta de la
flecha. Por tanto, el plan de muestreo que se debe usar es:

Tamaño de la muestra Ac Re

3 0 1

Cuando el producto es un 6 por 100 defectuoso, el número medio de defectuosos en
la muestra o np' es 3 x 0,06 = 0,18. Buscando en la Tabla A3.1 las probabilidades
acumulativas de Poisson, vemos que la probabilidad de no encontrar elementos defec-
tuosos es 0,836. Esta es la probabilidad de aceptación del producto presentado.

Ejemplo 11.2
Un fabricante recibe tapas de plástico preformadas en lotes de 3.000. Desea emplear
un plan de doble muestreo del MIL-STD-105D con nivel II de inspección y AQL de
0,65 por 100. ¿Cuáles son los criterios de aceptación bajo inspección normal? ¿Qué
probabilidades hay que un lote defectuoso al 3 por 100 sea aceptado?
El tamaño del lote está dentro del intervalo 1.201-3.200 y la letra-código para nivel
II de inspección según la Tabla A 14.1 es K. Buscando en la tabla maestra para doble
muestreo con inspección normal, los tamaños de muestra que corresponden a la letra-
código K son 80 y 80. En la fila encabezada por K, bajo AQL 0,65, el muestreo se
encuentra así:

Tamaño de la muestra Ac Re

Primera 80 0 3
Segunda 80 3 4

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 257

Un lote sería aceptado en la primera muestra si en ésta no hay elementos defectuo-
sos. Puede aceptarse en la segunda muestra de dos formas: «un elemento defectuoso en
la primera muestra y dos o menos en la segunda» o «dos elementos defectuosos en la
primera muestra y uno o menos en la segunda».
Cuando la calidad de entrada es defectuosa al 3 por 100, la cantidad media de
elementos defectuosos en cada muestra, o np', es 80 x 0,03 = 2,4. La Tabla A3.1 de
probabilidades acumulativas de Poisson da lo siguiente:
Pr(x ” 0) = 0,091 Pr(x = 0) = 0,091
p r (x ” 1) = 0,308 Pr(x = 1) = 0,217
Pr(x ” 2) = 0,570 Pr(x = 2) = 0,262
Pr(x ” 3) = 0,779 Pr(x = 3) = 0,209

Pr(0 defectuosos en la primera muestra) = 0,0910
Pr(l defectuoso en la primera muestra y 2 o menos en la segunda) =
= 0,217 x 0,570 = 0,1237
Pr(2 defectuosos en la primera muestra y 1 o menos en la segunda) =
= 0,262 x 0,308 = 0,0807
Total 0,2954

La probabilidad de aceptación de un lote 3 por 100 defectuoso es 0,2954.

RIESGO DEL FABRICANTE Y CURVAS OC
Hay tres tipos de planes de muestreo: simple, doble y múltiple. Sin embargo,
para cada combinación de letra-código y AQL, dichos planes tienen aproxima-
damente la misma curva OC y ofrecen los mismos riesgos para el productor.
Utilizamos los planes de muestreo bajo la letra K y AQL de 1,0 para ilustrarlo.
Los planes obtenidos en las tablas maestras aparecen en la Tabla 11.2. La
Figura 11.3 presenta las curvas OC para dichos planes. Vale la pena subrayar
que las tres curvas son esencialmente la misma y que cada una tiene una
probabilidad de 0,95 de aceptar lotes con un AQL designado de 1,0.
TABLA 11.2. Planes de muestreo

Tamaño de la muestra Ac Re

Muestreo simple (Tabla A 14.2) 125 3 4
Muestreo doble (Tabla A 14.5) 80 1 4
80 4 5
Muestreo múltiple (Tabla A 14.8) 32 * 3
32 0 3
32 1 4
32 2 5
32 3 6
32 4 6
32 6 7

258 CONTROL DE CALIDAD

Figura 11.3. Curvas OC de planes de muestreo simple, doble y múltiple para una
letra-cógido.

CRITERIOS DE ADMINISTRACIÓN
A menos que la historia de calidad de un proveedor aconseje lo contrario, al
iniciar un contrato se usa la inspección normal. Las condiciones que llevarían a
una inspección rigurosa al principio de un contrato incluirían:
1. El hecho de que el proveedor haya tenido dificultades par cumplir con
los AQL prescritos en contratos anteriores del mismo producto u otro
similar.
2. Que el proveedor no haya tenido experiencia previa en la fabricación
de ese producto u otro similar.
3. Que una inspección de las instalaciones de producción, anterior al
inicio de la producción, aconseje el uso de una inspección rigurosa dada
la probabilidad de que se fabrique calidad por debajo del estándar.
4. Previa experiencia con proveedores dignos de confianza indicar la nece-
sidad de utilizar la inspección rigurosa debido las dificultades iniciales
en la fabricación del producto.
Lo único que podría aconsejar el uso de inspección reducida al iniciar el
contrato sería el hecho de que el proveedor haya completado recientemente un
contrato bajo inspección reducida o que esté fabricando actualmente el mismo
producto, o similar, bajo inspección reducida. Hay que recalcar que cuando se
considere justificado el uso de inspección reducida por haberse terminado
recientemente un contrato en dichas condiciones, sólo se puede emplear si se

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 259

pueden obtener beneficios por economizar horas de inspección acompañada
por una pérdida, insignificante para el consumidor, de la garantía de calidad.
La inspección normal se usa siempre que la calidad del producto presenta-
do esté próxima a AQL. Si la calidad es consistentemente mejor, se puede usar
la inspección reducida. Si la calidad fuera bastante peor que AQL, se proceder
a realizar una inspección rigurosa. Las condiciones para un cambio son las
siguientes:
1. Los diez lotes o grupos precedentes (o más, como indica la nota a la
Tabla VIII3) han sido sometidos a inspección normal y ninguno de
ellos ha sido rechazado.
2. El número total de elementos defectuosos (o defectos) en las muestras
de los diez lotes o grupos anteriores (o cualquier otro número que haya
utilizado en la condición anterior) es igual o menor que el número
aplicable que da la Tabla VIII. Si se está utilizando muestreo doble o
múltiple, deben incluirse todas las muestras inspeccionadas, no sólo las
«primeras».
3. La producción se realiza a ritmo constante.
4. La autoridad responsable considera deseable una inspección reducida.
Se ha dicho que lo aconsejable es pasar a inspección reducida sólo cuando
el punto completo de inspección se lo merece. En caso contrario, los problemas
administrativos superan a las economías teóricamente obtenidas a consecuen-
cia de los tamaños reducidos de las muestras.
Debe volverse a inspección normal si se da cualquiera de las condiciones
siguientes cuando se lleva a efecto una inspección reducida:
1. Se rechaza un lote o grupo.
2. La calidad media estimada es mayor que AQL.
3. La producción se torna irregular o se retrasa.
4. Un lote o grupo «no es aceptado» bajo inspección reducida. La condi-
ción de «no aceptado» se da en algunos planes de muestreo reducido
cuando los mismos incluyen una zona de indecisión. Para explicar la
letra-código K, AQL 1,0 se usa un plan de muestreo simple reducido.

Letra de código Tamaño de la muestra Ac Re

K 50 1 4

Bajo este plan de muestreo, una muestra con dos o tres elementos
defectuosos no será aceptada. Cuando sucede esto, se acepta el lote o
grupo objeto de la inspección pero no se continúa con la inspección
reducida.
5. Cuando la inspección reducida deja de ser considerada deseable por la
autoridad responsable.

3
La Tabla VIII es la Tabla A14.13.

260 CONTROL DE CALIDAD

Cuando se usa inspección normal, la sospecha de que la calidad del produc-
to presentado se está deteriorando lleva a realizar una inspección más estricta y
rigurosa. Si el nivel de calidad está a la par o por encima de AQL, casi todos los
lotes serán aceptados. Si la calidad se va deteriorando, se empezará a rechazar
algunos lotes. La condición para pasar a una inspección rigurosa es como
sigue:
a) Cuando se está llevando a cabo una inspección normal, se procederá a
realizar una rigurosa cuando dos de cinco lotes o grupos consecutivos
hayan sido rechazados en la inspección original. Para el objetivo pro-
puesto por esta condición, se considera rechazado cualquier lote acep-
tado después de presentarlo por segunda vez.
Cuando se está practicando una inspección rigurosa, la condición para
pasar a normal es la siguiente:
b) Cuando se está llevando a cabo una inspección rigurosa, se pasará a
normal cuando en la inspección original se acepten cinco lotes o grupos
consecutivos.

Ejemplo 11.3

Se está inspeccionando un producto por muestreo simple de inspección normal, con
letra-código H y AQL = 2,5 (tamaño de la muestra 50, Ac = 3, Re = 4). Las
cantidades de elementos defectuosos hallados en las muestras de los diez primeros lotes
fueron: 0 + 1 + 0 + 2 + 1 + 1 + 0 + 2 + 0 + 1 = 8. Esta cantidad excede del
límite y la condición 2 no se satisface.
Dado que las diez muestras tenían menos de tres elementos defectuosos, ninguna
sería rechazada en la inspección original y se habría cumplido con la condición 1.
La cantidad total inspeccionada en esas 10 muestras es 50 x 10 = 500. El número
límite dado en la Tabla A14.13 para unidades de 500 muestras y AQL 2,5 es 7. El
número total de elementos defectuosos hallados en los diez muestreos es 0 + 1 + 0 +
2 + 1 + 1 + 0 + 2 + 0 + 1 = 8. Esta cantidad excede el número límite y no se
satisface la condición 2.
El proveedor no es apropiado para inspección reducida.

REGISTROS DE INSPECCIÓN Y MEDIA ESTIMADA DEL PROCESO

El estándar MIL-STD-105D no requiere específicamente el mantenimiento
de registros de carácter histórico ni el cálculo de la media del proceso. Sin
embargo, con objeto de conservar una historia sobre la calidad, es necesario
reunir y conservar los datos relativos al procedimiento de muestreo utilizado,
así como los resultados de las inspecciones. El registro de inspección debiera
incluir la identificación completa del producto u operación sometido a inspec-
ción, los cambios en el grado de inspección, el nivel utilizado (simple, doble,
múltiple), el AQL para cada tipo de defectos, el tamaño del lote, si fue presenta-
do previamente o no, el tamaño de la muestra, la cantidad de defectos o
elementos defectuosos hallados en la primera muestra de cada clase de defectos,
y si el lote fue aceptado o rechazado.

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 261

La media estimada del proceso es el porcentaje medio de elementos defec-
tuosos o cantidad promedio de defectos por 100 unidades de producto presen-
tadas por el proveedor para su inspección original. Esta es la primera inspec-
ción de una cantidad determinada de producto, diferente de la inspección de
producto vuelto a presentar después de un primer rechazo. Debiera calcularse
la media estimada del proceso para cada defecto o grupo de defectos para los
que se ha establecido un AQL. Tiene por objeto proporcionar al encargado de
la aceptación un registro continuo de la calidad de un fabricante para que
pueda tomar decisiones relacionadas con cambios en el grado de inspección. La
verdadera media del proceso no es conocida casi nunca, pero se le puede dar un
valor estimado a partir de los resultados medios de los lotes anteriores. La
precisión del valor estimado dependerá tanto del promedio como de la canti-
dad total de unidades incluidas en el cálculo de la media. Hay dos fórmulas que
se utilizan para el cálculo. Es indiferente que la no conformidad se exprese en
porcentaje de elementos defectuosos o en defectos por 100 unidades. Las fór-
mulas que siguen se expresan en porcentaje de elementos defectuosos. Para el
cálculo de defectos por 100 unidades, situar simplemente «defectos» en lugar de
elementos defectuosos.
Cuando los lotes sometidos a inspección varían considerablemente de tama-
ño, es necesario calcular una media de calidad ponderada por el tamaño del
lote:
100( p1 N1  p2 N 2  ...  pk N k )
Media del proceso para k lotes
N1  N 2  ...  N k

donde
cantidad de defectuosos en la primera muestra de j-ésimo lote inspeccionado
Pj =
cantidad de unidades en la primera muestra del j-ésimo lote inspeccionado
N j cantidad de unidades en el j-ésimo lote inspeccionado

Cuando los lotes objeto de inspección no varían considerablemente de
tamaño se puede usar la siguiente fórmula:

100( p1  p2  ...  pk )
media del proceso para k lotes =
k

Cuando se usa muestreo simple, se debería inspeccionar toda la muestra
aunque se llegue al número de rechazo antes de concluir la inspección. Lo
mismo debe decirse de las primeras muestras del muestreo doble o el múltiple.
Este procedimiento nos da una media de calidad imparcial. Los resultados que
se obtengan en lotes vueltos a presentar deben excluirse de cualquier cálculo de
la media de calidad, al igual que los de lotes que se consideren anómalos. Sin
embargo, hay que tener cuidado de no excluir datos, a no ser que se sepa con
certeza que obedecen a condiciones anómalas que probablemente no volverán
a darse. Se puede usar una prueba de significancia estadística para determinar
la existencia de una condición anómala.

262 CONTROL DE CALIDAD

La frecuencia en el cálculo de medias de calidad dependerá de diversos
factores. Cuando las muestras son grandes, la cantidad de muestras incluida
puede ser pequeña. Cuando las muestras son pequeñas, debería ser grande.
También deberán calcularse nuevas medias siempre que se sospeche que se ha
producido un cambio significativo en la calidad del producto presentado. Es
recomendable especificar una cantidad mínima de muestras con opción para
efectuar un nuevo cálculo se sospecha que se ha producido un cambio.

Ejemplo 11.4

Determinar la media estimada del proceso para el producto del ejemplo 11.3,
partiendo de los diez primeros lotes inspeccionados.
Usando la segunda fórmula, obtenemos:

100( p1  p2  ...  pk )
media del proceso=
k
cantidad de defectos en la j-ésima muestra
Aquí k 10 y p j
50
100(suma de todos los elementos defectuosos) 100 u 8
media del proceso= 1,6
10 u 50 500

El valor estimado de la media del proceso es defectuoso al 1,6 por 100.

PROCEDIMIENTO DE ACEPTACIÓN DE DEFECTOS

Un elemento se considera defectuoso cuando la característica que se mide
no satisface las especificaciones aplicables. A veces se dan especificaciones para
multitud de características cada una con distinto grado de importancia. Es
evidente que, en un automóvil, la especificación para la potencia del motor será
considerablemente más importante que la del número de puntadas por pulga-
das de funda del asiento. Es esencial clasificar las características de acuerdo con
la importancia del cumplimiento de las especificaciones.
El MIL-STD-105D define cuatro tipos de defectos: críticos, de gran impor-
tancia, de menor importancia A y de menor importancia B. Un defecto crítico
produce una condición operativa insegura o no permite el rendimiento funcio-
nal de la unidad. Un defecto de gran importancia no es crítico, pero aún así
puede reducir materialmente el funcionamiento útil de la unidad. Un defecto de
menor importancia A sólo produce escaso efecto en el funcionamiento, y un
defecto de menor importancia B lo produce pequeño (o ninguno).
Aunque MIL-STD-105D está definido inicialmente en términos de elemen-
tos defectuosos, se puede utilizar para inspección basada en defectos. El único
cambio necesario es sustituir, como medida de AQL, «porcentaje de elementos
defectuosos» por «defectos por cada 100 unidades». En las tablas AQL los
valores mayores de diez se interpretan sólo como «defectos por cada 100

PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 263

unidades». Claro está que sería absurdo pensar en un AQL defectuoso en más
del 100 por 100, pero sería factible tener un AQL de más de 100 «defectos por
cada 100 unidades».

UTILIZACIÓN DEL MIL-STD-105D PARA DEFECTOS
En el MIL-STD-105D los defectos se clasifican de acuerdo con las definicio-
nes de la sección anterior y luego se aplican por separado los criterios de
aceptación a cada tipo. Normalmente, el tamaño de la muestra, establecido
sólo por el tamaño del lote y el nivel de inspección, es el mismo para todos los
tipos. De aquí que puede usarse una muestra para el procedimiento de acepta-
ción de todos los tipos y que el lote se rechace si merece ser rechazado para
cualquier tipo. Como consecuencia de la distinta importancia de los fallos de
diferentes tipos, el AQL es diferente. En general, las características críticas se
inspeccionan por completo (100 por 100). Otros tipos tendrían un AQL crecien-
te de acuerdo con la importancia decreciente de los defectos.
Para ilustrar lo dicho, pensemos en un producto imaginario que tenga 26
características. La no conformidad con las especificaciones de las características
1 a 4 da lugar a defectos de gran importancia; en las características 5 a 16 crea
defectos de menor importancia A; y en las demás características, defectos de
menor importancia B. El producto se suministra en cajas de 1.440 unidades. El
AQL para defectos de gran importancia es 1,0; para defectos de menor impor-
tancia A es 2,5; y para defectos de menor importancia B es 10. Cuando se usa el
nivel II de inspección general, la letra-código viene determinada por K. Para un
muestreo simple con inspección normal los criterios de aceptación vienen dados
por: «En una muestra de 125,
Defectos de gran importancia: aceptar si ” 3, rechazar si • 4.
Defectos de menor importancia A: aceptar si ”7, rechazar si • 8.
Defectos de menor importancia B: aceptar si ” 21, rechazar si • 22.»
Si una de las muestras, inspeccionada en sus 26 características, muestra los
siguientes resultados: cinco defectos de gran importancia, seis defectos de me-
nor importancia A y 16 defectos de menor importancia B, el lote es rechazado
basándose el rechazo en los defectos de mayor importancia, aunque es acepta-
ble por los defectos de menor importancia A y B.

Ejemplo 11.5
Un producto sometido a inspección según el plan descrito antes tiene una calidad
media de proceso de 1,0 para defectos de gran importancia; 3,0 para defectos de menor
importancia A; y 12,0 para defectos de menor importancia B. ¿Cuál es la probabilidad
de aceptación de este producto?
El producto debe ser aceptable de acuerdo con los tres criterios. La probabilidad de
aceptación puede calcularse por separado para cada tipo de defectos.
Para defectos de gran importancia:
1
np ' 125 u 1, 25
100

probabilidad de aceptación = Pr(x ” 3|np' = 1,25) = 0,9615

264 CONTROL DE CALIDAD

Para defectos de menor importancia A:

3
np' = 125 u = 3,75
100

probabilidad de aceptación = Pr(x ” 7 | np' = 3,75) = 0,9623
Para defectos de menor importancia B:
12
np' = 125 u = 15,0
100
probabilidad de aceptación = Pr(x ” 21| np' = 15) = 0,947
Normalmente, puede suponerse que los tres tipos de defectos son estadísticamente
independientes entre sí. De aquí que la probabilidad de que el producto sea aceptado,
es el resultado de las probabilidades de aceptación de cada tipo:
probabilidad de aceptación del lote = 0,9615 x 0,9623 x 0,947 = 0,876

CANTIDAD TOTAL DE INSPECCIÓN DE MUESTREO

En un plan de muestreo simple, se toma e inspecciona una muestra determi-
nada. Por ejemplo, en el plan de letra-código K, AQL = 1,0 e inspección
normal, descrito anteriormente, el tamaño de muestra para muestreo simple es
125. Esto quiere decir que se inspeccionarán 125 elementos de cada lote. Este es
el caso en muestreo múltiple. Para muestreo doble, el tamaño de la muestra se
da como 80 para la primera muestra y 80 para la segunda. Si en la primera
muestra se adopta una decisión, sea de aceptación o rechazo, no habrá segunda
muestra. En este caso sólo se inspeccionarán 80 elementos de ese lote concreto.
Si no se adopta decisión alguna en la primera muestra, se necesitará una
segunda y la cantidad de elementos inspeccionados será 80 + 80 = 160. La
cantidad media de la muestra (ASN) es la media que cabe esperar que se
inspeccione. Obviamente, ASN será una función de la calidad de entrada, p.

Ejemplo 11.6

Compare la cantidad media de la muestra (ASN) de los planes de muestreo simple y
doble, bajo inspección normal, letra-código K y AQL 1,0 si la calidad de entrada es 2,0.
Los planes son como sigue:

Tamaño de la muestra Ac Re

Primera muestra 125 3 4
Segunda muestra 80 1 4
80 4 5

Alguno puede preferir usar inspección rectificadora junto con los planes del MIL-STD-105D.1 hallamos la probabilidad de encontrar k defectos: k P(k) 0 0. Es importante no confundir ASN con ATI.323 2 0. Que el lote conserve su identidad garantizará que la aceptación o el . como producto terminado por lo que se refiere a esa inspección concreta.02 = 1. debe evitarse. estos planes son ampliamente utilizados por distintos sectores industriales del sector privado.258 3 0. para cada muestra: np = 80 x 0.6 En la Tabla A3. pueden calcularse los valores de ATI. Con tal objeto.138 4 o más 0.202 1 0. PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 265 Para muestreo simple: ASN = tamaño de la muestra = 1 2 5 En muestreo doble. MIL-STD-105D no incluye una inspección rectificadora. ATI incluye tanto una inspección rectificadora de los lotes rechazados. La mayoría de las dependencias oficiales que usan estos planes siguen la norma de devolver al proveedor los lotes rechazados. a la que nos referimos en el Capítulo 10. inspección total media.396 ASN para muestreo doble = 80 + 0. AOQ y AOQL para cada plan usando los métodos descritos en el Capítulo 10.68 Puede verse que hay un pequeño ahorro en la inspección cuando se usa doble muestreo.604 = 0.396(80) = 111. ASN es sólo para inspección de muestreo. Él ahorro es más significativo en el muestreo múltiple. PROCEDIMIENTO ADMINISTRATIVO PARA LA PRESENTACIÓN Y NUEVA PRESENTACIÓN DE LOTES Siempre que sea posible. La aplicación de planes lote por lote a productos en movimiento es difícil de realizar y generalmente insatisfactoria. Sin embargo.079 la probabilidad de llegar a una decisión en la primera muestra = = P(0) + P(1) + P(4 o más) la probabilidad de tomar una segunda muestra = 1 — 0. Los acuerdos adoptados para la formación de lotes para inspección deberían incluir normas para la identificación y segregación de un lote de inspección. esto es. deben someterse los lotes a inspección de forma estática. Siempre que sea posible.

266 CONTROL DE CALIDAD rechazo se producen basados en el grupo de elementos de los que se tomó la muestra. un turno o cualquier otro período de tiempo. mientras sea realizable. constituidos por un producto que tenga. troqueles. componentes o subconjuntos. El cambio de un intervalo de tamaño de un lote a otro produce y da lugar a un cambio en la carga de trabajo de inspección exigida. el mismo origen. etc. En la práctica resulta aconsejable limitar el tamaño del lote sometido a inspección hasta un tamaño relativamente pequeño. . Estos sublotes representan lo que hubieran sido lotes racionales independientes de no haber sido preciso combi- narlos en un gran lote para inspección con objeto de reducir su costo. puede ser revisado para su nueva presentación. con las mismas matrices. La disponibilidad del personal para las inspecciones puede desempeñar un papel de importancia en la determinación del tamaño del lote. Con esto se facilita la disposición del producto inspeccionado. formar lotes racionales. Si ha sido rechazado. Por ejemplo. haya sido aceptado o recha- zado. La muestra se seleccionaría de cada uno de los sublotes en las mismas proporciones. Conservar la identidad del lote evitará la mezcla de producto rechazado con producto todavía sin inspeccionar. La calidad del producto aceptado depende en gran manera de la forma de establecer los lotes para inspección. esto se logra formando lotes racionales. se puede marcar el material para devolverlo al proveedor. las muestras mayores de grandes lotes permiten obtener mejor representación de la calidad y reducen el riesgo del consumidor. o con producto ya inspeccionado en espera de ser despachado. debe realizarse un esfuerzo para separar el producto en sublotes homogéneos en cada inspección. combinando el producto fabri- cado por la misma línea de producción o montaje. básicamente. el material segregado se distingue fácilmente y se puede despachar. La posibilidad de rechazo de un lote grande crea un incentivo forzoso en el fabricante que debe presentar únicamente lotes de buena calidad. De no ser así. Todo ello significa que. ni siquiera recomendable. Puede que no sea posible. pueden formar- se combinando producto fabricado sólo a partir de los mismos grupos de materias primas. Si esto no se puede controlar. si está permitido o se desea. la selección de muestras representativas depende de la adecuada identificación del lote. y combinando el producto fabricado durante cierta unidad de tiempo. el objetivo de la forma- ción de lotes es buscar su homogeneidad. La forma más sencilla de conservar la identidad del lote es mediante su segregación física. Entonces se puede seleccionar una muestra de modo que represente con mayor precisión la calidad del lote sometido a inspección. tal vez sea preferi- ble establecer un plan definitivo de inspección y atenerse a él con independencia del tamaño del lote. un día. La calidad media del producto aceptado será mejor si dichos lotes se forman sin mezclar productos de distintas calida- des. Con frecuencia. En la práctica. será preciso llegar a un acuerdo. Cuando por consideraciones de tipo económico sea preciso formar lotes para inspección grandes y no homogéneos. Si ha sido aceptado. supongamos que un lote para inspección ha sido formado combinando producto fabricado en los tres turnos y en las siguientes proporciones: 50 por 100 del turno 1. Los grandes lotes requieren una inspección menos proporcional. 25 por 100 del turno 2 y 25 por 100 del turno 3. patrones. En general. Más aún. como una hora. Además.

MIL-STD-105D indica explícitamente que los lotes o grupos que no se consideren aceptables en la primera inspección pueden volverse a presen- tar sólo cuando han examinado todas las unidades que lo componen por el fabricante y o bien se han reparado las unidades defectuosas o bien se han reemplazado por unidades buenas. Si se volviera a presentar el único efecto sería el de incrementar las probabilidades de aceptación de un lote de inferior calidad. como el uso de la tabla de números aleatorios. Puede usarse muestreo aleatorio o sistemático. Se . Dada la siguiente información. incluyendo aquellas que sean claramente defectuosas. Usted ha especificado en el contrato que el estándar de calidad es un AQL de 0. los tamaños de las submuestras deben ser proporcionales a los de los lotes. Tales casos se darán cuando aparezcan unidades claramente defectuosas en un lote o subióte presentado a inspección. Cuando aparezcan. seleccione y extraiga los planes de muestreo apropiados de MIL-STD-105D.500 8 II Simple Riguroso 6. John Smith Co. no interesa al consumidor. serán adecuadamente identificadas.1.40 200 5 II Múltiple Normal 0.0 1.0 4. PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 267 Los métodos para tomar muestras se han estudiado en el Capítulo 2.2. Nivel de Tipo de Plan muestreo Grado AQL Tamaño del lote inspección 1 II Simple Normal 0.65 10. La selección de una muestra determina la aceptabilidad del lote y en cuanto al cálculo de la calidad media se debe proceder de forma que cada unidad del lote. así que los costos de entrega son insignificantes.5 30 11. pero deben escogerse las muestras razonablemente para que representen con fidelidad al lote. son muy astutos y saben que la calidad media de salida será de cerca de 8 por 100. pero no se retirarán hasta que se haya seleccionado una muestra. está junto a la de usted.40 de acuerdo con MIL-STD-105D.15 55 2 II Doble Riguroso 1. PROBLEMAS 11. Debe utilizarse un método impersonal y objetivo para la selección.25 70 7 II Simple Normal 400. tiene un contrato con usted por el que se compromete a entregarle 60.000 6 III Múltiple Riguroso 0. Y esto. La fábrica de John Smith Co.000 componentes en cualquier momento durante los próximos tres meses. definitivamente. Si se forman sublo- tes. el lote que ha sido rechazado una vez no deberá nunca volverse a presentar «tal como está».000 4 III Simple Riguroso 0. Los inspectores de aceptación del producto terminado de John Smith Co. Siempre que se permita una nueva presentación de lotes. tenga idénticas posibili- dades de ser incluida en la muestra.0 400 3 I Simple Reducido 150. Ocasionalmente aparecerán circunstancias que exigirán la adopción de pre- cauciones especiales para evitar la parcialidad en la selección de muestras.

0. Si la calidad media del proceso es 1.5 por 100.268 CONTROL DE CALIDAD está pensando en elegir la presentación en lotes de 500 en vez de todos los 60.3. El tamaño del lote es 5. mostró 0.10. En el problema 11. AQL 1. 1 y 0 defectos. 0.5 por 100. Si la calidad del producto del problema 11. MIL-STD-105D no incluye inspección rectificadora.7. Él proveedor usa muestreo doble. En un muestreo de aceptación que utiliza MIL-STD-105D.0. Asumir que se han satisfecho todas las demás con- diciones de MIL-STD-105D y que sólo deben ser consideradas las siguientes: . 3 y 4 del problema 11. ¿Cuál es el AOQ? 11. Sin embargo. a) ¿Cuáles son los criterios de aceptación con inspección normal.0 y tamaño 5.11. ¿cuál es la probabilidad de aceptación con inspección reducida? 11. ¿Qué decisión sobre iniciar/continuar la inspección normal/rigurosa/reducida se tomará después de cada inspección de la muestra? 11. 0. 1. letra-cógido J y AQL 1. b) con inspección rigurosa. ¿Qué fracción del producto total sometido a inspección se inspecciona en los planes 1.3 cambia a 1 por 100.40. 2. se usa muestreo doble con letra-código M y AQL 0. Se va a usar muestreo simple con nivel II de inspección general y AQL 0. rigurosa y reducida? b) ¿Cuál es el intervalo más probable del tamaño del lote? c) ¿Cuál es la probabilidad de que un lote con calidad 0. 0.9.65 por 100. 1. ¿Por qué? 11.3. 0.8.1? 11.6. La inspección de diez lotes consecutivos de producto usando el plan del problema 11. 1. ¿cuál es la probabilidad de que (después de que se inspeccione la primera muestra): a) se continúe con la inspección reducida? b) se acepte el lote y se pase a inspección normal? c) se rechace el lote? 11. 11. respectivamente. 0. Se viene inspeccionando un producto usando muestreo simple. 1. un provee- dor de un departamento del gobierno utiliza planes MIL-STD-105D con ins- pección rectificadora para inspeccionar el producto terminado antes de despa- charlo a su destino. La cantidad de elementos defectuosos hallados en los diez primeros lotes fue: 3.5 sea aceptado bajo inspección rigurosa? d) ¿Cuál es la probabilidad de que un lote con calidad 0.5. determine la probabilidad de aceptación de un lote 8 por 100 defectuoso: a) con inspección normal.000.4.000 de lote. Si el producto tiene una calidad media de 0. 1.5 sea aceptado bajo inspección reducida? 11. A partir de la siguiente información determinar qué acción debe iniciarse con rela- ción al grado de inspección. 2. nivel II de inspección. 4. inspección normal.9. ¿Puede utilizarse inspección reducida con dicho producto? 11.000 a la vez. 0 y 1.

0 III Normal 12. Cierto tipo de munición puede presentar diez tipos de defectos de los que dos son de gran importancia y el resto de menor importancia A. 1. Si la calidad media del proceso es 0.8 y 2.5 para los de menor importancia B.12 sea aceptado? 11.14. Comente la conveniencia de usar este plan. si el AQL para defectos de gran importancia es 0.5 II Reducida 20.000.5.5 VII Rigurosa 475 1. 11.0 100. Determinar AOQL y ASN para el plan del problema 11.12. nivel II de inspección general. 11. El producto se compra en lotes de 2. 11.765 0. Determinar ASN y ATI para el plan del problema 11.4 y el de los de menor importancia A es 1.0 IX Normal 2.65 VI Normal 180 4.0 para los de menor importancia B.0. Asumir que la media del proceso es igual a AQL.2 6.5 VIII Reducida 3.87 0.13.14.0? .15 a 11.000 y AQL 1.15 IV Normal 9.200 6. 11. ¿cuál es la probabilidad de que se inicie la inspección rigurosa después de las dos primeras muestras? ¿Cuál es la probabilidad de que se acepte un lote bajo inspección rigurosa? Nota: Para los problemas 11.000 4. ¿Cuál es el ASN para este plan si la media del proceso es 2.13.5 para defectos de gran importancia.18.25. bajo nivel II de inspección general.7. para lotes de tamaño 40.16.4 para los defectos de gran importancia.7 1. 0.6 4. usando AQL de 0. Se utiliza muestreo simple con nivel S-4 de inspección. Determinar los valores de AOQL y ASN para inspección normal y rigurosa. nivel I de inspección general. tamaño de lote 12.9 1. La clasificación de defectos en un tablero de circuitos incluye ocho defectos clasificados como de gran importancia. 11. Asumir que la media del proceso es 80. Determinar el plan de muestreo múltiple con inspección normal.8 para los de menor impor- tancia A y 1.15 11.0.5 V Reducida 500 0.04 0. respectivamente. ¿cuál será la probabilidad de que un lote inspeccionado bajo el plan de inspección del problema 11. Establecer un plan de doble muestreo para inspección normal.000 0.000.02 1.000 y AQL = 1.18 asuma que se aplica inspección rectificadora.15.500 1.800 98. 11. Determinar el AQL para inspección normal en el problema 11. PROCEDIMIENTOS DE ACEPTACIÓN BASADOS EN AQL 269 Grado actual Cantidad Calidad Caso inspeccionada AQL Acción de inspección media I Rigurosa 1.00 0.12. diez como de menor importancia A y nueve de menor importancia B. Si el tablero de circuitos producido por un fabricante tiene un nivel de calidad media de 0.0 para los de mayor importancia A y 1. Estos tableros se compran en lotes de 8. Establecer los planes normal y riguroso para mues- treo simple.19.

.

05). P(A) = 0.1. P(A) = 1 — Į (Į es generalmente 0. Si se tienen conocimientos para utilizar este estándar militar se descubre que es muy flexible y puede adaptarse a la casi totalidad de los casos en que es aconsejable realizar una inspección de muestreo por atributos. una decisión para adoptar una curva característica operativa. el valor de la probabilidad de error tipo II se especifica como de exactamente un 10 por 100. Los procedimientos que se centren en este punto se dice que se basan en indiferencia de calidad. El tratamiento dispen- 271 . en realidad. En cada tipo de procedimiento. AOQL. Los procedimientos MIL-STD-150D se basan en AQL. A la calidad q3 se la puede denominar porcentaje defectuoso tolerado en el lote. Hay tres puntos importantes en cualquier curva OC y se pueden crear tablas independientes para destacar cada uno de dichos puntos. La calidad q2 puede definirse como nivel de calidad indiferente. Tam- bién se describen otros tipos de planes en este capítulo.5. Punto 2: q = q2. La calidad q1 puede designarse como nivel de calidad aceptable. Todos aquellos procedimien- tos que traten de resaltar este punto se dice que están basados en AQL. Punto 3: q = q3.12 Otros procedimientos de aceptación La elección de un plan de muestreo es. P(A) = 0. Hay un capítulo independiente dedicado a los mismos debido a su casi universal aceptación. Punto 1: q = q1. o el costo total de inspección indicado por ATI. Aquí. Las tablas de planes de muestreos de aceptación están diseñadas para concordar en un punto específico de la curva OC y para aproximarse todo lo posible a dicha curva en los demás puntos. se pueden diseñar las tablas para limitar la peor calidad de productos aceptados. Aquellos procedimientos que se centren en este punto se dice que están basados en LTPD.

10 = riesgo del consumidor y el AOQL. Todas las curvas OC de estos planes pasan. Philips Technical Review. Esto parecerá lógico a quien se encarga de las inspecciones dado que cuanto peor sea la calidad tolerada. vol. No se ha intentado lograr que se discuta totalmente ni su utilización ni su desarrollo. poco o más o menos. J.95 de probabilidades de aceptación. y muestreo doble para partidas mayores. Al igual que en todos los demás planes. G.50. La Tabla 12. en el 0. de la curva OC muestra igual probabilidad de aceptación y de rechazo. Un incremento en la calidad especificada va unido a una disminución en el tamaño de la muestra. Y esto justifica el que las muestras sean de menor tamaño. Willemze: «The Practical Application of Sampling Inspection Plans and Tables».1. En este sistema. . Si puede tolerarse un nivel más bajo de calidad. Por el contrario. 1 H. 1950). También parece lógico desde el punto de vista económico. págs. 11 (junio. menor será la atención que hay que dedicar a la inspección. Los procedimientos basados en indiferencia de calidad y LTPD fueron creados por dos gigantes de la industria: Philips Gloelampenverke en Holanda y American Telephone and Telegraph en Estados Unidos. aquéllos con mayor tamaño de muestra y con mayor número de combinaciones de rechazo proporcionan mejores curvas características operativas. En muestreo doble.000 artículos o menos. 362 a 370. punto 2. Como los riesgos están divididos. la consecuencia es que podrá tam- bién tolerarse un mayor nivel de error en la confección de la muestra. PROCEDIMIENTOS DE ACEPTACIÓN DE CALIDAD INDIFERENTE El punto de calidad indiferente. Una característica interesante de la Tabla 12. Parte importante del valor del sistema radica en su solidez y simplicidad. También se han creado tablas que especifican estándares que dividen los riesgos. Hamaker. aproximadamente. Dodge-Romig tiene dos estándares básicos de calidad: el LTPD en ȕ = 0. las inspecciones no son severas.1 es la relación inversa entre una calidad especificada y el tamaño de la muestra. por el punto de control en P = 0. la calidad estándar o punto de control corresponde al punto número 2 de la Figura 12. M. El estándar de calidad del MIL-STD-150D es un AQL que está. la segunda muestra tiene un tamaño doble que el de la primera. C. J. el muestreo de demérito proporciona procedimientos simplificados aplicables en aquellos casos en que deben inspeccionarse múltiples características al mismo tiempo.272 CONTROL DE CALIDAD sado a cada tipo de procedimiento de aceptación es breve. El muestreo secuen- cial introduce procedimientos con muestras de tamaño variable. se trató de proporcionar una visión general de todos ellos para permitir que puedan utilizarse en aquellos casos especiales que hagan precisar su aplicación. El sistema Philips de muestreo estándar es un ejemplo del concepto de riesgos divididos. Jaudin Chabot y F. Puede decirse que el riesgo está dividido entre productor y consumidor.1 es la que utiliza Philips en Holanda. Se utiliza un muestreo único para partidos de 1.

que la presentó en Bell System Technical Journal en 1923. S.a edición (Nueva York: editado por McGraw-Hill Book Company.000 artículos. A. L. 2 Tomado del libro Statistical Quality Control. La fórmula es: c  0.50 igual a 0.01 (1 por 100) y un número de aceptación de cero (c = 0).50. .1 Determinar un plan de muestreo de calidad indiferente para partidas de 1.67 n 67 0.2). La fórmula quedaría: c  0.67 n= ' P0. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 273 Figura 12. puede obtenerse una familia completa de planes (Tabla 12. y b) utilizando la fórmula simple. Ejemplo 12.1. Si se asume que las probabilidades de Poisson resultan aplicables.01 Mediante la variación de c en la fórmula. Puntos importantes en una curva OC. Grant y R. puede utilizarse una sencilla fórmula2 para diseñar grupos de planes para niveles de calidad especificada en los que el PĮ de calidad estándar será igual a 0. de E. Campbell. Los autores consideran como creador de esta fórmula a G. calidad 2 por 100: a) utilizando las tablas estándar Philips.50 Supongamos una calidad estándar de P’0. 1980). Leavenworth. 5.

OTROS PROCEDIMIENTOS DE ACEPTACIÓN 275 .

Tablas de tolerancia de lotes con muestreo simple. F.0 por 100. La red constituida por dichas compañías se solía denominar «Bell Telephone System».5 por 100. 2..067 3 367 7 767 11 1. Tablas AOQL con muestreo simple. Bell. Estas tablas se basan en LTPD o punto 3 de la curva OC.a edición 1944. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 275 TABLA 12. Dodge y H.0 por 100. en honor del inventor del teléfono: A. 1. Aunque inicialmente se pensó en ellas para su uso interno por la Bell Telephone System3. 4. Tablas de tolerancia de lotes con muestreo doble. G.2.02 84 después del redondeo Este ejemplo muestra lo cerca que está la aproximación al usar la fórmula simple. 4.000 y IQL 2 por 100. 3. c = 1.0 por 100. 1. Tablas AOQL con muestreo doble. F. Los dos primeros juegos incluyen una tabla cada uno para ocho valores de Pt.50 = 0.50 1.167 a) Según la Tabla 12. el plan de muestreo es n = 85. Las tablas no incluyen muestreo múltiple. Familia de planes c n c n c n 0 67 4 467 8 867 1 167 5 567 9 967 2 267 6 667 10 1. Inc. G. . 2.02 y c = 1 [manteniendo el mismo número de aceptación que en la parte (a)]: c  0.1. TABLAS DODGE-ROMIG H.5 0. 1. 3.0 por 100. en 1944 se permitió el acceso del público en general a las mismas al publicarse un libro en dicha fecha4. G. 4 H. y 10. b) p’0.0 por 100. Romig desarrollaron procedimientos de muestreo de aceptación al igual que juegos completos de tablas de planes de muestreo al principio de la década de 1920. para un lote de tamaño 1. que son: 0. 2.0 por 100 3 Antes de 1983 casi todas las compañías telefónicas regionales de Estados Unidos eran subsidiarias de la gigantesca American Telephone and Telegraph Company.0 por 100.a edición 1959).67 83.67 n ' p0. Las tablas se refieren a la calidad representada por LTPD como Pt El libro incluye cuatro juegos de tablas. Dodge y H. 7. Romig: Sampling Inspection Tables-Single and Double Sampling (Nueva York: John Wiley & Sons. 5.

