LA ESTADÍSTICA Y LA CALIDAD

La estadística es un área de las matemáticas que permite la toma de decisiones

con base a la recopilación y análisis de datos. Al hablar de calidad y su control es
indispensable hablar de estadística, pues es la base con la cual se puede
comprender cómo varían los resultados obtenidos en un proceso y se pueden
tomar decisiones que lleven a controlar los parámetros que afectan la calidad, es
decir, la calidad exige resolver los problemas con base en información objetiva
sobre el problema. Sin embargo, en la práctica la información utilizada para la
toma de decisiones no es de calidad y presenta deficiencias como las siguientes:

 Obtener datos sin ningún propósito claro e importante

 Obtener información para justificar decisiones ya tomadas
 Falta de un plan global sobre la obtención, análisis y aplicación de la
información obtenida
 Desconocimiento de la estadística

El primer paso en la estadística es definir el objetivo, es decir, el problema a

resolver o el para qué se va a recopilar y a analizar la información; también es
importante tener establecidos el tiempo y los recursos que se van a destinar a la
solución de dicho problema.

La estadística en la calidad se utiliza para mejorar los procesos, entendiéndose

como proceso el conjunto de actividades interrelacionadas que reciben insumos y
los transforman en productos. Es importante evaluar la calidad (grado con el que
cumple dicho producto los requerimientos del cliente) y para ello debe
considerarse la variabilidad inherente a todo proceso pues en este interactúan
Materiales, Máquinas, Mano y mente de obra, Mediciones, Medio ambiente y
Métodos (elementos llamados las 6M). El resultado de todo el proceso es debido a
la acción conjunta de estos seis elementos, así que para mejorar el proceso de
deben modificar estos.

La variabilidad de cada elemento es cambiante también con el tiempo; por

ejemplo, los materiales no son todos idénticos pues sus propiedades y
características son diferentes entre sí, incluso dentro de un mismo lote. Las
máquinas van sufriendo deterioro debido a su uso. No todos los operadores tienen
las mismas habilidades y estas se van modificando con el paso del tiempo. Las
mediciones realizadas presentan también variabilidad por más cuidado que se
ponga en las mismas. El medio ambiente no es constante y los cambios de
temperatura o humedad, por ejemplo, afectan al proceso. Finalmente, los métodos
también van sufriendo cambios.
La búsqueda de la reducción de dicha variabilidad dentro de una empresa conlleva
una reducción de costos. Las técnicas estadísticas son indispensables para
ayudar a tomar decisiones que permitan mejorar la calidad en los procesos.
Algunos ejemplos de la utilidad de la estadística en la calidad son:

 Identificar dónde, cuándo, cómo y con qué frecuencia se presentan los

problemas
 Analizar los datos de las guías claves del negocio para identificar las
fuentes de variabilidad, analizar su estabilidad y pronosticar su desempeño
 Detectar con rapidez, oportunidad y a bajo costo anormalidades en los
procesos y sistemas de medición
 Objetividad en la planeación y toma de decisiones
 Expresar los hechos en forma de datos y evaluar de manera objetiva el
impacto de acciones de mejora
 Enfocarse en los hechos vitales
 Analizar de manera lógica, sistemática y ordenada la búsqueda de mejoras

El pensamiento estadístico es una filosofía de aprendizaje y acción que

relaciona la forma en que se obtiene información del proceso (aprendizaje) y como
se responde a dicha información (acción) y basada en los siguientes principios:

 Todo el trabajo ocurre en un sistema de procesos interconectados

 La variación existe en todos los procesos
 Entender y reducir la variación son claves para el éxito