2. 0. Ejemplo 12.01-1. Los planes de muestreo en las tablas Dodge-Romig tratan de minimizar la inspec- ción media total (ATI) o la fracción media inspeccionada (AFI) de cada lote. 0.1 El tamaño del lote es 750 y está en el intervalo entre 601-800 y el valor estimado de la media del proceso está en el intervalo 1.0 por 100. 1.25 por 100. Tabla AOQL con muestreo doble. En todas esas tablas. ¿Cuáles son los criterios de aceptación? Si el lote presentado tiene real mente una calidad 3 por 100.0 por 100. Tabla de tolerancia de lotes con muestreo doble. Las tablas asumen un 100 por 100 de inspección de los lotes rechazados pero no obligan a realizarla.2 Se usa un plan de tolerancia de lotes con muestreo simple de Dodge-Romig con Pt = 5. que son: . Los dos tipos de tablas son complementarios en el sentido de que las tablas de tolerancia de lotes dan el AOQL de cada plan en la tabla y viceversa.01-1.1 por 100.0 por 100. 5.0 por 100.50 nos da el siguiente plan de muestreo: n c AOQL 130 3 1. las columnas indican el tamaño del lote y hay seis columnas que indican valores estimados para las medias del proceso.5 por 100. Uso de las tablas Dodge-Romig Usamos dos ejemplos para ilustrar el uso de las tablas Dodge-Romig. Cada intersección de fila y columna da el plan especí- fico de muestreo lo mismo que el otro índice base (las tablas de tolerancia de lotes dan los valores de AOQL y las tablas AOQL dan P t ). Tabla A 17.0 por 100. 1. Tabla A17. Tabla A 17. y 10.0 es la Tabla A 17. En el apéndice se incluye un ejemplo de cada uno de los cuatro juegos con las siguientes denominaciones: Tabla A 17. 0.75 por 100.3.0 por 100. Tabla AOQL con muestreo simple. Tanto los tamaños de los lotes como los valores estimados de las medias del proceso vienen expresados en intervalos. 4. P t = 5. AOQL = 2. 3.3 por 100.2.0 por 100. ¿cuál es la probabilidad de aceptar el lote? La tabla de tolerancia de lotes con muestreo simple con Pt = 5.0 por 100. AOQL = 2. 2.1. 7.2 .50.276 CONTROL DE CALIDAD Los dos juegos siguientes incluyen una tabla cada uno para trece valores de AOQL. La intersección de la fila 601-800 con la columna 1.0 por 100: El tamaño del lote es 750 y el valor estimado de la media del proceso es 1.0 por 100.50 por 100. Tabla de tolerancia de lotes con muestreo simple.0 por 100.5 por 100.0 por 100.4. P t = 5.

su línea central indicará la calidad .0) son mayores. se permiten cuatro elementos defectuosos en 120 elementos. La intersección de la fila 601-800 con la columna 1.2) como su Pt(7.03 = 3.3.9. Se mantiene un gráfico de control de la fracción de elementos defectuo- sos durante un período base de muestreo de 20-30 lotes.3 es menos preciso.60. Cuando el producto es 3 por 100 defectuoso.2 por 100. la cantidad media de elementos defectuosos en la muestra. el número c2 representa el total acumulativo de elementos defectuosos. Los planes necesitarán un ATI mínimo cuando estén basados en el intervalo correcto de la calidad media del proceso. CALCULO DE LA MEDIA DEL PROCESO Los planes de muestreo Dodge-Romig están diseñados para ser los más indicados cuando la calidad de entrada del producto está dentro de unos límites determinados.60 da el siguiente plan de muestreo: Trial 1 Trial 2 n1 c1 n2 n1 + n 2 Pt 38 0 82 120 4 7. En el ejemplo 12.0 contra 1. o np'.3 En los planes de doble muestreo de las tablas Dodge-Romig. En el ejemplo 12. Ejemplo 12. ¿cuáles son los criterios de aceptación si se usa un plan de doble muestreo y AOQL 2 por 100? La tabla AOQL con doble muestreo con AOQL = 2.3 Para el producto descrito en el ejemplo 12. Para procesos más nuevos hay dos modos posibles de obtener buenos valores estimados: 1.3 contra 5. El plan del ejemplo 12.2 y 12. Usando la Tabla A3.1 para la distribución acumulativa de Poisson la probabilidad de encontrar tres o menos elemen- tos defectuosos es 0. Los datos históricos dan una excelente base para calcular la calidad media del proceso. De aquí que sea de la mayor importancia obtener un buen valor estimado de la calidad media del proceso antes de seleccionar un plan de muestreo. Los procesos de fabricación que llevan mucho tiempo funcionando no suelen presentar problemas en este sentido.453. después de ambas muestras. Es interesante com- parar los planes de los ejemplos 12.21-1.2.4. lo que cabía esperar ya que tanto su AOQL (2. Si el gráfi- co del proceso está bajo control.0 por 100 es la Tabla A 17. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 277 El lote seria aceptado si se encontraran tres o menos elementos defectuosos en una muestra de 130 elementos. El tamaño del lote es 750.2 el plan indica aceptación sólo si hay tres o menos elementos defectuosos en 130 elementos.3.21-1. El AOQL para este plan sería 1. que está en el intervalo 601-800 y el valor estimado de la media del proceso está en el intervalo 1. es 130 x 0.

El efecto de la asunción de calidad media del proceso sobre la curva OC del plan seleccionado de las tablas Dodge-Romig aparece en la Figura 12.278 CONTROL DE CALIDAD media del proceso. En este caso hay que tener cuidado de usar sólo los datos de las primeras muestras. El AQL proporciona un buen punto de partida. Figura 12. En muestreo doble.2. (El gráfico puede seguirse utilizando como gráfico de vigilancia del proceso. nuevas presentaciones a inspección e inspección rectificadora no se incluyen en el cálculo de la media del proceso. la cantidad de unidades inspeccionadas viene determinada en parte por el plan. los datos de las segundas muestras. 2. y en parte por los resultados del proceso de . Este plan tentativo se usa para un número de lotes preestablecido. el tamaño de la muestra viene dado definitivamente por el plan. Los resultados de estas inspecciones de muestras dan un mejor valor estima- do de la calidad media del proceso.) Esta alterna- tiva sólo la puede utilizar el fabricante o un consumidor que tenga acceso a la información sobre su producción. Efecto de la asunción de calidad media del proceso en las curvas OC de planes de muestreo de tablas Dodge-Romig. PROCEDIMIENTOS DE ACEPTACIÓN SECUENCIAL En el muestreo simple. La segunda alternativa la puede usar un consumidor que no conoce al proveedor (o no tiene fe en él). En este caso se usa una asunción preliminar de la calidad media del proceso para establecer un plan de muestreo tentativo. Este valor estimado se puede usar como base para determinar los planes de muestreo Dodge-Romig. O lo que es lo mismo.2.

12. Una versión simplificada de la lógica presente en SPRT se presenta aquí.3e).. Inc. El muestreo secuencial se beneficia al máximo de esto último al basar la aceptación. por lo que la práctica común es cortar el proceso de muestreo fijando un límite en el que el lote es aceptado o rechazado. 1947). 12. la inspección podría continuar indefinidamente. el rechazo o las decisiones para continuar el muestreo en los resultados del proceso de muestreo.3a).3d y 12. El concepto de adopción de decisiones secuencial después de ser inspeccio- nado cada elemento se basa en la prueba del cociente de probabilidad secuencial (SPTR) realizada y desarrollada por Abraham Wald5. . pero los resultados del muestreo establecen si es necesario inspec- cionar unidades de muestreo adicionales. x • 1 . Esta interrupción da lugar a un plan parecido a los planes de muestreo múltiples. Para un lote aceptable. una prueba de la hipótesis Ho: p = p1 o buena calidad contra una alternativa H1: p = p2 o mala calidad Si I es el caso en el que se han hallado d elementos defectuosos después de haber examinado n elementos. un desarrollo más exacto puede hallarse en el libro de Wald. las probabilidades condicionales de I son: Pr(I | H 0 ) p1d (1  p1 ) n  d x d nd Pr(I | H1 ) p (1  p2 ) 2 y Si la calidad del producto ofrecido es p1 el lote tendría que ser aceptado. El parecido se muestra al compa- rar un plan secuencial y un plan de muestreo múltiple que tengan los mismos valores p1 y p2 (véanse Figs. La cantidad mínima posible de unidades de muestra en muestreo doble es n1. básicamente. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 279 muestreo. El muestreo de aceptación es. como se inspeccionan todas las unidades se toma una de las tres decisiones. situándose la zona de inspección continua entre dichas dos líneas (véase Fig. Durante la operación.Į y ” ȕ Ambas pueden combinarse como una única condición: x 1D relación t y E 5 Abraham Wald: Sequential Analysis (Nueva York: John Wiley & Sons. En teoría. El proceso secuencial de adopción de decisiones puede presentarse gráficamente por medio de ecuaciones lineales para las líneas de aceptación y rechazo.

De igual modo.3.280 CONTROL DE CALIDAD Figura 12. b) carac- terística operativa del plan. d) expresión numérica del intervalo de la muestra. a) Representación gráfica de ejemplo de planes secuenciales. e) curva equivalente OC de un plan múltiple de MIL-STD- 105D. un lote inaceptable x” Į y•1-ȕ . c) curva ASN para el plan.

01.Į y ȕ. Para este ejemplo vamos a asumir que las especificaciones son p1 = 0. Į = 0.05 (PĮ = 0. evitando el cálculo del coeficiente real de probabilidad. Ejemplo 12.3a. las fórmulas necesarias para hallar los parámetros de s. y ȕ = 0.10.. En cuanto el coeficiente exceda la constante de aceptación (1 — Į)/ȕ.4 Para la proyección de planes de muestreo secuencial es necesario especificar p1. p2 = 0.95). el lote es rechazado. el lote es aceptado. Las dos ecuaciones lineales. usando la anotación convencional son: Línea de rechazo: d2 = sn + h2 Línea de aceptación: d 1 = sn — h1 Sin pasar a la derivación. la prueba del coeficiente de probabilidad se simplifica algebraicamente de modo que las marcas se realizan en un gráfico de d contra n. como muestra la Figura 12. Para su uso práctico. Las constantes de aceptación y rechazo se convierten en dos líneas paralelas. p2. .04. Si el cociente es menor que la constante de rechazo Į/(l — ȕ). OTROS PROCEDIMIENTOS DE ACEPTACIÓN 281 Ambas pueden ser combinadas x D cociente d y 1 E El cociente x/y se llama coeficiente de probabilidad: d nd x § p1 · § 1  p1 · ¨ ¸ ¨ ¸ y © p2 ¹ © 1  p2 ¹ El análisis de un lote se obtiene marcando este coeficiente después de la inspección de cada artículo. h1 y h2 para poder resolver esas ecuaciones lineales para diferentes n son las siguientes: b h1 g1  g 2 a h2 g1  g 2 g2 s g1  g 2 p2 1 E donde g1 log a log p1 D 1  p1 1D g2 log b log 1  p2 E Nota: Logaritmos quiere decir logaritmos de base 10.

0128 0.282 CONTROL DE CALIDAD La solución para los parámetros de s.6149 1.: Richard D.05 0.90 a log 1.001. la cantidad de muestras inspeccionadas tiene gran importancia. 2553 h2 2.6149 0.6149 La línea de rechazo queda como d2 = 0. Inc. La curva ASN de un plan secuencial puede construirse a partir de las relaciones que aparecen en la Tabla 12. 1955).9777 h1 1. h1 y h2 es la siguiente: 0. 2553 0.588 Se puede construir una curva característica operativa para este plan a partir de tres puntos.96 0.36. esto es.039 0.0208 0. 111. la probabilidad de aceptación de un lote de esta calidad es h2/(h1 + h2).04 g1 log log 4 0.3b muestra la curva OC para este plan construida desde esos tres puntos. . Į = 0.95 b log 0.039 y la línea de aceptación como d 1 = 0.6021 0.1. Dos ya nos han sido dados.9777 0. véase Acheson J.04.99 g2 log 0. y ȕ = 0. La Figura 12.0208n . p2 = 0.0128 s 0.588 0. Irwin.01 0.10 0. p1 = 0. 6 Para el desarrollo de estas relaciones.10 Cuando la fracción defectuosa del lote es igual a s. Duncan: Quality Control and Industrial Statistics (Homewood.028n + 2. Al igual que con todos los planes en que se usa muestreo múltiple o secuencial.05..

Probablemente. N. Estos dos planes tienen curvas OC que se ajustan bastante bien. se muestra en la Figura 12. Esta medida de deméritos puede utilizarse para el desarrollo de planes de muestreo de acepta- 7 El muestreo de deméritos se basa en el sistema de clasificación de deméritos desarrollado por H. los valores para decidir sobre aceptación y rechazo continúan siendo básicamente los mismos para la cantidad inspeccionada dentro de los intervalos mostrados. Sin embargo. Realmente. . el plan múltiple en 350. Por ejemplo. El plan secuencial se ha cortado arbitrariamente en 250.3d y 12. pudieron obtenerse estableciendo los límites en el punto medio entre las cantidades.3.3c. Así. F. los números (1 y 5 respecti- vamente) para aceptación y rechazo según el plan múltiple. en lugar de por grupos de unidades como muestra la Figura 12. Torrey que se estudió en el Capítulo 7. el valor de la línea de aceptación en n = 100 es > 0. Las Figuras 12. Dodge y M. en el plan múltiple se hicieron ciertas concesiones que dan lugar a las ligeras diferencias existentes en los tamaños de las muestras y en las cantidades de aceptación. El valor de la línea de rechazo en n = 100 es > 4 y < 5.3e comparan los planes de muestreo del ejemplo 12. El parecido entre los dos planes resulta evidente de inmediato. TABLA 12. Construcción de planes secuenciales Cuando p' La cantidad media es igual a: de la muestra ASN es: h1 0 s p1 (1  D )h1  ah2 s  p1 s h1h2 s (1  s ) p2 (1 E )h2  E h1 p2  s h2 1 1 s MUESTREO DE DEMÉRITOS 7 La base del muestreo de deméritos es la combinación de muchos tipos y clases diferentes de defectos en una única medida de deméritos.5 y < 1. el plan secuencial debería seguirse por unidades. trazada desde cuatro puntos.0. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 283 La curva del plan secuencial del ejemplo.3d.4 y el plan múltiple para la letra-código L de MIL- STD-105D para AQL = 1. en n = 100.

En el ejemplo numérico utilizado para ilustrar los procedimientos de aceptación con muestreo de deméritos. Tales clasificaciones pueden dar lugar a la formación de varios grupos con diferentes niveles de calidad aceptable para cada uno. esto exige mantener registros y control por grupos. TABLA 12.4. en gran parte. Por supuesto. La historia de pasadas inspecciones de 100. La medida de deméritos Us se define como US 100U A  50U B  10U C  U D y la varianza estándar Cs se define como Cs = (100)2UA + (50)2UB (10)2Uc + UD B D este modo se ve que los totales 1. 50 para los del tipo B.5 Un producto complejo adquirido de forma regular está expuesto a cuatro tipos de defectos. de la historia de calidad del producto concreto para el que se ha diseñado el plan. Recuerde que en el uso normal del muestreo de atributos las características se clasifican de acuerdo con la gravedad de un defecto.000 elementos puso de manifiesto la historia de calidad que muestra la Tabla 12. respectivamente.4. El desarrollo de un nivel satisfactorio de calidad aceptable para una canti- dad de deméritos depende.193 y 23. cuyos pesos ponderados (asignados de acuerdo con el defecto esperado de los defectos sobre el uso del producto) son 100 para los defectos del tipo A. Tales planes pueden ser muy útiles cuando se compran montajes comple- jos y cuando se desea una única medida de aceptación o rechazo.93 son los Us y Cs.284 CONTROL DE CALIDAD ción. Las asignaciones de deméritos a cada grupo eliminan gran parte de la necesidad de registros y proporcionan una medida de funcionamiento de la calidad. Historia de calidad Ejemplo 12. El número permisible de deméritos por muestra de tamaño n se establece en nU S  3 nCS . se asume que hay suficientes datos históricos disponibles. 10 para el tipo C y 1 para el tipo D.

También especifica canti- dades más rigurosas para deméritos permisibles y acción para lotes vueltos a presentar. como se hace arriba.05. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 285 y los límites de acción se establecen en nU S  4 nCS nUs es la expresión para el nivel de demérito en calidad aceptable para la muestra de tamaño n. Si la cantidad de deméritos de la muestra excede el número de acción.5. Si la cantidad de deméritos de la muestra excede la cantidad permisible de deméritos por muestra. el lote será rechazado. además. supongamos que un departamento de aceptación está dispuesto a asumir el riesgo de un 5 por 100 de que sean aceptados lotes con más de cuatro deméritos por unidad. Un ejemplo aparece en la Tabla 12. Por ejemplo.4 muestra este plan de muestreo en forma de gráfico de control. número aceptable de deméritos = 58. en tanto que el segundo es lo mismo que usar inspección rigurosa en MIL-STD-105D para lotes vueltos a presentar. Sea k = desviación normal en el nivel de significancia 0. que se someten a inspección lotes de tamaño 50. Observe que esta tabla proporciona controles de aceptación sobre una cantidad de defectos probables. Suponiendo que se apliquen Us y Cs del ejemplo. se iniciará una inspección rigurosa. El primer caso es para asegurar los sucesos que se produzcan de modo desigual. y . Expresión gráfica del plan de muestreo N = 50. el lote será rechazado y. es posible derivar un número de aceptación y un tamaño de muestra usando la distribu- ción normal. Asúmase. n = 10. ¿qué tamaño de muestra es necesario? Procedimiento. nC s es la expresión para la desviación estándar de deméritos de la muestra de tamaño n.4. De cada lote se seleccionará una muestra de 10. además. En vez de establecer un tamaño arbitrario de muestra y la cantidad permisi- ble de deméritos en tres desviaciones estándar. La Figura 12. Se han creado tablas de inspección de muestreo para inspección de acepta- ción de deméritos que se pueden usar con productos concretos. Figura 12.

286 CONTROL DE CALIDAD .

Dicho muestreo de verificación se hace. También. hay que aceptar si hay 92 deméritos en una muestra de 23. el consumidor debe verificar todos los componentes del sistema. antes de tomar la decisión de realizar un muestreo de verificación se da por sentado que ya se obtuvieron suficientes pruebas de la capacidad del fabricante para producir un artículo. buenos procedimientos de control e inspección. Cualquier sistema efectivo de verificación requiere que se realice algún tipo de muestreo de verificación. nos da (23. etc. el fabricante podría (y debería) llevar registros de inspecciones de calibradores. Sin embargo. MUESTREO DE VERIFICACIÓN PARA GARANTÍA DE CALIDAD El objetivo del muestreo de verificación realizado por el consumidor es asegurarse de que los sistemas de control de aceptación y calidad del proceso del fabricante están operando de modo efectivo. El mantenimiento actualizado de diseños es otro ejemplo de que un componente de un sistema se puede medir cuantitativamente. Los errores de excluir cambios . generalmente. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 287 U = deméritos por unidad en el nivel de significancia = 4. En muchos casos. Claro está que se pueden seleccionar muestras grandes. La desviación normal para deméritos por muestra es nU  nU s k nCs Resolviendo la ecuación para hallar el valor de n. y así sucesivamente.8)(1. Para reducir y hacer más rigurosa la inspección pueden seguirse los principios que usamos en MIL-STD-105D. debe realizar una inferencia positiva de conformidad o no conformidad basada en una muestra comparativamente pequeña. por atributos.645)2 n 23 4  1. nos da Cs k 2 n U Us Substituyendo en ella los valores de Us y Cs. o la inspección es de acuerdo con el procedimiento o no. En este tipo de control de aceptación el consumidor. Tales pruebas serían una larga historia de calidad. generalmente. 2 En el plan de muestreo n = 23. los componentes del sistema de control de calidad tendrán unidades producidas por medio de las que podrán medirse de forma cuantitati- va unos particulares componentes. Por ejemplo. O el siste- ma de inspección es bueno o no es bueno. el productor mantiene regis- tros de promedios de calidad en los distintos puntos de inspección. equipo eficiente de procesamiento. Para determinar si el sistema es bueno o no.

cuando desea conocer hasta qué punto concuerdan los resultados de su muestreo con los del realizado por el fabricante.3 por 100.288 CONTROL DE CALIDAD nuevos y declarar en desuso los antiguos se pueden medir por medio de una escala numérica. cuando el consumidor desea determinar si la calidad del fabricante es conforme al estándar o no. Claro está que habrá razones de tipo económico que determinarán el nivel que deba usarse. Claro está que. pero de no existir elementos de costos definitivos. está justificada cuando se consideran los continuos riesgos de aceptación que asume el consumidor si no realiza la inspección de aceptación por sí mismo.1.65 por 100. ¿Cuál es la probabilidad de que un lote 5 por 100 defectuoso sea aceptado con este plan? 12. Un consumidor está preocupado por la posibilidad de aceptar un producto con el 5 por 100 o más de elementos defectuosos.95 por 100 y el tamaño del lote es 900.4. ii) 0. Sin embargo. iii) 2 por 100. Debe elegirse cierto nivel de significancia para adoptar las decisiones. Se sugieren dos planes posibles: 1) un plan estándar de Philips con punto de control 3 por 100. o no. El primero.65 por 100. En un muestreo de verificación se pueden utilizar dos tipos de pruebas de significancia. cualquier inferencia debe ser hecha a cierto nivel de significancia escogido previamente. b) Determinar un plan de muestreo doble con inspección normal.600 y calidad de indiferencia 2 por 100. nivel II de inspección general para un tamaño de lote de 1. 12. 12.5. Determinar un plan de muestreo smple de Dodge-Romig con un porcentaje de un 5 por 100 de tolerancia de elementos defectuosos por lote. Aquí se incluye un riesgo razonablemente alto de adoptar una decisión de rechazo cuando no debiera ser así. c) Comparar los ASN de los dos planes si la calidad de entrada es: i) 0.2. Determinar un plan Rhilips de muestreo estándar para un lote de tamaño 750 y punto de control 3 por 100. En el muestreo de verificación el problema pasa a ser el de decidir si la muestra seleccionada para verificación concuerda con un estándar o con los informes del fabricante. Marcar las curvas OC de los dos planes del problema 12. Las pruebas de significancia se cubren con detalle en el Capítulo 2. El otro. aceptar o rechazar aquel componente del sistema que se está mi- diendo. a) Determinar un plan Philips de muestreo estándar para un tamaño de lote de 1. El tamaño del lote es 800 y la media del proceso asumida es 1 por 100.3.600 y AQL 0.2. ¿Qué fracción del . y 2) un plan de muestreo simple de Dodge-Romig con AQL 2 por 100. La media del proceso se calcula como 0. dado que se trata de un muestreo. ¿Cuál de los dos planes proporcionará mayor protección al consumidor? 12. PROBLEMAS 12. se recomienda un nivel de significancia del 5 por 100.

¿cuál es la calidad de salida? ¿Cuál es el ASN? ¿Cuál es el AFI? 12. a) Proyectar un plan de muestreo secuencial para las siguientes especificacio- nes: Į = 0.1 por 100. y p2 = 0. ȕ = 0. Obsérvese que el cociente p2/p1 es el mismo para ambos planes. 12. ¿cuál es la probabilidad de que se acepte un lote por el departamento si el lote: a) es aceptado en la inspección del fabricante y despachado sin inspección rectificadora? b) es rechazado en la inspección del fabricante y despachado después de la inspección rectificadora? 12. Comentar el efecto que esto produce en la curva OC. Trazar la curva OC y la curva ASN para este plan. Un departamento del Gobierno compra a un fabricante grandes cantidades de un pequeño producto.05. OTROS PROCEDIMIENTOS DE ACEPTACIÓN 289 producto que llega es inspeccionada bajo inspección de muestreo? Si la calidad del producto que se recibe es realmente 1 por 100. Cuando se fabrica. 12.5 por 100. Resolver el problema 12.10. Si la calidad real de producción del producto del problema 12. Determinar el plan de muestreo doble de Dodge-Romig con AOQL 2 por 100 para un tamaño de lote de 900 y un valor estimado de la media del proceso de 0.000.11. c = 4 c) n = 235.65 por 100? b) ¿Cuál es la probabilidad de que el departamento del Gobierno acepte el producto en cada caso? 12.8 es 1.05. El tamaño del lote es 1. ¿cuál es la calidad de salida? 12. 12.95 por 100. c = 2 b) n = 160.02. según el valor estimado de la media del proceso: a) n = 105.10. b) Determinar un plan de muestreo simple con un 5 por 100 de tolerancia de elementos defectuosos por lote cuando la media estimada del proceso = p1 para un tamaño de lote de 600. y p2 = 5 por 100. Proyectar un plan de muestreo secuencial para las siguientes especificaciones: Į = 0. Se compra un elemento en lotes de 5.9.12.005 y p2 = 0. dicho departamento usa un plan de muestreo simple para inspeccionarlo.10 usando p1 = 0. c = 1 Comparar la inspección media total y la calidad de salida de esos tres planes si la calidad de entrada es realmente 0. a) ¿Cuál es la calidad media del producto enviado al departamento del Gobier- no si la calidad real de producción es 0.10.6. ȕ = 0. el producto se somete a una inspección de muestreo y rectificadora antes de su envío.200. Este plan lo obtiene del MIL-STD-105D basado en AQL 0. . p1 = 1. Para un riesgo del 10 por 100 por parte del consumidor con una tolerancia del 5 por 100 en el lote.02. las tablas de Dodge-Romig dan los siguientes planes alternativos. Cuando se recibe el produc- to.8.7.65 y nivel II de inspección general. p1 = 0. Si la calidad del producto que se recibe es realmente 1 por 100. El fabricante usa un plan Dodge- Romig con AQL 2 por 100 con la asunción de que la calidad media del proceso es igual al QAL establecido por el departamento del Gobierno.08.4 por 100 defectuosa.

12.13.14 que tenga una opción de un 5 por 100 de que se acepte un lote con U = 12.00 y 25.14. 5. respectivamente. Diseñar un plan de muestreo simple. C y D) con pesos ponderados respectivos de 100. Establecer el número de deméritos permisibles en una desviación normal k = 3 y el límite riguroso de acción en k = 4.12. d) Comparar el ASN del plan de la parte a) con los tamaños de muestras de los planes de las partes b) y c). 12. B.15. diseñar un plan de muestreo de aceptación por deméritos. Dado que los niveles de estándar de Us y Cs son. Se han de tomar muestras de cinco elementos cada una de lotes de 50 elementos cada uno. 50. Dibujar las curvas OC de los tres planes del problema 12.290 CONTROL DE CALIDAD c) Determinar un plan de muestreo simple con inspección normal para tamaño de lote 600 y nivel II de inspección general. usando los valores de Us y Cs del proble- ma 12. 10 y 1. de MIL-STD-105D usando AQL = p1. 12. siendo cuatro los tipos de defectos (A.00. .

de unidades sucesivas sin defectos. Se vuelve al muestreo cuando se haya inspeccionado cierto número. En consecuencia. El primero se denomina de nivel único o etapa única. se toman muestras del producto de acuerdo una proporción determinada f hasta que se halle un defecto. el departamento de Producción verá perturbado el flujo continuo del producto por la cadena de producción a consecuencia de la necesidad de formación de un lote de artículos. según el plan utilizado. determinada por los factores a que nos referiremos de inmediato. pasan a utilizarse una o más etapas de frecuencia f de inspección. Si se hallan uno o más defectos. i. VENTAJAS DEL MUESTREO CONTINUO Los procedimientos de aceptación basados en el muestreo continuo propor- cionan numerosas ventajas si se los compara con los de aceptación lote a lote: 291 . Hay dos tipos básicos de inspección continua por muestreo. En el tipo multietápico se va suavizando la frecuencia de muestreo de acuerdo a la calidad producida. f. ello indica que hay que iniciar una inspección al 100 por 100. Básicamente. contribuye sustancialmente a incrementar la inversión del productor en existencias de productos sin terminar. El rasgo más importante de la inspección continua por muestreo es que elimina la necesidad de inspección en la formación del lote. también. En el tipo de muestreo de etapa única. que. el muestreo continuo representa un procedimiento de inspec- ción de aceptación-rectificación que incluye períodos alternativos de inspección al 100 por 100 y de inspección por muestreo. En muchos casos. El segundo se conoce como muestreo multietápico o multinivel. la muestra se confina a una frecuencia especificada.13 Muestreo continuo de aceptación por atributos Al aplicarlo. La calidad media de salida se mejora durante la fase de inspección iniciada a consecuencia de haber hallado un defecto durante la fase de muestreo.

para aplicar la inspección lote a lote a casos de producción continua. puede afirmarse que el costo de inspección es más bajo en los procedimientos de muestreo continuo. 4. 5. . 3. Si se interpreta de forma muy amplia el MIL-STD-105D. Un incremento de un 80 por 100 en calidad. 6. surgen una serie de problemas distintos. la economía obtenida fue sorprendente1. 4. 1 Alan L. Al suprimirse el almacenaje de partidas en espera de ser sometidas a la oportuna inspección.000 unidades. El departamento de Producción recibe información sobre artículos de- fectuosos tan pronto como uno de éstos se detecta.5 horas de trabajo a sólo 11.8 horas por 1.292 CONTROL DE CALIDAD 1. 2. LOTES EN MOVIMIENTO Se han hecho numerosos intentos. En general. Esto es muy importante tratándose de artículos de alto precio que representan una gran inversión de capital operativo. MacLean: «Continuous Sampling Inspection-Key to this Company's Mass Produc- tion». Un 40 por 100 de incremento en producción sin necesidad de aumentar el personal. Las tasas de defectos importantes y críticos bajaron de un 4 a un 0.7 por 100. La supresión de ocho zonas de almacenaje de productos sin terminar. Una reducción del 87 por 100 (de 400 pies a 50 pies) en el movimiento de termostatos por medio de vagonetas. Esto facilita el poder determinar las causas de tales defectos. 2. se suprimió también el tiempo de espera de deci- siones sobre aceptación de unidades a consecuencia de la inspección y se establecieron normas para tomar decisiones consistentes de inspec- ción. parecería posible seleccionar muestras de un producto en movimiento. Se puede entregar el producto tan pronto como se termine. En la mayoría de los casos no se ha alcanzado pleno éxito. El cambio de una inspec- ción lote a lote a otra de muestreo continuo supuso las siguientes economías: 1. así como el poder iniciar accio- nes correctoras de inmediato. Pasó de 39. Factory. 114-117. No es preciso formar lotes para inspección. Aparte de la lógica complicación de establecer dónde empieza y termina dicho lote. En un caso en que se aplicó muestreo continuo. Una reducción en trabajo de recuperación por unidad de un 70 por 100. Una reducción de un 35 por 100 en las horas de trabajo por unidad en el departamento de Producción. especialmente por parte del Gobierno. págs. La necesidad de disponer de espacio para almacenar los lotes que van formándose queda eliminada. Minneapolis-Honeywell pasó de producción por lotes de mo- dernos termostatos redondos a producción en masa. 3. Esto significa que no hay que interrumpir la producción. Esto sería un lote en movimiento. 5. febrero de 1955.

Storer: «The Use of Continuous Sampling in Ammunition Procurement». puede ocurrir que una parte o la totalidad de la partida haya superado varias operaciones de procesamiento en el momento de alcanzar el número de artículos defectuo- sos que supone el rechazo del lote. Industrial Quality Control. mayo de 1956. el incremen- to de costos ocasionado por las interrupciones y contratiempos anteriormente citados tenderá a reflejarse en el precio que el Gobier- no deberá pagar. el material pertenece al Gobierno. págs. La solución más lógica es la de reducir el lote e iniciar uno nuevo en cuanto se aproxime o se alcance el número de aceptación. Como consecuencia.» La falacia de esta hipótesis es doble: 1. parte de los contratos de mayor importancia son del tipo de costo más unos honorarios fijos. que paga todos los gastos de operación mediante reembolso directo de los mismos. retirarlo de la cadena de pro- ducción. colocarlo en un área independiente o tomar algún otro tipo de medidas con costos considerables subsiguientes a la decisión de rechazo. habrá que desem- balar el producto. aunque tenga que absorberlos de manera temporal2. . Quizá otras puedan hallarse en las primeras fases de producción o no haber iniciado ésta aún. precios por cantidades adicionales de material. 48-54. Esto es. 2. etc. L. Lo que es peor aún. Según esta teoría habría que razonar que: «Bien. como consecuencia directa de haberse eliminado toda posibilidad de que un lote sea rechazado.. Otra desventaja es la que se produce como consecuencia de la práctica de la reducción de lotes. Otras partes pueden haber estado someti- das a montaje. Como quiera que el producto se halla en continuo movimiento y se permite que pase de una a otra fase de producción hasta que se demuestra que es rechazable. si el contratista no quiere correr con los gastos de retirar el producto del furgón. Incluso aunque el material no perteneciera al Gobierno. Podría pensarse que los gastos en que se incurren deberían preocupar menos al Gobierno (el consumidor) que al contratista (el productor). El rechazo de un lote de artículos en movimiento durante una inspec- ción realizada en una fase intermedia de la producción puede producir un verdadero caos. Puede que parte de dicho lote haya sido ya embalado y se halle situado en el furgón para despacho. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 293 El más grave de todos. que permitirán al contratista recuperar tales costos. la calidad media de salida será. renuncias. Tal práctica se da cuando se va alcanzando el número que implica el rechazo antes de que el lote haya alcanzado el tamaño preestablecido para él. Y no existirá ninguna clase de estímulo para mejorar. es el gasto que supone la recuperación del material rechazado. que trate de mantener una calidad lo suficientemente alta para impedir posibles rechazos. Nunca se rechazará un lote. haber superado fases de producción y estar preparadas para su almacenaje. cuando se produce. Citado con permiso. En muchas ocasiones. 2 R. Existirán cláusulas de renegociación. proceder a desmontarlo. Lo que hay de malo en esta práctica resultará evidente de forma inmediata. independientemente de lo defectuoso que éste pueda ser. la misma que la de la calidad de entrada. es muy probable que la calidad empeore y se llegue a un nivel generalmente no satisfactorio. básicamente.

págs. Hay que adoptar algunas decisiones de tipo administrativo antes de deci- dirse por MIL-STD-1235 (ORD). En 1958. J. 5 G. Lieberman y H. Cada plan de muestreo del estándar citado se designa con dos números. 264-279. págs. los planes de muestreo continuo de aceptación suelen designarse como AOQL. para ser consistentes con el MIL-STD-105D. 1. Dodge en el año 1943 3. No obstante. 26 (1955). fue descrito por primera vez por G. Dodge: «A Sampling Inspection Plan for Continuous Production». En el mismo se incluían los planes de Dodge y Torrey al igual que una modificación a los mismos realizada por las Fuerzas Navales y que se conocía como CSP-A. los planes MIL-STD-1235 (ORD) se desig- nan como AQL o AOQL. Lieberman y H. Solomon: «Multi-level Continuous Sampling Plans». F. Sin embargo. En 1962. N.294 CONTROL DE CALIDAD RESEÑA HISTÓRICA El plan de muestreo continuo de etapa única lo utilizó por vez primera H. Por lo 3 Harold F. . Dado que el estándar se creó al combinar los manuales H106 y H107. 7-11. i y f. J. vol. debe decidir quién va a realizar la inspección. Dodge y M. Annals of Mathematical Statistics. F. los manuales H106 y H107 se combinaron para dar lugar a un único estándar: MIL-STD-1235 (ORD). éstas son algunas de las modificaciones introducidas para conseguir que estos estándares sean consistentes con MIL- STD-105D. H. Industrial Quality Control. págs. 686-704. Más tarde. lo que en la mayoría de los casos significa el Minis- terio de Defensa. 4 El CSP-2 lo tratan Harold F. La administración. MIL- STD-1235 (ORD) proporciona procedimientos de muestreo de aceptación cuando la producción es continua. Generalmente. En 1959. un muestreo de aceptación formal basado en muestreo continuo multietápico. La idea de muestreo continuo multietápico fue estudiada por diversos expertos en estadística. estos planes multietápicos son recogidos en el manual del Ministerio de Defensa: Manual H106: Procedimientos y tablas de muestreo continuo multinivel para inspección por atributos. Torrey4 realizaron variaciones sobre el mismo que se conocen como CSP-2 y CSP-3. El número f es la fracción sujeta a inspección en dicha fase. El número i indica la cantidad de artículos consecutivos que deben considerarse aceptables durante la fase de inspección al 100 por 100 para que la producción pase a ser objeto de una inspección fraccionada o parcial. Annals of Mathematical Statistics. vol 14 (1943). el Ministerio de Defensa publicó un manual provisional titulado Manual de inspección y control de calidad (Provisional) H107. marzo de 1951. MIL-STD-1235 (ORD) Al igual que MIL-STD-105D tiene enorme importancia en procedimientos de muestreo de aceptación relacionados con inspecciones lote a lote. Dodge y Mary N. Se le denominó CSP-1. los procedimientos administrativos de MIL-STD-1235 (ORD) siguen las normas de dichos manuales. Torrey en: «Additional Continuous Sampling Plans». Sin embargo. Solomon5.

o un quinto. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 295 general.2) Si se está realizando la inspección de prueba y la inspección verificadora detecta un defecto crítico o dos defectos no críticos separados por menos de 50 unidades buenas. MIL-STD-1235 (ORD) prevé distintos niveles de inspec- ción. Todos los elementos realmente inspeccio- nados durante el procedimiento normal de aceptación están sometidos a una inspección de verificación según la tasa f . La administración debe quedar satisfecha de que: a) la producción es realmente continua. Para garantizar una rápida respuesta ante cualquier defecto detectado en la producción. b) el proceso es capaz de fabricar un producto homogéneo. 4. Para la inspección de verificación se puede usar una tasa f de muestreo utilizada en el plan concreto de muestreo o cualquier otra fracción que satisfaga al consumidor. el productor se ve forzado a establecer las causas de una producción insatisfactoria y adoptar medidas correctoras. Si se está llevando a cabo la inspección de muestreo y se detectan los defectos antes mencionados. Lo mismo que MIL- STD-105D. Las características y procedimientos de medida deben estar definidos con toda claridad.2. Sin embargo.2. el estándar prevé dos modos de dar por finalizada la aceptación de un producto. Debe especificarse el grado de inspección relativa. c) existen amplias instalaciones para la inspección que permitan una rápida inspección al 100 por 100. Sin embargo. inspección al 100 por 100 e inspección de muestreo. de las unidades durante la etapa de inspección de muestreo después de 20 elementos buenos consecutivos durante la etapa de inspección 100 por 100. Los elementos inspeccionados durante la inspección verificadora se determinarán como sigue: Cantidad total producida 520 Producida durante inspección 100 por 100 20 Producida durante inspección de muestreo 500 Inspeccionada durante inspección 100 por 100 20 Inspeccionada durante inspección de muestreo 100 (500 x 0. 2. así como también nivel III de inspección general. f = 0. Si el plan que se está utilizando es i = 20. la inspección 100 por 100 se deja al fabricante y el depar- tamento receptor realiza sólo la inspección de muestreo. la inspección de muestreo se aplicará a 0. 3. el estándar admite inspección de verificación si el consumi- dor la desea. En primer lugar. sólo se incluyen tres niveles de inspección: niveles I y II de inspección general. puede admitirse cualquier otra combinación siempre que se decida de antemano. se da por terminada la aceptación el producto. la inspección cambia a inspección 100 por 100. Esta inspección se añade al examen.2) Total inspeccionado 120 Elementos que han de verificarse 24 (120 x 0. Cuando ésta se da por terminada. El segundo modo de dar por terminada la aceptación es si se está realizan- .

La Figura 13. esto es. de inmediato. El . En las Tablas A16. El modelo incluye tablas para limitar los valores L para cada tipo de plan de muestreo.5).1 a Al6. Lo mismo que en MIL-STD-105D. La inspección del producto vuelto a presentar se realiza por se- parado de la inspección de rutina del producto según el plan de muestreo continuo. sólo CSP-1 y CSP-A pueden usarse para defectos críticos. el plan se usa para un único defecto.10). puede aplicarse a todo un tipo de características.2 a A16.6) y tablas para CSP-M para dos frecuencias de muestreo f = 1/2 y f = 1/3 (A16. CSP-2. una letra-código se determina de acuerdo con la tasa de producción y el nivel de inspección. DESCRIPCIÓN DE PROCEDIMIENTOS DE ACEPTACIÓN CONTINUA Plan CSP-1 de etapa única En CSP-1. tablas para CSP-1 y CSP-2 (A16.1 es un diagrama de fabricación que muestra la operación de CSP-1 aplicado a defectos individuales y a tipos de defectos. Esta letra-código se usa luego para buscar en la tabla maestra adecuada y obtener los planes de muestreo. Siempre que se dé por terminada la aceptación. el plan se aplica para la aceptación y el rechazo de calidad basado en características individuales. El estándar incluye cuatro clases de planes de muestreo: CSP-1. Sin embargo.1). a un cambio a inspección 100 por 100. Inmediatamente se reestablece la etapa de examen que continúa hasta que se vuelvan a producir i unidades sucesivas sin defectos. Estas incluyen una tabla para la determinación de las letras-código (A16.7 a A16. Si lo son los cuatro planes de muestreo.296 CONTROL DE CALIDAD do inspección al 100 por 100 y se inspecciona un total de L elementos que no califiquen para inspección de muestreo. Inmediatamente que esto ocurra se apela al muestreo en la frecuencia de f. Si no se califica para inspección de muestreo (por ejemplo. si no se hallan i elementos buenos conse- cutivos) indica que la calidad media de producción es mala. Plan CSP-2 de etapa única CSP-2 opera lo mismo que CSP-1 excepto que el descubrimiento de un defecto no da lugar. CSP-A y CSP-M. A estos se alude con mayor detalle en la sección siguiente. Normalmente. la inspección comienza por un examen del producto según el orden de producción (o del modo más aproximado que sea posible) hasta que una cantidad sucesiva i de unidades sin defectos pasen por el punto de inspec- ción.10 aparecen algunas representativas de H106 y H107 incluidos en MIL-STD-1235 (ORD). todos los elementos que se estén procesando se someten a inspección 100 por 100 y se vuelven a presentar formando un lote para ser inspeccionados independientemente según MIL- STD-105D. El muestreo continúa en la frecuencia seleccionada hasta que se descubra una unidad con un defecto en la muestra. tabla para CSP-A (A16.

excepto que incluye un valor para .3 es un diagrama de fabricación que muestra la operación de CSP-A. Pero. CSP-A opera lo mismo que CSP-1. Plan CSP-A de etapa única La Figura 13.1. [Tomado de «Single Level Conti- nuous Sampling Procedures and Tables for Inspection by Attributes». D.2 es un diagrama de fabricación que muestra la operación de CSP-2 aplicado a defec- tos individuales y a clases de defectos. 30 de abril de 1956).] descubrimiento de un defecto es una señal al inspector para que continúe el muestreo en la misma frecuencia para. Procedimiento para planes CSP-1.: Imprenta del Gobierno de Estados Unidos. a la inspección al 100 por 100. si el defecto se encuentra durante la última fase. a partir de ese momento. se puede continuar el muestreo como antes. empezar a contar la cantidad de unidades de la muestra inspeccionadas después de hallar el defecto. La Figura 13. (Washingon. nada más hallarse el defecto. se debe apelar de inmediato. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 297 Figura 13.C. Supply and Logistics Handbook H107. Si la cantidad i siguiente de unidades de la muestra no presentan el defecto.

se detenga la inspección y . Procedimiento para planes CSP-2.C. 30 de abril de 1959. Este tipo de plan se utiliza normalmente cuando el consumidor realiza la inspección al 100 por 100 además de la inspección por muestreo.] detener la inspección. [Tomado de «Single Level Conti- nuous Sampling Procedures and Tables for Inspection by Attributes».2. Supply and Logistics Handbook H107. (Washington. El CSP-A requiere que tan pronto como se observe el defecto (a + l)-ésimo durante la fase de inspección al 100 por 100. D.: Imprenta del Gobierno de Estados Unidos.298 CONTROL DE CALIDAD Figura 13.

) Cuando se ha hecho la (a + l)-ésima marca. Al mismo tiempo. Si se hacen sólo a. El inspector (representante del consumidor en temas de calidad) marca la cantidad de unidades del producto con el defecto asignado al punto de inspec- ción. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 299 no se reanude hasta que se hayan emprendido las suficientes acciones correcto- ras con relación al proceso. . Al proveedor se le puede exigir que vuelva a la inspección lote por lote o cualquier otro sistema que se considere necesario para garantizar la recepción de producto de calidad aceptable. La administración del CSP-A es como sigue. Esta cuenta incluye tanto los resultados de la inspección al 100 por 100 como los de la inspección por muestreo. como se ha dicho antes. Al comienzo de la producción diaria o de cada intervalo de producción. La decisión sobre la calidad del producto puede basarse en un defecto indivi- dual o en un grupo de defectos. según su opinión. El inspector. el personal de inspección inspecciona todas las unidades en el orden de produc- ción hasta que se cumplan los requisitos de calidad previamente citados. el inspector informa al proveedor sobre los defectos del caso y le indica que no continuará inspeccio- nando el producto hasta que aquél descubra el origen del problema y le garantice que se han eliminado las causas que harían que el producto fuera defectuoso. Si el inspector no puede obtener garantías satisfactorias de que el proveedor ha emprendido acciones correctoras cuando se le pidió. (Esto último no es aplicable a los defectos críticos. reinicia la inspección usando un plan de muestreo basado en un nuevo valor estimado de la tasa de producción. si el problema de descubrir y corregir el origen de los problemas pudiera provocar retrasos irrazonables en la producción. En este momento. Se lleva a cabo la inspección para cada defecto asignado al punto de inspección. Si se halla uno de os defectos objeto de inspección durante el muestreo. Los planes CSP-A incluyen secuencias alternativas de inspección al 100 por 100 e inspección de muestreo con un límite sobre su cantidad. puede aceptar la inspección al 100 por 100 realizada por el proveedor como base para reiniciar la suya. Cuando el personal de inspección ha hallado i unidad sucesivas libres de defectos. garantiza que el producto que pase los requisitos de aceptación cumple con AQL. se acepta todo el producto que haya pasado por el inspector en lo referente a los defectos objeto de inspección. Se inicia una nueva cuenta al principio de la producción en cada intervalo de producción. se da por terminada la inspección al 100 por 100 y se inicia un muestreo a porcentaje f. debe informar de esta situación a sus superiores. el inspector detiene la inspección. Cuando el inspector se siente satisfecho con tales seguridades y ha comprobado que se han retirado y/o inspeccionado todas las unidades que no habían llegado a su punto de inspección cuando se detuvo la inspección y aparecen como material vuelto a presentar. se pasa de inmediato a inspección al 100 por 100. El hecho de poner un límite a la cantidad de secuencias alternativas proporciona un procedimien- to mediante el cual se rechaza el proceso cuando la calidad del producto es peor que AQL. o menos marcas (para los defectos objeto de inspección) durante el intervalo de produc- ción.

Supply and Logistics Handbook H107. 30 de abril de 1959.300 CONTROL DE CALIDAD Figura 13.C. D.] .3. [Tomado de «Single Level Conti- nuous Sampling Procedures and Tables for Inspection by Attributes». (Washington.: Imprenta del Gobierno de Estados Unidos. Procedimiento para planes CSP-A.).

Sin embargo. se realiza la inspección o la prueba sobre una fracción f de las unidades presentadas. La Figura 13. Sólo hay que aumentar o contraer el diagrama para el número adecuado de niveles. El procedimiento es similar para uno. . se cambia a inspección al 100 por 100 y se repite el procedimiento del párrafo anterior). se redu- ce el tipo de muestreo a la fracción más pequeña inmediata (el nivel siguiente). Tal procedimiento especial consiste en inspeccionar las cuatro unidades siguientes producidas o procesadas inmediatamente después del descubrimiento de la unidad defectuosa. PLANES DE INSPECCIÓN RIGUROSA Y REDUCIDA El concepto de aumentar o disminuir la inspección relativa de acuerdo con la calidad observada en el producto se incluye también en MIL-STD-1235 (ORD). y una calidad inferior o desigual. el plan contiene un procedimiento especial por el que se determina si el muestreo debe continuar al tipo actual o volver al tipo de muestreo anterior. Si no se encuentran elementos defectuosos en las cuatro unidades consecutivas siguientes. los planes incluyen un control para distinguir entre la ocurrencia aleatoria de un elemento defectuoso. En cuanto se descubre un segundo elemento defectuoso. Si no se encuentran más elementos defectuosos antes de que se considere aceptable un total de i unidades inspec- cionadas sucesivamente (incluyendo las cuatro unidades consecutivas). Al mismo tiempo. no olvidando que el nivel último o menor tiene siempre un procedimiento similar al del tercer nivel de la Figura 13.4 muestra el procedimiento para un plan de tres niveles. Cuando se inicia la aplicación de los planes de muestreo se inspecciona o se somete a prueba el 100 por 100 del producto hasta que se halla una cantidad i de unidades consecuti- vas libres de defectos. que puede darse aunque el nivel general de calidad sea aceptable. dos. Sin embargo. Los. según la calidad de las unidades presentadas. En ese momento. De esta forma se puede aumentar o disminuir el tipo de muestreo de acuerdo con niveles especí- ficos según que la calidad de las unidades presentadas varíe positiva o negativa- mente. sólo se dan tablas maestras para inspección normal. la tasa de inspec- ción se reduce a una nueva fracción f2 de las unidades presentadas. Este procedimiento continúa a lo largo de los diversos niveles del plan. si en cualquiera de ellos se halla una unidad defectuosa antes de aprobar i unidades sucesivas inspeccionadas. cuatro o cinco niveles. se vuelve de inmediato al nivel anterior y se inspeccionan cuatro unidades consecutivas repitiendo el procedimiento que acabamos de describir (excepto que cuando se encuentra un elemento defectuoso en estado 1R. se reanuda el muestreo que se seguía cuando se descubrió el elemento defectuoso.4. sea en las cuatro unidades consecutivas o después de reiniciar el tipo de muestreo. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 301 Plan multietápico CSP-M Los planes de muestreo CSP-M proporcionan un procedimiento mediante el cual la fracción inspeccionada de unidades aumenta o disminuye por grados de niveles. Si se halla que un número sucesivo i de unidades inspeccionadas está libre de defectos.

puede .4. Procedimiento para planes CSP-M de tres niveles. parámetros para inspecciones rigurosas y reducidas se definen como ciertas proporciones de los parámetros de los planes de inspección normal.302 CONTROL DE CALIDAD Figura 13. Si el consumidor desea aumentar la cantidad de inspección a realizar en caso de que la calidad del material presentado no sea satisfactoria.

El proveedor puede corregir las unidades defectuosas. siempre que: 1. el inspector de muestreo puede inspeccionarlas bajo la observación y dirección del consumidor. No se deben utilizar planes de muestreo reducido para defectos críticos. se usa un plan de muestreo cuyos AQL y AOQL sean de un nivel más riguroso que el normalmente especificado. En cualquier caso. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 303 utilizar el siguiente plan de inspección rigurosa. La producción se lleve a cabo a un ritmo constante. un quinto del normal. hasta que transcurra un intervalo de producción completo sin que la inspección se haya detenido. se vuelven a usar el AQL y AOQL prescritos. Para defectos críticos el plan riguroso usa un valor de i doble del utilizado para el plan de muestreo normal. puede emplear el siguiente plan de muestreo reducido. Con respecto a la disposición del producto rechazado. Se puede volver al muestreo normal siempre que: 1) se produzca una interrupción de la inspección y/o 2) el valor estimado de la media del proceso suba por encima de AQL y/o 3) el consumidor considere que se debe volver a inspección normal. La media de calidad del proceso se puede calcular en la forma acostumbra- da. Las . Cuando se da esta última condición. Utilizarse un tipo de muestreo f. se vuelven a situar las unidades satisfactorias junto con el flujo normal de producto después del punto de inspección. EFECTIVIDAD DEL MUESTREO CONTINUO Sea p la calidad real del producto que se está fabricando. Después de reiniciar la inspec- ción tras su interrupción. Si se inspecciona el producto según un plan de muestreo continuo.3 cantidad inspeccionada 3. todas las unidades que presenten defectos (sean descubiertos por el inspector de muestreo o por el personal de inspección) son devueltas al inspector de muestreo. El valor estimado de la media del proceso sea menor que la cantidad AQL(100  AQL) AQL . en cuyo caso las presentará al inspector de muestreo separadas del flujo normal del producto. Los diez intervalos completos de producción inmediatamente anteriores se hayan realizado con inspección normal y sin interrupciones. Si la cantidad de unidades presentadas de nuevo es pequeña. incluyendo tal evento. la protección proporcionada por el plan dependerá tanto de p como de los parámetros f. excepto en que sólo deben incluirse los resultados acumulados hasta el momento en que se produjo el defecto. Si el consumidor desea reducir el nivel de inspección en caso de que la calidad del material presentado sea muy buena. quien las entre- ga (junto con todas las unidades con defectos halladas en su propio trabajo de inspección) al agente indicado por el proveedor. i y k del plan. se devuelven otra vez al proveedor las unidades que sigan teniendo defectos para que éste las reprocese o las deseche como chatarra. 2.

AOQ(CSP-2) = f (1  p )  (1  f )[2(1  p )i  (1  p ) 2i ] = calidad media de salida aproximada bajo CSP-2. Esto implica dos cosas.6 cada columna tiene el valor AQL en la parte superior.5. para obtener planes que garanticen un determinado AOQL. Primero en CSP-1. u = número medio de piezas inspeccionadas después p (1  p )i de hallar un defecto. . Conservando el espíritu del MIL-STD-105D. Segundo. p (1  f )(1  p)i 1 5. se puede buscar en estas tablas usando una letra-código y AOQL (en lugar de la letra-código y AQL). y el correspondiente de AOQL en su parte inferior.2. 7.3 y A16. uv 4. AOQ(CSP-l) = = calidad media de salida f  (1  f )(1  p)i 1 aproximada bajo CSP-1. A16. u  f ˜v 3 F = fracción media inspeccionada. P(1  f )[2(1  p) 2  (1  p) 2i ] 6. Un ejemplo de ORD-M-608-11 se muestra en la Figura 13. AOQ(CSP-M) (1  p )i t fi fracción para el nivel j-ésimo 1  (1  p )i k j ¦tj 1 (1  f ) / f i AOQ p k j ¦t j 0 / fj Las primeras versiones de los estándares militares para muestreo continuo incluían curvas para los valores de u y v.304 CONTROL DE CALIDAD siguientes fórmulas (proporcionadas sin prueba) ayudan a analizar esta protec- ción: 1  (1  p)i 1. Pa = 1 — F = fracción media aceptada con inspección. v = número medio de piezas aprobadas por el plan de mues- f ˜p treo antes de que se descubra un defecto. 1 2. PLANES PARA AOQL ESPECÍFICOS En las Tablas A16. CSP-2 y CSP-A hay una relación fija entre AQL y AOQL.

Ordnance Inspection Handbook. [Tomado de «Procedures and Tables for Continuous Sampling by Attributes». Curvas u y v para CSP-1. agosto de 1954). MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 305 Figura 13.C: Imprenta del Gobierno de Esta- dos Unidos.5.0 y valores variables de f. D.] . (Washington. AQL = 1.

0. Esta preferencia por los multietápicos sobre otros planes se puede explicar por medio de una decisión ejemplar sobre su uso para la inspección de aceptación de motores de aviación. usando la letra-código F. Para usar esto planes los valores AQL estarían limitados a 2. Los planes de Dodge tenían ciertas características indeseables en esta aplicación: 1) la fracción para el muestreo solía ser generalmente pequeña (uno de cada diez) y suponía un grave cambio en el esfuerzo humano disponible para inspección 100 por 100.67 o 29 4. y 4) si se seleccionaba una alta . hoy integrado dentro de MIL-STD- 1235 (OED) proporciona tablas alternativas para obtener planes de muestreo para AOQL especificados. Para ilustrar lo dicho mostramos en las Figuras 13. Por otra parte.5 hacia abajo. El Ejército del Aire ha utilizado ampliamente los planes multietápicos.10. habría que «redondear» hasta 2.96. Los valores correspondientes de AOQL son 3. es posible aplicar interpolación lineal para valores intermedios de AOQL. Acto seguido se pensó en los planes de muestreo continuo (de una sola etapa) desarrollados por Dodge.0 i 22  (35  22) 28. respectivamente.9 y A16. 2) la protección rigurosa deseada (pequeño valor de AQL) contra la aceptación de graves defectos exigiría gran número de motores aceptables consecutivos para llegar a la inspec- ción de muestreo.96  4. Por ejemplo.0 vienen dados como 35 y 22.11 las curvas AOQ y AFI de planes con AOQL = 2. 3) se dudaba seriamente de que la dirección aceptara un cambio importante en la frecuencia de inspección cuando la inspección anterior siempre había sido al 100 por 100. Si se desea un valor intermedio. tales cálculos no se podían realizar en puntos de trabajo o inspección. Debido al ritmo lento de producción de motores de aviación. El Manual H106. sería posible establecer un plan para un AOQL de 4.5 y 4. Sin embargo.6 a 13. los valores de i para los AQL 2. por ejemplo.306 CONTROL DE CALIDAD los valores de AQL están limitados generalmente a los que figuran en la tabla. o hasta 6. Dos de dichas tablas se muestran como Tablas A 16. como 3.5 y 4.0 para AOQL. Antes de la aparición de los ordenadores. El cálculo de la calidad media de salida lo facilita el uso de curvas AOQ dadas en los Apéndices A y D del Manual H106.96  3. se consi- deró poco práctico el uso de MIL-STD-105D. La decisión sobre el uso de planes de único nivel o de varios niveles depende de varios factores.0 hacia arriba. en CSP-1.09 y 4.0 usando interpolación 4.09 El plan f = 1/10 e i = 29 daría un valor aproximado de 4.0 solamente. Para CSP-M los cálculos de AOQ y AOQL son muy complicados.0 y f = 1/2 y F = 1/3.

MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 307 .

308 CONTROL DE CALIDAD .

MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 309 .

310 CONTROL DE CALIDAD .

MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 311 .

312 CONTROL DE CALIDAD .

las botellas de gaseosa serán inspeccionadas continuamente hasta que se encuentren 100 botellas consecutivas sin ninguno de los defectos objeto de la inspección. La producción es continua. Esto significa que si se inspeccionan 475 botellas sin que califiquen para inspección de muestreo (esto es. la producción es apta para el nivel 2 de inspección de muestreo. En la Tabla A 16. Cuando se encuentren 83 botellas consecutivas sin defectos.2 y para la letra G.S. Esto quiere decir que se recomienda un plan de tres etapas. las economías no llegarían a ser todo lo importantes que se deseaba. Cuando se encuentren 83 botellas consecutivas libres de defectos. Cuando se encuentren 83 botellas consecu- tivas sin defectos. U. 6 John E. Para AQL 1 por 100 y nivel II de inspección determinar el plan de muestreo. la inspección se detendrá. Como el tercer nivel es el más alto. la fracción f de muestreo viene dada como 1/15.2 Determinar un plan multietápico para el producto del ejemplo 13.1 hallamos que la letra-código es G. Bajo la inspección de muestreo sólo se supervisará una de cada 15 botellas.1 usando f = 1/2 y AOQL = 1 por 100.000 hay una flecha que señala hacia abajo. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 313 frecuencia de muestreo (uno de cada dos). La inspección de las botellas se iniciará con la modalidad continua (100 por 100). no se produce ya ninguna otra reducción en la fracción de muestreo. Army Chemical Corps Engineering Command. Se va a usar muestreo continuo CSP-1. k = 3.5 por 100 de las botellas. la producción puede pasar al nivel 1 de inspección de muestreo. Por tanto. En este plan. esto es. un plan que aumentara o redujera la frecuencia de inspección por etapas o niveles según el historial de calidad6. el plan que debe usarse puede hallarse al final de la flecha i = 83. En este nivel son objeto de muestra e inspeccionadas (1/2)3 o el 12. Un análisis de estas objecciones indicó que sería deseable disponer de un plan continuo con más de un nivel de muestreo. Ejemplo 13. el valor i viene dado como 100. asumiendo que el intervalo de producción es una «hora». El AOQL para este plan viene dado como 1. En la Tabla A16. La producción se interrumpirá y no se reiniciará hasta que se halle y corrija la causa que origina los productos defectuosos. Cuando se encuentren esas 100 botellas consecutivas se iniciará una inspección fraccional o de muestreo. Army Chemical Center. 145.1 El tipo o ritmo de producción de una bebida gaseosa es de 3.35 por 100. 7-8 de mayo de 1958. pág. sin encontrar 100 botellas consecutivas libres de defectos). En la Tabla A 16. Ejemplo 13. Proceedings of the 4th Annual Statistical Engineering Symposium. Condón: «Multi-Level Continuous Sapling Plans». la producción es apta para el nivel 3 de inspección de muestreo. son incluidas en la muestra e inspeccionadas (1/2)2 o 25 por 100 de las botellas. para AOQL = 1.0 por 100 y un ritmo de producción de 3.4 hallamos que el valor límite L es 475. En este nivel son objeto de muestra e inspeccionadas el 50 por 100 de las botellas.000 botellas por hora. Bajo AQL 1 por 100. . En este nivel.7. En la Tabla A 16.

1 y 13.314 CONTROL DE CALIDAD Ejemplo 13. i = 83.5134 .008)83 0.69 por 100.008)83 1  0.055 1  (1  p )i 1  (1  0. i = 100 y p = 0. Si la calidad real de producción es 0. el plan de inspección del ejemplo 13. b) Bajo CSP-M. y b) bajo CSP-M? a) Bajo CSP-1.3 Continuamos aquí la ilustración de los ejemplos 13.8 por 100. k = 3 y p = 0.5.2.5134 t 1. el plan de inspección del ejemplo 13. ¿cuál es la calidad de salida del producto: a) bajo CSP-1.008: (1  p)i (1  0.008: La calidad de salida es 0.2 es f = 0.1 es f = 1/5.

. Determinar los planes de muestreo continuo para las condiciones siguientes: Tipo de plan Letra-Código f AQL a) CSP-1 I 1/50 0. 25 0.0 e i = 22.008) 0.0 por 100.1 desde a) hasta c) determine la fracción media aceptada sin inspección y la calidad media de salida si la calidad de entrada es 2.5 d) CSP-2 H 1/25 2.5.125 16.055 1.008) k j 1. Determinar el plan de muestreo continuo multietápico para las condiciones siguientes: 13. Para los planes del problema 13.1. ha estado funcionando durante diez intervalos completos de producción.1 desde a) a d).5908 (0. La producción se ha mantenido a nivel constante.25 f) CSP-A Y 1/10 1.6.5 0. f = 1/10. PROBLEMAS 13. Determinar los valores de AOQL y L para los planes del problema 13. 13.4.1 e) y f) 13.3.501 La calidad media de salida es 0. ¿Está el proveedor en condiciones de pasar a inspección reducida? 13.00617 21.1130 1. MUESTREO CONTINUO DE ACEPTACIÓN POR ATRIBUTOS 315 k j ¦t j i /(1  f j ) 1.5 e) CSP-A C 1/5 0.500 unidades inspeccionadas 25 eran defectuosas.40 b) CSP-1 J 1/200 0. a y L para los planes del problema 13.40 c) CSP-2 G 1/10 1.7434) AOQ p (0.617 por 100.0 13.1130)  7(1.7424 ¦t / fj 1   j v 0. AQL = 4. Determinar los valores de AOQL.2.055  3(1. De las 2. Un plan CSP-1.

0 por 100.9. Determinar un plan CSP-M con f = 1/3.7.3 y 3.8. respectiva- mente. AOQL = 2. 13.316 CONTROL DE CALIDAD 13. b) Usando la Figura 13.0 por 100.8. Para el plan del problema 13.0 determinar la calidad media de salida: á) Por cálculo directo. 13. Si la calidad media del proceso es 1.10.0 y un ritmo de producción de 14. .0 mientras se use un plan continuo multietápico con una frecuencia de muestreo de 1/2. ¿En qué condiciones se puede disminuir la frecuencia de muestreo y cuánto puede reducirse? Explicar la respuesta. determinar la calidad media de salida si la calidad de entrada es 4.000. Se desea mantener en este material un AOQL de 2.1 e) y f) si la calidad de entrada es 0.9. Establecer la probabilidad de que la inspección se detenga bajo los planes del problema 13. El ritmo de producción diaria de un artículo es de 800 unidades. 13. De los valores de i y k del plan.

17 cm. Desde un punto de vista matemático. APLICABILIDAD DEL MUESTREO DE ACEPTACIÓN POR VARIABLES Las condiciones que normalmente permiten la aplicación del muestreo de variables para aceptación son las siguientes: 1. La inspección de atributos o características esenciales resulta excesiva- 317 . Son ejemplos las longitudes. sólo se pueden representar por medio de números enteros. en tanto que el número de artículos defectuosos en un lote sólo puede ser un número entero por tratarse de una característica esencial. de un atributo. La característica objeto de inspección debe ser una variable o capaz de ser convertida según una escala variable. en tanto que las esenciales. por ejemplo. Para mejor comprensión podríamos decir que una longitud (característica variable) se puede representar por medio de un número decimal o fraccionario. 3 ó 4. como 8. 2. Los gráficos X de control de procesos se ocupan de características variables.14 Procedimientos de aceptación por características variables Denominamos características variables a aquéllas que pueden ser medidas. atributos. que antes utilizamos como base del gráfico X. Podemos usar de nuevo el teorema del límite central. pesos. Los procedimien- tos de aceptación para características variables pueden diseñarse en forma de Plan de muestreo de variables. para establecer la distribución aproximada de las medias de muestras de un plan de muestreo variable. diámetros. puede decirse que es posible representar las características varia- bles por números reales. etc.

La distribución de las característica debe ser aproximadamente normal. mayores costos administrativos. La inspección de atributos no proporcionará suficiente información. el porcentaje de elementos inaceptables del lote (aquellos que superan el límite superior) aparece marcada en la zona rayada pu de la Figura 14. . en comparación con un plan de atributos. Supongamos que la distribución de probabilidad de xi sea constante y con una media P y una varianza ı2. 3. es posible cometer mayor cantidad de errores de cálculo y se hace preciso utilizar equipo de inspección más caro.1 fuera la distribución exacta de X. desviación estándar de la muestra. pueden obtenerse estimaciones aceptables de las mismas muestras. o bien R /d 2 . 2. Suele proporcionar mejores fundamentos para mejorar la calidad y mucha más información en casos de renuncia. Las características distintivas de un plan de muestreo de variables.1. . . Se precisan mejo- res cualificaciones. Estas estimaciones son: estimado de P = X = media de las medias de la muestra estimado de ı = o bien s . etc. Implica. Se obtiene una protección análoga con una muestra de menor tamaño. Cuando la curva es únicamente una estimación basada en las observaciones realizadas sobre la muestra. . más cálculos. 4. pu será exactamente la fracción defectuosa del lote. 3. Teniendo en cuenta el teorema del límite central. 4. cuando no se conozcan los valores reales de los parámetros P y ı2. p u es también una estimación. veremos que la distribu- ción aproximada de la media de la muestra será 1 X ¦ xi n que es normal con la media ¿¿ y la varianza (1/n)ı2. esto es. también se requieren el alcance y las consecuencias de la varia- ción. PLAN DE MUESTREO DE VARIABLES Supongamos que n es el número de elementos de una muestra y xi.318 CONTROL DE CALIDAD mente costosa (tiempo de inspección.). Al igual que en los casos de gráficos X de control de procesos. los valores obtenidos para la característica variable. Si la curva de la Figura 14. en general. naturaleza destructiva de las prue- bas. 2. como se utilizaba en los gráficos X y R Si la característica está sujeta a un límite superior U. Sólo puede aplicarse para la aceptación o rechazo de una característica sometida a inspección. « . son las siguientes: 1. i = 1. El criterio para la .

4. OPERACIÓN DE UN PLAN DE MUESTREO DE VARIABLES La operación de un plan de muestreo de variables supone recorrer los siguientes pasos: 1. Establecer el plan de muestreo según la forma 1 (n. Los términos forma 1 y 2 son los que se utilizan en las tablas de estándares militares.1. 2. Determinar X y z o p u . y k = mínimo de desviaciones estándar que deben separar U y X . Aceptar si el lote es z • k o si p u ” M. M). aceptación del lote es que pu debe ser igual o menor que un número establecido M. En caso contrario habrá que rechazarlo. El procedimiento de cálculo se muestra en el ejemplo numérico que sigue. 3. PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍSTICAS VARIABLES 319 Distribución X U Figura 14. Una medida alternativa de la fracción de elementos que son defectuosos es z. lo que es lo mismo. Tomar una muestra de tamaño n del lote y medir las características variables de cada elemento. k) o la 2 (n. Probabilidad de aceptación de un lote. o. . que suelen utilizarse en estos planes de muestreo. Un plan de muestreo de variables se especifica por medio de dos números: n = tamaño de la muestra y M = máximo permisible para la fracción defec- tuosa. cuántas desviaciones estándar estimadas separan el límite U de las especificaciones del promedio de la muestra X : UX z V Esto nos permite formular una definición alternativa del plan de muestreo de variables mediante los números n = tamaño de la muestra.

32 por 100. M = 3. Cálculos del plan de muestreo . k = 1.320 CONTROL DE CALIDAD Ejemplo 14. Ambos planes son equivalentes y tienen la misma curva OC. Una muestra de cinco elementos de las siguientes medidas de la característica: 197. Plan de forma 2: n = 5.1. 205.1 El nivel de calidad aceptable de un elemento es 1. 188.53. 201 Los cálculos para ambos planes aparecen en la Tabla 14. Para este AQL y un tamaño de muestra de 40 artículos existen dos planes alternativos de muestreo de variables: Plan de forma 1: n = 5.1.00 por 100 y el nivel superior de especificaciones es U = 209. 184. TABLA 14.

PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍSTICAS VARIABLES 321 Cuando existen límites de especificación. consultar esta sección y observar los riesgos presentes en la aplicación del plan. Las letras-código en la tabla indican el tamaño de muestra que debe tomarse.5. las instrucciones para la administración de tales planes son básicamente las mismas que en MIL-STD-105D.1). C y D. 1. tablas maestras para inspección normal. MIL-STD-414 tiene cuatro secciones: A. Estos AQL son consistentes con los empleados en MIL-STD- 105D. para la clasificación de los defectos. Lo mismo que MIL-STD-105D. el nivel de calidad aceptable (AQL). la expresión de no conformidad. cálculo de la calidad media. B. 4. cambios en la severidad de la inspección y procedimientos espe- ciales para la aplicación de planes mixtos de muestreo por atributos y varia- bles. MIL-STD-414: PROCEDIMIENTOS DE MUESTREO Y TABLAS PARA INSPECCIÓN POR VARIABLES PARA PORCENTAJES DE ELEMENTOS DEFECTUOSOS 1 Aunque hay muchas fuentes autorizadas de planes de muestreo de acepta- ción por variables. Washington. En la forma 2 se calculan valores separados de pu y p1 La suma ou + p1 debe ser menor que M.2) y una para la selección del nivel de inspección según el tamaño del lote (Tabla A 15.0. una vez determinado el AQL y la letra- código para el tamaño de la muestra. La sección A incluye una descripción general de los planes de muestreo. 2.0. Hay 14 AQL que se pueden usar. La sección A incluye las curvas características operativas para todos los planes. aceptabilidad de lotes. como dijimos. En las instrucciones. 10. Es- tablece medidas para el uso de los planes. 2.0 y 15. La sección B incluye instrucciones para aplicación de planes de desviación estándar ı desconocida para límites de especificación únicos y dobles. sólo nos referiremos detalladamente en este capítulo a MIL- STD-414 1. rigurosa y reducida. este documento se ha convertido en norma tanto para la industria privada como para el gobierno. son fundamental- mente equivalentes a los planes ı' conocidos. tablas para el cálculo del 1 MIL-STD-414 puede obtenerse en el National Technical Information Service. el nivel prescrito es el IV. los criterios de aceptación se modifican del modo siguiente: 1. pero. D.C. La sección A incluye también una tabla de conversión de AQL (Tabla 14. 6. se ordena el uso de planes desconocidos ı de la sección B con cálculo de desviación están- dar si no se especifica algo en contrario. tanto superior como inferior.2 es parte de la Tabla A-3 de MIL-STD-414 y muestra las curvas OC para la letra-código K con AQL de 1. En la forma 1 ambos (U – X )/ı y ( X – L)/G deben ser mayores que k. Las curvas OC fueron derivadas de los planes a desconocidos de la sección B. selección de muestras.5.5. Los administradores pueden. Con las adiciones y cambios exigidos por las interpretaciones de variables. . La Figura 14. Si no se dice lo contrario.0. Es evidente que niveles mayores implican planes más rigurosos. 200402. presenta- ción del producto.

050-0. para ciertos planes. Se vuelve a la inspección normal si se produce cualquiera de las condiciones siguientes mientras se trabaja bajo inspección reducida. y ejemplos de cálculos.65 0.64 1. Condición G: Cualquier otra condición que avale el que se vuelva a reim- plantar la inspección normal. Las condiciones para implantar inspec- ción reducida son las siguientes: Condición A: Los diez (10) lotes precedentes (o cualquier otra cantidad de lotes que se especifique) han estado sujetos a inspección normal y ninguno ha sido rechazado.065 0.0 Al igual que MIL-STD-105D.39 4.165-0. Tabla de conversión de AQL (Tabla A-l del MIL-STD-414) Para valores especificados de AQL Use este valor que caigan dentro de estos intervalos de AQL 0-0.109 0. Condición D: Se rechaza un lote. el estándar MIL-STD-414 prevé la posibili- dad de inspección reducida y rigurosa.09 1.110-0. TABLA 14.40-6.7.80-4.99 6.00-10.1 a A15. Estos aparecen en las Tablas A15.322 CONTROL DE CALIDAD porcentaje de elementos defectuosos del lote usando el método de la desviación estándar.280-0.79 2. La inspección rigurosa se implanta cuando el valor estimado de la media del proceso.279 0.9.069 0.40 0. instrucciones y tablas para el cálculo de la calidad media.5 2. valores de F para MSD (desviación están- dar máxima).439 0. Condición C: La producción se realiza a ritmo constante.070-0. Condición F: La producción se hace irregular o se retrasa.65-2.4 15.699 0.049 0. calculado a partir de los 10 lotes precedentes (o cualquier otra .9 10.5 7.5 1. Condición E: El valor estimado de la media del proceso es mayor que AQL.164 0.15 0.440-0.0 4.0 1.700-1.0 11.00-16. Condición B: El porcentaje estimado de elementos defectuosos de cada uno de los lotes precedentes es meno que el límite inferior aplicable según la Tabla A15. criterios para inspección reducida y rigurosa.2. o.10 0.10-1. el porcentaje estimado de elementos defectuosos del lote es igual a cero durante una cantidad especificada de lotes consecutivos (véase Tabla A 15.25 0.7).04 0.

PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍSTICAS VARIABLES 323 .

Los valores T vienen dados en la Tabla A15. El cálculo es el mismo que para la forma 2 excepto en lo siguiente: 1. La forma 1 puede usarse también para el caso de límite de dos lados. La media estimada del proceso es la media aritmética ponderada del porcentaje de elementos defectuo- sos de los lotes precedentes especificados. 2. la búsqueda en la Tabla A 15. excepto que las tablas se basan en cálculos usando el intervalo medio como medida de la variabilidad. El porcentaje estimado de elementos defectuosos por lote asociado a los ya calculados QU Y QL se busca en la Tabla A 15. La suma de pU + pL (que son los valores que acabamos de encontrar en la tabla) debe ser menor que M para que el lote sea aceptable.8 para la media del proceso calculada a partir de 5. 2. La sección D es aplicable a una situación de variabilidad conocida y se organiza lo mismo que las secciones B y C.4. de forma que no se calcula a partir de los datos de la muestra.8 viene determinada por la letra-código del tamaño de muestra correspondiente al tamaño menor utilizado en cualquiera de los lotes incluidos en el cálculo de la media del proceso. Se vuelve a pasar a inspección normal si el valor estimado de la media del proceso de los lotes sometidos a inspección rigurosa es igual o menor que AQL. 10 o 15 lotes.324 CONTROL DE CALIDAD cantidad que pueda especificarse) es mayor que AQL y cuando una cantidad mayor que un cierto número T de dichos lotes tiene valores estimados del porcentaje de elementos defectuosos superiores a AQL. Para un valor de AQL para los límites superior e inferior de las especifi- caciones combinados. La sección C es aplicable al caso de variabilidad desconocida y es exacta- mente lo mismo que la sección B. b) pL debe ser igual o menor que ML.3 y A15.9 para determinar la desviación estándar máxima (MSD). La desviación estándar así calculada no debe ser mayor que MSD. Las Tablas A15. se calculan tanto Q U como Q L . c ) PU + P L debe ser igual o menor que el mayor entre MU y ML . Para el método de la forma 2 del límite único y para el método del índice de calidad de límite doble. Las cantidades (U – X )/s y ( X – L)/s se comparan con k y deben ser mayores que k para que el lote sea aceptable. se utilizan los tres criterios siguientes: a) pU debe ser igual o menor que M U. Se usan lo mismo que indicaba la sección B a la que acabamos de referirnos.9 se usan para buscar planes de muestreo cuando hay presentes especificaciones de doble límite. Para diferentes valores de AQL para los límites superior e inferior de las especificaciones. MSD se calcula hallando el producto de F y (U — L). Además. las fórmulas para los índices cualitati- vos son: (U  X ) QU V . Si la letra-código del tamaño de la muestra no es la misma para todas las muestras utilizadas. La variabilidad es conocida. con las siguientes excepciones: 1. el valor apropiado de F se busca en la Tabla A15.

3 dará una protec- ción equivalente. k = 1. b) MIL-STD-105D con nivel II de inspección general y muestreo único. el índice de cali- dad calculado debe ser igual o mayor que el valor de k. y una . Inspección: Será generalmente mucho más cara por unidad la inspección por variables. La inspección de muestreo es sólo uno de los elementos que componen el costo. No hay que dejar de mencionar que un índice de calidad negativa no es aceptable para ningún plan. 2. Las tablas se usan como se indicó en la sección B cuando se prescriben planes de variabilidad conocida. a) La letra-código es J. Qué procedimiento es el más barato sólo puede decidirse luego de haber considerado todos los factores. 3. Incluyen el costo de administración y partes de los costos de registro y cálculo. podría llevar a error y a la conclusión de que el muestreo de variables es siempre más económico. Los costos se pueden clasificar del modo siguiente: 1.0.3 Cualquiera de los planes de muestreo mostrados en la Tabla 14. Cualquier persona que desee usar dichas secciones puede ir al estándar original. Muestreo: Los mismos por unidad con independencia del plan que se use. Ejemplo 14. PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍSTICAS VARIABLES 325 y ( X  L) QL V en que ı es la desviación estándar conocida.3. el uso del plan de variables tiene ventaja.2 Se compran filtros de aire en lotes de 600 unidades. Según la Tabla A 14. Sin embargo. Según están expresadas las fórmulas. Esto se puede hacer utilizando un gráfico de control para intervalos. No se muestran tablas de las secciones C y D. puesto que medir cuesta más que tomar una decisión sobre atributos. Según la Tabla Al5. Para un plan con ı' conocida. Cálculo: Esto sólo supone el costo insignificante de contar en un plan de atributos. Esto se ilustra en el ejemplo 14. Dado que ambos planes están proyectados para dar similares niveles de protección. determinar los planes de muestreo de inspección normal usando: a) MIL-STD-414 con forma 1 y nivel IV de inspección.2 el plan de muestreo es n = 80 y c = 2.2 el plan de muestreo es n = 30. Ejemplo 14. el costo de mantener información actualizada con respec- to al valor de ı' ha de ser incluido. Gastos generales: Son independientes del tamaño de la muestra. Cualquier índice de calidad negativo es algebraicamente menor que el valor positivo de k y ello hace que el lote no sea aceptable.86. Si AQL es 1. calcular una media en un plan de variables con ı' conocida. El tamaño de la muestra es 30 en vez de 80 en el plan de atributos. 4. b) La letra-código es la misma J.

el plan de atributos es el más económico.040 $ 0.00 + (0.0043)(20) = 4.002 $ 0.4 Costo por lote Costo por unidad Plan a b c d b + c + d Atributos 2.70$ ı desconocida: C = 3. Si no es el más económico. el mues- treo por variables será el más barato. En la mayoría de los otros casos el muestreo por atributos será el más económico. debe usarse.001 $ 0.022)(100) = 54. Si resulta el más económico desde la perspectiva del costo total.002 $ 0. Lo dicho no tiene por objeto restar importancia a la contribución del mues- treo por variables para la aceptación en cuanto a seguridad de calidad del trabajo. debe usarse el plan de atributos. Por el contrario.326 CONTROL DE CALIDAD media y una desviación estándar (o intervalo medio) para un plan de variables con a desconocida. también es posible diseñar planes de muestreo que satisfagan.052 $ ı' conocida 4.043 $ Hablando en general.022 $ ı desconocida 3. entonces.002 $ 0. . C = a + (b + c + d)n Asumamos los costos de la Tabla 14.00 + (0.50$ 0.3 La función de costo es.052)(50) = 5.000 $ 0.86 $ Dadas las anteriores asunciones. TABLA 14. se trata de poner en su lugar adecuado.00$ 0.020 $ 0. DISEÑO DE PLANES DE MUESTREO POR VARIABLES Aunque MIL-STD-414 sea una fuente conveniente de planes de muestreo por variables.040 $ 0.50 + (0.010$ 0. siempre que se trate de una prueba destructora.60 $ ı' conocida: C = 4.4 para este ejemplo.00$ 0. Los costos por lote de los tres planes son: Atributos: C = 2. TABLA 14.

P’k + P’’k = probabilidades de una desviación normal mayor que k. mas2 U L MSD máx( K p ' k  K p ' k ) donde MSD = desviación estándar máxima. (Sólo presentamos aquí las fórmulas finales prescindiendo de su desarrollo y derivación. las fórmulas anteriores de n y k también se aplican. Para planes con límite por un lado. PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍSTICAS VARIABLES 327 aproximadamente. K D K P 2  K E K P1 k KD  K E k 2  2 § KD  K E · n ¨ ¸ 2 © K Pi  K P 2 ¹ donde KĮ = desviación normal excedida con la probabilidad Į. p2 = nivel de calidad mala o inaceptable. 1–Į = probabilidad de aceptación cuando la calidad de entrada es p1 ȕ = probabilidad de aceptación cuando la calidad de entrada es p2. criterios de riesgo preestablecidos.) Los requisitos de riesgo se definen del modo siguiente: p1 = nivel de calidad buena o aceptable. La OC para el plan de límite único se construye a partir de las dos fórmulas siguientes: k  KP K pD h 1 k2 h  n 2( n  1) 2 La condición máxima se alcanza cuando P’k = P’k . Kp1 = desviación normal excedida con la probabilidad p1 Kp2 = desviación normal excedida con la probabilidad p2 Para planes con límites por dos lados. Kȕ = desviación normal excedida con la probabilidad ȕ. KP’k + KP’k = desviación normal excedida con la probabilidad (P’k + Pk").

33  1. (1.10 En la tabla normal Al. 263 41 2(41  1) Se prepara una tabla para resolver los distintos valores de Pa asociados con los valores de p usando la otra fórmula de la curva OC (Tabla 14.65.33) k 1.06 ȕ = 0. Las fórmulas de la curva OC se usan para hallar los valores Pa para distintos valores de p'. 28 · n ¨ 2. Primero se calcula h: 1 (1.05 p2 = 0.65)(1.56 ¸ 41 2 © ¹ Si el lector comprueba en la Tabla A 15.28. k = 1.33 y KP2 = 1.65  1.5). Se puede construir una curva OC usando la primera y la última columna.01 Į = 0.89 s s . 28 2 (1.5. Por lo tanto. Kp1 = 2.89 y t 1. Valores de Pa y p Los criterios de aceptación para los límites de dos lados son X  1.89) 2  2 § 1.89 1.89) 2 h  0.89 construida a partir de las coordenadas de los valores de Pa y p.2.89s t L o alternativamente UX X L t 1.56.56)  (1. 28)(2. Kȕ = 1.4 Diseñe un plan de muestreo por variables que satisfaga los siguientes requisitos de riesgo: p1 = 0. KĮ = 1.3 es la curva OC del plan n = 41. TABLA 14.328 CONTROL DE CALIDAD Ejemplo 14. encontrará que el plan de la letra-código L para AQL = 1. La Figura 14.0 por 100 es casi exactamente el mismo.65  1.89s d U y X  1.

aproxima- damente.36 es aproximadamente 0.23(U . además. k = 1.03 0.18  2.0145. Curva característica operativa del plan de muestreo de variables n = 41. Para determinar MSD.89  1. Pa = 0. La sustitución en la fórmula MSD nos da U L MSD 2. cuando la desviación normal de p'k es igual a la desviación normal de p'k. 2. para un límite de dos lados de especificación s ” MSD cuando MSD = O. el valor apropiado de F contenido en la Tabla A 15.18. La mitad de pk de 0.0294.02 0.01 0. Por lo tanto. Un estudio más detallado con representación gráfica del criterio de aceptación va más allá de lo que persigue este libro. La desviación normal asociada con los valores p' y p" de 0. como se muestra en el criterio de aceptación de dos lados. pk es la probabilidad de una desviación normal mayor que k.0145 es.89.04 0.9. pk = 0. La condición máxima se logra cuando Kp’k = Kp’’k.23.05 0.0294 es 0. El valor recíproco de 1/4.06 0. se ha incluido material suficiente para permitir que el profesional . Sin embargo.89 K Pa 0 h 0. pk se divide en p'k y p'’k. esto es.: probabilidad de aceptación Figura 14.08 P. Este es. La aplicación de la fórmula de la primera curva OC a esta condición da como resultado k  Kp 1. PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍSTICAS VARIABLES 329 y.3.L) El último criterio resulta al calcular la fórmula MSD anterior. también.18 O 0. 263 Si KPa = 0.07 0.50.

bajo inspección reducida y rigurosa? 14.2. La vida útil de determinado equipo viene especificada como 70 ± 5 horas.330 CONTROL DE CALIDAD seleccione un plan de MIL-STD-414 o bien diseñe uno que satisfaga unas especificacio- nes concretas sobre calidad deseada. Re = 11 Variables con ı desconocida 100 k = 2. Dado que AQL = 1. con AQL = 1.5 por 100 para la del límite superior.2 se utilizará la forma 2 del método de desviación estándar. Los planes siguientes proporcionarán una protección equivalente: Tipo de plan Tamaño de la muestra Criterio de aceptación Atributos 450 Ac = 10.02$ Costo de inspección por unidad 0.10$ 0. PROBLEMAS 14.25$ 0. La resistencia en ohmios de un componente eléctrico viene especificada con un mínimo de 150. Mu y M1 14.00 $ Calcule los costos de inspección de lote para cada método. ¿cuáles.001$ Gastos generales por lote = 5.02$ 0. ¿cuál es la probabilidad de que sea aceptado? 14.010$ 0.0 Dado el siguiente costo: Atributos ı desconocida ı conocida Costo por unidad del muestreo 0. nivel IV de inspección.0 por 100. Se somete a inspección un lote de 60 unidades.3. Se presenta a inspección un lote de 100.0 por 100. Se somete a inspección un lote de 250 unidades. ¿cuáles son los valores de n y k que deben usarse? 14. ¿cuáles serían los valores de n y M? Si el lote es 2 por 100 defectuoso.6. ¿cuáles son los valores idóneos de n y M?.02$ 0.4 el AQL fuera 0. la inspección es normal y se aplica el nivel III de inspección.4. La vida útil de cierto tipo de tubo de neón tiene un límite inferior de especifica- ción de cincuenta horas. Dado que AQL = 2. Si en el problema 14. ¿cuáles serían los valores idóneos de n. que se aplica un nivel IV de inspección y que la inspección es rigurosa: .00$ 0. Si en el problema 14.5 por 100. Si se usa forma 1.30$ Costos de cálculo por unidad 0.75 por 100 para la especificación del límite inferior y 2.1.5.0 Variables con ı conocida 33 k = 2. ¿Qué método es el más económico? 14.

41. 0. 43. Si la producción se ha mantenido a ritmo constante. 37. p2 = 0. Las especificaciones del muestreo son inspección normal. Usando los criterios de la parte a). La especificación del peso de una pieza de fundición es 40 ± 3 libras. 41.9. 37. 46. 44 y 46.621. p 2 = 0.05 b) Į = 0. ¿cuáles son los valores de n. 36. v y M? 14.357. 41.02 ȕ = 0. 0. b) Si se usa la forma 2. ¿cuáles son los valores idóneos de n y k? Dado el criterio de aceptabilidad. 39. Derivar planes de muestreo por variables con límite por un solo lado que satisfagan los criterios siguientes: a) Į = 0.05. .05. p1 = 0. tamaño de la muestra: letra-código H.5.8. AQL = 1. p 1 = 0.005 ȕ = 0.75 por 100. Una muestra de 15 ha dado los pesos siguientes (en orden): 37. 41. ¿puede aplicarse inspección reducida? ¿Por qué? Si la respuesta es afirmati- va. ¿cuál es el plan reducido? 14. 42. El porcentaje estimado de elementos defectuosos para cada uno de los lotes es el siguiente: 0.103 y 0.7. PROCEDIMIENTOS DE ACEPTACIÓN POR CARACTERÍSTICAS VARIABLES 331 a) Con la forma 1.10. 0. inspección normal (que son las especificaciones de inspección de un producto a límites dobles de especificación).02 Construir las curvas OC para cada plan.480.657. a) ¿Cuáles son los valores idóneos de n y M? b) Los primeros cinco lotes han sido aceptados.10. El tamaño del lote es 50. 41. Un plan de variabilidad desconocida con AQL = 1. ¿Es aceptable el lote? 14. calcular F para usar con un límite de especificación por los dos lados. nivel V.

.