Una vez que se ha comprendido la importancia de la estadística en la calidad, es

necesario clasificar los diferentes tipos de variables, ya que estas nos indican que
información se busca obtener del proceso para poder controlarlo. Existen
deferentes maneras de clasificar las variables: Variables cualitativas: también
llamadas nominales o de atributo, se utilizan para referirse a características no
numéricas; por ejemplo, el tipo de producto, nombres de los clientes, … y
variables cuantitativas: se refieren a características que pueden registrarse
numéricamente; por ejemplo, peso de un lote, número de clientes atendidos,
número de productos defectuosos, …Estas pueden dividirse a su vez en variables
discretas: son aquellas que solo pueden tomar ciertos valores entre los cuales
habrá otros valores que no se pueden tomar; por ejemplo, número de clientes
atendidos, número de artículos defectuosos por lote, número de quejas, número
de servicios de mantenimiento, … o variables continuas: estas puede tomar
cualquier valor dentro de un intervalo específico, se requiere de instrumentos de
precisión para medirlas; por ejemplo, peso, volumen, longitud, resistencia,
temperatura, humedad, tiempo, …
Otra forma de clasificar las variables es conforme a su relación con el proceso:
variables de salida: son las variables en las que se refleja el resultado del
proceso, se denotan mediante la letra “Y”, sirven para evaluar la eficacia del
proceso, son características de la calidad del producto, normalmente tienen
especificaciones o tolerancias. Existen tres tipos de especificaciones: entre más
pequeña, mejor, variables de calidad donde se requiere que no se exceda un
valor máximo, por ejemplo, el porcentaje de impurezas en una sustancia; entre
más grande, mejor, variables de calidad donde se busca que sean mayores a un
valor mínimo, por ejemplo, la resistencia de una pieza de plástico, y valor nominal
es mejor, variables de calidad que deben tener un valor específico dentro de un
intervalo definido por un valor máximo y un valor mínimo, por ejemplo, el diámetro
interior de una tuerca. Variables de entrada: por lo general, definen las
condiciones de operación del proceso, se denotan mediante la letra “X”, algunos
ejemplos son: temperatura, velocidad, presión, …

Las medidas de tendencia central son medidas estadísticas que buscan resumir
en un solo valor a un conjunto de valores y representan un centro en torno al cual
se ubica dicho conjunto.

Las medidas de tendencia central más utilizadas son:

 Promedio aritmético o media aritmética: es igual a la suma de todos los

datos dividida entre el número de datos. Matemáticamente se representa
como:

 Mediana: es el valor que divide a la mitad el conjunto de datos cuando

estos son ordenados de menor a mayor. Es el valor que se encuentra a la
mitad, si el número de datos es impar, o es el promedio aritmético de los
dos datos que se encuentran a la mitad, si el número de datos es impar.
 Moda: es igual al dato que se repite con mayor frecuencia en un conjunto
de datos. Un conjunto de datos puede tener más de una moda.

Las medidas de tendencia central no son suficientes para tomar buenas

decisiones o para describir adecuadamente un conjunto de datos. Si en el
grupo de datos existen valores bastante distintos del resto, la media no
representa correctamente el comportamiento de los datos. Por otro lado, se
puede dar el caso de dos conjuntos de datos con valores de media y de
mediana muy parecidos, lo cual no permite poder elegir correctamente entre
los dos conjuntos.

Otra herramienta con la que se cuenta para el análisis de datos son las
medidas de dispersión o variabilidad. Estas medidas son útiles para saber
 qué tan dispersas o esparcidos están los datos con respecto a la tendencia
central.

 Desviación estándar: mide la dispersión de los datos en torno a la

media y entre mayor sea su valor, mayor será la variabilidad entre los
datos y, por tanto, la calidad será más baja. Matemáticamente se define
como:

 Varianza: Está dada por S2

 Rango: es igual a la diferencia entre el dato mayor y el dato menor del
conjunto de datos. Mide la amplitud de la variación de dicho conjunto.

La relación entre la media y la desviación estándar está dada por la

desigualdad de Chebyshev, la cual afirma que al menos el 75% de los
datos se encuentran dentro del intervalo definido en el límite inferior por la
diferencia de la media menos el doble de la desviación ( y la suma
de la media más el doble de la desviación ( y que al menos el 89%
de los datos se encuentran en el intervalo definido por ( .
Por otro lado, la regla empírica también relaciona estos dos conceptos de la
siguiente manera: entre ( y( se encuentra el 68% de los datos
del conjunto, entre ( y( se encuentra el 95% de los datos del
conjunto y entre ( y( está el 99% de los datos del conjunto.