Probabilidades y Estadística. Es posible que sean delegados 1 Siempre que en este capítulo o en cualquier otro utilicemos el artículo o pronombre el no tratamos de indicar que se trate de un trabajo masculino. 2 Al exponer dichas funciones. ¿Cuáles son las funciones que desempeña un ingeniero de calidad?2 Hablan- do en términos generales. las pruebas y la obtención rutinaria de datos caen fuera de sus funciones. así como de las del Ministerio de Defensa. la Física y la Biología (y esto parece posible). De igual manera. nos referiremos siempre a dicha persona como ingeniero de calidad. podríamos definir la Ingeniería de Garantía de Calidad como la aplicación conjunta de dichas ciencias para la garantía y el control de la calidad. Puede que1 no posea el título de ingeniero pero si realiza dichas funciones está actuando como tal. fuera de la esfera de atribuciones del ingeniero de calidad. Por tanto.15 Diseño de la garantía de calidad INGENIERÍA DE CALIDAD El diccionario define la Ingeniería como el arte o ciencia de la aplicación práctica de la ciencia pura. Bell Telephone Laboratories. Quien realice este trabajo puede ser hombre o mujer. 333 . Si consideramos como ciencias puras la teoría y principios de Economía. al igual que la Química. generalmente. El ingeniero de garantía de calidad. también denominado ingeniero de control de calidad. procedimientos y métodos ade- cuados para lograr la garantía de calidad deseada. sirviéndose para complementarla de la filosofía y las prácticas de empresas como General Electric Company. el coautor se ha basado en su propia experiencia. las decisiones de gerencia con respecto a calidad también caen. Esto significa que la realización física de las medidas. es quien diseña los planes. cualquier función de calidad caracterizada por plani- ficar o evaluar estaría dentro de la competencia del Ingeniero de Calidad.

se lanza luego al mercado para su consumo y se modifica por razones de costo. el ingeniero de calidad es quien más sabe sobre la función de un producto similar. Tiene acceso a datos históricos de calidad de proveedores y departamentos dentro de la propia empresa. Por ello. La palabra fiabilidad se usa para definir la calidad de funcionamiento o de resultados alcanzados por determinado producto durante cierto tiempo. Conjuntamente con las téc- nicas estudiadas en capítulos anteriores. que señalan deficiencias y eficiencias que no son ni económicas ni necesarias. Conoce los datos sobre desechos. pero hay que hacer constar que se tratará de delegaciones y no de deberes propios de su cargo. aspecto externo y otras razones que pueden afectar a su consumo. cada una de ellas. Las funciones de la ingeniería de calidad se pueden clasificar como dos principales divididas. dotan al ingeniero de calidad de todo aquello que necesita para realizar un diseño adecuado de la garantía de calidad. Como consecuencia de su trabajo y experiencia. No se trata de que asuma las funciones del ingeniero de proyecto. Ha realizado estudios especiales sobre capacidad de procesos que le serán de gran utilidad para determinar la capacidad real de máquinas y proce- sos.334 CONTROL DE CALIDAD en él ciertos deberes decisorios. En el momento en que el costo de obtener la calidad se eleve hasta constituir un alto porcentaje del costo del producto. por ello. debe consultársele durante la etapa de nuevo proyecto del producto puesto que él puede aconsejar sobre las herramientas que pueden utilizarse para garantizar la calidad de este nuevo proyecto y sobre en qué momento deben utilizarse. PLANIFICACIÓN DE CALIDAD Y FIABILIDAD La garantía de calidad comienza con el proyecto del producto. en tanto que algunas se estudian dentro de éste. distin- guiéndola así de la calidad de concordancia de aquél. pero dispone de valiosa información que permitirá a este último hacer un mejor trabajo de ingeniería de proyecto. en varias subfunciones: 1) planificación para lograr calidad y fiabilidad. Una dirección eficiente dependerá en gran manera de las recomendaciones del ingeniero de calidad y así debe hacerse constar. dedicamos ca- pítulos independientes a estudios más detallados de algunas de dichas subfuncio- nes. durante y después de la producción. El ingeniero de calidad es muy útil en esta etapa. En la etapa piloto se desarrolla un nuevo proyecto y se prueba. trabajos que ha habido que repetir y quejas de obra. puesto que ello tiene relación con el esfuerzo realizado en cuanto a su calidad durante la fase de producción. funcionamiento. Controla el presupuesto para garantía de calidad y puede. Las innova- ciones se producen paso a paso por medio de cambios en dicho proyecto. ENCUESTA DE CALIDAD PREVIA A LA ADJUDICACIÓN El ingeniero de calidad puede desempeñar un papel muy importante antes de iniciar la producción de un artículo determinado realizando encuestas de las . Las subfunciones se estudian en relación a su importancia respecto a la totalidad de la función de la ingeniería de calidad. relacionar el costo de calidad con el necesario para obtenerla. y 2) evaluación de dichos factores.

previamente. los datos de que disponga el ingeniero de calidad y sus evaluaciones de los distintos proveedores resultarán muy valiosas. de ser así. dicho equipo se desgasta y deterio- ra. se proporcionará una hoja de comprobación de encuesta de calidad preadjudicación para tal evalua- ción. por lo que el ofertante deberá disponer de los recursos necesarios para establecer y mantener un sistema idóneo de control de herramientas y calibres. de forma que incluso un estudio superficial de los medios de producción de tales ofertas nos proporcionará valiosa información sobre sus posibilidades de fabricar un producto de calidad. ¿resulta completo el procedimiento de muestreo en todos sus aspectos? 4. Controles de calidad durante el proceso. La calidad va permanentemente unida a la seguridad y la organización interna. Habrá que identificar cada instrumento. Cualquier programa efectivo de garantía calidad necesita contar. Si se considera necesario realizar la encuesta. ¿Se clasifican las características de calidad del producto de acuerdo con su importancia? ¿Existen normas escritas sobre cómo deben inspeccionarse las características? ¿Resulta el costo de inspección del producto proporcional a la importancia de la característica de calidad sometida a inspec- ción? Si se utiliza muestreo. En este caso. Normas y procedimientos de garantía de calidad. Previsiones sobre adquisición y mantenimiento de herramientas. en qué porcentaje del óptimo? ¿Se conocen y observan las capacidades de los procesos? . herramienta o ensayo y éstos deberán estar sometidos a un programa de inspecciones continuo para determinar su aptitud para producir artículos de calidad o medir la misma. Previsiones para el control de materiales y componentes subcontratados. Al cabo de algún tiempo. Los calibres. ¿Se planifica el control de calidad durante el proceso de forma que las inspecciones previstas se realicen dentro de las fases en que resulten más efectivas y proporcionen mayor rendi- miento económico? ¿Es adecuado el control? ¿Se utilizan los diversos controles de calidad por muestreo del proceso y. DISEÑO DE LA GARANTÍA DE CALIDAD 335 instalaciones productivas de los ofertantes previas a la adjudicación. Puede que tal encuesta no sea necesaria. que puede servir también para valorar la eficiencia en términos de calidad de la propia empresa. como en el caso de que el ofertante sea un antiguo proveedor y de que sus estándares de calidad hayan sido satisfactorios. ¿Eva- lúa nuestro ofertante en un momento anterior a la compra la calidad de los productos que recibe de sus subcontratistas? ¿Clasifica de algún modo a sus proveedores? ¿Existen cláusulas sobre calidad en sus subcontratos? ¿Se exigen certificados? ¿Lleva a cabo inspecciones de entrada de materiales u otros suministros? ¿Conserva archivos sobre calidad? ¿Qué política sigue sobre mate- riales defectuosos? ¿Se someten los materiales defectuosos a algún tipo de revisión en equipo para su final aprobación o rechazo? 3. La calidad de materiales y componentes determina la del producto final. La hoja de comprobación deberá incluir un método de evaluación con diversas clasificaciones de los siguientes factores que afectan a la calidad de la producción: 1. 2. si existen. debiendo conservarse los datos relativos a tales cali- brados e inspecciones. calibres y equipo de pruebas. con normas y proce- dimientos adecuados. deberán ser calibrados periódicamente por medio de equipo y calibres maestros de calibración.

Debe incluir normas para la creación de un comité de revisión de materiales por debajo de los estándares pactados. Deben conservarse datos sobre todos los cambios realizados. Situación de aceptabilidad. rótulos o . Puede revestir la forma de etiquetas de inspección. Siempre que esto ocurra. que esté integrado por representantes de los departa- mentos de Garantía de Calidad e Ingeniería. Control de modificaciones en planos y especificaciones. En muchos casos. diseñar procesos. Los archivos de datos deben incluir pruebas de que se han realizado las inspecciones exigidas. Los informes sobre calidad deben comunicarse regularmente a la Gerencia General con objeto de que quienes toman las decisiones conozcan la situación actual de calidad. por partículas magnéticas. pero que resultan muy adecuados para satisfacer a encuestadores demasiado crédulos. Deben indicar la cantidad y los tipos de rechazos y lo que se ha hecho con tales artículos. 8. Todos los materiales piezas y componentes que han sido inspeccionados deben ser identificados de acuerdo con sus situa- ciones. son buenos indicadores de dicho control.336 CONTROL DE CALIDAD 5. Conservación de datos e informes sobre calidad. así como por miembros de la empresa productora del producto. Hay que tener cuidado para asegurarse de que quien aspira a ser proveedor no está simplemente aparentando estar de acuerdo con nuestras exigencias de calidad al confeccionar manuales. es necesario tener datos y disponer de informes sobre calidad. Control de materiales por debajo del estándar. El sistema de control de cambios debería proporcionar medios eficientes para eliminar la información obsoleta de planos y especificaciones. penetrantes. 7. Un sistema en pleno funcionamiento con inspecciones al 100 por 100 y pruebas al azar. 6. gráficos muy atractivos y archivos de datos que no tengan ningún significado real. Es necesario disponer de un procedimiento que se ocupe de los materiales y componentes que no se ajusten a las normas. ultrasónicas. destacando determinados pasos específicos que han de darse para producir acciones correctoras. No obstante. sellos. sólo podrá evaluarse el pro- ducto final por medio de caros ensayos no destructivos para evaluación de la calidad. Control de procesos especiales y de ensayos no destructivos. 9. así como para establecer las fechas efectivas de los cambios. Tal identificación debe aplicarse lo mismo a unidades que a lotes de unidades. mecánicos y químicos. Los datos sobre pruebas e inspecciones de calidad. El subcon- trato puede exigir ciertos métodos de proceso y ensayos de tipo especial y que resulten muy costosos. Deben evitarse errores de bulto por medio de un buen sistema de control de cambios de ingeniería. espectrográficos. desgraciadamente esto se interpreta como efectivo control de calidad. aunque no sea demasiado científico. Este es un aspec- to muy importante del control de calidad. Dicho procedimiento debe disponer de medios para prevenir que se insista en producir por debajo del estándar pactado. es preferible a lo anterior. aunque no representen una evidencia concluyente de que la calidad se halle bajo control. por vaporizadores de sal. que repre- senta la alternativa más cara y menos eficiente. pero produce grandes efectos sobre la calidad del producto. Como ejemplos típicos de dichos ensayos podemos citar los radiográfi- cos. si se quiere lograr una adecuada garantía de calidad. El control de cambios y planos no figura entre las responsabilidades de la organización que controla la calidad.

y sobre la carga para despacho. también. OTRAS RESPONSABILIDADES DE PLANIFICACIÓN El ingeniero industrial encargado de la calidad tiene la responsabilidad de establecer controles en todas las etapas de la fabricación. etc.. Un embalaje mal realizado cuando el producto ha de enviarse a otro sitio. Con objeto de minimizar tales pérdidas debe llevarse un control de calidad sobre los materiales utilizados para embalaje. conservantes. Con el departamento de Ingeniería y el de Producción establece las normas de calidad en cuanto al aspecto. En general. material acolchado. o ha de almacenarse puede causar graves daños al producto o hacer que éste se deteriore hasta el punto de resultar inútil o por debajo de su estándar. para minimizar las controversias entre inspección y produc- ción. Especifica el equipo de inspección y comprueba que se utiliza para evaluar la calidad en todas las fases de fabricación y en el producto terminado. en puntos del proceso de fabricación. Crea procedimientos de certifi- cación para su uso juntamente con los planes de clasificación. etc. sobre el proceso de embalaje. contenedores. en la inspección de productos terminados y en el momento del envío. No es raro encontrar que en ciertos productos el costo de embalaje es mayor que el del propio producto. adhesivos. Diseña el programa de supervisión y control de medidas que garantiza que el equipo de inspección y prueba está adecuadamente calibrado y que se conserva en buenas condiciones. los atributos que el ingeniero industrial a cargo de calidad busca por medio de la encuesta anterior a la decisión son los mismos que persigue desesperadamente con su propio sistema de garantía de calidad. Las clases de control variarán de acuerdo con el tipo de producto y la cantidad producida. El ingeniero encargado de la calidad desarrolla planes para la clasificación de la calidad de proveedores y departamentos. También es responsable de la creación de hojas de trabajo para el análisis de calidad. identificación y marketing. embalajes y procesos de embalaje.. Control de preservación. niveles de calidad y métodos de muestreo para control y aceptación. Esta responsabilidad incluye la instauración de métodos de control de calidad en la inspección de entrada. formularios para registros e informes sobre calidad. Puede diseñar —o no— el equipo de inspección y prueba. verificaciones y análisis de capa- . deshidratantes. como encuestas. DISEÑO DE LA GARANTÍA DE CALIDAD 337 cualquier otro medio que resulte aceptable. Dicho ingeniero identifica las características críticas de calidad y clasifica todas las característi- cas críticas de calidad y clasifica todas las características de acuerdo con la gravedad de un defecto. funcionamiento. 10. así como de recopilar casuística sobre calidad. Especifica. También tiene a su cargo y bajo su responsabilidad la realización de estu- dios especiales sobre calidad. Desa- rrolla métodos y técnicas de prueba nuevos y mejorados. el color. También cae bajo su responsabilidad el desarrollo de las instrucciones y la creación de manuales para garantía de calidad. Debe mantenerse la unidad del lote o partida mientras se pueda y habrá que separar todos los materiales rechaza- dos de aquellos que han sido aceptados. la uniformi- dad. elementos de limpieza.

actúa como ingeniero director del departamento de Garantía de Calidad.338 CONTROL DE CALIDAD cidad de procesos. Ayuda al ingeniero industrial responsable de los proyectos creando un programa que le proporcione confirmación sobre quejas de clientes. tolerancias. . La encuesta de calidad utilizada por 3 E. Esta es otra de las obligaciones del ingeniero responsable de la calidad. su medida y su control. la cantidad de conocimientos o hasta dónde debe llegarse para los niveles de dirección. es necesario desarrollar un programa de educa- ción en temas de calidad que satisfaga las exigencias de cada nivel de trabajado- res y supervisión de modo efectivo. puede señalar los proveedores que con mayor probabilidad suministrarán materiales de calidad y productos también de cali- dad. Debe realizar estudios especiales de tipo económico sobre costos de calidad con objeto de establecer unos costos mínimos totales. Encuesta de calidad El término «garantía de calidad» lo empleó por primera vez Bell Telephone Laboratories. Valora el potencial de calidad de proveedores y departamentos por medio de clasificaciones de resultados de calidad. Para un programa efectivo de garantía de calidad es imprescindible dispo- ner de una orientación dinámica hacia la calidad así como de un programa de entrenamiento idóneo. seguimiento y repaso cuando sea necesario. Por ello. BTL entendió que «la encuesta de calidad» (programa planifica- do para una evaluación verificadora de calidad y fiabilidad) era el elemento más importante de la garantía de calidad3. Realiza estudios especiales sobre problemas de calidad en el procesamiento y la fabricación a medida que éstos van surgiendo y con objeto de solucionarlos. costos de calidad. análisis de tolerancias y estudios de capacidad de procesos. Dicho programa deberá especificar la clase de formación. interpretación y evaluación de datos. Industrial Quality Control. D. Paterson: «An Over-All Quality Assurance Plan». tiene a su cargo el presupuesto de garantía de calidad y el establecimiento de medidas cuantitativas válidas y dignas de confianza de los costos de calidad. experimentos de calidad proyectados. Estos estudios incluirán los relacionados con capacidad de procesos. Como hemos dicho. diseña procedimientos para el análisis de la varianza de los costos de calidad. G. Planifica todos los experimentos sobre calidad. Al evaluar los resultados y comparar los logros de todos los proveedores y departamentos de producción según una escala estándar. controles de deméritos así como la mayoría de las técnicas especializadas sobre variables y atributos que se usan para control y verificación de calidad. Los estudios especiales sobre calidad exigirán sus conocimientos especiali- zados para el análisis. En este sentido. 34. pág. y deberá mantenerse permanentemente actualizado. EVALUACIÓN DE CALIDAD Y FIABILIDAD En la mayoría de los casos será necesario que el ingeniero encargado de la calidad evalúe los resultados de las medidas prescritas durante la fase de planificación. mayo de 1956.

trabajaban codo con codo con el personal de garantía de calidad de BTL y podían aplicar el enfoque de equipo a proyectos adicionales. La encuesta la lleva a cabo un comité integrado por tres miembros: a) un ingeniero de calidad especialista en el tipo de producto objeto de la encuesta (un miembro de los laboratorios de garantía de calidad que actúa como presidente del comité). G. Industrial Quality Control. tratando de asegurar los resultados de inspección indepen- diente especificados por los laboratorios. Hansen. que cubren gran variedad de aparatos. En pocas palabras. acompañando una serie de recomendaciones. DISEÑO DE LA GARANTÍA DE CALIDAD 339 BTL es especial en cierto modo ya que se sirve de un equipo para resolver problemas de calidad. Como tal. de las que hay unas cincuenta al año. 19. que eran los números opuestos. Los resultados fueron muy satisfactorios y los proyectos contribuyeron en gran medida a la garantía de calidad que hoy practica el Ministerio de Defensa. Uno de los autores tuvo el honor y el placer de formar parte de uno de los equipos. Tal como la utiliza BTL. la Encuesta de Calidad incluye un repaso crítico y total de todos los elementos que puedan influir en la calidad del producto. Para ello se forma un equipo responsable de realizar un estudio completo e informar sobre la situación de la calidad. El miembro del laboratorio es un especialista en un tipo particular de producto o sistema. Su objetivo es revelar cualquier cir- cunstancia que pueda afectar de modo adverso a al calidad e iniciar el proceso necesaro para que desaparezca tal circunstancia. la fabricación y el uso del producto o sistema así como con su historial. El concepto de «números opuestos» incluía el seguimiento continuo de los cam- bios recomendados ya que el personal de dicho departamento. L. agosto de 1960. Este sistema se usó con verdadero éxito al desarro-4 llar un programa de garantía de calidad para el misil Nike. pág. representando a la organización de garantía de calidad que actúa. no sólo revisa las actividades relacionadas con calidad de otros. el tercer miembro del comité es un representante del proveedor. (En el caso de encuestas sobre productos obtenidos de proveedores no relacionados con el Bell System. Paterson: «The Role of Quality Assurance in Product Reliability». b) un miembro de Western Electric (el fabricante). el Army Ordnance Department contrató con BTL el proyecto de un programa de garantía de calidad para el misil Nike. Impreso con autorización. D. . y c) un miembro del departamen- to de Producción de Western Electric. El personal de garantía de calidad de BTL trabajó en éste y otros programas para la adquisición de pertrechos militares con «números opuestos» en el Ordnance Department. equipos y sistemas. Cada miembro del comité tiene sus propias responsabilidades y contribuye de forma individual a la encuesta5. dado gran alcance. como el agente de Bell Laboratories. que contribuya en mayor medida a la Habilidad del producto. está familiarizado con el proyecto. desde el proyecto hasta la producción y posterior uso. Por ello. 4 B.) Un comité independiente maneja cada encuesta. 5 E. sino también la idoneidad de las propias actividades. De las distintas actividades de garan- tía de calidad es la que puede esperarse.

6. Mediante las quejas de la fábrica se llegan a detectar deficiencias en diseño. el único que permite aprender. Revisión de los resultados de la inspección.»6 2. criterios de aceptación. Este examen incluye un repaso completo a las instalaciones de producción. los requisitos del proyecto se suelen convertir en especificaciones para la fabricación y en dibujos. obra citada. Por lo gene- ral.340 CONTROL DE CALIDAD Mencionaremos ahora de forma breve la contribución a la encuesta del ingeniero encargado de la calidad: 1. El 6 Paterson. las tendencias cronológicas. Examen detallado de los requisitos del proyecto. la disconformidad que ya se está convirtiendo en norma. teniendo en cuenta la cantidad de especialis- tas que trabajan juntos en él y las presiones a que se hallan sometidos por premuras de tiempo tan características en los proyectos de hoy en día. No son debidos a incompetencia. que el ingeniero que lleva la encuesta y el ingeniero autor del proyecto examinan visualmente para determinar hasta qué punto concuerda el diseño con la intención del proyectista. Se revisan exhaustivamente los resultados de inspección. componentes y conjuntos como las instalaciones y prácticas destinadas a la prueba de la garantía de calidad. Se selecciona una muestra aleatoria del producto. Durante (y después) el paso de la información del proyecto a requisitos de producción se producen errores.»7 7. Representa una revisión total de los procedimientos de inspección de la fábrica y de los más concretos de garantía de calidad para determinar la adecuación de la cobertura de la inspec- ción planificada. etc. Examen de los procedimientos reales de producción. y la compatibilidad. como rasgos del diseño que presenten un aspecto diferente o peculiaridades que hayan sido omitidas. 5. omisiones y adiciones. «Los resultados de la fábrica representan un camino seguro. Este examen se centra específicamente en características cualitativas. incompatibilidades y ambigüedades en las especifica- ciones del proyecto. 4. sino a la complejidad misma del problema del proyecto.. El ingeniero que lleva la encuesta compara ambas fuentes de información para hallar los puntos en que no concuerdan. de los estándares de calidad. Revisión de procedimientos de inspección. . «Pese a las precauciones adoptadas con objeto de evitarlos. 3. determi- nar que la cobertura de la inspección es realmente adecuada. en el producto terminado y en todos los componentes y materiales que lo componen. obra citada. resulta sorprendente la frecuencia con que pueden deslizarse errores. fabricación y garantía de calidad. Los resultados que se logren en la fábrica son la prueba de fuego de la calidad. Se revisan y evalúan tanto los procesos de producción de materiales. Revisar los resultados en la propia fábrica. en muchos casos. Comparación del diseño con la información de fabricación. Examen de muestras del producto. 7 Paterson. pero tratándose de fallos en la fiabilidad que se manifiestan lentamente es. El ingeniero que lleva la encuesta busca tales irregularidades. a veces lento. para precisar que son conformes a las especificaciones. tanto sobre las instalaciones como sobre la garan- tía de calidad.

por ejemplo. obra citada. DISEÑO DE LA GARANTÍA DE CALIDAD 341 comité en bloque realiza este examen y cada miembro presenta un informe preliminar sobre sus hallazgos. instalaciones inadecuadas. tomándola del manual AMC número 74-1: «Procurement Quality Control Manual». la empresa tiene en el comité de encuesta una organización consultiva flexible y que puede proporcio- nar beneficios y ventajas imposibles de obtener si se utilizaran otras empresas. 8 Paterson. Ohio. una verificación continua por parte de personas conocedoras del proyecto. descuidos. las principales irregularidades en el proyecto superan en propor- ción de dos a una a las encontradas en producción.. base Wright-Patterson de la Fuerza Aérea. Informe de la encuesta de calidad. los requisitos de producción y los de garantía de calidad. procesos de inspección o fabricación impropias. aparatos y sistemas. Entre las medidas que quizá haya que adoptar se incluyen las relativas a características insatisfactorias del proyecto. el comité prepare un informe describiendo la situación de la calidad del producto. registros de inspección incompletos o incorrectos. Al concluir la encuesta. 2 de octubre de 1958. citan- do cualquier deficiencia significativa que se haya descubierto y haciendo reco- mendaciones a la organización responsable de la calidad sobre lo que se requiere para eliminar tales deficiencias. con algunas omisiones y cambios poco importantes. o incluso de una. incompatibilidades o incon- gruencias en alguna fase de cualquiera otra de las múltiples causas a las que se puede atribuir una calidad por debajo de la prescrita. La organización respon- sable debe iniciar acciones de tipo corrector que aprueben todos los miembros del comité antes de dar por terminado el producto y tales acciones deben seguirse con la mayor diligencia8.500 encuestas realizadas sobre gran variedad de materiales. del Air Material Command.1 es un diagrama de fabricación que describe el proceso para realizar una encuesta de calidad. Su realización por medio de un equipo puede servir como modelo a seguir por cualquier negocio interesado en la calidad de sus productos. obra citada. Más aún. págs. mal utilizadas o mantenidas para la medición y prueba de la calidad. a este tipo de proyectos.. componentes. La Air Material Command (Comandancia de Material Aérea) ha tenido un papel preponderante en la aplicación del concepto de garantía de calidad por medio de por medio de la inspección de vigilancia. 3-1 a 3-4. . 9 Paterson. Se destaca que como comentario sobre la gran importancia de la fase de proyecto de fiabilidad resulta interesante observar que en alrededor de 1. 8. aun así. ELEMENTOS DE UN PROGRAMA DE CONTROL DE HERRAMIENTAS. Quizá una pequeña empresa no pueda dedicar más que una parte del tiempo de tres personas. calibradores y equipo de pruebas usado en la fabricación.9 La Figura 15. los principios y el procedimiento se pueden observar con independen- cia del tiempo y el talento que se les dedique. 10 El estudio de esta parte se publica. CALIBRADORES Y EQUIPO DE PRUEBAS10 La calidad de un producto depende en gran parte de la precisión y fiabili- dad de herramientas.

componentes y conjuntos hasta lograr el nivel exigido de uniformidad en los mismos. Diagrama de procedimiento para encuesta de calidad. se utiliza de forma correcta y se controla.1. Paterson: «The Role of Quality Assurance in Product Reliability». G. agosto de 1960. D. son elementos indispensables de los que hay que disponer y que hay que conservar en perfectas condiciones. podrá garantizar uniformidad permanente e intercambiabilidad dentro de los requisitos esta- Figura 15. Las herramientas y los calibradores suponen los medios físicos para alcanzar una producción en masa y al mismo tiempo facilitar la fabricación. Reproducido con autorización. Industrial Quality Control. inspeccionar y probar. Calibra- dores adecuados y otros aparatos para medir.342 CONTROL DE CALIDAD la inspección y las operaciones de prueba.) . (Tomado de E. inspección y prueba de partes. Sólo si dicho equipo está bien diseñado. así como para controlar los abastecimientos y determinar su conformidad con los requi- sitos especificados.

una vigilancia continua del sistema de control de herramientas y calibres para asegurarse de que se logren los objetivos propuestos. ópti- cos. En algunos casos. procesado. plantillas. el tipo. accesorios y otros aparatos utilizados en los pro- cesos de fabricación para garantizar la uniformidad y la posibilidad de inter- cambio tanto del producto final como de sus componentes.. método de fabrica- ción. la cantidad. El ingeniero encargado de la calidad debe mantener. inspección y prueba mediante los cuales van avanzando los varios componentes del producto. compo- nente o conjunto es conforme con los requisitos especificados. determinar el tipo. deberán analizarse por completo tanto el producto como los distintos procesos de fabricación. a partir de ese momento. fechas. con objeto de determinar la cantidad de control necesaria y los tipos de herramientas y calibres precisos para garantizar la precisión final del producto. la herramienta. El procedimiento normal para garantizar que una parte es conforme con los requisitos especificados es el uso de equipo de medida o calibrado. inspección inicial aprobada (si es de aplicación) y últimos cambios técnicos. en virtud de sus características de proyecto. es esencial establecer y mantener un sistema para el control de herramientas y calibradores con obje- to de garantizar la calidad estándar exigida a dicho producto. ya sea el de números de serie. y todos los aparatos mecánicos. Esta información es fundamental para solicitar y enviar los aparatos . como en el de conjuntos complejos. contadores. secuencia operativa. como tal. deben analizarse todas las fases de la técnica instrumental. las característi- cas funcionales y los puntos importantes de control de las partes y los conjun- tos. etc. En consecuencia. El equipo debe ser revisado por medio de un equipo de medida adecuado y en períodos de- terminados para garantizar su continua precisión. en primer lugar. fija y controla los elementos dimensio- nales de dicha parte y. tamaño. calibres y elementos del equipo de pruebas es esencial para un programa idóneo de control de herra- mientas y calibres. proyectos y construidos de modo que establezcan y controlen las características dimensionales del producto sin el beneficio de inspección de las partes. sirve de medio de inspección. Esto se logra. La identificación de cada una de las herramientas. luego. eléctricos y electrónicos utilizados para establecer que una parte. sellos. calibres maestros. debe reflejar información como el nombre del equipo. DISEÑO DE LA GARANTÍA DE CALIDAD 343 blecidos por las especificaciones. Deben llevarse registros u otras pruebas concluyentes que garanticen que se lleva a cabo el control adecuado. El sistema utilizado. las especificaciones y los requisitos impuestos por el departa- mento de Ingeniería para. Herramientas: Plantillas. no es posible ni económico seguir este procedimiento. incluyendo la planificación. Dado que tal equipo está sujeto a los efectos de su uso y consiguiente constante deterioro. A continuación. Herramientas utilizadas como medio para la inspección: Aparatos utilizados en fabricación. símbolos. Para determinar qué calibres y herramientas serán necesarios. Entendemos por «herramientas y calibradores» lo siguiente: Calibradores y equipo de pruebas: Instrumentos de medición y calibrado. revisando todos los documentos por los que tales procesos se rigen. así como para establecer controles satisfactorios.

normalmente. Tales controles dobles son necesarios ya que el diseño del calibre o herra- mienta representa el proyecto. calibres y equipo de prueba gastado. Por tanto. como las modificadas o las reparadas deben ser inspeccionadas y evaluadas con respecto al diseño del calibre o herramienta así como con relación al diseño técnico del componente. Estas prácticas son especialmente útiles para fabricantes que disponen de una cantidad considerable de herramientas de fabricación y montaje y que o bien no realizan inspecciones periódicas dimensionales o dejan pasar largos períodos de tiempo entre ins- pecciones. varillas para medir longi- tudes. pero no enumera los requisitos técnicos del compo- nente. Debe concebirse algún sistema de iden- tificación que evite el uso de herramientas y calibres imprecisos o inade- cuados. conservación de registros. El ingeniero responsable de la calidad debe garantizar que el equipo maestro que sirva de referencia sea calibrado con la frecuencia precisa para garantizar su pre- cisión. herra- mientas. indicadores de montajes. la empresa que firma tales contratos debe exigir a tales contratistas que mantengan sistemas de control satisfactorios sobre herramientas y calibres. es necesario que primer se inspeccionen y se pruebe su aptitud para satisfacer los requisitos de las especificaciones. y elementos parecidos.344 CONTROL DE CALIDAD adecuados para operaciones específicas de maquinaria e inspección. calibres y equipo de pruebas. planes maestros. Un sistema efectivo de control de herramientas y calibres no puede existir sin un control de precisión sobre los estándares básicos. Tanto las herra- mientas nuevas. herramientas maltratadas. El control sobre el equipo funcional de pruebas se realiza por medio de pilas patrón. La base del control sobre el equipo de inspección dimensional la componen bloques de indicadores de precisión. Sin unos están- dares precisos que sirvan de referencia. preparar el calendario periódico de nuevas inspecciones. las inspecciones. casquillos sueltos o excesivamente gran- des. la función y la secuencia operativa de la herramienta o el calibre. Debe establecerse un sistema de inspecciones y calibrado periódico para evitar el uso de herramientas. defectuoso o inadecuado. probadores de pesos muertos y otros elementos similares. que son la última referencia para determinar si tales aparatos son los adecuados. antes de comenzar a utilizarlas en el trabajo. y catalogación general de tales aparatos. mal funciona- miento. el equipo debe exami- narse de forma periódica para detectar rebabas. muescas. Para cuidar adecuadamente tales herramientas y para garantizar com- ponentes satisfactorios y funcionamiento adecuado. tornillos de ajuste torcidos y otros defectos visibles. Los componentes y conjuntos fabricados por contratistas independientes afectan a la calidad final del producto. calibres maestros. Para garantizar que las herramientas son capaces de producir componentes uniformes y que los calibres controlarán las características dimensionales y funcionales del producto. potencióme- tros. calibrados. Las herramientas e indicadores no sólo deben funcionar correcta- mente al iniciarse un trabajo sino que deben mantener su precisión hasta que se . indicadores y equipo de pruebas sirven para muy poco. así como sobre los instrumentos de medición y calibrado que se utilizan para determinar la preci- sión de herramientas.

así como en el resto del mismo. Y esto se logra simplemente permitiendo que se tomen un porcentaje pequeño de las toleran- cias del producto y se transfiera en forma de metal al calibre. dimensiones críticas y características de intercambiabilidad de los componentes fabricados y del tipo.500 pulgadas. así como todas las características mecánicas. construcción y grado de uso de cada una de las herramientas o calibres. cuya dimensión básica es 0. Hay otro factor que se puede incluir y que no se considera una desviación de la política anterior. el orificio de un producto mide 0. la ligera variación que pueda existir entre este punto y el extremo de entrada no tendría que afectar al adecuado control dimensional del producto final. Deben inspeccionarse de forma periódica y de acuerdo con calendarios preesta- blecidos toda clase de equipos de inspección y pruebas. se puede establecer un sistema de control para inspeccionar el desgaste de los calibres en un punto situado detrás del extremo de entrada. Si en este punto el calibre. aparatos de control. Esta política. pero esto no debe interpretarse como una dificultad para la producción si se consideran otros factores de carácter económico. en gran medida. aproximadamente igual al 25 por 100 de la longitud total del calibre. no se opone a un grado normal de desgaste de los instrumentos siempre que se tomen medidas que lo permitan al realizar los proyectos. herra- mientas utilizadas como medio de inspección.500 pulgadas con una tolerancia de más 0.002 pulgadas menos 0. Para garantizar que las unidades calibradas están dentro de las tolerancias especificadas y que no están en peligro ni la precisión.5002 pulgadas (0. Claro está que el procedimiento en cuestión estará limitado por la longitud o la profundidad de la característica que se calibre. si la superficie total del calibre fuera de 1 pulgada. Por ejemplo. Los registros . convirtiéndola en 0. el grupo de garantía de calidad debe adherirse a una política de uso de herramientas que prevea la sustitución o reparación de aquéllas antes de que se gasten o cambien hasta el punto de exceder los límites extremos señalados para el producto. de los requisitos sobre precisión. la lógica consecuencia es que también son esenciales otros registros o pruebas concluyentes de la precisión continua del equipo de medi- ción si se quiere tener un sistema eficiente de garantía de calidad.000 pulgadas.0002 pulgadas (el 10 por 100 de la tolerancia) y se aplican al calibre. Por ejemplo. Si resultan necesarios los registros de inspección dimensional y funcional del producto fabricado. como calibres fijos y ajustables. ópticas. La forma y la frecuencia de las nuevas inspecciones depende. ni los requisitos de intercambiabilidad y uniformidad del producto. herramientas manuales de medición. la inspección para verificar el desgaste se realizaría a 1/4 de pulgada del extremo de entrada. el extremo de entrada de los calibres es la parte más expuesta al desgaste. DISEÑO DE LA GARANTÍA DE CALIDAD 345 concluya dicho trabajo. se hallan dentro de la tolerancia. Se toman de la tolerancia total del componen- te 0. eléctricas y funcionales del producto. En consecuencia.0002 de margen de desgaste). Gran parte de las unidades rechazadas por un calibre fijo sean controladas por medio de un aparato que mida variables y que no incorpore al calibre esta permisi- vidad. Durante el tiempo que tarda el calibre en llegar a su tamaño básico se restringe ligeramente la tolerancia del producto. que es la adecuada para calibres de inspección de tipo fijo. como la vida útil del calibre. En la práctica. aunque sirve para extender la vida útil del calibre.

10. pág. Dimensiones que debe verificar el calibre. 12. o cualquier otra prueba indicara defectos en el producto que puedan atribuirse tanto a herramientas y calibres defectuosos como a métodos de fabricación inadecuados. número o símbolo para identificar un componente en particular. 11. para calcular sus expectativas de vida útil y para prevenir la necesidad de reemplazarlos o repararlos. Número y fecha del esquema que muestra el producto. 4. los calibres y el equipo de pruebas conserven la precisión que les es inherente. 3. Nombre del producto al que debe aplicarse el calibre. Tipo de calibres.346 CONTROL DE CALIDAD no sólo prueban y proporcionan información acerca de que se está realizando un control adecuado sino que igualmente útiles para reducir el costo de inspec- ción de herramientas y calibres. El sistema de control de herramientas y calibres debe incluir el llevar registros u otros medios de prueba que indiquen claramente que se cumple con los procedimientos estable- cidos. Dimensiones del calibre establecidas por el inspector de los mismos. deben ser manejados y almacenados de forma que se ponga en peligro sus características dimensionales o funcionales. Nombre del establecimiento en que se realizó la aceptación inicial y lugar donde se halla. 6. las inspecciones o los rechazos. 9. Para que las herramientas. Nombre del inspector de calibres y fecha en que se inspeccionó el calibre. 2) las herramien- tas y los calibres no entren en contacto entre sí ni con sustancias extrañas. Valor del calibre a su precio de costo. 2. 12 de diciembre de 1950. 13. 8. El sistema de control de herramientas y calibres debería incluir normas para proceder a iniciar acciones correctoras en el momento en que la revisión de materiales. Número de retirada del calibre y fecha de revisión. 14. Los procedimientos correspondientes tendrán que exigir que: 1) se manejen las herramientas y los calibres de modo adecuado cuando van y vienen de su zona de almacenaje y durante el tiempo en que se estén utilizando. al que se aplique a su precio de costo. 11 MIL-STD-120: Gage Inspection. 5. Cualquier letra. que aparezca en el esquema del producto. tal como aparecen en el esquema del producto. Número de identificación del calibre. se dé a herramientas y calibres un tratamiento adecuado para prevenir su oxidación. 7. Función del calibre. y 3) en caso de almacenaje por tiempo indefinido. Cualquier otra observación que se considere necesaria. Información precisa sobre el lugar de almacenaje de calibres. 76. El registro de calibres tendría que incluir la siguiente información11: 1. .

) A continuación se devuelven al laboratorio de calibres para su medición. siempre que ha sido posible. Otro deber importante del ingeniero es repasar los informes sobre rechazo de calibres y recomendar planes. quien debe trabajar con el ingeniero de procesos y otras personas con quienes revisará la disposición de herramientas y los requisitos de los calibres. Industrial Quality Control. a que suban los costos de verificación y aceptación y a la pérdida del tiempo necesario para fabricar- los. DISEÑO DE LA GARANTÍA DE CALIDAD 347 El laboratorio de calibre: Su equipo y función12 La fábrica Eastman Kodak Co. lo que implica responsabilidad sobre las existencias físicas. lleva un registro con todos los suministrados a los provee- dores. muchos más flexibles. La fábrica piensa que el laboratorio es el corazón del programa de control de calibres y que resulta esencial un control preciso de los mismos. Como la mayoría de los trabajos que se realizan en la fábrica son de corta duración. Custodiar las herramientas estándar. No se pueden pedir calibres sin que lo sepa el ingeniero encargado. Its Equipment and Function». Periódicamente los reclaman para su inspección. 3. Tanto los nuevos elementos que se suman al equipo de calibre como los pedidos para su sustitu- ción se manejan de la misma forma. A medida que el trabajo lo requiere. además. se entregan a los operarios los calibres de trabajo con las herramientas necesarias para la realización de su labor. págs. enero de 1954. La compra de calibres para un fin concreto da lugar a que el costo inicial sea más alto. se asigna un ingeniero de Control de Calidad especialista en calibres. La fábrica piensa que un departamento de Control de Herramientas debe ser responsable de lo siguiente: 1. «The Gage Laboratory. 2. Con esta política se ha conseguido implantar el uso de equipo universal. se permite que los operarios conserven los calibres en su poder hasta que se termine el trabajo. Hay muchos calibres que se proporcionan a los contratistas con objeto de que procedan con ellos a inspeccionar los componentes que vaya a adquirir la fábrica de cámaras fotográficas. Para garan- tizarlo. Ser responsable de la precisión de todos las herramientas en todo 12 Clifford A. se solicitan conjuntamente herramientas y calibres. . (Ejemplo de control por período de tiempo. Custodiar y controlar las herramientas utilizadas en la inspección de componentes.000 y en la que se inspecciona y acepta todo el equipo de calibre. Entonces. Indicamos algunos de los rasgos más característicos del mismo: La fábrica de cámaras fotográficas tiene una oficina central de control de calibres en la que están catalogados más de 100. 46-50. Para trabajos de larga duración. Un grupo especial. Wallace. implementa los objetivos citados por medio de control a través de un laboratorio de calibre. dentro de la sección de control de calibres. un inspector que se desplaza al efecto inspecciona los calibres junto a las máquinas. de modo que la economía se refleja de modo tangible en menores costos de herramientas de nuevos modelos. Los calibres universales son.

experiencia. algunos microscopios para fabricantes de herramien- tas que se añadieron a los existentes. . dependiendo del lugar en que se halle. aunque la relación puede ser mayor si existe un buen dispositivo para la verificación de herramientas. una pequeña placa redonda de superficie superprecisa.1. una cabeza maestra óptica divisora Vinco con verificador Cam Ries. 4. La fábrica de cámaras fotográficas da testimonio del valor del programa de control de calibres al referirse a su rápida amortización y beneficios que proporciona. Se recomienda disponer de un controlador de los calibres por cada 200 empleados de producción. herramientas estándar de medición y las herramientas normales para medidas de precisión. Desarrollar una especificación de trabajo para un ingeniero de control de cali- dad que incluya estudios.000 dólares en calibres.000 y los 40. 15. que se contrate un ingeniero de calidad especializado en calibres para que supervise el sistema de control de calibres a fin de mantener el nivel de precisión de dicho equipo.000 dólares. aparatos visuales de tipo comprobador.348 CONTROL DE CALIDAD momento y tener autoridad para exigir la devolución de las mismas para su verificación. dos microscopios para fabricantes de herramientas. una cantidad relativamente grande de supermicrómetros. una máquina estándar de medición de 48 pulgadas. Se iba adqui- riendo equipo adicional a medida que era necesario. enca- recidamente. estándares cilin- dricos. comprobadores ópticos adicio- nales y analizadores del acabado superficial. más juegos de grupos de herramientas. un índice maestro para medidas angulares Cadillac Pla-Check. un comparador óptico y equipo diverso. y características personales.3. varios comproba- dores de diales.7500 a 6. varios juegos de grupos de calibres. Realizar controles de precisión sobre todos los instrumentos de medi- ción. Hay miles de dólares invertidos en las instalaciones de Control de Herra- mientas de la fábrica de cámaras fotográficas. una fuente de luz monocromática para planos ópticos. Proyectar una hoja de verificación de una encuesta de calidad. así como a las economías logradas por medio de la estandarización que se aproximan a los 800. un supermicrómetro. ¿Sería apropiado decir que una de las grandes diferencias que existen entre el control de calidad actual y el de hace cuarenta años radica en la amplitud de la función de planificación? Exponer las razones. un microscopio sencillo.2. 15. Parte del mismo fue comprobador interno universal de electrolímites. oscila entre los 30. como una pequeña placa sinusoide. calibres de diámetro interior de 0. Se recomienda también.000 pulgadas inclusive. El costo de una sala idónea. PROBLEMAS 15. El equipo inicial estaba formado por un instrumento universal de medida SIP (Societé Genervois d'Instruments de Physique) suizo. provista de aire acondicionado y con temperatura controlada.

4. etc. El problema será asignado a varios grupos. Deberá incluirse una especificación acerca de los tipos de defectos. niveles de calidad aceptable. Diseñar un plan factible de muestreo por atributos para la aceptación y control de calibres. tipos y cantidad de muestreo (si fuera preciso). DISEÑO DE LA GARANTÍA DE CALIDAD 349 15. que deben presentarlo para discutir- lo y realizar una crítica de las soluciones presentadas .