Los límites reales del proceso están dados por:

 Límite real inferior (LRI) = la media del proceso menos tres veces la
desviación estándar del proceso
 Límite real superior (LRS) = la media del proceso más tres veces la
desviación estándar del proceso

Debido a que los procesos presentan variaciones en sus variables de salida y no

se cumplen las especificaciones requeridas para considerar que el proceso
funciona correctamente y se están obteniendo productos de calidad, es necesario
medir y evaluar que tan bien está funcionando el proceso. Los índices de
capacidad del proceso son mediciones especializadas desarrolladas
precisamente para ello.

El índice de capacidad del proceso (Cp) es una medida de la capacidad potencial

del proceso para cumplir con las especificaciones que deban ser iguales a cierto
valor nominal o al menos estar dentro de una cierta especificación inferior y una
cierta especificación superior. Este índice compara el ancho de las
especificaciones con la amplitud de la variación del proceso. Si la variación del
proceso es mayor que la amplitud de las especificaciones, entonces Cp es menor
que 1 y con ello se tiene evidencia de que no se están cumpliendo las
especificaciones. Si el índice Cp es mayor que 1 indica que el proceso es
potencialmente capaz de cumplir con las especificaciones. Matemáticamente, el
índice de capacidad del proceso se representa como:

En la siguiente tabla se muestra como tomar decisiones sobre el proceso

dependiendo del valor de Cp.

Valor de Cp Clase de proceso Decisión

Cp >= 2 Clase mundial Se tiene calidad
Cp < 1,33 1 Adecuado
1 < Cp < 1,33 2 Parcialmente adecuado, pero conforme al
Cp se acerque a 1 se generan más
defectos
0,67 < Cp < 1 3 No adecuado. Un análisis del proceso es
necesario. Requiere modificaciones muy
serias.
Cp < 0,67 4 Totalmente inadecuado. Requiere
modificaciones muy serias.

Si al analizar el proceso se encuentra que su capacidad no es compatible con las

tolerancias, se tienen tres opciones:

 Modificar el proceso
 Cambiar las especificaciones
 Inspeccionar el 100% de los productos

Si al analizar el proceso se encuentra que hay capacidad excesiva, entonces se

puede aprovechar, por ejemplo:

 Vendiendo la precisión
 Vendiendo el método
 Reasignando productos a máquinas menos precisas
 Acelerando el proceso
 Reduciendo la cantidad de inspección

El índice de capacidad del proceso real (Cpk) es una modificación del Cp que
evalúa donde se localiza la media del proceso respecto a las especificaciones.
Matemáticamente se define como:
Cuando el proceso se ubica en el punto medio de las especificaciones el valor de
Cpk es igual al valor de Cp. Cuando el valor de Cpk es menor que Cp, el proceso
no está centrado. Se pueden presentar los siguientes casos con respecto a la
relación de Cpk y Cp: ambos iguales y mayores que 1 entonces el proceso es
capaz; ambos iguales pero menores que 1 indican un proceso incapaz pero
centrado; Cp mayor que 1,33 pero Cpk menor que 1, el proceso es capaz pero
está descentrado; y, Cp menor que 1 y mayor que Cpk y Cpk menor que 1 el
proceso es incapaz y está descentrado.