.

Esto exige. Aunque el artículo que utilizamos no requeriría el tratamiento de planificación de calidad a que aquí lo someteremos. por consiguiente. a fin de que allí se desarrollo o especifique una instrucción de garantía de calidad particular del elemento a producir. Es una reacción com- prensible. y que puede aplicarse a otros productos que exigen una planificación cuidadosa en lo tocante a calidad. qué inspec- cionar. pero que debe ser superada mediante una buena organización y mejores principios de planificación. las normas de calidad. la orden de compra o la orden de producción pasen por Ingeniería de Calidad antes de cumplimentarlo. en tanto que el inspector lo es en medida de calidad. El ingeniero de calidad es el especialista en planificación de garantía de calidad. De no disponer de ella. ANÁLISIS DEL VALOR DE LA CALIDAD DEL PRODUCTO El primer paso consiste en realizar un somero análisis de la inversión en calidad justificable por el artículo. se puede exponer la creación de la hoja de instruc- ciones de forma más comprensible describiendo los pasos a seguir para lograrla y sirviéndonos de un artículo sencillo para ilustrar nuestro ejemplo. El autor ha oído con frecuencia que privar al inspector del derecho a decidir equivale a convertirle en poco más que otra máquina. el ejemplo nos servirá para ilustrar el procedimien- to general a seguir. ningún inspector sabrá con certeza si debe realizar una inspección. que el contrato. dónde realizarla. las herramientas que debe utilizar para llevarla a cabo. cualitativas y cuantitativas a que debe atenerse en cuanto a elemento inspeccionado o cuántas unidades debe inspeccionar. Este proceso se denomina análisis del valor 351 . Partiendo de ese punto.16 Métodos y normas de garantía de calidad Una hoja de instrucciones de garantía de calidad es absolutamente impres- cindible para lograr una adecuada garantía de calidad.

Es muy raro que se recojan datos sobre los componentes de los costos de los fallos de calidad. que la inversión en planificación y medida de calidad es la misma para todos los artículos. devoluciones. los mayores beneficios sobre la inversión se obtendrán por medio de un preciso plan de garantía de calidad acompañado de medidas de calidad en los artículos del grupo I. integrado por miembros de todos los departamentos afectados. Lo que quiere decir que debe considerarse en dicho artículo desde el punto de vista de las economías de costo en la calidad total que se podrán alcanzar si se realiza la inversión en planificación y medida de la calidad de dicho artículo. reparaciones. Para dichos datos se trazan líneas arbitrarias de división de la forma que muestra la figura y los artículos caen dentro de los grupos I. Este impuesto no está totalmente justificado. etc. a los que nos referimos con mayor detalle en el Capítulo 17. pero sólo un 7 por 100 de los costos de fallo. investigaciones. Los costos de calidad más importantes en los que se pueden realizar econo- mías son los de fallos. para establecer estimaciones aceptadas por todos ellos sobre los costos de fallos de calidad para cada artículo. artículos del grupo III. los mayores benefi- cios vendrán de las inversiones en garantía de calidad de artículos que figuren en cabeza de la lista. repetición de trabajos. Es evidente que se trata de una aplicación del principio de Pareto a los costos de fallos1. la mejor alternativa es constituir un comité. de forma que si no existen datos. quizá lo mejor que puede hacer es realizar un estudio de distribución de costes de calidad por líneas de productos. Para concluir dicho estudio necesitará datos sobre costos de fallos de calidad. . La inversión destinada a 1 Es una forma de la curva de Lorenz a la que popularmente se designa como «principio de Pareto». La experiencia demuestra que muchas empresas archivan datos de inspección relacionados con mediciones de calidad. pero sirve para ilustra un principio y nos proporciona un punto de partida conveniente. dichos artículos representan el 45 por 100 de las líneas de productos. págs. Los costos de calidad de cada artículo se disponen en orden descendente. Lorenz: «Methods for Measuring the Concentration of Wealth». La Figura 16. centro de costo. Véase M. 209-219. Incluso de ser así.352 CONTROL DE CALIDAD de la calidad del producto. aunque sólo el 25 por 100 de los artículos caen dentro de este grupo. 1906. en numerosos ca- sos dichos datos pasan a los archivos sin haber sido estudiados adecuadamente. por el momento. II o III. En el extremo contrario. El eje de las abscisas puede representar la característica objeto de inspección. O. El eje de las ordenadas puede representar el costo total que puede evitarse o cualquier combinación de los costos de desechos. Desgraciadamente. Si el ingeniero de calidad se encuentra en una situación que le obliga a empezar desde el principio. y Vilfredo Pareto: Manuale a"Economía Política. se podrá disponer de ellos para análisis históricos. 9 (1904-1905). departamento o cualquier otra variable que se desee. A veces es necesaria una aproximación a los mismos. vol. de mayor a menor.1 sirve de ejemplo de dicha clasificación de datos en forma gráfica y tabular. Si todo lo demás se mantiene igual. American Statistical Association. Suponiendo. Los costos de fallo por artículo del grupo I representan un 72 por 100 de los costos totales.

MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 353 Figura 16. Distribución de costos de fallos en artículos por líneas de productos: a) descomposición tabular.1. c) distribución continua de porcentaje acumulado. b) distribución de un histograma discreto. .

El grupo II es el grupo intermedio que incluye artículos situados en zonas fronterizas con los otros dos grupos. que serán los puntos de inspección idóneos. toda vez que este grupo II figura en segundo lugar en la lista de prioridades. A ser posible. Por tanto. Siempre es mejor que el comprador especifique los requisitos de calidad. planos. Puede utilizarse el mismo tipo de análisis dentro de una línea de productos que hemos utilizado al hablar de líneas de productos en general. en realidad. Esto será posible o no según su tamaño y . La inversión para calidad de los mismos depende de la realizada en el grupo I. Se establecieron 18 puntos para la inspec- ción de aceptación de este producto de la misma forma que lo hubiera hecho un ingeniero de calidad con otros artículos de carácter militar o comercial. el ingeniero de calidad debe hacerlo en su nombre. el ingeniero de calidad deberá intentar conseguir toda la información posible sobre la función que dicho artículo debe cumplir. como el contrato u orden de compra. Una vez que se han establecido las exigencias sobre calidad. planos. La Figura 16. deberá disponer de dicho artículo. Este método de análisis del valor de la calidad de un producto lleva a considerar la importancia de los documentos utilizados en la producción de las líneas de productos (órdenes de compra. Para crear y realizar una clasificación de defectos para un artículo determi- nado es preciso conseguir todos los documentos relacionados con el mismo. así como el conjunto en que se monta. para su examen.354 CONTROL DE CALIDAD garantizar la calidad de estos artículos debe ser baja. y componentes. especificaciones y cualquier otro documento que le afecte. lo que nos permitirá determinar una concentración de fallos y disconformidades en algunas de las características de los componentes y subconjuntos. En esta fase de la planificación los artículos sujetos a inspección deben contemplarse desde la perspectiva de su aceptación en vez desde otra de control. habrá que estudiar los tipos de mecanismos de control de calidad que son precisos para satisfacer tales exigencias. el ingeniero de calidad debe colocarse en la posición del comprador ya que. está adoptando decisiones sobre aceptación de calidad para él. etc.2 presenta una vista esquemática de un artículo adquirido habitualmente para pertrecho militares durante la segunda guerra mundial y la guerra de Corea: el fusible M448A3.) con objeto de que las otras funciones de producción presten atención a las líneas de productos de forma proporcional. Crearemos una clasificación de defectos para dicho ar- tículo sometido a inspección. cada una de ellas puede dividirse en subconjuntos. PROCEDIMIENTO DE CLASIFICACIÓN DE DEFECTOS El paso siguiente es realizar una clasificación de defectos o lista de deméri- tos para cada uno de los artículos sujetos a inspección. Además. Para ilustrar el proce- dimiento general que suele seguirse nos valdremos de un componente muy sencillo. pero si no lo hiciere. Supongamos que el cilindro enroscable es el artículo sujeto a inspección (el punto de inspección). Una vez individualizadas las líneas de productos de mayor importancia.

Existe otro mecanismo de ignición en dicho cuerpo que actúa en el momento de producirse el impacto de la granada sobre el objetivo. el fogonazo vuelve directamente al detonador auxiliar y provoca la detonación inmediata de la granada unida al cilindro. Sin embar- go. ya que un mecanis- mo de rotación excéntrica cierra el canal de comunicación con el cuerpo central. Vista esquemática del fusible M48A3. la llamarada procedente de la cabeza. Si el dispositivo está montado para acción retardada. Esta es la acción superrápida. El conjunto es. al conjunto completo del fusible. Si no lo fuera.2. Hay un mecanismo de ignición en la cabeza que al chocar con el objetivo produce una llamarada que pasa por el cilindro enroscable hasta que el cuerpo central. MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 355 complejidad. en su totalidad. siquiera sea brevemente. . no inflama el detonador auxiliar. la llamarada se dirige a una porción de pólvora cuya ignición retrasa la Figura 16. hay que referirse. En resumen: el ingenie- ro de calidad debe tratar de conseguir cuanta información le sea posible sobre el artículo en cuestión y las funciones que cumple. como consecuencia del impacto. la mejor alternativa será disponer de una maqueta o quizá de un modelo tridimensional de dicho artículo. Antes de hablar del cilindro enroscable. Si está preparado para acción superrápida. un sistema de detonación que puede funcionar con gran rapidez o con acción retardada.

el dibujo del cilindro enroscable y la forma en que va unida a las otras partes del fusible. Esta es una lista completa de tales característi- cas: Diámetro mayor de la rosca. esquema 73-2-268.3. Diámetro mínimo del paso de rosca. Diámetro menor de la rosca. en la vista esquemática de la Figura 16. Esta información. Resumiendo: las funciones del cilindro enroscable son devolver la llamarada al cuerpo principal cuando el dispositivo está en posición superrápi- da y unir la cabeza y el cuerpo del fusible.2 y un esquema técnico del cilindro enroscable bastarán para determinar las carac- terísticas del cilindro enroscable que serán objeto de inspección y prueba. Department of the Army.) . Diámetro máximo del paso de rosca. El paso siguiente es hacer una lista con todas las características que serán objeto de inspección y prueba. ECO18498. Esta es la acción retardada. Rosca mínima perfecta.356 CONTROL DE CALIDAD detonación hasta que la granada ha penetrado en el objetivo. (Cortesía del Ordnance Corps. 1 de agosto de 1952. Figura 16. Esquema del cilindro enroscable. componente 73-2-268C4 del fusi- ble M48A3.

cualquier defecto que pueda impedir el cumplimiento de sus funciones tácticas. El paso siguiente consiste en clasificar las características en grupos de acuerdo con la gravedad de los defectos. las especificaciones de 0. Para otras unidades mayores. Blindaje. Acabado. El diámetro menor es el de la parte inferior de sus estrías. Cada una de estas tres dimensiones tiene un máximo y un mínimo. De menor importancia A. Las descripciones anteriores de los distintos grupos proporcionan. Longitud total. ajuste estándar de tipo 2) indican que la resistencia no es un factor importante. Se trata de algún defecto que. De gran importancia. Los grupos o categorías aplicables a este producto son los incluidos en MIL-STD-105D. sin ser crítico. como barcos. Será conveniente en beneficio de algunos lectores. dedicar unas palabras a las características de la rosca. un marco de referencia para una visión consistente de cada defecto con independencia de la persona que lleve a cabo la inspección. Diámetro del indicador. De aquí que todas sus características se clasifiquen como de menor importancia A. Sin ella podrán existir tantas opinio- nes sobre lo que constituye un defecto grave como personas inspeccionen el producto. el mínimo de estas tres dimensio- nes es mayor para las roscas externas. Los dos últimos suelen incluirse en todas la municiones cuando existe proximidad a materiales combustibles o explosivos. con su descripción. 24 pasos de rosca por pulgada. los siguientes: Críticos. La clasificación es lógica y necesaria. El resultado es que . puede provocar fallos o reducir materialmente el uso del producto en la finalidad propuesta. MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 357 Longitud del indicador.400 de diámetro nominal. Tamaño máximo del agujero. Propiedades mecánicas. que son. Rebabas. Tamaño mínimo del agujero. El diámetro mayor de la rosca es la medida en sus vértices superiores. Si no se cumple con estas dimensiones se produce un ajuste deficiente que debilita el conjunto. o representa una desviación de los estándares establecidos que no repercute de forma significativa en la utiliza- ción efectiva o la operación de la unidad. Las razones son evidentes. Para este artículo. No reduce materialmente las posibilidades de utilizar el producto para su finalidad propuesta. aviones. y el máximo es mayor para las roscas internas. tanques. Para roscas en las que lo importante es la dureza. Un defecto crítico es aquél que el buen criterio y la experiencia indican que puede provocar condiciones de inseguridad o peligro para quienes usan o conservan el producto. o bien asignarlas a grupos de deméri- tos. Propiedades químicas. Cuerpos extraños.4-24NS-2 para la rosca (0. al menos.

en vez de esquemas con dimensiones y tolerancias. Obsérvese que en la clasificación de defectos se usan descripciones verbales de los mismos. y los requisitos mecánicos sobre punto de deformación. son bajos). las alternativas en los esquemas técnicos requerirían a su vez cambios en la clasificación de los defectos. Es práctica común aceptar certificaciones cuando tales especificaciones no son muy estrictas. Los requisitos mecánicos y químicos especificados para este artículo tam- bién indican que no se requiere un alto grado de resistencia en el mismo. Pueden indicarse las dimensiones por medio de un croquis. alargamiento y reducción en su extensión. la única inspección realmente justificada sería la visual para inspeccionar posibles obstrucciones en los orifi- cios. o fuera demasiado pequeño. impediría el paso de la llamarada por el tubo. Un método de codificación consiste en reservar los números 1 a 99 para los defectos críticos. si los costos de inspección se emparejaran con los de sustitución y reparación. (En realidad. Se puede utilizar cualquier otro método que se considere satisfactorio. pero sólo con carácter consultivo. Las demás características se inspeccionarían de forma automática al en- samblarse posteriormente. La columna de observaciones se puede utilizar para aclarar algunos puntos sobre los estándares de inspección. ESPECIFICACIÓN DE MÉTODO DE INSPECCIÓN El paso siguiente consiste en especificar el método de inspección y cualquier otra observación pertinente para cada característica que deba medirse. Cuando se han especificado los estándares de calidad y se usan éstos junto con tablas estándar de muestreo. (FS 1137 es un acero que se puede cortar sin problemas. del 100 al 199 para los de mayor importancia y del 200 al 299 para los de menor importancia A. No obstante. en especial de la inspección visual en la que debe dejarse poco margen de juicio con objeto de que la zona de error sea tan pequeña como sea posible. También hay que señalar que cada característica lleva un número de código por razones de conveniencia a la hora de registrar e informar sobre los datos de la inspección.) La Figura 16. . que no podría realizar su función prevista. Si se utilizaran estas últimas. Para un artículo como éste. asumiremos que la inspección de los componentes está justificada económica- mente. para este supuesto. proporcionan la hoja de instrucciones para la inspección de aceptación del artículo. dando lugar a un fallo del producto.4 es la clasificación completa de defectos del cilindro enrosca- ble.358 CONTROL DE CALIDAD la única característica que concebible como clasificada de gran importancia será el tamaño mínimo del orificio. Si el artículo no se puede ensamblar es mejor dese- charlo y seleccionar otro para montarlo. Utilizando descripciones verbales se minimizan tales cambios. La es que si se obstruyera el orificio por cualquier causa. resistencia a la tención. los medios más lógicos y económicos de inspección serían calibres fijos e inspección visual.

ORD-SIP-M7-2 «Fuze. PD. Clasificación de defectos para el ejemplo del cilindro enroscable. noviembre de 1951. Ordnance Corps Department of the Army. los defectos se clasifican en grupos . (Tomado de Ordnance Standard Inspection Procedure. esquema número 73-2-268C Figura 16. En el sistema de deméritos. Para un artículo como el que estudiamos es aconsejable un nivel estándar de calidad para cada grupo. Parts». MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 359 Artículo: cilindro.4.) ESTABLECIMIENTO DE NIVELES DE CALIDAD ESTÁNDAR El siguiente paso consiste en establecer niveles estándar de calidad. sea para cada una de las características o para cada grupo de características. M48A3.

Datos históricos. LTPD. la mayor preocupación radica en la calidad de conformidad. La primera es la instrucción de fabricación. LTPD. El AQL está normalmente en el intervalo 85 a 99 por 100 de los lotes que se espera sean aceptados en la curva OC. Las bases más comunes para establecer estándares de calidad son: 1. Los que se usan más a menudo son: AQL. AOQL. la aplicación del primero desemboca en el segundo. Juicio empírico. que. El nivel medio de calidad de salida. además. Nivel de calidad indiferente. Estándar de deméritos.360 CONTROL DE CALIDAD de deméritos ponderados. Cantidad aceptable de deméritos por unidad defi- nida. La tolerancia del lote en porcentaje de elementos defectuosos del OQL (nivel de calidad objetable). el AOQL es un estándar para calidad de salida. Se ha tratado de llegar a niveles de calidad mediante fórmulas de costo mínimo total. con mucho.) IQL. estándar con cierto sabor técnico. (ȕ suele situarse en un 10 por 100. Hay varios tipos de estándares de calidad de aceptación. Nivel de calidad aceptable. pero los informes sobre calidad se basan en deméri- tos totales por unidad. IQL y el de deméritos son estándares para calidad de entrada. Es el medio por el cual se puede mantener el proceso de aceptación y control próximo al mínimo económico. Un nivel estándar de calidad no significa que se prescinda de los requisitos del esquema. que es resultante de las características de aceptación-rectificación de un plan de muestreo de acepta- ción. El esquema establece la calidad del proyecto deseada —la clasificación de defectos. Se analizan los datos del pasado para llegar a una estimación histórica de la calidad media del proceso. Para llegar al estándar de calidad se usan numerosas bases. de entrada asociada a un Pa de 0. . Como ya dijimos. En ocasiones cada una de ellas ha sido utilizada como factor único determinante y en otras ocasiones se han empleado combinaciones de ellas. Los dos primeros son los más populares. pero la mayoría de los intentos no se han visto coronados por el éxito. El estándar de calidad se sitúa a un nivel igual o como una fracción muy alta de la media histórica. Los estándares AQL. la conformidad deseada—. un valor nominal expresado como por- centaje de elementos defectuosos o defectos por cada 100 unidades. y no en la de proyecto. Es la calidad que será aceptada por el plan de muestreo no más de ȕ por 100 del tiempo. 2. en este contexto. cualquiera que sea el aplicable. El primero se usa con más asiduidad que el segundo. Algunos de estos métodos se estudian en el Capítulo 17. El estándar se sitúa a un nivel que se aproxime a un nivel probadamente satisfactorio para un producto similar. la segunda la de inspección de aceptación. Se puede hacer un cálculo aproximado sobre si se debe o no inspeccionar el artículo y usar otras aproximaciones económicas para llegar a valores esti- mados aproximados. especificando para cierto grupo de defectos de un produc- to. Debe mencionarse.50 en la curva OC.

un estándar experimental debe calificarse de tentativo. seguridad. probablemente porque se deseaba que las funciones se cumplieran en la forma prevista. Se usa con cierta frecuencia el estándar basado en el juicio técnico pero. suele incorporar un factor apreciable de seguridad del consumidor. 5. El estándar se basa en cálculos técnicos de los requisi- tos de calidad de acuerdo con la función. Se marca un estándar tentativo y se ajusta a medida que lo exijan los resultados de calidad obtenidos. Una vez fijado el estándar de calidad se puede determinar el del proceso. El peligro de usar este método está en especificar un estándar demasiado estricto y que no sea el óptimo desde el punto de vista económico. Consistente. El juicio empírico es uno de los métodos preferidos para fijar un estándar de calidad. Experimental. El estándar se basa en un análisis de los costos de obtener calidad comparado con los costos de no obtenerla. los resultados suelen ser un 25 por 100 peores que los que se pueden lograr de forma óptima operando en las mismas condiciones. el AQL de menor categoría pasa a ser una función múltiple del AQL mayor. Se fijó un AQL de 0. Esto se puede establecer mediante una referencia a la curva OC del plan de muestreo de aceptación. Los estándares también se pueden fijar extrapolando la media o la tenden- cia históricas. Juicio técnico. MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 361 3. El estándar experimental se usa normalmente para artículos cuyos datos históricos se desea acumular para así poder fijar un estándar justo. intercambiabilidad. Claro que hay veces en que el costo no es un problema. toda vez que el consumidor está dispuesto a pagar cualquier precio con tal de alcanzar el estándar. ya que se espera que será ajustado. . teniendo en cuenta la cantidad de características existentes dentro del grupo. etc. como puede verse en la Figura 16. 6. Costo mínimo total. Los estándares AQL fueron aplicados a cada grupo de defectos del cilindro de rosca.10 por 100. Por tanto. refleja probablemente la aplicación de las prácticas corrientes en la Intendencia del Ejército. como ocurre en todos estos juicios. Lógica- mente.4. 4. el indicado debe ser el estándar para la calidad de salida. El costo mínimo total se expone en el Capítulo 17. para el defecto de gran importancia. Cuando no se dispone de un estándar. montaje. El AQL de 1.5 por 100 comparativamente bajo. establecido para el grupo de defectos de menor importancia A. es preferible fijar el estándar de calidad en un 80 por 100 de la media histórica ajustada. Cada grupo tiene un estándar marcado inmutable. Primero debe ajustarse la media histórica para tratar de hallar condiciones fuera de control que se puedan eliminar. Pocas cosas pueden reemplazar a una experiencia totalmente satisfac- toria. esto es. También aquí se pueden obtener algunas aproximaciones económicas acerca de la proporción del muestreo y de la inspección 100 por 100. De ser así. vida útil. muy bajo. El estándar de calidad del proceso se puede establecer en un valor que garantice que la gran mayoría de los lotes serán aceptados cuando sean inspeccionados de acuerdo con el estándar de calidad de aceptación.

sep- tiembre de 1956.7.362 CONTROL DE CALIDAD Figura 16. Industrial Quality Control. tanto la clasificación de los defectos como los estándares de calidad se colocan en el diseño. La Figura 16. (Tomado de «Statistical Quality Control Will Work on Short Run Jobs».6 es un ejemplo de una de sus listas de códigos de problemas. informa acerca de una interesante aplicación de la clasificación de defectos a elementos complejos para determi- nar con precisión la necesidad de iniciar acciones correctoras.. Los que lo usan han expresado su satisfacción con este método. Inc.5.5 sirve para ilustrar una aplicación muy interesante de la clasificación de defectos y fijación de estándares. 11. La primera es que podría existir una tendencia a conside- rar AQL como una renuncia a los requisitos expresados en el esquema. La lista se pasa a tarjetas perforadoras como muestra la Figura 16. ¿la inspección ha de centrarse en elementos defectuosos o en defectos? No hay indicaciones al respecto. cualquier cambio en una de las características o en cualquiera de los AQL podría significar un cambio en el esquema. Clasificación de defectos de conjuntos complejos International Business Machines. en lugar de proporcio- nar una hoja separada de instrucciones. pág. Se destaca que .) Inclusión de los estándares de calidad en los diseños técnicos La Figura 16. Y. contra- riamente a la realidad. Reproducido con autorización. Método de clasificación de dimensiones. En segundo lugar. tercero. aunque parece que existen tres objecciones hacia él. Aquí.

Robert y Michael L. Indus- trial Quality Control. Bugonian: «Quality Con- trol of Complex Assemblies». noviembre de 1956.8 2. 08 Dañado 09 Incorrecto/perdido 10 Ajuste 20 Alineamiento 30 Torcido/combado 40 Roto 50 Reventado/quemado 60 Sucio/oxidado 70 Seco 80 Con fugas 90 Suelto Figura 16. posibilita la realización de análisis detallados que indican dónde se necesita con mayor urgencia algún tipo de medidas correctoras.6. pág. Reproducido con autorización. Las tarjetas se pueden clasificar por el número del defecto y es posible prepararse un informe que muestre la frecuencia con que se presentan cada defecto y los problemas particulares que éstos originan. Indus- trial Quality Control. 9. al mismo tiempo. Parte de un informe por número del defecto aparece en la Figura 16. Lista de códigos de pro- blemas. Códigos de problemas 01 Reducido/molido 02 Pegajoso/ligado 03 Desmontado 04 Puesta a punto 05 Incompleto/abierto 06 Gastado 07 Acabado de la superf. Los elementos que exijan atención se pueden determinar inmediatamente con un simple vista- zo al informe. Robert y Michael C. noviembre de 1956. sino que. .) 2 Paul A. MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 363 el registro de los datos sobre calidad en tarjetas que luego se procesan por medio de máquinas eléctricas de contabilidad no sólo simplifica el trabajo administrativo de calcular los deméritos medios por unidad. Bugonian: «Quality Control of Complex Assemblies». (Tomado de Paul A.

364 CONTROL DE CALIDAD .

proyectadas para desmontarlas con facilidad no se incluyen entre éstos). a defectos de los enume- rados en los números 1. menor A o B. 4 a 7 para los menores A y 1 a 2 para los menores B. 2. MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 365 IBM utilizaba el sistema de deméritos con 13 a 17 deméritos para los defectos mayores. 5. Defectos que exigen para su corrección aparatos. Así debe ser. pueden provocar los del tipo número 1 de esta clasificación en un plazo de noventa días. Defectos que exigen separar o desmontar una unidad para hacer correc- ciones sobre ellas (unidades tales como contadores. 6. dentro de un período máximo de noventa días. pueden dar lugar. A causa de sus especiales necesidades definieron los grupos de la forma siguiente: Mayor 1. Menor B: 1. . Menor A: 1. Malas conexiones eléctricas o contactos eléctricos que no es posible identificar por medios visuales únicamente. Pequeñas imperfecciones en el aspecto de la máquina. Peligros potenciales contra la seguridad que pueden dar lugar a peque- ñas heridas al operario. de no prestárseles la debida atención. Defectos. herramientas o medi- dores que no figuran dentro de un juego de herramientas casero. 4. 3. de forma que reflejen las características que convierten en crítico a un defecto. de no prestárseles la debida atención. Peligros para la seguridad que exigen precauciones fuera de lo común. 2. que. Condiciones que. pueden producir una avería en la má- quina. Otro de los trabajos que debe realizar el ingeniero encargado de la calidad es plasmar explícitamente las definiciones de cada grupo. Problemas que exigen reemplazar piezas que no suele tener disponibles el ingeniero. 2. si no se atienden debidamente. Defectos que no afectan a la operación de la máquina pero que. no suficiente- mente graves como para crear insatisfacción en el cliente. 3. o lo hacen mayor. 2. 4 ó 5 de esta clasificación. Debe observarse que esta empresa ha establecido sus propias definiciones en su clasificación. y habrá de hacerlo de modo que las dudas sean mínimas cuando haya que decidir a qué grupo pertenece un defecto. Defectos que requieren acción correctora que se puede prestar con ayuda de herramientas técnicas sin que haya que desmontar o separar nada de una unidad principal.

Informe de análisis de calidad. Industrial Quality Control. noviembre de 1956. Publicado con autorización. Bugonian: «Quality Control of Complex Assemblies». (Tomado de Paul A.) .8. Robert y Michael L.366 CONTROL DE CALIDAD Figura 16.

Dará lugar a un mayor esfuerzo en la instalación por el cliente. Grupo C. Por ejemplo: los agujeros para montaje van en sentido contrario. Por ejemplo: el timbre no opera dentro de los límites especificados. Provocará un problema de carácter menos grave que un fallo operativo. 3. F. Defectos de apariencia o acabado muy visibles. Provocará. Por ejemplo: el relé no hace contacto. como funcionamiento por debajo de lo normal. en condiciones normales de uso. Provocará un fallo operativo de la unidad en servicio que no se podrá corregir de inmediato sobre el terreno. Por ejemplo: el contacto está por debajo del mínimo. 2. MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 367 CLASIFICACIÓN DE DEMÉRITOS 3 Para muchos de los productos fabricados dentro de Bell Telephone System se utiliza otra guía de clasificación de defectos. 4. 6. con sus definiciones son: Grupo A. julio de 1956. probablemente. Por ejemplo: presenta bordes afilados en su exterior. pág. Industrial Quality Control. Es posible que provoquen un fallo operativo en la unidad de servicio. Graves (valor del demérito = 50) 1. Originará la necesidad de mayor mantenimiento o hará que disminuya su vida útil. 8. 3 H. Torrey: «A Check Inspection and Demerit Rating Plan». Muy graves (valor del demérito = 100): 1. difícil de localizar sobre el terreno. Dodge y M. Existe la casi absoluta seguridad de que causarán un fallo operativo de la unidad en servicio que no se podrá corregir de inmediato sobre el terreno. Provocará un problema operativo intermitente. Por ejemplo: las piezas no encajan. 4. Hará que la unidad quede fuera de servicio. 5. Por ejemplo: el bloque protector no trabaja a la tensión especificada. Por ejemplo: falta el disco único de contacto. o daños a la propiedad. un fallo operativo de la unidad en servicio que no se podrá corregir de inmediato sobre el terreno. . Los defectos se clasifican en cuatro grupos con valores adecuados para cada grupo. 2. 2. Los grupos. lo que exige volver a realizar el acabado. como funcionamiento por debajo de lo normal. N. Es probable que cause problemas de carácter menos grave que un fallo operativo. Grupo B. Por ejemplo: falta del acabado protector en el enchufe coaxial. Moderadamente graves (valor del demérito = 10) 1. 3. Producirá heridas. por ejemplo: devanado abierto de la bobina. Por ejemplo: el dial del teléfono no vuelve a su posición normal después de marcar un número. usando el sistema de deméritos para elementos complejos. Por ejemplo: una conexión suelta.

Los planes se someten a revisión periódica. 23. el cliente comprará el producto. habrá que hacer que el plan sea más riguroso para permitirla. 5. No graves (valor del demérito = 1) 1. 5 deméritos para cada uno. mantenimiento o vida de la unidad en servicio (incluyendo desviaciones menores de los requisitos técnicos). Grupo D. En este caso. pero no estará satisfecho con él. Por ejemplo: acabado ligeramente rayado. Provocará un incremento de menor importancia cuando el cliente reali- ce la instalación. acabado o mano de obra. designación omitida o ilegible. En este caso. Por ejemplo: manguito demasiado corto. Precisión de la inspección. Industrial Quality Control. Defectos mayores de aspecto. Si hay problemas de precisión continua.368 CONTROL DE CALIDAD 3. C. Si el costo de inspección es elevado. el plan será suavizado. 20 deméritos para cada uno. septiembre de 1960. Por ejemplo: contacto sucio. Pays Off in Woodwork». Es probable que dé lugar a un aumento del mantenimiento o a una vida útil menor. si es bajo. pág. 2. Tras considerar los factores antes mencionados. acabado a mano de obra. Mayores: Los que acortarán la vida de la vitrina (calidad inferior de made- ra) o exigirán demasiados servicios (uniones sueltas). ILUSTRACIÓN DE LA CLASIFICACIÓN DE DEMÉRITOS4 Este es un ejemplo de cómo se establecen las definiciones de un grupo al asignar deméritos a defectos de un artículo de mobiliario del hogar: una vitrina para la porcelana. . hay que tener en cuenta otros dos adicionales para moderar los resultados: 1. Defectos menores en cuanto al aspecto. Por ejemplo: deformación en la horquilla donde se cuelga el teléfono. No afectarán a la operación. 4 Esta sección está basada en un trabajo de Robert Chateauneuf: «Modern Q. Menores B: No producen heridas ni daños al producto ni acortan su vida. será más riguroso. lo más probable es que el cliente no compre el producto. Menores A: Hacen al producto menos deseable (mal acabado). Costo de inspección. 4. Las clasificaciones se modifican para no tener más de tres o cuatro planes para un determinado componente. Por ejemplo: acabado claramente rayado. La cantidad aceptable de deméritos por vitrina se fija en 20 deméritos. 50 deméritos para cada uno. 2. Cada dimensión se clasifica de acuerdo con los factores antes mencionados y se hace una lista de ellas en orden de importancia. Los defectos pueden clasificarse del modo siguiente: Críticos: Son aquellos capaces de causar heridas al usuario (cristal roto) o daños a la porcelana (rotura en las estanterías).

0 defectos/100 Incidental 16-20 65. .10 por 100 a cada característica principal. vale la pena considerar el método de fijar niveles experimentales de calidad estándar basados en el número de características de inspección.0 % Mayor 11-15 6. 5-54: «Preparation of Tank Automotive Inspec- tion Plans».1. Para un grupo principal de diez características de inspección. Guía para la asignación de AQL AQL Clasificación Número de características 0 Crítico Cualquier número 1. Sin embargo. se podría asignar un valor nominal de 0. el nivel de calidad estándar para el grupo no tiene. Por ejemplo. el AQL podría ser 0. MÉTODOS Y NORMAS DE GARANTÍA DE CALIDAD 369 NIVELES EXPERIMENTALES DE CALIDAD ESTÁNDAR5 Cuando se carece de un historial de calidad sobre un producto determinado o sobre otro similar y resulta imposible llegar a un juicio técnico satisfactorio.0 defectos/100 unidades Mayor Más de 20 2.0 defectos/100 Menor Más de 20 6. En la Tabla 6.5 % Menor 1-5 4. sino una fracción de dicha suma.1 aparece un ejemplo de este tipo de asignación de AQL experimental para repuestos de automóviles. Hablando en términos generales.0 defectos/100 Incidental Más de 20 5 Automative Key Inspector Memorandum. TABLA 16.0 defectos/100 Incidental 11-15 25.0 % Menor 6-10 6.65 por 100.0 % Mayor 1-5 2. por qué ser la suma de los valores nominales de cada característica. cuantas más características haya. necesariamente.5 % Incidental 1-5 10.5 % Mayor 6-10 4. Tal vez resultara conveniente fijar un límite de irregularidad para cada defecto en un plan de este tipo.5 % Menor 11-15 10. Ordnance Corps.0 defectos/100 Menor 16-20 15. Puede asignarse a cada característica de inspección un valor nominal de porcentaje de elemen- tos defectuosos o defectos por cada 100 unidades y el nivel de calidad estándar de cada grupo puede basarse en el número de características de inspección que haya en él.5 % Mayor 16-20 10. Detroit Arsenal.0 defectos/100 Incidental 6-10 15. mayores serán las probabilidades de error y más se producirán. 6 de mayo de 1954. debido a la concentración de deficiencias según la ley de Pareto.

inter- cambiabilidad. y 200 a 299 para defectos menores B. Se asignaron códigos a las características de cada categoría con las letras A a M para defectos críticos. la Tabla 16. y de otros que no producen efectos sobre el funcionamiento. . con un grupo adicional de defectos incidentales para la mano de obra.370 CONTROL DE CALIDAD Las clasificaciones de defectos se establecieron de acuerdo con MIL-STD- 105D. reparación o vida útil de la unidad de producto. 100 a 199 para defectos menores A. montaje. Cuando no se habían prescrito AQL para un grupo.1 servía de guía temporal para la asignación de AQL.

la industria japonesa logró una fuerte posición competitiva en los mercados mundiales que incluía todo tipo de productos manufacturados. desde los de alta tecnología (calculadoras. en tanto que el otro describe la calidad. como el gobierno de Estados Unidos.17 Calidad. productividad y economía Los economistas definen la productividad como la relación entre las «sali- das» de un proceso de producción con los «insumos» dedicados a tal proceso: salidas Productividad= insumos Esta relación es similar al concepto de eficiencia manejado en ingeniería. acero y as- tilleros. especialmente la de Estados Unidos. se hallaba estancada. Como consecuencia de este aumento en su productividad. Japón obtuvo un fenomenal incremento en su productividad. Durante el período entre 1966 y 1980. El concepto de productividad está estrechamente relacionado con el de calidad. robots indus- triales) hasta otros de corte más tradicional como automóviles. aparatos de televisión. El primero describe las características cuantitativas de las salidas. mientras que la de las potencias industriales occidentales. han reconocido con cierto retraso que el aumento de productividad y la mejora de calidad son factores críticos para garantizar la supervivencia en los cada vez más competi- tivos mercados mundiales. las principales 371 . La industria. Para luchar contra el desafío japonés. La importancia del aumento de la productividad la ilustra claramente la aparición de Japón como potencia industrial. Resulta claro que los objetivos gemelos de aumento de la productividad y mejora de la calidad son interdependientes: no se puede lograr uno sin el otro.

Por tanto. además.1). General Electric utiliza tres bases de comparación para medir los costos de calidad: valor aportado. va decreciendo notablemente como consecuencia de la automación y la utilización de métodos mejorados. La segunda base representa la facturación total por productos vendidos durante determinado período de tiempo. aprender y adoptar las innovaciones más significativas sobre dirección que utilizan los japoneses.372 CONTROL DE CALIDAD empresas norteamericanas han decidido centrarse en dos puntos: primero. Industrial Quality Control. así como de los servicios de igual procedencia. CONTROL PRESUPUESTARIO DE COSTOS DE CALIDAD Un método común de control presupuestario es medir el costo de calidad como proporción de la mano de obra directa. No obstante. mejorar la postura tradicional norteamericana sobre dirección de empresas y concentrar los esfuerzos en los objetivos gemelos de aumento de productividad y mejora de calidad. Costos de prevención: Costos incurridos para tratar de evitar mala calidad (Tabla 17. La mano de obra directa. Por limitaciones de espacio. 5-8. Masser. el costo de inspección sólo es uno más de los muchos que forman el costo de calidad. en porcentajes. J. Y. Producción y Ventas que se ocupan del producto. como fracción del costo unitario del producto. Costos de estimación: Los incurridos al medir las características de calidad para garantizar conformidad a las normas de calidad (Tabla 17. Una relación de un inspector por cada diez trabajadores de producción. Tal como General Electric considera los costos de calidad. para cada uno de dichos grupos a lo largo de dos trimestres. J. . Maser. sus elementos del costo. este capítulo y el siguiente están dedicados a un par de innovaciones japonesas: círculos de control de calidad y el sistema de inventa- rio de existencias por ficha de reposición (KANBAN). de General Electric Company. los clasifica en tres grupos distintos.2). Costos de fallos: Los que surgen como consecuencia de que ciertos produc- tos defectuosos no satisfacen las normas de calidad establecidas (Tabla 17. 1 W. Acompañamos la descripción de cada uno de ellos. que era la indicada hace treinta años. La primera base se calcula sustrayendo el costo de los materiales adquiridos del exterior. «The Quality Manager and Quality Coste». no podemos describir dichos puntos con mayor detalle. así como los resultados. la tercera base representa los actuales insumos dinerarios para todas las operaciones que requieren mano de obra. octubre de 1957. W. y dos sistemas tradicio- nales de Estados Unidos: control presupuestario y optimización económica. En un artículo muy sugerente y atractivo. de las ventas netas facturadas. podría ser errónea en la actualidad. Su validez depende de la frecuen- cia con que se actualicen los estándares. págs.3). representa el valor con que contribuyen los departamentos de Proyecto. habla de la forma en que su empresa maneja el problema de presu- puestos y medidas de los costos de calidad1. ventas netas facturadas y mano de obra utilizada en las operaciones necesarias. segundo.

CALIDAD, PRODUCTIVIDAD Y ECONOMÍA 373

TABLA 17.1. Costos de prevención

Primer trimestre Segundo trimestre
Descripción del elemento del costo
(%) (%)
1. Ingeniería y administración de control de cali-
dad. 2,0 2,0
2. Pruebas, inspecciones y control de procesos: re-
dacción de procedimientos de operación y nor-
mas. 1,0 1,0
3. Equipo para garantía de calidad: diseño y desa-
rrollo. 0,5 0,5
4. Capacitación en calidad. 0,0 0,0
5. Mantenimiento de moldes, herramientas y ma-
trices: duraderas. 3,7 2,4
6. Mantenimiento de herramientas perecederas:
herramientas de corte, etc. 0,5 0,5

Total de prevención 7,7 6,4

TABLA 17.2. Costos de estimación

Primer trimestre Segundo trimestre
Descripción del elemento del costo
(%) (%)
1. Pruebas e inspección a la recepción. 1,0 1,0
2. Pruebas de aceptación en laboratorio. 0,5 0,5
3. Servicios de laboratorio u otros servicios de
medida. 1,0 1,0
4. Inspección. 10,0 13,0
5. Pruebas. 2,0 1,5
6. Trabajo de comprobación. 2,0 1,5
7. Preparación para pruebas de materiales. 4,3 1,4
8. Pruebas e inspección de materiales. 0,5 0,6
9. Auditoría de calidad. 1,0 1,0
10. Aprobación exterior. 0,5 0,5
11. Mantenimiento y calibrado del equipo de
pruebas e inspección. 1,0 1,0

Total de estimación 23,8 23,0

Un somero examen de los veinticuatro elementos que componen el costo
sirve para revelar que la mayor cantidad de los costos de calidad puede
atribuirse a tan sólo unos cuantos de dichos elementos: repetición de trabajos,
desechos, inspecciones, quejas y desechos recibidos del proveedor. Resulta sig-
nificativo el que todos ellos son costos de estimación o de fallos, lo que nos
permite concluir que los costos más importantes surgen en las acciones correc-
toras y no en las preventivas.

374 CONTROL DE CALIDAD

TABLA 17.3. Costos de fallos

Primer trimestre Segundo trimestre
Descripción del elemento del costo
(%) (%)
1. Chatarra. 14,0 14,9
2. Repetición del trabajo. 28,0 29,0
3. Chatarra y repetición del trabajo: culpa del pro-
veedor. 7,0 7,1
4. Adquisición de materiales: quejas formales a
proveedores, informes de inspección, etc. 4,0 4,0
5. Contrato de ingeniería de la fábrica: ingenieros
de diseño o de producción para solucionar pro-
blemas de calidad. 4,5 4,5
6. Quejas: costos de ajustes. 8,5 8,6
7. Servicio al producto: pruebas especiales o para
corregir imperfecciones. 2,5 2,5

Total de fallos 68,5 70,6

TABLA 17.4. Comparación de costos

Primer trimestre Segundo trimestre
Relación del costo de calidad con:
(%) (%)
Valor aportado. 10,2 10,7
Ventas netas facturadas. 7,8 8,2
Mano de obra en la operación. 105,0 106,0

Después de haber reunido la información correspondiente a varios trimes-
tres, se está en disposición de fijar objetivos a corto y largo plazo para cada uno
de los grupos y para cada uno de los elementos. La varianza respecto a las
normas y estándares establecidos para cada uno puede, en consecuencia, medir-
se y evaluarse. Entonces, se comparan los tres grupos con las bases de compa-
ración previamente establecidas (Tabla 17.4). Se utilizan tres bases porque
puede ocurrir que ciertos acontecimientos acaecidos a corto plazo alteren una o
quizá dos de dichas bases, pero muy raramente llegarán a afectar a las tres.
En esta comparación es interesante observar que el costo de calidad es
cinco puntos superior, en porcentaje, al costo de mano de obra de la operación.
Esto sirve para demostrar la tendencia a que antes aludíamos sobre la mano de
obra directa como costo. Aún así, es probable que esta operación concreta de
General Electric produzca artículos sumamente complejos.
Al aislar e individualizar los costos podemos llegar más lejos descompo-
niendo los grupos de costos según las líneas de productos. Por ejemplo, pode-
mos considerar dos líneas de productos, A y B, y la distribución de costos de
calidad en cada una de ellas (Tabla 17.5).
De esta forma, podemos comparar varías líneas de productos para determi-
nar en dónde pueden lograrse los mayores beneficios con el dinero invertido en

CALIDAD, PRODUCTIVIDAD Y ECONOMÍA 375

TABLA 17.5. Distribución de costos de calidad

A, B,
Primer trimestre Segundo trimestre
(%) (%)
Categoría:
Prevención. 5,0 10,4
Evaluación. 16,2 32,0
Fallos. 16,2 32,0
78,0 57,6

100,0 100,0
Relación de los costos de calidad con:
Valor aportado. 11,2 9,2
Ventas netas facturadas. 9,3 6,3
Mano de obra de la operación. 124,0 86,0

prevención. A la línea B se le dedica más dinero para prevención y estimación y
muestra un costo menor por fallos. También muestra una menor proporción de
cada una de las bases de medida. Si tales artículos pudieran considerarse como
de igual costo y complejidad, resultaría evidente que la mayor inversión en
costos de prevención para la línea B está resultando fructífera.
El departamento de Control de Calidad de Beech Aircraft Corporation usa
una relación de costos de control de calidad con mano de obra directa para
algunos objetivos interesantes y útiles2. Predicen los costos de control de
calidad para proyectos que siguen vigentes y para otros nuevos analizando la
relación de control de calidad con mano de obra directa en factores tales como
combinación del trabajo, fase de producción, flujo del producto, tasa y elimina-
ción de la producción. Han hallado que es necesario emplear diferentes relacio-
nes para distintos contratistas aunque su trabajo sea parecido. También hay un
modelo de curva ilustrativa de los costos de calidad del producto nuevo por
medio de la fase del producto regular. En un ejemplo que citan, la relación para
proyectos nuevos era 21 por 100 en tanto que para producción con varios años
de duración era de sólo 9 por 100.
Con respecto a si debía llevarse a cabo la inspección durante el proceso o
sobre el producto terminado, se mencionó que

la mayoría del personal de fabricación preferirá, al principio, que la inspec-
ción les libere del trabajo, operación o instalación tan pronto como lo
terminen y los firme el departamento de fabricación. Esto se puede hacer,
pero desde el punto de vista del costo de inspección no es la forma más
económica. Se puede utilizar con más eficacia al personal de inspección
estableciendo puntos que permitan al inspector verificar un grupo de ele-

2
Paul E. Alien: «Evaluating Inspection Costs», 1959, Convention Transactions, American
Society for Quality Control, págs. 586 a 590.

376 CONTROL DE CALIDAD

mentos, un sistema completo o una instalación completa cada vez. Claro
está que la aprobación artículo por artículo tendría la ventaja de que se
detectarían antes los problemas, se podría avisar inmediatamente al opera-
rio que hizo el trabajo antes de que repitiese el error, etc.. Algunos
estudios revelan que en la mayoría de los casos, los beneficios aparentes
son absorbidos con creces por el resultado, indeseable, de hacer que fabri-
cación dependa de la inspección para funciones que, en realidad, forman
parte del deber de supervisión del departamento de fabricación3.

Se señaló que la inspección durante el proceso no incluía la verificación de
herramientas ni de la calidad fijada, ni la realización de gráficos de control de
calidad estadístico.

CONTROL DE COSTOS DE CALIDAD DE TIPO TÉCNICO
Beech Aircraft también utiliza un interesante control de costos de carácter
técnico que reduce el de la calidad. Un cuidadoso análisis de la inspección que
se venía realizando mostró que se dedicaba una parte importante del tiempo de
inspección a verificar dimensiones técnicas y requisitos que no eran críticos y
que sólo figuraban para ayudar en el diseño de plantillas y herramientas, pero
que no contribuían en absoluto a la calidad, eficiencia en el servicio, inter-
cambiabilidad, o Habilidad del producto final. En consecuencia, negociaron con
el departamento de Ingeniería empezar a clasificar todas las características de
diseño en grupos: críticas, mayores, menores A y menores B. Esto no era lo
mismo que clasificar defectos. Aquí se trataba de que el ingeniero cambiara la
tolerancia técnica si se trataba de una dimensión no importante. Los resultados
fueron sorprendentes. En un grupo de componentes fabricados a máquina se
halló que el 43 por 100 de las dimensiones no tenían importancia o eran
superfluas mientras la máquina hiciera un montaje satisfactorio. En otro caso
relativo a planchas metálicas, se podía prescindir del 62 por 100 de las dimen-
siones si el montaje era satisfactorio. Las economías en mano de obra asignada
a control de calidad alcanzaron, en el caso de una de las partes fabricadas a
máquina, un 44 por 100. También se economizó en el tiempo del departamento
de Ingeniería. Otras economías marginales fueron: menos necesidad de repetir
un mismo trabajo, menores reparaciones de herramientas, ahorros en herra-
mientas menos precisas y menos rechazos para procesar de nuevo. La Tabla
17.6 descompone las características técnicas en grupos.

OPTIMACION ECONÓMICA DEL CONTROL DE CALIDAD
Los defectos de un elemento rara vez se distribuyen de forma uniforme. Es
más probable que se distribuyan mal y se aproximen a la curva Lorenz de la ley
de Pareto. Los elementos que provoquen problemas seguirán, también, dicha

3
Paul E. Alien, artículo citado.

CALIDAD, PRODUCTIVIDAD Y ECONOMÍA 377

TABLA 17.6 Clasificación técnica de características

Críticas: Las características No hay cambios en la tole- Inspección normal.
que, de rebasarse sus lími- rancia.
tes, afectan a la seguridad
de modo vital.
Mayores: Aquéllas que, sin No hay cambios en la tole- Inspección normal.
ser críticas, un exceso en rancia.
sus límites resulta impor-
tante para la función,
intercambiabilidad, utili-
dad, vida útil, apariencia,
etc., del producto final.
Menores A: Aquellas carac- Se cambia la tolerancia de Inspección normal usando
terísticas, distintas de las acuerdo con una cantidad la tolerancia aumentada.
críticas y las mayores, cu- especificada en el diseño.
yas tolerancias estándar Ejemplo: ± 2 significa tole-
se pueden superar en una rancia doblada tanto por
cantidad especificada arriba como por debajo
mientras los componentes del nominal en tanto que
se integren dentro de un el componente se integre
montaje satisfactorio. dentro de un montaje sa-
tisfactorio.
Menores B: Aquéllas, distin- Característica especificada La característica no se ins-
tas de las críticas, mayo- como menor B: se puede pecciona.
res y menores A, que sólo prescindir de la tolerancia
requieren una adherencia de dimensión mientras la
general a las especifica- parte se integre de modo
ciones para producir un satisfactorio en el mon-
producto final satisfacto- taje.
rio.

Fuente: Paul E. Alien, «Evaluating Inspection Costs», 1959 Convention Transaction, American Society for Quality
Control. Reproducido con autorización.

ley. Las observaciones comunes indican que alrededor del 10 por 100 de los
elementos contribuyen hasta en un 80 por 100 a las pérdidas de calidad.
Adentrándonos más dentro de ese grupo, uno menor, de cerca del 1 por 100,
será responsable de hasta un 60 por 100 de las pérdidas de calidad. Esto limita
enormemente el alcance de la aplicación productiva del control de costos y
garantiza los máximos beneficios sobre la inversión.
Las técnicas de optimación económica pueden aplicarse identificando las
áreas que necesitan acción correctora. Se han citado algunos ejemplos de
optimación económica en capítulos anteriores. En las secciones siguientes se
estudian dos nuevos ejemplos de optimación económica: uno trata de la elec-
ción de un plan de muestreo idóneo, el otro considera la posibilidad de errores
en la inspección.

ELECCIÓN ECONÓMICA DE UN PLAN DE MUESTREO
En un muestreo de aceptación la cuestión de qué AQL se usará suele ser un
problema. Puede usarse un método práctico consistente en que el nivel están-

378 CONTROL DE CALIDAD

dar de calidad (AQL) para la aceptación de un producto se fija en un 20 por
100 por debajo de la media histórica de calidad no sujeta a control. Por
ejemplo: supongamos que se desea fijar un AQL para un producto cuya calidad
nunca ha sido controlada. La calidad media histórica durante un período de
tiempo especificado fue del 3 por 100. Usando la regla del 20 por 100, esto
querría decir que se especificaría un AQL de 2,5 por 100. Pero, ¿es éste el
estándar económico de calidad? Esto es, ¿rechaza cuando rechazar es más
barato y acepta cuando es más barato aceptar?
Enell ha sugerido un método para seleccionar un plan de muestreo4. Cuan-
do se rechazan lotes, hay un costo de rechazo compuesto por el costo total de
reparaciones, sustitución y tiempo. Los lotes aceptados según un plan de
muestreo contendrán, con toda probabilidad, unidades defectuosas. Estas uni-
dades defectuosas generarán costos extraordinarios (mano de obra, materiales,
gastos generales) al permitírseles llegar a la línea de producción o ponerlas en
servicio. Además, está el costo de inspección. El ejemplo que usa Enell se refiere
a piezas perforadas de película de mica utilizadas en ciertos condensadores. Los
huecos para las clavijas y las inclusiones conductoras producen un cortocircui-
to en la unidad acabada y, por tanto, se consideran defectos críticos. En este
caso se pierde el costo total de fabricación. El componente está moldeado en
plástico y resulta imposible salvar parte alguna de la unidad. Se fijaron los
costos y se formularon las definiciones que siguen:
A = Costo unitario de aceptación (daño producido cuando una pieza
defectuosa pasa a las siguientes operaciones de producción) = 10,5
centavos.
I = Costo de inspección de una pieza (buena o mala) = 0,1 centavos.
C = Costo de reparación o sustitución de un componente defectuoso una
vez hallado = 0,5 centavos.
p = (Desconocida) fracción defectuosa del lote.
R = Costo de rechazo por unidad (costo de hallar un elemento defectuoso
en un lotre rechazado, más gastos de corregirlo = C + I/p.
La Figura 17.1 ilustra de forma gráfica tales relaciones. La línea horizontal
de 10,5 centavos es la curva de costo unitario de aceptación y representa la
pérdida sufrida siempre que se usa una pieza defectuosa de mica, que hace que
se descarte un condensador. El costo por unidad es independiente de la canti-
dad producida. La línea curva representa el costo de hallar y reemplazar una
película defectuosa de mica como consecuencia de un proceso de selección, una
vez que el plan de muestreo ha rechazado el lote. Esta curva se construye
totalizando los costos para valores dados del porcentaje de elementos defectuo-
sos. Por ejemplo, si se da el caso de que el lote es un 2 por 100 defectuoso, el
costo total de hallar y reemplazar la película defectuosa es
I 0,1 centavos
C 0,5 centavos  5,5 centavos
p 0,02

4
John W. Enell: «Which Sampling Plan Should I Choose?», Industrial Quality Control, vol.
10, núm. 6, mayo de 1954, pág. 96.

CALIDAD, PRODUCTIVIDAD Y ECONOMÍA 379

Figura 17.1. Curva de costo unitario. (Tomado de John W. Enell: «Which Sam-
pling Plan Should I Choose?», Industrial Quality Control, vol. 10, núm. 6, mayo de
1954. Reproducido con autorización).

Los valores de C + I/p se calculan para otros p y resulta la curva de costo
unitario de rechazo.
Las dos líneas se cruzan donde

I
A = R = C +
p
Este es el punto de equilibrio y se llama pb, esto es
I
pb
AC
Los lotes con un porcentaje de elementos defectuosos peor que el 1 por 100
deben ser rechazados y clasificados. Si el porcentaje es mejor que el 1 por 100,
los lotes deben ser aceptados tal cual.
Ahora hay que ponerse a trabajar en la selección de plan de muestreo
económico sirviéndose de la fórmula, que se aplica así: supongamos que los
lotes llegan en cantidades de 15.000 cada uno. Para inspección normal, MIL-
STD-1055 especifica la letra-código N para este tamaño de lote. La Figura 17.2
muestra las curvas características operativas de los diversos planes de la letra
N. Usando el punto de probabilidad indiferente de la curva (50 por 100 de

5
Es una versión anterior del estándar militar ligeramente diferente de MIL-STD-105D.

380 CONTROL DE CALIDAD

probabilidad de aceptación), se escoge la curva que tenga este punto más
próximo al valor 0,01 por 100 de pb. La curva marcada 0,15 por 100 es la que
mejor cumple con esta condición. Por tanto, éste es el plan que debe adoptarse.
No es necesario preparar una curva para cada caso. Pueden calcularse
varias relaciones de I con (A — C), los AQL asociados a las mismas y realizar
una tabulación para gozar de una mayor facilidad de selección. La Tabla 17.7
muestra esta tabulación de AQL para varias relaciones de costo unitario de
inspección con costo unitario de daño.

Figura 17.2. Curva característica operativa para planes de muestreo único, letra-
código N. (Tomado de MIL-STD-105.)

También es importante la cuestión de cuándo no inspeccionar. Si el plan de
muestreo toma normalmente la decisión de aceptar, resulta más económico
decidirse por un muestreo de verificación.
El factor decisivo a la hora de decidir sobre el uso de muestreo en tales
casos no es tanto el porcentaje medio de elementos defectuosos como su
variabilidad lote por lote.
Si la calidad es significativamente mejor que la del punto de equilibrio y al
mismo tiempo es estable, puede que no se necesite llevar a cabo una inspección
lote por lote. Si es significativamente peor que el punto de equilibrio y lo es
consistentemente, será más barato realizar inspección al 100 por 100 sin pararse

CALIDAD, PRODUCTIVIDAD Y ECONOMÍA 381

TABLA 17.7. AQL sugeridos
para varias relaciones de costos
unitarios de inspección

Para pb de: Use AQL de*:

1:900 0,015
1:400 0,035
1:300 0,065
1:200 0,10
1:90 0,25
1:65 0,40
1:50 0,40-0,65
1:33 0,65-1
1:25 1-1,5
1:20 1,5-2,5
1:12 2,5-4
1:09 4-6,5

* El AQL más pequeño (más riguroso) de-
be usarse cuando los tamaños normales de los
lotes están por debajo de 1.000.
Fuente: John W. Enell, «Which Sampling
Plan Should I Choose?», Industrial Quality
Control, vol. 10 (mayo de 1954).

a hacer muestreos. Si la calidad es errática, el muestreo se pagará por sí
mismo 6.

SIMPLE ILUSTRACIÓN DE LA TEORÍA DE LOS JUEGOS
APLICADA A UN PROBLEMA DE INSPECCIÓN

La Tabla 17.8 es la forma más simple de un juego con dos oponentes: la
Naturaleza (o el proceso de producción) y el inspector. El objetivo es hallar la
mejor estrategia para que éste la use, es decir, un diseño de probabilidad para
adoptar decisiones.
El diseño de la técnica general se atribuye al matemático John von Neu-
mann a finales de la década de 19207. Esta está sujeta a cierta controversia
académica pero no tiene aplicación práctica más que en contadas ocasiones. El
principio dominante es que si el jugador juega de acuerdo con las probabilida-
.des que da la matriz de beneficios, minimizará sus pérdidas máximas. A esto se
lo conoce como principio minimax.
Los valores que se recogen en la matriz de la Tabla 17.8 son arbitrarios y
buscados para ilustrar. Se basan en un costo unitario de inspección de 1,00

6
Obra citada, pág. 100.
7
Para dos tratamientos de la teoría de los juegos véase J. von Neumann y O. Morgenstern,
Theory of Games and Economic Behavior (Princeton, N. J.: Priceton University Press, 1944), y J.
D. Williams: The Compleat Strategist (Nueva York: McGraw-Hill Book Company, 1954). La
última está escrita en estilo divulgativo y va dirigida al lector no técnico.

382 CONTROL DE CALIDAD

dólar y un costo de 5,00 dólares para cada unidad defectuosa que se pase a
producción. Si el inspector inspecciona una unidad y la encuentra aceptable, el
costo es de 1,00 dólar (que se indica como —1,00 dólar). Si no inspecciona la
unidad y es una unidad buena, el costo de cero dólares. Si inspecciona una
unidad defectuosa, los ahorros son de 4,00 dólares (5,00 dólares — 1,00 dólar
= 4,00 dólares). Si no inspecciona una unidad que es defectuosa, el costo es
5,00 dólares. Pueden calcularse las probabilidades y los beneficios en esta
matriz, aunque no sería muy realista ya que las probabilidades de seleccionar
un elemento defectuoso rara vez son del 50 por 100. En una situación de
fabricación típica un 2 por 100 sería algo mucho más próximo a tal probabili-
dad. La Tabla 17.9 muestra la matriz de probabilidad 0,98 aplicada a los
valores de la columna de unidades buenas y la de 0,02 aplicada a los de la
columna de unidades defectuosas. Las probabilidades de la matriz de la Tabla
17.9 se calculan restando el valor que figura a la derecha del que figura a la
izquierda en ambas filas, prescindiendo del signo y trasponiendo las cifras. Por
tanto, si el proceso de producción está originando un 2 por 100 de unidades
defectuosas, el inspector minimizará sus pérdidas máximas si inspecciona
aproximadamente una de cada once de forma aleatoria. El valor del juego se
calcula aplicando las probabilidades a cualquiera de las variables (buena o
defectuosa). La respuesta debe ser la misma en ambos casos. Así:

(0,10)(0,98)  (1,06)(0)
0,08
0,10  1,06

Esto significa que la pérdida media con este plan será de 0,08 centavos por
unidad, pero es el costo menor de todas las otras posibilidades de inspección.

TABLA 17.8. Matriz de costos: Adopción de decisiones
por el inspector. Producción

(1) (2)
Unidad buena Unidad defectuosa

Inspeccionar –1,00$ +4,00$
No inspeccionar 0,00 $ –5,00 $

TABLA 17.9. Matriz de costos. Aplicación de valores de probabilidad. Producción

(1) (2) Prescindir
Unidad buena Unidad defectuosa (1) – (2) del signo
y transponer

Inspeccionar – 0,98$ +0,08$ –1,06$ 0,10$
No inspeccionar 0,00$ –0,10$ +0,10$ 1,06$

CALIDAD, PRODUCTIVIDAD Y ECONOMÍA 383

El otro jugador es el proceso de producción. Pero no se aplican los mismos
valores, esto es, el productor no gana el dólar que el inspector pierde en caso de
inspeccionar la unidad buena. La matriz de la Tabla 17.10 se obtiene rotando la
matriz de forma que el productor sea ahora quien decida y tomando valores
realistas del costo de inspeccionar una unidad así como del reprocesarla. En
nuestro ejemplo, los costos se basan en la presentación de lotes de 2.000
unidades por día al departamento de Inspección de Aceptación. Se utiliza MIL-
STD-105 para el muestreo de inspección y se toman muestras de 150 unidades
de cada lote. Se usa un AQL de 1,0 por 100. Si un lote es rechazado, el
departamento de Producción debe revisarlo para hallar los defectos que provo-
caron su rechazo y reparar todas las unidades rechazables. Igualmente, deben
repararse las unidades defectuosas que aparezcan en las muestras. El costo
unitario de supervisión asciende a 10 centavos y el costo unitario de reparación
es de 1,00 dólar.
Los valores de los ángulos superiores izquierdos de cada bloque de la
matriz de la Tabla 17.10 representan las probabilidades de aceptación y recha-
zo de lotes defectuosos en un 1 por 100 y en un 4 por 100. Asumimos aquí, para
mayor claridad, que a quien debe decidir le preocupa la proporción de
elementos defectuosos que figuren en cada lote que ha de presentar a inspec-
ción. No tendremos en cuenta aquí la moralidad de su decisión, aunque tenga
gran importancia en la decisión final. La referencia a la curva característica
operativa de la letra-código L, AQL 1,0 del MIL-STD-105 nos dio las probabi-
lidades de aceptación y rechazo que se indican.
Los otros valores de cada bloque representan el costo de cada suceso. Si la
inspección de aceptación acepta un lote con 1 por 100 de elementos defectuo-
sos, producción tendrá que soportar un costo medio de 1,50 dólares para el 1
por 100 defectuoso de la muestra de 150. Si un lote defectuoso en un 1 por 100
resulta rechazado, el costo total será el costo de verificar 1.850 unidades más el
costo de reparar una media del 1 por 100 de las 2.000 unidades, esto es, 205,00
dólares. Los costos del lote defectuoso en un 4 por 100 se calculan del mismo
modo.
La Tabla 17.11 muestra la matriz con las probabilidades aplicadas a cada
valor y, al lado derecho de la misma, los cálculos que dan las probabilidades de
39 a 1 a favor del lote defectuoso en un 1 por 100. A todos los efectos prácticos,
el departamento de Producción debería producir en un nivel de un 1 por 100 de
elementos defectuosos.
TABLA 17.10. Matriz de costos: Toma de decisiones por el productor:
Inspección de aceptación

(1) (2)
Aceptar el lote Rechazar el lote
0,97 0,03
Presentar un lote
un 1 por 100 defectuoso -1,50 $ -205,00$
0,30 0,70
Presentar un lote
un 4 por 100 defectuoso -6,00$ -265,00 $

384 CONTROL DE CALIDAD TABLA 17.15 $ + 4. Inspección de aceptación Prescindir (1) (2) (1) .11.45 $ -6.80 $ -185.50 $ + 183.70$ .(2) del signo Aceptar lote Rechazar lote y trasponer Presentar lotes con 1 por 100 de elementos defectuosos -1.70$ 4.70 $ 183.70 $ Presentar lotes con 1 por 100 de elementos defectuosos -1. Matriz de costos: Aplicación de valores de probabilidad.

Se evidenciará que todos estos grupos de personal son necesarios para lograr el éxito de la empresa.18 Organización para lograr calidad y productividad Las empresas se organizan para alcanzar sus objetivos lo más eficiente- mente posible. 385 . Si continúa dentro de esa línea de expansión. el proceso de adoptar decisiones no tarda en desbordar la capacidad de dicha autoridad central y el resultado es una paralización de la empresa. Ingeniería Industrial. se verá. surgen de la falta de objetivos y organiza- ción. Todo el mundo participa y así se consiguen los objetivos. En las empresas de éxito. Hay un amplio acuerdo sobre el hecho de que ni la productividad ni los resultados económicos son de la incumbencia de un solo departamento o persona. La atención se centrará cada vez más en la productividad. por otra parte. surgirán diversos departamentos: Relaciones Industriales. que las simples cifras de beneficios económicos no reflejan la totalidad de los resultados alcanzados por la empresa. El empresario artesanal tiene problemas mínimos de organiza- ción. toda vez que sólo debe lograr su propia satisfacción y la de sus clientes. Ingeniería de Pro- ductos. la expansión da lugar a delegaciones de los poderes decisorios. además. Compras. al realizar personalmente todo el trabajo. Durante el proceso evolutivo se irá poniendo de manifies- to. Pese a ello. Por ello. Control de Calidad y otros posibles. que la productividad del conjunto dependerá de la forma en que se comportan sus partes. producción y finanzas. A medida que se vaya haciendo cada vez más compleja. En organizaciones fuertemente sometidas a una autoridad central. también. Si amplía su negocio y contrata personal. su producción está limitada por las restricciones que él mismo impon- ga sobre su productividad. en el empleo de recursos como medida de eficacia de la empresa. Su lema es cooperación y consenso. Las satisfacciones se logran consiguiendo solu- cionar problemas que. los esfuerzos coordinados de todos hacia la solución del problema proporcionan resultados satisfactorios. se verá precisado a dividir las funciones de ventas.

Beuhler: «Some Guidelines for Improving Quality and Productivity». Tanto calidad como productividad son medidas que pueden demostrar la aptitud de la organización para proporcionar tales incentivos. Que deban existir o no departamentos independientes responsables de la ca- lidad y la productividad habrá que determinarlo en función del objetivo primario. 1983). 1938). En tiem- pos más recientes se ha venido observando una tendencia a considerar esta función como algo integrado dentro de cada uno de los distintos departamen- tos de la empresa. . Los gerentes deben asumir la responsabilidad de mejorar calidad y productividad. K. al mismo tiempo. como los círculos de control de calidad ha facilitado esta transición. 1 Chester I. capítulo 21 de la obra de Y. La mejora de productividad y calidad deben convertirse en un proble- ma estratégico. 3. 2. 2 Y. Habrá que prestar atención a unos cuantos principios de organización antes de entrar en detalles sobre técnicas específicas para alcanzar los objetivos paralelos de aumento de pro- ductividad y mejora de calidad. Barnard: Functions of an Executive (Cambridge Massachusetts: Harvard Univer- sity Press. La aplicación de técnicas especializadas. a obtener mayores beneficios sobre las inversiones que se reali- cen para obtener la calidad necesaria? Antes de que se difundiera la idea de que todo departamento de la empresa es responsable de su calidad y productividad. Barnard 1 señala como objetivo principal de cualquier organización el de «continuar existiendo». Debe pedirse a los empleados que aporten ideas y actuar basándose en ellas. K. Shetty y V. la norma solía ser utilizar departamentos independientes para tal fin. Chester I. M. Esta continuación se vería en peligro si no existieran incentivos para que el público colabore (satisfacción de una necesidad de bienes o servicios) o para que los inversionistas cooperen (beneficios de carácter económico). ¿Se contribuirá de esta forma a ofrecer un servicio aceptable y ayudará. Shetty y V. M. DIRECTRICES DE LA GERENCIA PARA MEJORAR CALIDAD Y PRODUCTIVIDAD Shetty y Beuhler2 desarrollan las siguientes directrices para crear e instituir un programa de «productividad y calidad» y para que luego funcione de forma efectiva: 1. Beuhler (eds.): Quality and Productivity Improve- ments (Chicago: Manufacturing Productivity Center.386 CONTROL DE CALIDAD OBJETIVOS DE UNA EMPRESA ¿Cuáles son (o deberían ser) los objetivos de una empresa? Los autores entienden que hay un objetivo fundamental: ofrecer al público un servicio que siempre resulte aceptable sin dejar de obtener unos beneficios satisfactorios a largo plazo sobre las inversiones de los accionistas.

Cualquiera otra división o delegación no será deseable ni aconsejable desde el punto de vista económico. Una empresa relativamente pequeña. es el camino a seguir para que el esfuerzo dedicado a calidad y productividad produzca los frutos desea- dos. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 387 4. la llamada división funcional. La innovación. Cuál es el número más deseable de niveles es un problema de sopesar los beneficios de una división del trabajo crecientemente apta y satisfactoria. la llamada división escalar. las modernas empresas nor- teamericanas suelen ser de dimensiones gigantescas. y las desventajas de separar cada vez más a los creadores de la política empresa- rial de los trabajadores de producción. finanzas. 5.1). dicho artesano podría descubrir que precisaba dividir el trabajo artesanal entre dos o más centros funcionales de trabajo. son los que determinan la estrategia y los objetivos de carácter general de la empresa. 7. Y. Sus ventas alcanzan miles de millones de dólares y dan trabajo a cientos de miles de personas. La división del trabajo significa que distintas personas tendrán diversos problemas y poco tiempo para dedicar- lo a los de los demás. presidente del Consejo de Administración. En toda organización existe toda una cadena de diferentes niveles que va de arriba a abajo. toda vez que la existencia de centros independientes de trabajo requiere un adecuado control de supervisión. Esto supondría una división funcio- nal primaria. con 20 ó 30 empleados. correspondientes a los cargos de presidente ejecutivo. Se puede clasificar el trabajo a realizar de dos maneras: verticalmente. Los gerentes deben determinar con todo cuidado los niveles de calidad y productividad antes de diseñar e implementar planes para lograr mejoras. En ese momento se encontraría controlando a una serie de super- visores. Esto es una división escalar secundaria. Sin embargo. Muchos de estos gigantes industriales llegan a tener 11 niveles de organización. Los tres niveles inferiores. y cualquier cambio implica ulterior división y delegación de trabajo. se encontraría con que los problemas de ventas. y horizontalmente. Debe entenderse que existen una gran variedad de técnicas y herramien- tas que podrían mejorar calidad y productividad. Los directores de la empresa deben reconocer que mejorar la calidad es un catalizador que lleva a mejorar la productividad. investigación y compras eran tantos y tan complejos que exigían una división funcional más. ESTRUCTURA DE UNA ORGANIZACIÓN Toda organización es consecuencia de la división y delegación del trabajo. personal. podría tener sólo tres niveles de organización (Fig. ingeniería. no la imitación. etc. los tres niveles superiores. Todo proceso de división crea problemas de comunicaciones y de relaciones humanas. Más tarde. Como ejemplo de la primera podríamos citar el caso del artesano que inicia la expansión de su negocio contratando uno o más artesanos para que trabajen con él.. en los que se hallarán los trabajadores. vicepresi- dentes. 6. capataces y supervisores de primera línea se ocupan de los pro- . con lo que estaría realizando una división escalar primaria. más tarde aún. Hablando en términos generales. 18.

Dar a un supervisor la autoridad necesaria para premiar a un empleado elevando el salario de éste y no incluir dicho aumento en la nómina sería una completa estupidez. como problemas de calenda- rio. Debe haber un responsable —y sólo uno— de cada elemento. no debe existir al mismo tiempo otro que rectifique sus decisiones. Por una u otra razón. aunque carecen de los derechos que proporciona la propiedad y de la autoridad que permite controlar en la forma que aquél lo hace. Las personas que se hallan en estos niveles intermedios están en la «tierra de nadie» de la dirección. al menos. no debería existir dicho segundo .388 CONTROL DE CALIDAD blemas que surgen cada día (y a veces cada hora). Lo que en realidad realizan es un trabajo similar al de un director- propietario de una pequeña empresa. Este grupo se ocupa del adecuado funciona- miento de la empresa y se enfrenta a los problemas de crear e implementar su política. Tres niveles de organización para una pequeña empresa. O. DIVISIÓN DEL TRABAJO Y FUNCIONALIZACION La división del trabajo exige delegación de deberes. Entre ambos grupos existen diversos niveles a los que se suele aplicar la denominación genérica de «mandos intermedios». Supervisan a los supervisores. En tales condiciones. resulta difícil concebir que dicho inspector considerara que realizaba un trabajo importante. pero todos ellos fueron aprobados a un nivel más alto.1. asignación de trabajos. Si esos tres elementos no se delegan de forma adecuada pueden surgir problemas (y de hecho así ocurrirá). y producción de bienes y servicios. actuando como un policía. Podríamos citar el caso de un inspector a quien se asignó el trabajo de inspeccionar cañones de fusiles para su aceptación. no deben superponerse ni desarticularse los deberes. rechazó todos los que le presentaron. En general. Si hay un supervisor de producción responsable de la calidad del trabajo rechazado por su centro de trabajo. Por ejemplo: decir al operario de una máquina que es el responsable de la calidad y no darle tiempo para que compare la que alcanza con el estándar establecido no es justo ni realista. Figura 18. autoridad y responsabi- lidades. ni tampoco a la alta dirección de la empresa. Ni están próximos a los trabajadores desde el punto de vista tecnológico ni desde el social.

debe ser planificada adecuada- mente. Si se define una función de línea como aquella que produce el artículo final para su distribución y la función asesora como una de apoyo técnico. como cualquier otra operación de dirección. El que debe utilizarse a la hora de delegar responsabilidades es el principio de excepcionalidad. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 389 inspector para ese puesto de trabajo. Se ve que no existe una función que . Es responsable de proporcionar apoyo técnico en temas que están dentro de su especialidad.2 seria verdadera. Com- pras y Control de Calidad para apoyar a Producción. Los ejecutivos medios y los directores de departamento son especialistas en coordinar recursos de equipos. como Personal. acaban siendo departamentos que no fueron original- mente pensados para asumirlas. Un especialista dentro de este grupo es aquella persona cuyo trabajo normal se concentra en una peque- ña. parcela de la actividad empresarial.1 es una descomposición del tiempo de supervisión. La Tabla 18. en tanto que los de carácter excepcional debe asumirlos el superior. Este es el tipo de responsabilida- des que es muy probable que asuman los «constructores de imperios». más generalizado se vuelven su trabajo y sus responsabilidades. así. Estas responsabilidades no defini- das. Los deberes normales de los ejecutivos inferiores se circunscriben a las áreas de relaciones humanas y métodos de trabajo. aunque importante. Por fin. un especialista en el manejo de personal. Tradicionalmente. materiales y mano de obra. materiales y equipos. La funcionalidad acarrea otros problemas. probablemente. No se puede delegar caprichosamente. Las razones de la funcionalidad son de carácter económico. Sólo deben delegarse en los subordinados los trabajos de rutina. a personal técnico especializado. que reciben el nombre de personal administrativo. cualquiera de las clasificaciones que aparecen en la Tabla 18. la parte de una empresa de fabricación que produce el artículo que va a ser distribuido se llama organización de Producción. ansiosos de destacar la importancia de los servicios de sus unidades organizativas. El supervisor de sección es. pero los problemas de relaciones humanas a que puede dar lugar quizá la tornen en antieconómica. ya que los de esta naturaleza serán asignados. La delegación. El concep- to de deberes normales depende del nivel de dirección. pero básicas para que cualquier operación se lleve a cabo con pleno éxito. La mayoría de las unidades dentro de una organización tienen funciones de línea (o de producción) y funciones asesoras. Los de los ejecutivos medios se centran en la integración de los recursos: hombres. Las responsabilidades. o debería ser. la persona que detenta el puesto se convierte en una cosa rara: un especialista en generalización. producen frustración en quienes quieren que se realice un trabajo y no logran encontrar quien se supone que debe realizarlo. Pueden constituirse grupos de especialis- tas. Los de los altos ejecutivos son de carácter estratégico y versan sobre la elaboración de la política general de la empresa. Esto provoca en muchos casos problemas. La palabra excepcional no se refiere necesariamente al carácter técnico del trabajo. Se aplica al trabajo de carácter general por el que el superior recibe su salario. Cuanto más se asciende por la escala ejecutiva. en la parte superior de la pirámide administrativa. En el extremo opuesto están los deberes no asignados a nadie de un modo específico. tanto dentro de la organización como de tipo personal.

normas. pero quizá se le exija que consulte al personal asesor antes de tomar tal decisión. escrito el método a seguir. calendario de producción. Especiales 10 Algunos de éstos se usan como pruebas para ascensos. Funciones de línea y asesoría Producto Función Función Departamento final de línea asesora Compras Documento de Escribir la orden de Preparar un compra. Departamento de la nómina. La asesoría general es el brazo derecho del director. Rutinarios <10 Cualquier subordinado puede hacerlo mejor que usted en este caso. no más. del lugar donde uno trabaje.390 CONTROL DE CALIDAD TABLA 18. sea absolutamente lineal o asesora. Los vicepresidentes adjun- tos y los «adjuntos a» forman parte de esta categoría. Puede ser obligatorio buscar consejos de personal asesor o dejarlo a criterio del director. TABLA 18. Hay tres tipos de asesores especializados: los asesores propiamente dichos. compra. más que nada. En la mayoría de . Un supervisor puede sancionar a un trabajador. como el consultor externo o el asesor jurídico. calidad. El personal asesor no suele crear problemas. Planificación de Plan de inspección.1. El personal especializado debe realizar funciones igualmente especializadas.2. Escribir el plan de Control de control de inspección. Cómo se perciban dependerá. aparatos. Aceptar o no sus opiniones depende de él. Nóminas. preparar por herramientas. Sus sugerencias pueden aceptarse o no. Se trata del experto a quien se llama para manejar un determinado problema. Cheque de pago de Preparar el cheque. Ingeniería Método. Normales 60 Trabaje más inteligentemente. los que trabajan en servicios y los que realizan el control. Desarrollar y Departamento de industrial. Distribución del tiempo de supervisión Deberes Porcentaje Disposición de tiempo Creativos >20 Para que se pueda trabajar de forma más inteligente. La explicación tradicional que se escucha y se lee sobre la función asesora es que consta de dos tipos principales: asesoría general y asesoría especializada. En una gran empresa hay muchas de estas funciones y es aquí donde se dan los mayores problemas de comunicaciones y relaciones humanas.

Hay ciertas características fundamentales que distinguen a un miembro eficiente del personal asesor. administración y control de sueldos y salarios. Las oficinas de copias y reproducción son los ejemplos clásicos de personal a cargo de servicios. Ejemplos de grupos de personal de control son: control de produc- ción. la autoridad es una de las responsabilidades lineales. En general. la consecuencia es que la medida de control propuesta por E es equivalente a una orden que bajara desde A. en la cadena pira- midal que aquí representamos. La carga recae sobre el miembro del personal asesor. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 391 los casos lo hará o se tendrá que llegar a la conclusión de que alguno de los dos no cumple adecuadamente con su trabajo. Compras. no tiene sentido que cada medida de control propuesta tenga que subir la pirámide en el sentido DCBA y bajar LMNO. control de existencias. utiliza la persuasión y es partida- . El es quien debe ganarse el respeto del director de línea. En primer lugar. Debido al sistema organizativo. control de calidad. el especialista asesor puede obtener tal experiencia mediante un aprendizaje como «adjunto» al director de producción. El control supone autoridad. la autoridad viene de arriba abajo dentro del departa- mento y nunca lateralmente entre departamento. mantenimien- to. como su nombre indica. La dirección de Producción significa. En tercer lugar. un servi- cio a producción y a otros asesores. ni O a E. Hay formas en que la organización matriz puede ayudar a lograr esta relación laboral. En el ejército esto se realiza firmando «por el oficial al mando». No obstante. ingeniería industrial. En realidad. Para una relación lateral de trabajo efectiva dentro de la organización industrial es necesario el respeto mutuo. El personal encargado de servicios presta. E y O. se puede enviar a dicha persona a seminarios y conferencias de preparación con el director de produc- ción para forzarle a ver ambas caras de la moneda. puede actuar como miembro de un equipo de trabajo o en un centro de trabajo dirigido por el director de producción. para nosotros. un requisito previo para desempeñar un trabajo asesor puede ser la experiencia en producción. A B L C M D N E O Pero si E es un grupo asesor de control. el perso- nal de servicios y el de control tienen funciones que a veces se solapan. En primer lugar. gracias a unas relaciones de trabajo idóneas entre D y N. muchos de los conflictos de relaciones humanas se pueden reducir a conflictos entre dirección de producción y perso- nal de control. limpieza son otros ejemplos de personal de servicios. E nunca debería ordenar (o controlar) a O. y contabilidad de costos. Si no es posible. el personal de control tiene una posición sui generis ya que controla indirectamente a la línea a través de la cadena de autoridad. Por tanto. Por tanto. En segundo lugar. cualquier actividad de dirección que tenga relaciones con un grupo de personal de control. Así pues. Nunca se conseguiría que las cosas se realizaran.

fundamentalmente. tratan de explotar al máximo la fase de introducción de un nuevo producto y tienen. el esfuerzo de la organización para alcanzar calidad y/o productividad debe producir una rentabilidad acep- table de la inversión que se hizo y un servicio aceptable de carácter continuo. La organiza- ción más idónea para una empresa depende del tipo y volumen de producto fabricado. En la Tabla 18. como los círculos de control de calidad y. No importa por qué camino se llegue a ello. Tiene tacto y es diplomático. Esto descarta la creación de una organización de corta vida para objetivos publicitarios. Es triste. en la que es imposible que los trabajadores identifiquen defectos. habrá que justificar los ahorros conseguidos en términos de reducción de costos. Desde el punto de vista de la dirección total. Escoge el momento adecuado para hacer sugerencias y las expone de forma que se puedan entender fácilmente. o cualquier combina- ción. se utilizan como trucos publicitarios y tan sólo como medio de obtener un reconocimiento dentro de la empresa y dentro de la sociedad. Es flexible y reconoce que tiempo y paciencia son fundamentales en su trabajo. además. planteamientos publi- citarios. Y una vez obtenidas las economías iniciales en costos.3 aparecen enumeradas por su grado de responsabilidad. así como para alcanzar otros objetivos igualmente turbios. Tradicionalmente. el esfuerzo dedicado a la calidad incluía a distintas perso- nas de diversos departamentos de producción. En pocas palabras: es un sutil vendedor tecnológico. por último. que muchas de las iniciativas de la dirección de una empresa son caprichosas. luego de una organiza- ción totalmente centrada en esos objetivos. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD Aumentar la productividad y mejorar la calidad son dos componentes esenciales de los objetivos a largo plazo de cualquier organización de tipo industrial. cuatro tipos de organizaciones de calidad.392 CONTROL DE CALIDAD rio de negociar en lugar de imponer su autoridad. Otros productos caracterizados por ser de alta . lo aconsejable sería tener una organización autónoma de control de calidad. ORGANIZACIÓN TRADICIONAL DE CALIDAD Hay. al reconocerse por todos la interdependen- cia existente entre calidad y productividad y al extenderse ampliamente la res- ponsabilidad en cuanto a la consecución de ambos objetivos («la calidad es responsabilidad de todos»). pero cierto. se expone el sistema kanban para control de producción y existencia. Tanto la productividad como el control de calidad son objeto de atención de labios afuera. Este capítulo ofrece una visión general de la organización de calidad más tradicional. En los últimos tiempos. pero tales beneficios deberán producirse para mantener esa postura. asesoría. se ha producido un replanteamiento de la organiza- ción que se centra en calidad y productividad. En una operación de montaje en serie.

3. además. el control de calidad representa al comprador y realiza toda la planificación de calidad. el supervisor de Producción tiene la autoridad final. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 393 precisión. fabricados en pequeñas cantidades y de tecnología complicada. El productor puede. pero su autoridad no es omnímoda y carece de herramientas para asumir tal responsabilidad. pueden ser los ideales para la aplicación de un sistema tipo I. 4 El control de calidad es autónomo en todos los temas de calidad. Si la organización de calidad se considera a sí misma simplemente así. naturalmente. Se piensa que aplicando el tercer tipo de organización (el tipo 3) se sirve mejor a los intereses de la organización completa al ceder al departamento de Producción la responsabilidad. TABLA 18.2 muestra un ejemplo de organización de este tipo. La Figura 18. los objetivos fundamentales de la empresa estarán mejor atendi- dos si la organización de control de calidad se considera a sí misma como representante del cliente en temas de calidad. el operario verifica controles de calidad. que necesitan trabajadores altamente especializados. 3 Organización de control de calidad al nivel de la organización de producción. En general. ser un proveedor externo a la empresa o una organización de producción dentro de la misma fábrica. Se dice que Producción es respon- sable de la misma. responsable de la calidad. el supervisor tiene la autoridad final. si trata de asegurarse de que el cliente reciba igual o mejor que la reflejan los estándares por él especificados. La última palabra la tiene la organización de calidad. informes al supervisor de Producción. los clientes a quienes representa y los productores cuyos intereses garantiza. También aparecen las relaciones entre el departamento de Control de Calidad. ¿Por qué no pensar en la organización interna de producción como si se tratara de otro proveedor cualquiera y responsabilizarla de la calidad de sus productos? Claro está que. La calidad es siempre un área de responsabilidades bastante nebulosa. la calidad dentro del proceso es responsabilidad de la fábrica. Pero dicha relación puede mantenerse. los conflictos de tipo humano que surjan por las relaciones entre personal de producción y asesor se reducirán al mínimo. tanto en la teoría como en la práctica. la autoridad y el herramental necesarios para cumplir dicha tarea. habrá relaciones más frecuentes aun- que sólo sea por razones de proximidad geográfica. Tipos de organizaciones de calidad Tipo Características 1 No hay organización de control de calidad ni de inspección. realiza la inspección dentro del proceso. 2 Organización definida de inspección con una jerarquía de inspección. El cliente puede ser externo a la empresa o a cualquiera de sus departamentos. .