Además de analizar la capacidad de un proceso es importante analizar su

estabilidad, es decir, que tanta variación va a presentar estadísticamente. Esto
último se hace mediante cartas de control. Al combinar la capacidad y la
estabilidad del proceso se pueden identificar cuatro estados en un proceso y se
recomienda seguir ciertas estrategias según sea el estado:

 Proceso tipo A (estable y capaz): Verificar que el sistema de monitoreo del

proceso funciona correctamente para poder asegurar que el diagnóstico es
el adecuado y estar atentos a la aparición de causas especiales que
perjudiquen el desempeño en el futuro.
 Proceso tipo B (capaz pero inestable): Se debe priorizar la identificación y
eliminación de las causas de la inestabilidad.
 Proceso tipo C (estable pero incapaz): Mejorar la aplicación de las cartas de
control, investigar la causa de la baja capacidad, revisar las
especificaciones y el sistema de medición, analizar que ocurre con las
variables de entrada.
 Proceso tipo D (inestable e incapaz): priorizar la identificación y eliminación
de las causas de la inestabilidad, mejorar la utilización de las cartas de
control, estudiar el comportamiento del proceso a través del tiempo,
investigar la relación entre las variables de entrada y las variables de salida
que son problema.

Una parte importante del control de calidad a través de la estadística es elegir

correctamente la parte de productos que serán revisados, pues revisar todos los
productos no es práctico y encarece el proceso. Para ello se eligen aleatoriamente
productos de un lote y se analizan solamente estos. A estos productos elegidos,
que forman parte de un conjunto más grande (el lote producido), se le llama
muestra y es indispensable decidir adecuadamente el tamaño de la muestra y
como se seleccionarán los integrantes de dicha muestra de tal manera que sean
realmente representativos del lote. El método de muestreo depende de la forma en
que están distribuidas las unidades, es decir, el patrón de variabilidad. El tamaño
de la muestra y el método de elegir una muestra que sea representativa depende
de la cantidad de variabilidad y del patrón o tipo de variabilidad que se da en la
población.

Existen diferentes tipos de muestreo (la acción de elegir los productos que
conformarán la muestra para analizar el proceso y su calidad). A continuación se
describirán brevemente:

 Muestreo al azar simple o muestreo irrestricto aleatorio: se selecciona

un grupo de n elementos de la población de tal suerte que cada muestra de
tamaño n tenga la misma probabilidad de ser seleccionada. Se realiza
seleccionando números de una tabla de números aleatorios. Se recomienda
cuando los elementos de la población pueden enumerarse fácilmente, están
bien mezclados y no forman grupos internos bien definidos.
 Muestreo al azar estratificado: cuando la población a estudiar se puede
dividir en grupos o estratos de acuerdo con las características de interés del
estudio, este tipo de muestreo es el adecuado. Para ello se requiere que los
estratos o grupos tengan las siguientes características: sean ajenos entre
sí, los elementos de cada estrato son más homogéneos entre ellos que con
el resto de la población, se tiene información estadística de cada estrato.
Los elementos seleccionados para este tipo de muestreo deben ser
representativos de los diferentes estratos que conforman la población en
estudio. Los elementos de la población también deben de enumerarse y
utilizar la tabla de número aleatorios para elegirlos.
 Muestreo al azar sistemático: consiste en la selección de una muestra de
tamaño n de una lista de N elementos. Para ello, se elige un intervalo
apropiado y se seleccionan los elementos a intervalos iguales a lo largo de
la lista. El punto de inicio de este proceso se debe seleccionar de manera
aleatoria. La diferencia respecto a las otras dos formas de muestreo
consiste en no es necesario enumerar los elementos de la población, pues
la selección se realiza con base a otros criterios como: una cantidad
determinada de artículos, tiempo, longitud o área.
 Muestreo estratificado y sistemático: en este caso se combinan la
necesidad de hacer un muestreo estratificado debido a las características
de la población y se aprovecha la conveniencia de realizar un muestreo
sistemático pues los elementos de la muestra se eligen de acuerdo a un
patrón y no de acuerdo a los números obtenidos de una tabla.
 Muestreo aleatorio por conglomerados: este tipo de muestreo es útil
cuando la población se divide de manera natural en subgrupos o
 conglomerados similares entre si y cuya variabilidad es similar a los
elementos de toda la población.

En el control de calidad se requiere inspeccionar lotes de materia prima, partes

o productos terminados para asegurar que cumplan con la calidad
especificada. El muestreo de aceptación es el proceso de inspección de una
muestra de unidades extraídas de un lote con el propósito de aceptar o
rechazar todo el lote. Se aplica en cualquier relación cliente – proveedor, ya
sea la interior de la empresa o entre diferentes empresas y es una medida de
protección contra el deterioro de la calidad.

Cuando las características de calidad están definidas por variables de

atributos, un plan de muestreo de aceptación se define por el tamaño del lote,
el tamaño de la muestra y el número de aceptación.

El muestreo de aceptación solamente acepta o rechaza todo el lote, pero no

contribuye a mejorar la calidad porque no investiga las causas de porque el
lote está defectuoso.

Al momento de evaluar un lote se tienen tres alternativas:

 Cero inspección: aceptar o rechazar el lote sin inspección. Es

adecuado cuando el proceso con el que se fabricó el lote ha demostrado
cumplir con la calidad acordada. También es aplicable cuando la pérdida
global causada por las unidades defectuosas es pequeña comparada
con el costo de inspección.
 Inspección al 100%: Se revisan todos los artículos y se rechazan los
defectuosos. Se utiliza este muestreo cuando los productos son de alto
riesgo y causan una gran pérdida económica. También se aplican
cuando la capacidad del proceso del fabricante es inadecuada para
cumplir las especificaciones.
 Muestreo de aceptación: (inspección por muestras) es útil cuando:
o La inspección se hace con pruebas destructivas,
o El costo de inspección al 100% no justifica su aplicación al
compararlo con el costo de pasar unidades defectuosas,
o La inspección al 100% no es técnicamente posible,
o El lote está conformado por una gran cantidad de artículos y la
probabilidad de error en la inspección al 100% podría dejar pasar
más piezas defectuosas que en el muestreo de aceptación,
o El proveedor posee buen historial de calidad pero su capacidad
de proceso no es suficientemente buena como para no
inspeccionar
 o Se desea asegurar la confiabilidad del producto aunque la
capacidad del proceso del fabricante del lote sea satisfactoria

Ventajas del muestreo por aceptación:

 Menor costo que la inspección al 100%

 Requiere menos personal
 El producto sufre menos daño
 Es aplicable a pruebas destructivas
 A menudo reduce el error de inspección y monotonía
 El rechazo de lote completo motiva al fabricante a mejorar su calidad

Desventajas del muestreo por aceptación:

 Existe el riesgo de aceptar lotes defectuosos y rechazar lotes adecuados

 Proporciona menos información sobre el nivel de calidad del producto o del
proceso del fabricante
 Requiere más tiempo y conocimientos planear y documentar el muestreo.

Tipos de planes de muestreo de aceptación

 Planes por variables: Se toma una muestra aleatoria del lote y a cada
unidad se le mide una característica de calidad de tipo continuo (longitud,
peso, …). Con estas mediciones se calcula estadísticamente un valor que
se compara contra el valor permisible.
 Planes por atributos: Se extrae aleatoriamente una muestra de un lote y
cada pieza es clasificada de acuerdo a ciertos atributos como aceptable o
rechazada. Si el número de piezas rechazadas es menor a cierto número
previamente definido, el lote es aceptado. En caso contrario, el lote es
rechazado. Los planes por atributos pueden ser:
o Plan de muestreo simple: en este plan se tiene un tamaño de
muestra y un número de aceptación previamente definidos.
o Plan de muestreo doble: este tipo de plan consiste en tomar una
primera muestra de tamaño pequeño para detectar lotes muy buenos
o muy malos y si en la primera muestra no se puede definir como es
el lote, entonces se toma una segunda muestra. Se define mediante
el tamaño del lote, el tamaño de la primera muestra, el número de
aceptación para la primera muestra, el tamaño de la segunda
muestra y el número de aceptación de la segunda muestra.
o Plan de muestreo múltiple: es una generalización del plan de
muestreo doble en la cual el proceso de tomar otra muestra se
puede extender el número de veces que sea necesario.
Referencias:

 Calidad total y productividad. 2010. Humberto Gutiérrez Pulido. 3ra Ed. Mc

Graw Hill