394 ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD .

muestreo de aceptación y verificación. como mucho. asignar de modo general responsabilidad sobre calidad. tanto internos como externos. Así que lo primero que la dirección tiene que hacer para establecer un programa de control total de calidad es ajustarlo a la estructura e intereses de toda la organización.2 es demasiado grande si se compara con otras unidades o departamentos de la organización. la situación ideal se dará cuando todos los elementos producidos sean tan buenos que eliminen la necesidad de una organización de control de acepta- ción. son responsables de la calidad establecida en los planes. ¿Cómo? Crean- do una organización de Control de Calidad totalmente eficiente y real- mente profesional cuya actividad especializada sea la calidad del producto con la única área de operaciones del control de calidad. En algunas empresas. Se llevan a cabo así: una empresa. Debe tratarse. Esto significa que otra de las cosas que la dirección debe hacer es apuntalar y atender todo lo relaciona- do con responsabilidades sobre calidad en toda la empresa. Esto nos lleva al segundo principio: como la calidad es responsabilidad de todos puede acabar por no serlo de nadie. Todos los productores. el ingeniero industrial es el único que puede establecer las especificaciones de forma idónea. aceptar el hecho de que la calidad es responsabili- dad de todos los que trabajan en la empresa. otros departamentos de la organización y los proveedores externos y consumidores de productos de la empresa. Teóricamente. es forzoso atenerse a ellos. la calidad estará a un nivel más alto. (Nota del autor: un retoque típico de la dirección). Mi experiencia me ha enseñado que tales personas duran de seis a nueve meses. en su trabajo. La organización de calidad de la Figura 18. sea mediante un documento firmado o por acuerdo tácito. Desesperada. la dirección contrata a una persona para que asuma el cargo de gerente de Control de Calidad con funciones vagamente definidas y la hace responsable de todo cuanto afecta a la calidad del producto. Una vez aprobados los planes. Este es un ideal imposible de alcanzar. o para ellos por la organización de Garantía de Calidad. Pero el objetivo final debe ser reducir dicha organización al mínimo económico y este se alcanza cuando las organizaciones de producción han asumido plena responsabilidad en cuanto a la fabricación de productos de calidad y disponen del herramental adecuado para lograrlos. la calidad es responsabilidad de todos. sujeta a la aprobación de las normas de calidad por el comité designado al efecto. No tienen más remedio que fracasar porque: el hombre de marketing es quien mejor puede evaluar las preferencias del cliente en lo tocante a calidad. Todos estarán representa- dos por un plan de garantía de calidad especificado por ellos. una línea de productos o una fábrica atraviesan serios problemas de calidad. Ha habido muchos experimentos a lo largo de los años contrarios a este principio. Se ha hecho así sólo para mostrar las interrelaciones entre calidad. El efecto inicial de un acuerdo de este tipo supondrá una duplicación del trabajo. de delegar la responsabilidad hasta el nivel más bajo posible desde el punto de vista económico. en todos los casos. Sin embargo. . etc. este problema desaparecerá gradualmente. Freigbaum expresa muy bien esta idea: En primer lugar. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 395 La sección de Garantía de Calidad desarrolla los planes de control de calidad. respon- diendo directamente ante el director general. Pero siempre es deseable delegar la responsabilidad a niveles más bajos.

El grupo se reúne periódi- camente. aunque no necesariamente. pági- nas 12 a 16. Las personas de cada uno tienen alguna relación con los problemas discutidos. en tanto que las europeas tienen preferencia por «círculos de calidad». Aunque el nombre sólo hace referencia a la calidad. La segunda hipótesis postula que las soluciones a los problemas de producción las darán más fácilmente. Su objetivo es determinar los problemas específicos. filosóficamente. 4 A. Feigenbaum. La formación de grupos es el inicio de todo programa de círculos de control de calidad. marzo de 1957. «New Approach to Quality Control». Factory. lo que simplemente supone estar seguro de que los productos que se despachan están bien fabricados. que todos los que trabajan en una empresa. organizado de manera formal. ayudar a asegurar unos costos de calidad óptimos4. Esta formación está estructurada en algunas empresas. Este esfuerzo.396 CONTROL DE CALIDAD La función de Control de Calidad incluye dos obligaciones básicas. siendo la frecuencia más nor- mal una vez a la semana. Otro nombre que se aplica a los círculos de control de calidad es el de círculos de calidad. V. Cada grupo tiene un jefe u organizador. Las empresas japonesas usan con mayor frecuencia el término «círculo de control de calidad». En primer lugar. analizar las consecuencias de la aplicación de tales métodos y recomendar soluciones. con los métodos de producción. quienes más próximos están al problema. Lo más frecuente es que los grupos no tengan una estructura formal. proporcionar garantía de calidad de los productos de la empresa. CÍRCULOS DE CONTROL DE CALIDAD Un círculo de control de calidad es un pequeño grupo de personas dentro de una organización que se reúnen periódicamente para debatir problemas de producción y operaciones. Se trata de estimular la participación de obreros de producción. Esta persona puede ser. seguridad). un supervisor. Cada departamento o unidad menor de la organización tiene su propio grupo cuya estructura reproduce la de la propia organización. . a intervalos previamente establecidos. Segundo. dichos grupos discuten todos los problemas relacionados con calidad y productividad (por ejemplo: problemas relacionados con el diseño de un producto. supervisores y representantes sindicales. se conoce como dirección participativa. Ambos se usan indistintamente en Estados Unidos. porque las entienden mejor. El operario a cargo de una determinada máquina entenderá mejor los problemas de ésta que cualquier experto externo. relaciones humanas. desde el Presidente hasta el ayudante del encargado de la limpieza son capaces de tener ideas creativas. el círculo de con- trol de calidad descansa en dos hipótesis: la primera admite que la creatividad no está confinada a la alta dirección. crear posibles métodos para solucionarlos. Cada grupo invita a participar a las personas más próximas a sus operaciones.

o más de 20. La empresa dota a estos grupos de salas para sus reuniones. es difícil encontrar grupos con menos de 5 personas. todas esas personas pertenecen a un mismo departamento. Hay una importante empresa del ramo automotriz que llega incluso a llamar a los círculos de control de calidad. etc. Esta puede. Sin embargo. Hacia mediados de 1983 se calculaba que entre 1. un grupo de los llamados círculos de control de calidad carece de poder para hacer inversiones. Normalmente. si es preciso. Sólo aquellas que requieran inversiones «importantes» son sometidas a la alta dirección. pedir a los miembros del círculo de control de calidad o a . aquellas sugerencias que no precisan inversiones adicionales las puede implementar el propio grupo. Como resultado de las conversaciones. ya que éste radica exclusiva- mente en la alta dirección. Japón tenía más de 10 millones de trabajadores organizados en circuitos de control de calidad.750.000 y 2 millones de trabajadores norteamericanos participaban en programas de círculos de con- trol de calidad bajo diversas denominaciones. Si la organización obedece a un modelo estructurado. Los miembros de un círculo de control de calidad son las personas inmediatamente relacionadas con un área problemática o de trabajo. ni siquiera este rápido crecimiento llega a emparejarse con el de Japón. la dirección desoye o no atiende dichas sugerencias. aumentar la comunicación entre la dirección y los trabajadores y hacer que éstos se involu- cren más en las operaciones de la empresa. mejorar la calidad. Se esperaba que hacia finales de 1984 esta cantidad creciera hasta situarse próxima a los 5 millones. En empresas en las que los círculos de control de calidad han logrado el éxito se distinguen tres niveles. No obstante. que funcionen con eficacia. prácticas de trabajo. En primer lugar. el grupo formula una serie de recomendaciones a otro (conoci- do como «grupo de gobierno» o «grupo de control»). Elementos básicos de un círculo de control de calidad Miembros. No hay un número de miembros que pueda considerarse óptimo. «grupos de implicación del personal». Autoridad. la dirección presta la atención debida a todas las sugerencias que formulen los círculos de control de calidad. sino que tratan de incrementar la productividad. Recursos. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 397 Los círculos de control de calidad (QC) se limitan a problemas relacionados con el trabajo. Dentro de su área problemática (o de trabajo) el grupo mismo decide qué problemas específicos deben ser analizados. Alcance. Las que precisan de peque- ñas inversiones pueden ser aprobadas por el grupo de control. En ellos no se habla de salarios. formación inicial y les concede tiempo libre para que sus miembros acudan a las reuniones. Si. quejas o temas que deban ser objeto de negociación colectiva. Sin embar- go. el pro- grama de círculos de control de calidad languidece o se desintegra. sistemáticamente. problemas personales. Hacia mediados de 1983. con la mitad del censo laboral de Estados Unidos.

por otros departamentos. con la organización y con sus productos. El curso incluye entrenamiento sobre los aspectos técnicos de los círculos QC así como sobre comunicaciones.398 CONTROL DE CALIDAD los del grupo de control que realicen una presentación formal de sus ideas por medios de una «propuesta de proyecto». Debe ser un buen comunicador. Este segundo trabaja con el facilitador para crear normas de aplicación general a la empresa relativas a círculos de calidad. que todas ellas tienen un pensamiento creativo. que asumirá la dirección del grupo cuando se vaya el facilitador. 3. Uno es iniciar un «círculo de calidad modelo». Sin embargo. 3. el segundo es otro aprendiz que pronto será designado coordinador del programa de círculos de calidad. siguiendo las normas dictadas. 4. Debe estar familiarizado con el tipo de actividad industrial. Hay dos modos de introducir un programa de círculos CQ en una empresa. cualquier programa de círculos de control de calidad necesita la ayuda de un experto consultor independiente. los elementos comunes que citamos a continuación deben ser inclui- dos y estudiados en las primeras sesiones: 1. Las mayores dificultades para iniciar un programa de círculos de control de calidad son la timidez de los miembros para expresar sus ideas y la falta de preparación para el empleo de técnicas de solución de problemas. Identificación de problemas en el entorno de producción. Cada programa evoluciona del modo más adecuado a sus participantes. Una segunda alternativa es ofrecer un «curso para dirección de un círculo» a los directores potenciales de los futuros círculos de calidad. además. El facilitador debe estar dotado de ciertas cualidades especiales: 1. son los que mejor los entienden y. . Debe tener experiencia en el tema de los círculos CQ. divisiones o grupos interdepartamentales dentro de la empresa. Entrenamiento o sobre la técnica de la tormenta de ideas. El facilitador lo dirige en el departamento o división seleccionado por la dirección. En un principio. Debe ser entusiasta. Inicio de un círculo de control de calidad Los círculos de calidad se basan en la idea de que las personas más próximas a los problemas tienen la visión más clara de los mismos. El facilitador explica el desarrollo y la forma en que opera un círculo de control de calidad utilizando al grupo de directores potenciales como modelo. Debe encontrarse cómodo al tratar con la gente. Mientras se está crean- do el grupo. relaciones humanas y pensamiento creativo. Una vez que el círculo de calidad modelo esté operando con éxito. 2. 2. éste se copia. Además de tales características. generalmente conocido como facilitador. dicha persona debe generar un ambiente de confianza y lograr que los problemas se discutan de forma libre y abierta. dos personas trabajan con el facilitador: una es el aprendiz de director. 5. Explicación general sobre el concepto de círculo de control de calidad.

Estas normas aparecen divididas en tres grupos: técnicas de solución de problemas. Es útil disponer de un modelo que sirva para decidir entre diversas alternativas. Instrucción sobre identificación lógica de causas posibles de problemas y sobre diagramas causa-efecto. 8. 5. Los factores que tendrían que ser decisivos (los crite- rios de decisión) suelen tener diferente importancia. el profesor y experto en calidad japonés Kaoru Ishi- kawa. Establecimiento de una lista de prioridades. K. la solución de pro- blemas es más eficiente si se empieza por atajar las causas más importantes. 4. Shetty y V. El diagrama de Pareto es una forma de presentar información y hace resaltar lo que es importante y lo que es menos importante. El diagrama causa-efecto (C y E) repre- senta esa lista de carácter sistemático. Con mayor frecuencia se le conoce como «diagrama Ishikawa» en memoria de su creador. M. «Productivity Innovations in Sweden». Por ello se 5 Orjan Alexanderson. Al analizar las causas de un problema se ve que unas cuantas causas son las que producen la mayor parte del problema. Es posible que ya haya usted visto diagramas C y E. recogido en el Capítulo 11 de Las mejoras en calidad y productividad. Selección y análisis de un primer problema. Hacer una lista con todas las causas posibles y hacerla de forma sistemática hace que el análisis resulte más sencillo. Una gran mayoría de la cantidad total de defectos puede explicarse por medio de unas pocas causas principales. Lógicamente. El conocimiento de las medidas más comunes de posición y variabili- dad pueden ser de gran utilidad para el trabajo de un círculo. 3. Gran cantidad de datos pueden describirse a veces usando sola- mente una medida de posición y una medida de variabilidad. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 399 4. 1983). 5. para comparar la producción de un determinado proceso con los límites de tolerancia a la sazón vigentes. Beuhler (Chicago: Manufactu- ring Productivity Center. La tempestad de ideas es nuestro instrumento creativo más impor- tante. por ejemplo. también llamados «diagramas-espina» ya que su forma recuerda las espinas de un pescado. Técnicas de solución de problemas 1. pasos a seguir en la solución de problemas y métodos adecuados para la presentación de las recomendaciones finales. Orjan Alexanderson5 presenta unas normas generales muy útiles para el adecuado funcionamiento de un círculo de control de calidad. El diagrama de causa-efecto es una forma de mostrar las relaciones entre un problema y sus posibles causas. Un histograma es una forma de presentar datos. 6. por Y. 6. 2. 7. . Instrucción sobre solución creativa de problemas. Creación de una lista de problemas usando la técnica de la tempestad de ideas.

hay veces en que hay que «vender» la idea a un escalón jerárquico más alto dentro de la organización. La importancia relativa de los diferentes pasos del mode- lo que presentamos pueden. 2. Es importante ponerse de acuerdo en cuanto al objetivo a alcanzar.000 dólares anuales. Verificar en la práctica. Presentación y decisión. El período de recuperación de dicha inversión es. Queremos primero solucionar primer el problema de mayor importancia.» . de forma que no tiene la menor idea sobre la brillantez de la propuesta que se le somete. Presente hechos y datos que obren en su poder y que estén acepta- dos y analice las consecuencias de su propuesta: «Constatamos la existencia de este fallo durante un período de cuatro semanas. de forma que hay que «venderle» la idea. 8. El costo de rehacer el trabajo supone 14. Utilicemos la experiencia así como combinaciones nuevas para hallar buenas soluciones. Pasos a dar lugar en la solución de problemas Cuando se resuelven los problemas en el círculo se trata de proceder sistemáticamente. 9. ocurre que. Análisis causa-efecto. Hay muchos problemas sencillos que el propio círculo puede decidir. No dejen de seguirlo hasta alcanzar el objetivo. Pruebas prácticas. A continuación le damos algunos consejos relativos a promoción de ventas: 1. La frecuencia era de un 12 por 100. con frecuencia. Implementación. pero no lo es menos asegurarse de que no sea excesivamente limitado y especializado ni tampoco de un objetivo demasiado amplio y general. cualquier idea seria o cualquier suposición. 3.400 CONTROL DE CALIDAD necesita un método que sirva para ponderar su importancia. variar de un problema a otro: 1. si es posible. Debemos hallar las causas reales y no sólo los síntomas superficiales. Es importante hacer notar que quien toma las decisiones no estuvo presente a lo largo del proceso creativo. pues.600 dólares se eliminará tal fallo. No obstante. 5. El más sencillo es mediante una matriz en la que los criterios ocupan las columnas y las alternativas las filas. Seguimiento. Prioridad. Hay que convencerlo. Decida qué solución es la mejor para nuestro objetivo. inferior a seis meses. Presentación de recomendaciones El objetivo primario del círculo de control de calidad es resolver los muchos pequeños problemas relacionados con el área de trabajo del propio círculo. el círculo tiene que pedir una decisión que se toma mucho más arriba dentro de la organización. Mediante una inversión de 5. Ideas. lógicamente. Objetivo y límites. 6. 7. Elección. Sin embargo. 4. Esta es casi siempre la situación cada vez que es necesario realizar una inversión.

Además es más fácil que su oyente se mantenga atento si usted no se limita sólo a hablar todo el tiempo. La presentación resulta más intere- sante y variada para quien escucha y. Todos los niveles de direc- ción deben tener una función dentro del programa de los círcu- los de control de calidad.500 dólares que habría que comparar con la inversión solici- tada de 5. con dos turnos en cada una de las fábricas. No olvidar que se trabaja dentro de una organización: El programa de círculos de control de calidad puede verse adversamente afectado si los ejecutivos medios piensan que el círculo prescinde de ellos para obtener una decisión de un nivel más alto. EJEMPLO DE UN NUEVO PROGRAMA DE CÍRCULOS DE CONTROL DE CALIDAD Blackman Shoe Company6 es una empresa de carácter familiar del suroeste de Virginia que tiene unos 300 empleados que trabajan en sus dos fábricas. es recomenda- ble no presionarle nunca para obtener una decisión inmediata. Las personas que se citan son ficticias. Incluir a todo el grupo: Hay dos razones para ello.600 dólares. Incluso cuando haya que hablar con el ejecutivo responsable del tema objeto de análisis. Cualquier persona que se siente presionada se pone a la defensi- va. como consecuencia de una combinación de la depre- sión generalizada y el endurecimiento en la concesión de créditos se produjo una disminución en la demanda de zapatos de alta calidad del tipo de los fabricados por la empresa. En 1978 y 1979 la empresa operó a plena capacidad. El señor Matson. En 1981. inexistente hasta entonces en la empresa. aproximadamente. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 401 2. En ese caso. además. bajar los costos unitarios y lograr mayor competitividad en el mercado. . decidió servirse del programa de los círculos de control de calidad. pero hemos asumido que continuará dándose uno de cada cuatro fallos actuales. Este visitó la empresa para tener una impresión general de las operaciones y del comporta- 6 El nombre y el tipo de empresa se han ocultado para proteger la privacidad de la verdadera compañía. 4. Hay veces en que no se pueden probar las cifras por completo. Se invitó al doctor Goldstein para que actuara como facilitador. Usar dibujos: Es más fácil recordar las cosas que no sólo se han oído sino que también se han visto. 5. las economías anuales ascenderían a. Presente entonces abiertamente las asunciones que ha establecido: «Creemos que el fallo se eliminará. como medio para aumentar la productividad. Concédale un tiempo razonable para tomar su decisión.» 3. Un gráfico adecuado subraya lo que usted afirma. 10. Lo que el círculo debe hacer es confiar cuanto le sea posible en la organización jerárquica. contribuye a la afirmación personal de todos los miembros del grupo. presidente de la empresa.

La experiencia anterior de Goldstein demostraba que esta estrategia era efectiva para los círculos de control de calidad.402 CONTROL DE CALIDAD miento interpersonal que se consideraba normal en Blackman Shoe Company. El doctor Goldstein propuso un «curso de direc- ción de círculos» de dos días de duración con objeto de preparar a los futuros directores. aunque los círculos de control de calidad están generalmente orientados hacia la solución de proble- mas operativos. le resulta más fácil hablar sobre el tema específico del que se trata. empleado de taller-empleado administrativo. aunque sólo sean unas pocas palabras.3. o incluso hombre-mujer. El primer grupo de ejercicios se llamaba «Ejercicios para la creación de un equi- po». La mayoría del tiempo disponible se dedicó a esos ejercicios. los partici- pantes van ganando confianza acerca de sus propios procesos mentales. Durante el curso de dirección de círculos. se pidió a los participantes que los clasifica- ran de acuerdo con dos criterios: 1. Para la realización de estos ejercicios los participantes en el curso se dividieron en pequeños grupos de dos o tres personas cada uno. Cuando esto ocurre dentro de un grupo. Un buen facilitador debe evitar caer en la tentación de asumir el papel de un catedrático dirigiéndose a sus alumnos. Observó dos características importantes. Primero eliminar las barreras que crea la disposición a la reserva en ciertos participantes. para que un círculo de control de calidad logre el éxito. técnico- peón. el grupo dedicó algún tiempo a pensar libremente en factores existentes en el lugar de trabajo que afectaban negativamente al crecimiento de la produc- tividad. Entre ellos había personas de ambas fábricas y sus cargos iban desde director de fabricación hasta operario de máquina. en este caso había primero que identificar los problemas antes de estudiar las soluciones. ejecutivos y opera- rios no hablaban libremente entre sí. Trataba de cubrir un doble objetivo. Beneficios para la empresa: Aquellos problemas cuya solución beneficia- ría más a la empresa se clasificaban con el número 1. En primer lugar. sobre cualquier tema. Creía Goldstein que el papel del verdadero facilitador debía limitarse a facilitar la discusión abierta entre los miembros del grupo. Goldstein dispuso que el grupo realizara dos juegos de ejercicios. todos sus miembros deben ver a los demás como compañeros y prescindir de otras relaciones como superior-subordinado. así como una serie de visitas posteriores para observar el funciona- miento de los círculos ya en operación. Matson pudo reunir y designar 18 directores potenciales de grupo para este curso. Una vez que alguien empieza a hablar. Como no había agobios de producción. Permitir que los participantes empiecen a pensar en «soluciones para problemas» en vez de en «situaciones desagradables de las que hay que quejarse». El segundo día del curso. muchos problemas resultaban obvios para una gran cantidad de personas. Para sorpresa de todos. Estos ejercicios persiguen un doble objetivo. Más aún. Des- pués de identificar los problemas. Estos ejercicios aparecen en la Figura 18. Goldstein limitó sus conferencias a una exposición de introduc- ción a los círculos de control de calidad y a un repaso en el que incluyó sugerencias sobre la formación de círculos concretos. En segundo lugar. . Muchos de los miembros se retraían en público y había que hacerles perder esa natural reserva.

cinco minutos para la presentación. Disponen de la clasificación de problema aceptada. diez minutos para la presentación.3. . Ejercicio 3: Los participantes se agrupan según lo dispuesto. Tiempo: quince a veinte minutos para redactar la lista de problemas. cinco minutos para presentación de las clasifica- ciones. Tiempo: diez minutos para la entrevista. Tiempo: veinte minutos. Ejercicio 4: Se reúne todo el grupo de participantes. Debe haber ejemplares de la lista de problemas disponibles para cada miembro. Ejercicio 6: Se reúne todo el grupo. Ejercicios para el desarrollo del equipo. mencionando lo siguiente: 1. puesto de trabajo y una breve descripción del mismo. Los descubrimientos de cada grupo con relación a cada uno de los problemas serán presentados por diferentes miembros de dicho equipo. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 403 Ejercicio 1: Los miembros se agrupan según lo dispuesto. Realizan una lista por orden de importancia aproximada y sugieren métodos para resolver dichos problemas. Tiempo: quince minutos para discusión. El mismo grupo realiza ambos ejercicios. dos a tres minutos para la presentación. 2. Ejercicio 5: Los miembros se agrupan de la forma prescrita. Su nombre. Clasificación. quince minutos para un resumen por el grupo. Según lo fácil que resulte solucionarlos. aquéllas que provocan conflictos entre ellos mismos y que piensan que afectan negativamente a la pro- ductividad. Ejercicios 7 y 8: Los miembros se reúnen de acuerdo con lo dispuesto. Tiempo: quince minutos para discusión y presentación de ideas dentro del equipo. Preparar dos listas clasificadas: 1. diez minutos para la presentación (para redactar la lista y describir el tipo de desacuerdo conflictivo). Un breve resumen de su historial en el puesto de trabajo. Tiempo: quince a veinte minutos para entrevistas y exposiciones. Cada uno de los participantes debe presentar a su «socio» al grupo. Desde el punto de vista de la utilidad para la empresa. 2. Tiempo: treinta minutos. Ejercicio 2: Los participantes se agrupan según lo dispuesto. Dichos grupos hacen una lista con las áreas en que no están de acuerdo. Dicha lista irá redactada por orden de importancia. Seleccionan dos problemas para investigarlos. Cada uno de los ejercicios se ocupa de uno de los problemas seleccionados en el ejercicio 6. Cada grupo debe hacer una lista con el mayor número posible de los problemas que creen que existen en su fábrica. Figura 18. El equipo genera ideas para la solución del problema que se analiza. eliminación y ampliación de la lista de problemas.

prepara un calendario maestro y un calendario de producción asigna a cada punto de trabajo y a la línea de montaje. Cuando el señor Matson revisó sus conclusiones se mostró agradablemente sorprendido. Cada punto de trabajo recibe información sobre cuántas unidades deben ser procesadas y sobre el momento en que el punto de trabajo anterior le entregará dichas unidades. Ofrecemos un resumen de las clasificaciones en la Tabla 18.404 CONTROL DE CALIDAD 2. Hay dos ventajas funda- mentales en el uso de kanbanes: primero. Los tres problemas identificados como más importantes fueron los primeros que estudiaron los círculos.4.5 Después del curso de dirección de dos días de duración se crearon cuatro círculos de control de calidad con la ayuda y bajo la dirección de los partici- pantes en el curso. El calendario de procesamiento en dicho punto de trabajo se calcula- rá como la cantidad de tiempo (horas. Se utilizó una suma ponderada de las clasificaciones para decidir en qué áreas obtendrían un mayor éxito los círculos de control de calidad. turnos o días) a invertir después de la recepción del punto de trabajo anterior. SISTEMA KANBAN Un kanban es una tarjeta o etiqueta que se fija al producto y que se utiliza para facilitar el movimiento adecuado de dicho producto. La información viaja en la misma dirección que el producto. segundo.2 2. cada vez que la fábrica recibe un pedido. Facilidad de solución: El problema más fácil de resolver se clasificaría como número 1. El movimiento puede producirse dentro de una misma fábrica o entre fábricas. Falta de comunicaciones Clasificación 1. Con este sistema. La mayoría de los sistemas tradicionales de control de producción son sistemas Feedforward. Calendarios (programación) Clasificación 1.4 3. se reduce el nivel de existencia dentro del proceso y. Las tres más importantes eran: 1. Sólo el primer punto de trabajo controlará el principio de cada elemento que es procesado. El sistema provoca . Falta de personal (excesivos cambios y rotación) Clasificación 1. pero los otros dos problemas fueron una revelación para él. El principio le pareció alentador y quedó convencido de los beneficios que produ- cían los círculos de control de calidad. Un sistema kanban es un sistema de control de existencias y producción que utiliza kanbanes como principal dispositivo de transmisión de información. Sistemas de control de Producción basados en el paso de información adelante y atrás (Feedforward y Feedback) Un sistema feedforward lleva la información desde las fases iniciales de producción hasta las últimas y a la línea de montaje. el departamento de Producción puede responder de forma muy rápida ante cambios en la programación de producción. Sabía que faltaba personal.

ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 405 .

406 CONTROL DE CALIDAD .

ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 407 .

segundo. . El primer problema produce altos costos para la confe- sión del inventario interno al proceso y el segundo hace que resulte difícil realizar frecuentes cambios en el calendario de producción. se necesita realizar un inventario dentro del proceso que incluye a todos los puntos de trabajo. sólo la línea de montaje final necesita tener el programa maestro. En los últimos años. Si hay que realizar cambios en el calendario maestro sólo es preciso informar al punto de trabajo final (que puede ser la línea de montaje) sobre los cambios en el calendario de producción. cualquier cambio en el calendario de producción debe ser implemen- tado simultáneamente en todos los puntos de trabajo comprometidos en un determinado montaje. Figura 18. Los sistemas feedback se precisan en aquellos sistemas conocidos como sistemas kanban o sistemas exactamente en el momento preciso.4. De este modo. aunque todos los puntos de trabajo dispongan de los esquemas y las especificaciones necesarias para el procesamiento. cada lote retirado es pequeño y el inventario interno del proceso entre puntos de trabajo es también pequeño. En un sistema feedback la información viaja en dirección contraria. Sistemas de control de producción: a) Feedforward. en ese momento. Los sucesivos puntos de trabajo retirarán elementos procesados en parte por el punto de trabajo anterior.4 muestra el uso de kanbans para tales retiradas de elementos. Los puntos de trabajo sucesivos retiran sólo aquellos elementos que necesitan para proceder a su inmediato procesamiento y. La Figura 18. b) Feedback. los japoneses han revitalizado el uso de sistemas feedback bajo el nombre de «sistemas kanban».408 CONTROL DE CALIDAD dos tipos de problemas operativos: en primer lugar. el punto de trabajo anterior reemplazará los elementos retirados. Los sistemas se han venido usando en empresas de fabricación de los Estados Unidos bajo el nombre de «producción exactamente en el momento preciso». Dado que las retiradas se realizan sólo de elementos que se necesitan de forma inmediata.

2. le fijará el kanban de retirada y desprenderá el kanban de producción. Número de orden del kanban. En este caso será la tercera caja empezando por debajo (3 x 10 = 30 = nivel para iniciar un nuevo lote). Incluso puede omitirse el nombre del punto de trabajo posterior. con un total de 80 unidades (lote de producción). Un kanban de señal incluirá la siguiente información: 1. generalmente. Supongamos que un determinado producto se fabrica en lotes de 80 unida- des. 5. Un kanban de retirada incluye la siguiente información: 1. Situación en la estantería de almacenaje. Nombre y número de identificación del artículo. Habrá siete cajas que llevan adherida kanbanes de producción y una el kanban de señal. con excepción de la incluida en los números 5 y 6. Tamaño del lote de producción y nivel al que hay que iniciar un nuevo lote. Máquinas que van a usarse en la producción. Luego la persona mencionada deja el kanban de producción en el lugar designado y se lleva la caja al punto de trabajo siguiente. y un kanban de producción que utiliza el primer punto de trabajo para especificar el artículo y la cantidad que debe producir. 4. Cantidad en cada caja o contenedor y su tipo. que el nivel para iniciar un nuevo lote es 30 y que cada caja contiene diez unidades. El nivel de inicio de un nuevo lote se adapta a los tiempos de producción de ambos departamentos con objeto . Un kanban de producción que no sea aquél con que se inicia la producción incluirá la misma información. Puntos de trabajo anterior y posterior y/o procesos anterior y posterior. Una persona del punto de trabajo siguiente vendrá con un kanban de retirada (y equipo de transporte) para llevarse los artículos que aquél necesita. Dicha persona cogerá una caja. Cuando el kanban de señal llega al lugar a que hemos hecho referencia. 3. el primero de los dos puntos de trabajo inicia la producción del siguiente lote. Nombre o número de identificación del producto final en que se utiliza- rá este artículo. El punto de trabajo anterior fijará un kanban de producción en cada caja que va llenando con unidades procesadas. Se llevará al lugar indicado para su almacenamiento una pila de ocho cajas. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 409 Sistema kanban básico La operación del sistema kanban básico se puede describir sirviéndonos del intercambio que se produce entre un punto de trabajo que suministra elemen- tos o componentes procesados parcialmente a un punto de trabajo posterior. El kanban de producción que indica la necesi- dad de iniciar la producción del siguiente lote tiene. que utiliza el punto de trabajo posterior para especificar el artículo y la cantidad del mismo que va a retirar. 6. Este último se marca «3/10» para indicar que hay un total de 10 kanbanes de este tipo y que éste es el tercero de ellos. Se usan dos tipos de kanbanes: un kanban de retirada. 2. En el momento del cambio la información de los dos kanbans se compara con todo cuidado para evitar enviar artículos no solicita- dos. una forma diferente y se llama kanban de señal.

también. La línea o el puesto de trabajo iniciará dos acciones. 7. cuatro veces para una operación de dos turnos de trabajadores. En lugar de eso se asigna al proveedor una frecuencia fija de entrega. El encargado del transporte pulsa. en este lugar un botón marcado con el número 381. 3.5. 4. procedien- do a utilizar los artículos de la caja para su procesamiento. El kanban de retirada es devuelto entonces al lugar de almacenaje siguiendo su orden numé- rico. Nombre y número de identificación del artículo. Si esta escasez se considera crítica. el kanban de retirada y el de producción (el kanban de señal se considera como un tipo específico de producción) hay varios tipos más de kanban que se pueden utilizar en casos concretos. producirán con urgencia un lote normal de retirada del artículo 381 y lo llevarán a la línea de montaje y no al lugar de almacenaje. Situación en la estantería del almacén de dónde se retirará el artículo. Cuando llega la persona a cargo del transporte al lugar de almacenaje provisto de su kanban de retirada y allí no hay ni caja ni lote que retirar. los trabajadores despren- den el kanban de retirada y lo dejan en el lugar designado al efecto. esto es. . los trabajadores del segundo punto de trabajo fijan su propio kanban de producción al producto. La información que contiene un kanban de provee- dor es la siguiente: 1. Primero. el de urgencia y el de transporte. 5. 6. Los principales son el kanban de proveedor. que deja en un lugar aparte y no junto a los kanbanes de producción normales. Frecuencia de entrega. Después de realizar el procesamiento. la una. Se usa un kanban de proveedor en vez de uno de producción cuando el punto de trabajo anterior es un proveedor externo a la empresa. Nombres de la empresa proveedora y receptora. las cinco y las diez de la noche. normalmente una serie de horas del día. Calidad de cada lote. por ejemplo: si una línea de montaje usa cinco componentes diferentes y anda escasa del elemento 381. Esta secuencia aparece representada en la Figura 18. La persona encargada de llevar las cajas y los kanbanes puede tener la misión de hacer esos recorridos en horas especificadas a dicho lugar. Cantidad en cada caja o contenedor y su tipo. Se utiliza un kanban urgente cuando uno de los puntos de trabajo siguientes o la línea de montaje están a punto de parar debido a que están a punto de quedarse sin alguno de los muchos elementos que utilizan. Otros tipos de kanban Además de los dos tipos básicos. esa misma persona emite un kanban urgente. No existe el correspondiente kanban de señal. 2. Por ejemplo. Cuando la caja llega al punto de trabajo siguiente. las ocho de la mañana. Almacén del proveedor que entrega dicho artículo. junto con el kanban urgente (en el Japón. Este botón hace que se encienda una luz roja en la línea de producción que fabrica el artículo 381 indicando que llega un kanban urgente.410 CONTROL DE CALIDAD de que el siguiente lote llegue a su lugar de almacenaje cuando se esté retirando la última caja del lote anterior.

ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 411 .

Para trabajadores acostumbrados a trabajar con cajas llenas de artículos sin acabar. Esto puede verse en la Figura 18. generalmente. al mismo tiempo. Se utiliza un kanban de transporte para retirar elementos de gran volumen. las cantidades más pequeñas del sistema kanban pueden parecer inapropiadas. Un kanban de retirada establece la cantidad de unidades recibidas por el punto de trabajo siguiente. el punto de trabajo posterior devolverá el medio de transporte vacío al punto de trabajo anterior. El punto de trabajo anterior continuará montando motores en tanto haya al menos un medio de transporte (furgoneta. Los kanbanes urgentes no se comentan y deben usarse el menor número de veces posible. el sistema de producción está compuesto por cadenas de tales puntos de trabajo. Dentro de cada una de tales cadenas un punto de trabajo es un «punto de trabajo posterior» para todos los que lo preceden y. Después de usar todos los motores. A continuación buscarán y corregirán aquellas razones que han causado la carestía del producto.6. Esto no ocurre en el sistema kanban una vez se ha implementado totalmente pero resultaría difícil conven- cer a los obreros antes de que esto ocurra. Llevará tiempo. Procedimientos operativos La diferencia principal que presenta el sistema kanban es el kanban de retirada. el sistema kanban origina una producción sólida y continua que es muy difícil imaginar antes de que se ponga en funcionamiento. En lugar de recibir un calendario maestro que enumere los artículos que han de producirse y cuándo. Una vez puesto en marcha. Puede que los trabajadores de este punto de trabajo sientan que trabajan a ciegas sin saber nunca qué pedido va a ser el siguiente. entrenamiento y comprensión el que los obreros entiendan que no van a producirse interrupciones en el trabajo. Los kanbanes y el control de calidad Un kanban no es más que un instrumento para el control de producción. es mucho más peque- ña que el lote de producción fabricado por el punto de trabajo anterior. como motores completos en los que el medio de transporte solicitado se utilizará para transportar dicho elemento. es un «punto de trabajo anterior» para todos los que vienen a continuación.412 CONTROL DE CALIDAD acompañado de un explicación). La realidad es que el sistema kanban permite que los trabajadores del punto de trabajo anterior se concentren totalmente en el lote que están realizando sin tener que pensar en el lote siguiente. estimula el control de calidad ya que los procesos de produc- . en realidad. Al mismo tiempo. cantidad que. camión) vacío y que deba ser cargado. vagón. no estará de más recordar que. el punto de trabajo recibe sus órdenes de producción mediante kanbanes y la producción se inicia sólo por el kanban de señal. Aunque el sistema kanban se describe siempre citando al punto de trabajo anterior y el siguiente. Una situación de confusión parecida afectará al punto de trabajo anterior.

Esto elimina posibles errores de envío de elementos no adecuados para los posteriores procesos.6. el horizonte de producción es limitado y el proceso de producción está perfectamente sintonizado. la producción se ve más libre de defectos y es de calidad más pareja e incluso superior. En un proceso de producción bien llevado esto se logra por medio de una serie de factores complicados pero importantes. La aportación de mayor importancia en el tema de calidad viene dada por el ritmo constante de producción. el operario puede concentrarse en el mejor modo de producir unidades. Cualquier desviación de la norma. Y. ción sintonizados y seguros facilitan el lograr una mejor calidad del producto. naturalmente. se observará de inmediato. Aunque esto seria lo natural para la gran mayoría de los obreros especializados hay muchas empre- sas que lo institucionalizan como proceso formal dentro del trabajo. Red de puntos de trabajo. hay una inspección visual de todos sus elementos. sea en el material de entrada o en el mismo proceso. general- mente. Como quiera que los materiales del punto de trabajo anterior son retirados en cantidades muy pequeñas. para detectar muchos tipos de defectos aparentes. La persona a cargo del transporte es responsable de comparar la información de los kanbanes de retirada y producción cuando retira unidades. cada vez que se carga o se deposita un lote kanban en una caja. Esta inspección visual se realiza siempre entre dos puntos de trabajo: uno anterior y otro posterior. Algunos de ellos los citamos a continuación. . Más aún. ORGANIZACIÓN PARA LOGRAR CALIDAD Y PRODUCTIVIDAD 413 Figura 18. Dicha inspección visual no es suficiente como «medida y prueba» pero sirve. Cuando no hay «prisas» ni «retra- sos».

.

una función específica. No es preciso pensar mucho para llegar a la conclusión de que la fiabilidad de los componentes debe ser elevadísima para tener una razonable oportunidad de que el producto funcione satisfactoriamente una vez ensamblado. Existen muchos productos electrónicos muy complejos compuestos por miles de partes. Reliability of Military Electronic Equipment (Washington D. Al intentar establecer las causas de la falta de fiabilidad de los componentes se llegó a los porcentajes que se ofrecen en la Tabla 19. Pensemos en un producto que conste de cinco componentes. Comparando este concepto con el concepto tradicional de control de calidad. 415 . C: Natio- nal Technical Information Service. veremos que la fiabilidad tiene que ver con calidad a largo plazo. lo que es lo mismo. 2 Informe AGREE.95)5.19 Fiabilidad1 Fiabilidad es aquel aspecto de la garantía de calidad que se ocupa de la calidad del funcionamiento del producto. cada uno de los cuales tenga una fiabilidad de 0.77. La ley de multiplicación de probabilidades puede servirnos para presentar un ejemplo muy sencillo. este capítulo se detiene más en la creación y desarrollo de fórmulas y planes de pruebas.95. junio de 1957). Las causas de que un producto no sea fiable son diversas. Se recomienda al lector que lea este capítulo relacionándolo con el Capítulo 2. de 0. 1 Reconociendo la complejidad del control de aceptación y del control de procesos basados en la fiabilidad. Una de las más importantes es la creciente complejidad de los distintos productos. en tanto que control de calidad tiene que ver con el relativamente corto período de tiempo necesario para producir el producto. La fiabilidad del producto terminado será de (0. sin fallos. en ciertas condiciones y durante un determinado período de tiempo»2.1. o. Otra definición de fiabilidad podría ser: «es la probabilidad de realizar.

. Puede allí observarse que las causas de esta falta de fiabilidad se distribuyen entre diferentes funciones. marzo de 1960. En este sentido. La tasa de fallos puede considerarse como la probabilidad de fallo en una de las unidades que no ha fallado hasta ese momento. Una declaración que defina el ambiente en el que debe operar el equipo. probabilidad de fallos y fiabilidad puede expresarse de la siguiente forma: Supongamos que h(t) = tasa de fallos en el momento t f(t) = densidad de probabilidad de fallos R(t) = fiabilidad del sistema . Causas de falta de Habilidad Causa Porcentaje o fuente de problemas Ingeniería Eléctrica 30 Mecánica 10 Trabajo de campo 30 Producción 20 Otros 10 F. Ryerson y S. una especificación de fiabilidad de un producto podría ser un 0. Para medir o estimar la probabilidad de funcionamiento es preciso entender la distribución de probabilidades de «fallos». así como que el proyecto de ingeniería es la causa fundamental de problemas.99 de probabilidades de funcionamiento sin fallos a 30° C durante un período de cuarenta y ocho horas.416 CONTROL DE CALIDAD TABLA 19.. Hay casos en los que el uso de la palabra «fallo» no se corresponde con la acepción comúnmente utilizada para dicho vocablo. Zwer- ling. M. 3. Así pues. inadecuado o insatisfactorio. Reliability Training Test. C. M. DISTRIBUCIONES HALLADAS AL CONTROLAR LA FIABILIDAD Los elementos básicos para especificar o definir adecuadamente lo que es fiabilidad son los siguientes: 1. Una declaración que defina el rendimiento satisfactorio del producto. 2.1. Valor numérico de probabilidades. N. Inc. Una declaración del tiempo de funcionamiento exigido. La consecuencia lógica sería que habría que distri- buir el esfuerzo de control de la fiabilidad teniendo muy en cuenta la distribu- ción de problemas allí presentada. 1. insuficiente. Institute of Radio Engineers. La palabra fallo indica un funcio- namiento incorrecto. se produce un fallo cuando el sistema no actúa de acuerdo con las especificacio- nes. Gryna Jr. J. 4. McAfee. La relación entre tasa de fallos. pág.

1. h(t)R(t) = f(t) o. alternativamente. como n = f(t) x ǻt Por tanto. Tasas típicas de fallos para un producto complejo. La presen- cia de partes marginales y de corta vida al principio del funcionamiento (que- Figura 19. 1 F(t) = ³0 f (t )dt = probabilidad de fallo antes de o en el momento t R(t) = 1 .) . n también viene dado por la distribución de probabilidad de fallos. (No figuran a escala. La primera fase es el período de depuración.F(t) n = número de fallos en el intervalo entre t y t + ǻt = número de unidades funcionando en el momento t x tasa de fallos x ǻt = R(t)h(t) ǻt No obstante.1 sirve para ilustrar el típico patrón de fallos en unidades de un producto complejo. FIABILIDAD 417 Entonces. f (t ) h(t) = 1  F (t ) La Figura 19.

418 CONTROL DE CALIDAD .

un período en el que se incrementa la tasa de fallos. Se han realizado muchos trabajos sobre análisis de distribuciones de fallos en estos últimos años. .F(t) [19. la gamma o la de Weinbull con parámetros de contornos de uno. La Figura 19. Bombillas y tubos de neón son ejemplos de artículos que tienen tiempos de fallo que siguen la distribución normal. FIABILIDAD 419 mado) se caracteriza por una tasa decreciente de fallos por unidad de tiempo. CFR e IFR. Para describir esta fase pueden utilizarse la distribución exponencial. La probabilidad de que el elemento proporcione unos resultados satisfactorios en el momento t puede definirse como fiabilidad: R(t) = Pr(T > t) [19. A los modelos de probabilidad para estas tres fases se los conoce comúnmente como DFR.2b representa la fase de fallos debidos al azar. Viene después la última fase. La distribución que suele aplicarse normalmente aquí es la normal. considere- mos el funcionamiento de un determinado elemento en el medio para él especi- ficado.1] Si f(t) denota la función de densidad de probabilidad de fallos. La fase siguiente se caracteriza por ser un período con una tasa relativamente constante de fallos debidos al azar. Estas distribuciones pueden aplicarse a aquellos casos en que el deterioro es la causa del fallo y en que la vida media es grande respecto a la medida de dispersión. Por supuesto.2 representa las formas de distribución aplicables durante las tres fases citadas. aunque también pueden utilizarse la gamma y la de Weinbull con parámetros de contorno mayores de uno. lo que indica el principio de los fallos debidos al desgaste del producto. La Figura 19. antes de que se produzca un fallo. Gran cantidad de estudios sobre fiabilidad se ocupan de esta fase. Definamos la variable aleatoria como el tiempo durante el que el elemento funciona de forma satisfactoria. La similaridad modal entre estas distribuciones es evidente y la verdad es que pueden usarse la distribución de Weinbull o la gamma en lugar de la normal. La Figura 19. al menos no en el sentido de fiabilidad. respectivamente. La Figura 12.2c es la fase de desgaste. que representa la vida efectiva del producto. R(t) = Pr(T > t) = 1 . Toda vez que se trata de una fase no operacional no suele ser motivo de estudio de fallos. Pueden utilizarse la distribución gama o la de Weibull con parámetros de contornos menores de uno para describir los fallos que se producen durante esta fase.2] La tasa condicional de fallos de un elemento que no haya fallado antes del momento t se denomina tasa de riesgo o función de riesgo h(t). Para crear un modelo matemático para la probabilidad de fallo.2a muestra las posibles distribuciones de la fase de depura- ción.2. habrá que buscar aquella distribución que mejor describa los datos. Puede generalizarse y afirmar que la distribución de las pruebas reales realizadas se aproximarán a una de las distribuciones que se muestran en la Figura 19.

8] 0 .4] es t R (t ) exp ª  ³ h( x) dx º e H (t ) [19.3] R (t ) R (t )  R (t  't ) h(t ) R (t )'t En el límite. el «tiempo» puede ser tiempo real. De aquí el tiempo esperado de supervivencia. Alterna- tivamente. viene dado por f E(t) = MTTF = ³ R (t ) dt [19. a ser utilizados. la expectativa puede llamarse de tiempo medio entre fallos (MTBF).6] ¬« 0 ¼» TIEMPO MEDIO HASTA UN FALLO La calidad de un funcionamiento de un cierto elemento vendrá dada. en sistemas que son reparados continuamente después de que se producen fallos y que vuelven. que se llama tiempo medio hasta un fallo (MTTF). tiempo de operación o número de operaciones. después. d R (t ) h(t ) dt [19. En cualquiera de los casos. Usando el modelo de fiabilidad descrita en la sección anterior es posible obtener una expectativa estadística de este tiempo. Alternativamente. por el tiempo que se espera que dicho elemento funcione de manera satisfactoria. que es lo mismo que el tiempo que se espera transcurra hasta que se produzca un fallo.7] 0 donde T es el tiempo del fallo. el tiempo que se espera que transcu- rra hasta un fallo viene dado por f E(T) = MTTF = ³ t ˜ f (t ) dt [19. la fiabilidad en el tiempo t puede verse como la probabilidad de supervivencia hasta el tiempo t. Dado que la densidad de fallos es f(t). gene- ralmente.5] R (t ) Otra forma de expresar la ecuación [19. el tiempo hasta que se produzca el fallo.420 CONTROL DE CALIDAD La probabilidad de un fallo en un intervalo de t a t + ǻt viene dada por R (t )  R(t  't ) Pr(t d T d t  't ) h(t )'t [19.4] R (t ) f (t ) [19.

FIABILIDAD 419 .

422 CONTROL DE CALIDAD Las especificaciones del producto en cuanto a fiabilidad se especifican normalmente en términos de MTTF o MTBF. suponga- mos que un elemento con una vida media de diez horas se prueba durante veinte horas.3b es 0. . Al realizar pruebas de fiabilidad de elementos de vida corta. como misiles militares u otros productos que se destruyen en el momento de la prueba. ninguna de ellas sino la de otras distribuciones aún no expresadas por evidencia empírica.3. Por ejemplo. La Figura 19. ¿Cuál es la probabilidad de que no ocurra un fallo? Esta probabi- lidad viene dada por la altura de la ordenada de la Figura 19. Supongamos ahora que un cambio en el proyecto aumentó la vida media a veinte horas. ¿Cuál es.3b es una exponencial con una vida media igual a veinte. En la práctica de fiabilidad. quizá. el elemento será más fiable.135. La Figura 19. pero a medida que ș crece. la abscisa viene generalmente expresada como la relación entre t y ș.3a es una exponencial con una vida media ı igual a diez. Suponien- do que se aplique la exponencial. los valores correspondientes del eje de las ordenadas disminuyen. Las Figuras 19.3a en t = 20.368. que es 0. por tanto.3a y b sirven para ilustrar esta afirmación de forma gráfica. Para tales artículos la distribución de fallos puede adoptar una forma similar a la exponencial o a las de las distribuciones gamma y de Weibull conexas. ahora. es evidente que un aumento de la vida media provocará una disminución de la probabilidad de fallos (la altura de la curva en t = 0 durante la fase del cambio a falo será menor) y. que es la probabilidad de que no haya un fallo cuando la vida media es veinte. Esto quiere decir que se ha mejorado la fiabilidad de tal elemento. o. Continuación. no se aplican las distribuciones de fallos debidos al desgaste. Figura 19. la probabilidad de un fallo a las veinte horas? La altura de la ordenada en veinte horas en la Figura 19. La forma familiar de la exponencial se ve en ambos casos.

A veces una tasa constante de riesgo se describe como «un proceso fracasado que no tiene memoria».5] puede obtenerse la función de riesgo: f (t ) O e Ot h(t ) O t•0 [19.3c.F(t)= e  Ot t•0 [19.10] 0 A partir de la ecuación [19. se puede usar la función exponencial de densidad para describir la tasa de fallos.14] 1  (1  e  Ot ) e  O t  e  O t  O 't 1  e  O 't e  Ot para un t finito . FIABILIDAD 423 como en la Figura 19. De este modo puede usarse la misma escala horizontal en todos los casos. DENSIDAD EXPONENCIAL DE FALLOS La función exponencial de densidad de probabilidad de fallo se presenta como f(t) = O e  Ot = cuando t • 0 = 0 cuando t < 0 Para esta función de densidad la función acumulativa es t F(t) = ³ Oe  OI dI 1  e Ot t • 0 [19. Si un elemento no ha fallado hasta el tiempo t.13] F (t  't )  F (t ) = 1  F (t ) Sustituyendo valores de la ecuación [19.10] resulta (1  e  O ( t 't ) ) Pr(t d T d t  't | T ! t ) [19.2] se puede obtener la función de fiabilidad como R(t) = 1 .12] R(t ) e Ot Puede observarse que h(t) no depende de t. la probabilidad de que falle entre t y t + ǻt viene dada por Pr(T d t  't )  Pr(T d t ) Pr(t d T d t  't | T ! t ) Pr(T ! t ) [19. Siempre que se pueda asumir una tasa de riesgo constante.11] A partir de la ecuación [19. la tasa de riesgo es constante. En otras palabras.

. La prueba se da por terminada bien cuando falla el número de unidades r* también preestablecido. .16] i 1 El valor estimado V de ș se obtiene como estimador de máxima probabili- dad. fiabilidad y riesgo cuando la densidad de fallos es exponencial. Epstein3 desarrolló un procedimiento para calcular MTTF y para determinar un intervalo de confianza para tal cálculo. La Figura 19. el tiempo total de la prueba.… tr y n — r unidades siguen todavía operando. El valor estadís- tico que se mide es Q. medido como (unidades en operacón) x (tiempo de operación). «Estimation of Life test Data». CALCULO DE MTTF: DENSIDAD EXPONENCIAL DE FALLOS Cuando la densidad de fallos es exponencial. MTTF vendrá dado por f f f E (T ) ³ tf (t ) dt ³ O te Ot dt te  Ot t f t 0  ³ e  Ot dt 0 0 0 1 f 1 1 0 e  O t d (O t ) e Ot t f [19.15] y sean recíprocos. .3 muestra las funciones típicas de densidad de fallos. De forma simplificada el procedi- miento funciona del modo siguiente. En el tiempo t*. vol. Se toma nota del tiempo en que falla cada elemento. 1960. En este caso. Transactions on Reliability.424 CONTROL DE CALIDAD Esta probabilidad no depende de t. las unidades 1. r Q= ¦t i  ( n  r )t * [19. La función de probabilidad r n L – f (ti )– R(t*) i 1 i r Sea 1 ș = MTTF = O r = número de fallos hasta el tiempo t 3 Epstein B. 2. RQC-9. han fallado en los tiempos t 1 t2.. La prueba se inicia con n unidades en un tiempo t = 0. Caso 1: Las unidades que fallan no son sustituidas. . siendo ti el tiempo en que se produce el i-ésimo fallo.15] O³ t 0 0 O O De aquí que el parámetro O de la densidad exponencial de fallos y el MTTF del elemento estén relacionados por la ecuación [19. r.

000 horas.650. Dado que toda unidad fallida es sustituida en el momento en que falla.17] T De las ecuaciones [19. y 2r + 2 cuando la prueba se termina luego de un tiempo t* preestablecido. FIABILIDAD 425 En ese caso.820 horas respectiva- mente. Ejemplo 19.11].19] r Caso 2: Las unidades fallidas son sustituidas. 4 Ibid.19] r Tanto para el caso 1 como para el caso 2.6] y [19. El tiempo hasta el fallo de los cuatro primeros componentes fue de 1. 1 f(t) = O e Ot et /T [19. Q = nt* [19. La prueba se dio por terminada a las 3.900. 2.20] El estimador de máxima probabilidad puede obtenerse como en el caso 1 y también viene dado por Q T [19.810 y 2. siempre hay n unidades operando en todo momento. .18] i 1 T i r © T ¹ i 1 r 1ª º 1 log L r log T  « ¦ ti  (n  r )t *»  r log T  Q T ¬i 1 ¼ T Al minimizar el log L con respecto a ș resulta Q T [19.1 Se probó una muestra de diez componentes electrónicos. Las unidades que fallaron no fueron sustituidas y las otras seis unidades funcionaban adecuadamente al producirse el fin de la prueba. Epstein4 ha demostrado que el valor estadístico de k = 2r Tˆ / T tiene una distribución ji al cuadrado. r n r 1 § 1 · ( 1/ T ) r L – e ti / T – e  t */ T ¨ ¸ e ¦ ti e  ( n  r ) t */ T [19. Los grados de libertad son 2r* cuando la prueba se termina después de un número prede- terminado de fallos. 2.

820 + 18.045 horas r 4 Ejemplo 19. Q.180 Tˆ 7.000 1.180 horas El tiempo medio estimado para el fallo es Q 28.650  2.1 si las especificaciones para los mismos eran MTTF = 8. . viene dado por 4 Q ¦t i 1 i  (10  4)3.000 = 28.180 Estadística de la prueba k = 7.000 contra H1: ș < 8. Utilizando la ecuación [19.000 horas? Aquí la hipótesis que hay que probar es Ho: ș = 8.4.000 2rTˆ 2Q 2 u 28.900  2.045 T T 8. Zona de rechazo en nivel 5 por 100 para ji al cuadrado con 10° de libertad.000 Figura 19.2 ¿Pueden aceptarse los componentes del ejemplo 19.426 CONTROL DE CALIDAD Este es un ejemplo del caso 1.810 + 2.16] el tiempo total de prueba.

ya que la hipótesis alternativa es H1: ș < 8. 1. h'(t) = 0 y h(t) = Į. Como la estadística k queda fuera de la zona de rechazo (véase Fig. .25] indican el tipo de función de tasa de riesgo que puede esperarse para cualquier parámetro ȕ de forma. h'(t) y h(t) son siempre cero. Puede observarse que se ha usado una prueba de un solo lado. los grados de libertad son 2r + 2 = 2(4) + 2 = 10.24] R(t ) e DE Un paso más nos lleva a d [19.21] En la ecuación [19. DENSIDAD DE FALLOS DE WEIBULL La función de probabilidad de densidad de Weibull para fallos viene dada por E f (t ) DE t E 1e D t cuando t • 0 0 cuando t < 0 [19. FIABILIDAD 427 Como el test se termina en el tiempo preestablecido. Cuando ȕ = 0.22] De acuerdo con la ecuación [19.Į que es una densidad exponencial. en tanto que Į es el parámetro de escala. La densidad de fallos es f(t) = Įe . Para esta función de densidad.2] la función de fiabilidad es R (t ) 1  F (t ) eD t E tt0 [19. 19. Claro está que el parámetro de forma no puede ser cero para un sistema sujeto a fallos. 2.21] al parámetro ȕ se le llama parámetro de forma. la hipótesis Ho no resulta rechazada y se puede aceptar el lote.23] Según la ecuación [19. Cuando ȕ = 1.5] la función de riesgo es T 1 f (t ) DE t E 1eDE h(t ) T 1 DE t E 1 tt0 [19.4).25] h '(t ) h(t ) DE ( E  1)t E  2 tt0 dt Las ecuaciones [19. Esto es una tasa constante de riesgo.000.24] y [19. la función acumulativa es t E 1 D t E ³ DET e dT 0 F (t ) 1  eDT E tt0 [19.

Si todos los requisi- tos del proyecto han sido atendidos y el productor los sigue al pie de la letra. Cuando ha repetido esta operación hasta llegar a unos resulta- dos que le satisfacen. G. agosto de 1960. o quizá varios. carente de conocimientos sobre el proyecto. El construye un modelo. Paterson dice al respecto: A no ser por pura casualidad. ningún producto tendrá una fiabilidad mayor que la que le ha asignado el proyecto de ingeniería. G. LOGRO DE LA FIABILIDAD Hay cinco áreas fundamentales para lograr un producto fiable. Aunque la densidad de fallos de Weinbull puede representar una amplia variedad de casos. E. mantenimiento y trabajo de campo. medición y prueba. Los modelos de fiabilidad bajo las condiciones 2. Reproducido con autorización. revisa su proyecto para corregir sus deficiencias. 4. Cuando 0 < ȕ < 1. la producción. Ya se ha citado que el proyecto de ingeniería es la más importante de las cinco áreas fundamentales y que el mayor porcentaje da causas de no fiabilidad las provoca esta particular área. pueda reproducir su prototipo en cantidades y condiciones comerciales. es muy difícil diseñar procedimientos de aceptación basados en la densidad de fallos de Weinbull dadas las dificultades para obtener valores estimados para los parámetros. y a no ser que sea un genio o que tenga una suerte extraordinaria. . En la Figura 19. Paterson: «The Role of Quality Assurance in Product Reliability». 24. generalmente muy limitadas en cuanto a los requisitos reales para su puesta en servicio. respectivamente.1 puede verse que la fase de depuración se puede describir como un modelo DFR. h'(t) < 0. Todas estas limitaciones críticas me llevan a mirar con aprensión cualquier pronóstico relativo a fiabilidad que se presente como una promesa solemne5. líneas y cifras que sirvan para que otra persona. Esto supone que la tasa de riesgo decrece a medida que pasa el tiempo. 5 E. A su vez. Ni siquiera el ingeniero sabe el grado de fiabilidad que ha logrado hasta que el producto ha pasado por todas las fases de producción y subsiguiente y significativa utilización. que es el más crítico: trata de definir su proyecto mediante palabras. Son el proyecto de ingeniería. aunque para una exposición general es suficiente concentrarse en las cinco áreas citadas. h'(t) > 0. pág. si tiene esa suerte.428 CONTROL DE CALIDAD 3. todas ellas podrían clasificarse en distintas subá- reas. D. inicia el paso siguiente. modelo de tasa decreciente de fallos (DFR) y modelo de tasa creciente de fallos (IFR). 3 y 4 se describen como modelo de tasa constante de fallos (CFR). Industrial Quality Control. D. la fase de fallos debidos al azar como un modelo CFR y la fase de desgaste como un modelo IFR. Somete el modelo a pruebas. Cuando ȕ > 1. Ésto implica que la tasa de riesgo aumenta a medida que pasa el tiempo. el resultado final será un producto cuya fiabilidad estaba en gran parte prevista por los resultados obtenidos en una muestra muy pequeña de un modelo sometido a pruebas limitadas.

05. progra- mas. las normas de fiabilidad de los componentes dependen entre sí y todas ellas dependen. unos puntos que describen la fiabilidad que se precisa. enero-febrero. Puede que se haya asignado un presupuesto muy alto para conseguir un producto final de gran fiabilidad. Este método supone lo mismo que usar un nivel de significancia de 0. hay que establecer unas marcas.000 horas cuando otro del que aquél depende.0001 cuando se considera suficiente otro de 0. hay que establecer unas normas de fiabilidad. La tasa de error es directamente proporcional a la complejidad. A ser posible. . Nada más lejos de la realidad. pero la distribución de dicho presupuesto en partes no se realizará por igual sino atendiendo a razones económicas. un objetivo del análisis técnico. 1959. desde el punto de vista económico. Un aumento de la fiabilidad es una consecuencia natural de la simplificación del equipo. Journal of Industrial Engineering. logística) para establecer su contribución al valor total del equipo. FIABILIDAD 429 Pese a lo dicho hay varios métodos corrientes que se utilizan para lograr un proyecto de ingeniería fiable. etc. que originalmente se consideró necesario. posiblemente no pueda durar más de 10 horas. Las nuevas técnicas de Ingeniería de valores son compatibles con la fiabilidad. Cuanto mayor sea el número de componentes mayores serán las posibilidades de fallos. ya que es una indicación de que la ingeniería de valores y la fiabilidad marchan unidas6. etc. de los requisi- tos de fiabilidad exigidos al producto final. Un componente relativamente poco importante tendrá que sacrificar parte del dinero que le ha sido asignado en beneficio de otro compo- nente de mayor importancia. Es verdad en la propia vida. La descarga (la previsión de un amplio margen de seguridad) se usa también como método de lograr fiabilidad en el proyecto de ingeniería. instalación. Antes de realizar tal proyecto para lograr fiabili- dad. esto es. Cada característica se evalúa con objeto de llevar la fiabilidad a su nivel óptimo y se revisa para determinar si se pueden realizar modificaciones que reduzcan sustancialmente el costo de obtener el grado de operatividad. Los componentes deben proyectarse teniendo en cuenta los posibles fallos. el nivel de fiabilidad. los fallos deben ser no catastróficos y no causar daños al personal 6 Richard M.000 psi podría prescribirse cuando sólo se necesitan 100. en cierto sentido. Y tiene sentido. pág. operación. Siempre ha habido que realizar concesiones entre fiabilidad y objetivos económicos y la situación permanece siendo la misma.000 psi. 54. Por ejemplo. La Ingeniería de valores es el análisis de la función en comparación con el costo e incluye el estudio de las funciones operativas (adquisiciones. mantenimiento. un material con una resistencia a la tensión de 150. No tiene sentido. Se ha dicho que los objetivos económicos no tienen lugar en un problema de fiabilidad.. proyectar un componente que dure 1. Esto es cierto también para operaciones. Jacobs: «The Compatibility of Value Engineering Analysis and Reliability». Así que. a su vez. PROYECTOS DE INGENIERÍA PARA LOGRAR FIABILIDAD El proyecto debe ser tan sencillo como sea posible.

Como ejemplo sencillo de mejoras en la fiabilidad por previsión de unidades redundantes pensemos en una unidad fiable en un 90 por 100. Con frecuencia. Por ejemplo.5 presenta un modelo general de mutuas concesiones entre fiabilidad y disminución del costo. la fiabilidad del sistema constituido por las dos unidades esnde 0. pero ¿cómo de alto? Tiene que haber algún punto de probabilidad en el que se debe .430 CONTROL DE CALIDAD de operaciones. Por tanto. Por ejemplo. Como hemos mencionado con anterioridad los deseos de un alto grado de fiabilidad en cada una de las características antes mencionadas tendrán que tener en cuenta el costo de obtener la fiabilidad deseada. Puede ser que el añadir un nuevo componente suponga añadir demasiado peso. Usando el teorema de la multiplicación. se cambia la disminución en peso por la menor fiabilidad. más tiempo permanecerá en servicio un elemento de fiabilidad conocida. sería posible aislar al piloto de casi todas las condiciones extremas de temperatura. Los motores eléctricos de los aparatos eléctricos del hogar más comunes van montados sobre caucho para protegerlos de las vibraciones. Así. Cuanto más fácil y más rápido sea el mantenimiento. Cualquier elemento debe poder soportar dificultades ambientales a las que se verá sometido durante su vida en servicio. Otro ejemplo de mutuas cesiones sería el cambio de duración de vida útil entre servicios por una mayor frecuencia de servicio y mantenimiento. si no dispone de algún tipo de protección. donde el piloto no sufre daños.99 (la fiabilidad del sistema es aproxi- madamente igual a 1 — (1 — Ri) suponiendo que los Ri son independientes entre sí). Consiste en la prepara- ción de componentes o montajes paralelos que pueden utilizarse en el caso de que se produzca un fallo en el elemento primario. el encen- dido de un avión es un ejemplo de mecanismo libre de riesgo en sus fallos. Generadores auxiliares de corriente eléctrica son buenos ejemplos de elementos redundantes. Así mismo resulta evidente que cualquier elemento que es fácil de mantener recibirá mejor mantenimiento y servicio. El mantenimiento y el servicio son dos puntos importantes a tener en cuenta a la hora de realizar el proyecto de ingeniería de fiabilidad. O puede ser que haya que renunciar a un grado de comodidad deseado para lograr una mayor libertad de movimientos del operario. Un elemento protegido de condiciones ambientales extremas ganará en fiabilidad. el costo de daños físicos al personal de operaciones es muy alto. La Figura 19. apoyada por otra unidad de la misma fiabilidad. La redundancia es otra forma de lograr fiabilidad. Los distintos elementos deberán proyectarse sin perder de vista estas características. los pilotos de aviones supersónicos están protegidos de los excesos de calor y de presión. El costo total puede ser el criterio a aplicar a cualquier caso. no podrá soportar tales condiciones extremas. Los componentes tendrían una duración menor y habría que cambiarlos con mayor frecuencia. Puede que resulte difícil cuantificar un costo concreto. Sólo se ponen en servicio cuando falla el sistema principal. Un fallo en el encendido se produce en tierra. La facilidad de mantenimiento y servicio contribuyen a aumentar la fiabilidad en el terreno. pero debería vestir un equipo tan pesado y voluminoso que no podría manipular adecuadamente los controles de su aeronave. En cualquier situación distinta de la de combate.

Si fuera posible obtener los mismos beneficios en seguridad con iguales inversiones en fiabilidad no habría tema de discusión.50. En 0 10 20 30 40 50 60 70 80 90 100 Fiabilidad (porcentaje) Figura 19. la inversión en fiabilidad aumenta exponencialmente. El disponer de un componente redundante al mismo costo mejora la fiabilidad hasta situarla en 0. lo que quiere decir que obtener fiabilidad es cada vez más caro.1 Un componente de 20 dólares de un sistema tiene una fiabilidad de 0.75. Por ejemplo. Este ejemplo de redundancia puede utilizarse también para ilustrar el hecho de que puede ser económicamente más factible fabricar dos unidades que tratar de hacer una casi perfecta.875. los beneficios aún serían menores. Modelo básico para determinar la fiabilidad óptima siendo el costo total el factor determinante. un quinto en 0. dado un misil interceptor con una capacidad de dar en el blanco de 0. Al mismo tiempo. un cuarto la sitúa en 0.5.9575 y un sexto en aproximadamente 0. se puede concluir que la capacidad de dar en el blanco de una combinación de dos de esos misiles es de 0. si el incremento en peso se añadiera como nuevo costo (como debería hacerse). La Figura 19. FIABILIDAD 431 decidir no pagar más para lograr una ligera mejora en la fiabilidad. . Sin embargo. Resulta evidente que hay unos beneficios decrecientes en fiabilidad con la inversión en redundancia.98. Ejemplo 4. con otro se llega a 0.6 representa tal relación de forma gráfica.9375.50.75.

A esta postura se la puede llamar «tiempo de fallo planificado». Al independizarse la fase de fiabilidad de la garantía de calidad como un todo independiente funcio- nal y a veces organizativo. de vida ambiental y de fiabilidad. Se piensa que el consumidor no exige elementos de larga duración. al . Gráfico de beneficios en fiabilidad por inversiones en redundancia. tales pruebas pasaron a ser consideradas como herramientas de medición del técnico en fiabilidad. Antes de que la fiabilidad se considerara como una fase independiente de la garantía de calidad. Sin embargo puede resultar muy cara esta postura si el costo de servicio se tiene en cuenta.6. Figura 19. Ocurrió también que. MEDIDA Y PRUEBAS DE FIABILIDAD Las herramientas fundamentales para medir la fiabilidad son las pruebas funcionales. las anterio- res pruebas se consideraban sólo como algunas de las herramientas de medi- ción de que disponían los ingenieros de control de calidad.432 CONTROL DE CALIDAD ciertos casos puede tener mayor sentido mejorar la fiabilidad de este modo. Prefieren fabricar una mayor cantidad de componentes y reemplazarlos gratis a fabricar componentes garantizados contra averías durante un largo período de tiempo. Esto es lo que hacen la gran mayoría de artículos de consumo.

20402. el 29 de abril de 1960. noviem- bre de 1960: «Are Statistical Life-Testing Procedures Robust?». se dedicó cada vez más trabajo al desarrollo de planes de fiabilidad. Los planes de muestreo de aceptación en que las especificaciones se basan en la vida media o MTTF (prueba de vida) o en fiabilidad (prueba de vida bajo condiciones ambientales estipuladas) pueden proyectarse del mismo modo que los planes de muestreo para la aceptación de productos. El lote de productos puede estar formado por una o más unidades de un producto. Vale la pena no olvidar que tales planes no es probable que rindan resultados satisfactorios cuando la densidad de fallos no es exponencial7. Si se combinan los tres tipos de pruebas el resultado será una prueba de fiabilidad. vibración o alguna otra. primero. Washington. Si tenemos presente la definición de fiabilidad. El lote es aceptado o 7 Véase el Resumen del Informe Técnico del Departamento Nacional de Estándares. La mayoría de tales planes se basan en la asunción de una densidad exponencial de fallos (riesgo constante). febrero de 1961. 1. los documentos realizados por el Ministerio de Defensa de los Estados Unidos suponen una excelente fuente para obtener planes para su uso inmediato. 3. MIL-STD-690B. Los planes de aceptación de los tres son muy parecidos. 30 de septiembre de 1961. . que puede adquirirse en el mismo proveedor. Las pruebas funcionales incluyen una para determinar si el producto funcionará en el tiempo cero. Hay tres documentos fundamentales que pueden utilizarse en ese sentido. Existe otro manual útil como fuente de planes de prueba de vida basado en la distribución de Weinbull. de vida ambiental y de pruebas de duración de vida del producto. titulado Quality Control and Technical Repon «Sampling Procedures and Tables for Life and Reliability Testing Based on the Weibull Distribution». ambientales y de vida. como temperatura. Vamos a describir. el uso del manual H108 y a ilustrar luego el uso de los otros estánda- res por medio de ejemplo. Industrial Quality Control. resulta evidente que las pruebas de fiabilidad son solamente una extensión de las pruebas funcionales. USO DEL MANUAL H108 8 Esta manual está proyectado para determinar la aceptabilidad de lotes de productos con respecto a su duración y fiabilidad. D. Manual H108. 2. MIL-STD-718C. Una prueba de carácter ambiental es una prueba funcional con la condición añadida de algún problema o dificultad de carácter ambiental. 8 El Manual H108 está publicado por el despacho del Viceministro de Defensa (Abasteci- mientos y Logística). Una prueba de vida sirve para establecer la vida media de un producto. FIABILIDAD 433 prestarse cada vez mayor atención a la fiabilidad. Lo distribuye y vende el Servicio Nacional de Información Técnica. presión.C. Lo mismo que en el caso del muestreo de aceptación lote por lote.

Los valores de Figura 19. pero pueden aplicarse también a los procedimientos de aceptación de la parte I de la sección C y de la sección D. La parte III contiene planes de prueba de vida basados en la proporción del lote que falle antes del tiempo especificado. siendo el último de estos términos la relación entre el tiempo de la prueba y la vida media aceptable. La sección A incluye procedi- mientos y descripciones de planes de muestreo de prueba de vida que figuran en el manual. parte I.7. (Tabla 2A-2 del Manual H108. (Las curvas de planes secuenciales terminados en un tiempo preestable- cido son básicamente equivalentes.) Reproducido del H108: «Procedimientos de muestreo y tablas de prueba de vida y Habilidad». Se calcularon para los planes de mues- treo de prueba de vida de la sección B. Los procedimientos de aceptación de la parte I de las secciones B y C se ocupan de la prueba de vida con sustitución y sin sustitución de las unidades que hayan fallado. La parte II contiene métodos y tablas para calcular la duración esperada de las pruebas de vida y los costos unidos a la selección de distintos tamaños de muestreo. Las curvas características operativas (OC) de los planes de muestreo para pruebas de vida figuran en el manual. La parte I incluye procedimientos de aceptación.434 CONTROL DE CALIDAD rechazado según los resultados de una prueba de vida realizada sobre una muestra de n unidades representativas seleccionadas al azar de entre las que componen el lote. La sección C incluye planes de muestreo cuando las pruebas de vida se terminan en un tiempo preestablecido. La sección B describe procedimientos y aplicaciones de planes de muestreo cuando las pruebas de vida se terminan por haberse producido un número preestablecido de fallos. Curvas características operativas de pruebas de vida terminadas al producirse un número preestablecido de fallos.) . La parte III incluye planes de prueba de vida para ciertos valores especificados de Į. La sección B está dividida en tres partes. y T/ș0. La sección D sólo consta de una parte sobre pruebas secuenciales de vida. El Manual H108 consta de cuatro secciones. La sección D incluye planes de muestreo secuenciales de pruebas de vida.7. ȕ y ș1/șO. Un ejemplo de estas curvas OC se muestra en la Figura 19.

Había sólo cuatro unidades en la prueba y ninguna fue sustituida.16] deducimos.06. FIABILIDAD 435 riesgos que aparecen en las curvas sólo se aplican si la distribución de referen- cia se aproxima a la exponencial. Son: A 18.5. Tabla maestra para pruebas de vida terminadas al producirse un número preestablecido de fallos.3. ȕ.4.342. A 18. el código es B-4. El uso de estas tablas se ilustra por medio de los ejemplos 19. 250.n Tˆ « ¦ ti  (n  r )t *» [175  250  300  r ¬i 1 ¼ 4 1. En el momento en que se produjera el cuarto fallo la prueba se daría por terminada. una vida media aceptable de 1. calculada por medio de la ecuación [19. parte I.4 Establecer un plan de pruebas que tenga un riesgo para el productor Į = 0.150  425  0(425)] 287. 1ª r º 1 T r . A18. supongamos que se produce un fallo en los tiempos 175. pero influye en el cálculo de la vida media estimada. A 18. r = 4.2. Pruebas de vida para un número preestablecido de fallos basadas en Į.19] y [19. y ș1/ș0 (sin sustituciones).8. C parte I y 2D. A18.11.19] es mayor de 342 horas el lote se consideraría aceptable. ȕ y ș1/ș0. Pruebas de vida para tiempo preestablecido basadas en Į.6. A18.2.9. El procedimiento de prueba consistiría en iniciar la prueba con un cierto número de unidades n • 4.000 horas y que se dé por terminado al producirse el cuarto fallo. De aquí que c = 342. Tabla maestra de pruebas secuenciales de vida. A 18. Tabla maestra para pruebas de vida terminadas en un tiempo preestablecido (con sustituciones). Planes de muestreo de aceptación por prueba de vida basadas en Į.1.4 a 19. Tabla maestra para pruebas de vida terminadas en un tiempo preestablecido (sin sustituciones). ȕ. Algunas de las tablas más representativas del manual se reproducen en el apéndice como Tablas A 18.x. Para ilustrar lo expuesto. Para este plan de prueba. Hay que considerar dos situaciones posibles: 1. ȕ y p1/p0 (sin sustituciones). Índice de planes de prueba de vida de la sección 2B.05 del productor y r — 4. A18.5 4 . Pruebas de vida para tiempo preestablecido basadas en Į. De las ecuaciones [19. Los tiempos de los fallos se anotarían de forma secuencial. En la Tabla A 18. para un riesgo de 0. c/ș0 = 0. ș1/ș0 (con sustituciones). 342 horas. A 18. Aquí. El tamaño de la muestra no afecta al nivel crítico. 300 y 425 horas. Ejemplo 19. Si la vida media estimada.7. Las pruebas ji al cuadrado se pueden usar para vigilar las pruebas de vida y verificar la validez de la asunción expo- nencial.

1ª r º 1 T r .2).n Tˆ « ¦ ti  (n  r )t *» [175  250  300  r ¬i 1 ¼ 4 3. Comparación de resultados de las pruebas Caso 1 Caso 2 Periodo Horas de Horas de Horas Unidades Unidades de tiempo unidades unidades 0-175 175 4 700 10 1.700 Cuando las pruebas se llevan a cabo sin sustituir las unidades que han fallado. 2. Está claro que una muestra de mayor tamaño permitirá una decisión más rápida. Había diez unidades al principio de la prueba y las unidades que fallaban no se iban sustituyendo.436 CONTROL DE CALIDAD El lote no supera la prueba.26] © n n 1 n  r 1¹ Donde c l = costo de espera por unidad de tiempo c 2 = costo de someter a prueba una unidad de producto ș 0 = vida media aceptable r = número de terminación n = tamaño de la muestra.  ¸  c2 n [19.750 175-250 75 3 225 9 675 250-300 50 2 100 8 400 300-425 125 1 125 7 875 Total 425 1. . La razón por la que unos mismos resultados de la prueba conducen a conclusiones aparentemente opuestas puede explicarse atendiendo al total de horas de operación por unidad (Tabla 19.700  425  6(425)] 925 4 El lote supera la prueba.2. pero su costo será mayor puesto que habrá que incluir en la prueba más unidades del producto.. TABLA 19. La parte II de la sección B del manual incluye métodos para considerar tiempos previstos de espera y costos de las pruebas en el momento de seleccio- nar el tamaño n de la muestra.. el costo total esperado de cualquiera de los planes de pruebas de vida de la sección de referencia viene dado por §1 1 1 · Costo total c1T 0 ¨   .150 3.

26]. determinemos el tamaño óptimo de la muestra si no se sustituyen las unidades que fallan. el resultado es 10.27] n El valor de n que minimiza el costo total es el tamaño óptimo de la muestra.646 14 1. Generalmente. Usando la ecuación [19.531* 16 931 1.500 2.929 11 2. los costos de los distintos valores de n vienen dados en la Tabla 19.035 1. .3. Si las pruebas son sin sustitución. calculado a partir de la ecuación [19. Usando la fórmula de costo total. ȕ y ș1/ș0.700 Usando los datos del ejemplo. el n óptimo.000)(10) 1  10. y c2 = 100 dólares por unidad de producto sometida a prueba.300 2.547 17 847 1.400 2.568 15 1. FIABILIDAD 437 El valor de n que minimiza el costo total.603 1. En el manual figuran tablas para facilitar los cálculos.26] es el tamaño óptimo de la muestra. Ejemplo 19.600 2.803 13 1.100 3. es el número entero más próximo a TABLA 19. r costo total = c1T 0  c2 (n  r  1) [19. Presentamos a continuación un ejemplo tomado directamente de H108.120 12 1. Se incluyen tablas y fórmulas.168 1. Resumen de costos Costo esperado Costo de n Costo total debido a la espera unidades probadas 10 2.346 1.020 1.029 1.3. 25 100 4 La parte III de la sección 2B de H108 es una ampliación de la parte II para cuando se deseen valores específicos de Į.200 2. ș0 = 1.5 Consideremos el caso en que r = 10.000 horas. al hacer pruebas sin sustitución. el número entero más próximo a 1(1. ci = 1 dólar por hora.000 3.

7 se han reproducido del Manual H108 para ilustrar los procedimientos para hallar planes de muestreo partiendo de esta parte del manual. Obtenemos el plan que exponemos en la Tabla A18.50 y ȕ = 0. Con objeto de complementar los valores tabulados pueden usarse las si- guientes fórmulas para valores de ș1/ șO mayores de 2/3: 2 ª K E  (T 0 / T1 ) KD º r « » [18.645 y 1.645 · C 1. Ejemplo 19.282  (1. n es mayor que 448. si la vida media ș1 = 300 horas la probabilidad máxima de que sea aceptado es de 0. Si la vida media estimada 08.95 de probabilidad de aceptar lotes con una calidad de vida media de 1.6 Establecer un plan de pruebas que presente las siguientes características: Si la vida media ș0 = 900 horas.95.498 x 900 = 448.05.05 șO = 1.3. supongamos que se desea hallar un plan de mues- treo que tenga un 0. ȕ = 0. Į = 0. tanto para las pruebas con sustitución como sin ella. La prueba se daría por concluida al producirse el octavo fallo.645) r 3 110 4 1 3 § 1. De aquí se obtiene que c = 0. Las Tablas A18.10 son 1.2 el lote se considerará aceptable.10 y ș1/ șO = 1/3.498. Por ejemplo. el lote será aceptado con una probabilidad de al menos 0. respectivamente.000 ¨1  ¸ 987 horas © 110 ¹ La parte I de la sección 2C del Manual H108 contiene tablas y procedimien- tos para determinar la aceptabilidad del lote cuando la prueba se da por terminada en un tiempo preestablecido.4 a A18.29] © r¹ KĮ y Kȕ pueden determinarse mediante las tablas de la distribución normal acumulativa.28] ¬ (T 0 / T1 )  1 ¼ § K · C T0 ¨1  V ¸ [19. y un 0.282.000 horas r=4 .10 de probabilidad de aceptar lotes con una calidad de vida media de 750 horas. El procedimiento de prueba sería iniciar la prueba con un cierto número de unidades.4.438 CONTROL DE CALIDAD Ejemplo 19. r = 8 y c/ ș0 = 0. n • 8.7 Establecer un plan de prueba de tiempo preestablecido con los datos del ejemplo 19. La solución es: 4 1.10. En este caso Į = 0.000 horas.2. Los valores de desviación normal (K) para Į = 0.

Las unidades que fallen no se sustituyen. para pruebas sin sustitución. ș0 = 500. Si a las 50 horas no se ha producido el decimonoveno fallo. La prueba termina después de sesenta y ocho horas (o antes si el cuarto fallo se produce con anterioridad). Los planes de muestreo de esta parte del manual se puede usar cuando se ha especificado ya la proporción del lote que fallará antes del tiempo especificado. y b) con sustitución. ya la tasa de fallos durante el período de tiempo. y el factor D. Ejemplo 19.068. En este caso la prueba se puede terminar antes de las 74 horas. Esto es.4. La Tabla A 18.8. ȕ = 0. El procedimiento de prueba consistiría en iniciar la prueba con 124 unidades. si el cuarto fallo se produce antes de ese tiempo. p = GT.5 nos da el código B-4 y T/ș0 = 0. debe recordar- se que la especificación no se formula con relación a la vida media aceptable. ș1/șO y T/ș0. ș1 = 250. n = 20. El tamaño de muestra del plan de pruebas es n = 124 y r = 19.4). ș0 = 1. El procedimiento de prueba sería iniciar la prueba con 134 unidades. Ejemplo 19. y ș1/șo = 250/500 = 1/2. el valor T/șo es 0. El procedimiento de prueba se iniciaría con 20 unidades. Si se toma el tamaño de la muestra en 5r = 20.6 nos da un tamaño de muestra n = 134 y un número de terminación r = 19. ȕ= 0. T = 50 Aquí T/ș0 = 50/500 = 1/10. a) El plan de pruebas obtenido de la sección Į = 0. de tamaño de la muestra para distintos valores de Į.05. El procedimiento para la prueba será iniciarla con 20 unidades.05.05. Si a las sesenta y ocho horas de prueba aún no se ha producido el cuarto fallo. Į = 0. La parte III de la sección 2C del Manual H108 incluye tablas y procedi- mientos basados en tasas de fallos. Si el decimonoveno fallo no se ha producido en 50 horas. se sustituyen por otras buenas. ȕ y p1/p0. A medida que vayan fallando las unidades. La parte II de la sección 2C contiene planes de muestreo para valores especificados de Į. b) Para un plan de pruebas con sustitución se usa la Tabla A 18. r = 4. el lote se considera aceptable. Si después del tiempo T = ș0(T/ ș0) = 74 horas. ȕ. dónde p es la proporción de fallos en el lote antes del tiempo especificado T y G es la tasa de fallos durante el período de tiempo T.7. el lote se considera aceptable.000 horas.4 el código es B-4 (igual que en el ejemplo 19. sino con relación a la proporción del lote que puede fallar antes de un tiempo especificado. el número de fallor es menor de 4.074. el lote es aceptable. FIABILIDAD 439 Según la Tabla A 18. A medida que van fallando unidades se sustituyen por otras buenas.9 Establecer un plan de pruebas para un tiempo preestablecido para los parámetros siguientes: a) sin sustitución.8 da valores del número de terminación. r. el lote se considera aceptable. Establecer un plan de prueba de tiempo preestablecido con los datos del ejemplo 19. la Tabla A 18. ș = 0. Por ejemplo. Una vez más.10 de la Tabla A 18. el usuario de un elemento puede exigir una vida .10. En este caso. De nuevo.

440 CONTROL DE CALIDAD

media aceptable de 1.000 horas y, al mismo tiempo, especificar que no puede
fallar más del 2 por 100 antes de 400 horas.

Ejemplo 19.10

Determinar un plan de pruebas de tiempo preestablecido que acepte al menos el 95
por 100 de los lotes en los que fallen un 2 por 100 o menos de las unidades antes de 400
horas, y rechace al menos el 90 por 100 de los lotes en que falle el 8 por 100 o más de
las unidades antes de 400 horas.
La Tabla A18.8 nos da el plan de pruebas sin sustitución. Aquí, p1 /p0 nos da el plan
de pruebas sin sustitución. Aquí, p1/p0 = 0,08/0,02 = 4; Į = 0,05 y ȕ = 0,10. El plan
de pruebas según la Tabla A18.8 es r = 6 y D = 2,61. De aquí que el tamaño de la
muestra n = D/p0 = 131 (redondeado al inmediato superior). El procedimiento de
prueba sería iniciar la prueba con 131 unidades. La prueba se desarrolla durante 400
horas. Si el sexto fallo no se ha producido dentro de las 400 horas, el lote es aceptable.

PROCEDIMIENTOS DE ACEPTACIÓN SECUENCIAL
BASADA EN MTTF

Al igual que en el caso de los procedimientos de aceptación expuestos en el
Capítulo 12, se pueden crear procedimientos secuenciales para pruebas de vida.
El desarrollo de los mismos es similar al expuesto en dicho capítulo.
La hipótesis aquí sometida a prueba es

H o : ș = un valor satisfactorio de ș

contra

H 1 : ș 1 = un valor insatisfactorio de ș 1

Si en el momento t el tiempo total de prueba es Q, como viene dado por la
ecuación [19.16] para una prueba sin sustitución y por la ecuación [19.20] para
una prueba con sustitución, y I es el caso en que han ocurrido r fallos, entonces
r
§1·
Pr(I | H 0 ) ¨ ¸ e T / T0
© T0 ¹
r
§1·
Pr(I | H1 ) ¨ ¸ e T / T1
© T1 ¹

De aquí que la relación de probabilidad sea.
Pr(I | H 0 ) § T1 · ª § 1 1 ·º
R = ¨ ¸ exp « Q ¨  ¸ » [19.30]
Pr(I | H1 ) © T0 ¹ ¬« © T 0 T1 ¹ ¼»

El lote se considerará aceptable cuando R sea mayor que (1 — Į)/ȕ y será
rechazado cuando R sea menor que Į/(l — ȕ). Para valores de R situados entre

FIABILIDAD 441

esos límites la prueba continúa. MIL-STD-781C prevé el truncamiento explíci-
to de la prueba al especificar un número máximo de fallos r* y una duración
máxima t*. En la práctica las pruebas se llevan a cabo marcando el número r
de fallos contra el tiempo total relativo de la prueba qQ/ș1.
Tanto el criterio de aceptación como el de rechazo se transforman en líneas
rectas.
Q
Línea de rechazo: r=s  h2
T1
[19.31]
Q
Línea de aceptación: r = s  h1
T1
Las fórmulas necesarias para hallar los parámetros son las siguientes:

b
h1
g1
a
h2
g1 [19.32]
g2
s ˜ T1
g1

donde
T0
g log
T1
1 1
g2 
T1 T 0
1 E