Índice

Unidad 4
Introducción……………………………. Pág. 2
4.1 Recolección de Datos……………......Pág. 4
4.2 Hojas de Inspección…………………Pág. 9
4.3 Diagrama de Pareto…………………Pág. 14
4.3.1 Histogramas…………………..……Pág. 17
4.3.2 Diagrama Causa-Efecto……………Pág. 22
4.3.3 Diagrama de Dispersión……………Pág. 24
4.3.4 Diagrama de Estratificación…….…Pág. 29
4.4 Actividad y Capacidad del Proceso…Pág. 34
4.5 Grafica de Control…………………Pág. 40
4.6 Gráficos de Control para Atributos…Pág. 45
4.7 Graficas para No Conformidades……Pág. 50
4.8 Graficas X Y……………………….…Pág. 53
4.9 Análisis de la Capacidad del Proceso...Pág. 55
4.10 Procedimientos Especiales para el Control de
Procesos…………………Pág. 58
Conclusión…………………Pág. 59
Bibliografía…………………Pág. 60

Página | 1
 Introducción
En esta unidad se conocerán a fondo el tema de las herramientas de calidad, ya que son
muy importantes en el ámbito del estudio y además en las diferentes áreas de trabajo de
una empresa.

Las herramientas de calidad constituyen un conjunto de técnicas estadísticas sencillas

que no requieren de un conocimiento experto, para ser aplicadas en los procesos de
equipo, por los círculos de calidad. Según Ishikawa, con ellas es posible resolver el
95% de los problemas que presenta una organización, sobre todo en el área de
producción.

Estas herramientas posteriormente fueron denominadas “las siete herramientas básicas

de la calidad”. Pueden ser descritas genéricamente como métodos para la mejora
continua y la solución de problemas.

Las siete herramientas de la calidad son:

Diagrama Causa – Efecto (Diagrama de Ishikawa)

Hoja de Comprobación (Hojas de Verificación).
Gráficos de Control.
Histograma.
Diagrama de Pareto.
Diagrama de Dispersión.
Estratificación.

Página | 2
El éxito de estas técnicas radica en la capacidad que han demostrado para ser aplicadas
en un amplio rango de problemas, desde el control de calidad hasta las áreas de
producción, marketing y administración. Las organizaciones de servicios también son
susceptibles de aplicarlas, aunque su uso comenzara en el ámbito industrial.

Estas técnicas pueden ser manejadas por personas con una formación media, lo que ha
hecho que sean la base de las estrategias de resolución de problemas en los círculos de
calidad y, en general, en los equipos de trabajo conformadas para acometer mejoras en
actividades y procesos.

La finalidad de analizar las herramientas de calidad es tener un mayor conocimiento

sobre estas para así saber en qué situación poder aplicar cada una, además saber las
partes de cada una, conforme a esto, a continuación se describen y se analiza un ejemplo
de cada una de estas herramientas.

Página | 3
 4.1 Recolección de Datos
La recolección o recopilación de datos es el momento en el cual el investigador se pone
en contacto con los sujetos, objetos o elementos sometidos a estudios con el propósito
de obtener los datos o respuestas de las variables consideradas; a partir de estos datos se
prepara la información estadística y se calcula las medidas de resumen e indicadores
para el análisis estadístico.

Para recoger la información se toma los siguientes datos:

1) Las fuentes de información

2) Los sistemas de recolección

3) Y las técnicas de recolección

1).- Fuente de Información:

Es el lugar, la institución o persona donde están los datos que se necesitan para cada una
de las variables o aspectos de la investigación. Las fuentes de información son:

1.1- Fuentes Primarias:

Cuando los datos se obtienen directamente de la misma persona o entidad utilizando

ciertas técnicas.

Ejemplo:

Llevar a cabo una encuesta para conocer el grado de satisfacción laboral en los
trabajadores de una empresa ¿?.

1.2- Fuentes Secundarias:

Cuando los datos ya han sido elaborados y procesados por otras personas o
instituciones.

Ejemplo:

La información estadística que publica el INE de los

diferentes ministerios de México.

2).- Sistema de recolección.

Son procedimientos que se utilizan para recoger información

son:

2.1- Los Registros:

Página | 4
 Son libros, padrones en donde se anotan en forma regular permanente y obligatorio los
hechos ocurridos.

Ejemplo:

Registros Civiles, RENIEC, Registros públicos, etc.

2.2- Las Encuestas:

Son procedimientos de obtención de información estructurada según criterios previos

de sistematización que se efectúan con un propósito específico en la población o en un
sector de ella .Pueden ser:

2.2.1- Encuesta Censal:

Cuando abarca toda la población en estudio.

Ejemplo:

Censos de población y vivienda de una localidad

o país.

2.2.2- Encuesta Muestral:

Cuando abarca una parte de la población en

estudio.

Ejemplo:

Llevar a cabo una encuesta de preferencia electoral.

3).- Técnicas de Recolección.

Son procedimientos que se utilizan para

recolectar información según la naturaleza del
trabajo de investigación y son:

3.1- La Observación:

Es la acción de mirar con rigor,

en forma sistemática y profunda, con el interés
de descubrir la importancia de aquello que se
observa.

3.2- El Cuestionario:

Es un instrumento constituido por un conjunto de preguntas

sistemáticamente elaboradas que se formulan al encuestado o entrevistado con el
propósito de obtener datos de las variables consideradas en estudio.

Página | 5
3.3- La Entrevista:

Es un dialogo entre personas, es una técnica donde una

personallamada entrevistador, encuestador o empadronador solicita al entrevistado lepro
porcione algunos datos e información.

3.4- Análisis de Contenidos:

El fin o propósito del análisis del contenido consiste en determinar los puntos más
importantes de un documento para observar y reconocer el significado de los mismos en
sus elementos, como palabras, frases, etc., y clasificarlos adecuadamente para
su análisis y explicación. Puede aplicarse a cualquier forma de comunicación:
programas televisivos, programas radiofónicos, artículos de prensa, libros, poemas,
conversaciones, pinturas, discursos, cartas, melodías, etc.

4).- Que es censo y encuesta.

Es el conjunto de operaciones destinadas a recopilar, procesar, evaluar y publicar datos

referentes a todas las unidades de un universo en un momento determinado.
Etimológicamente, la palabra censo proviene del latín CENSERE que significa contar

5).-Como se construye un cuestionario

Se toman los siguientes puntos:

1. Introducción.- ¿quien nos encargo el estudio, el carácter anónimo de las

respuestas, etc.?
2. Preguntas.- Aquí se ponen las siguientes palabras:

a.- Preguntas de identificación (sexo, edad, etc.)

b.- Preguntas sencillas para introducir las más complejas y luego terminar con las
sencillas

c.- Facilitar la transición de un tema a otro en el cuestionario.

d.- Evitar muchas preguntas abiertas.

3. Elaborar o decidir sobre los aspectos formales.

4. Preparar determinados elementos decisorios.- Carta de presentación de los
encuestadores.
5. Formar a los encuestadores y elaborar una guía de instrucciones para realizar el
cuestionario.
6. Hacer una prueba del cuestionario antes de su lanzamiento definitivo, tiene por
objeto ver si se entiende las preguntas, si hay problemas en la redacción, y
siempre tiene que hacerse
7. Codificar el cuestionario.

Página | 6
6).- Tipos de preguntas de un cuestionario

Cualquiera que sea el método por el que se decida el investigador para recabar
información, es necesario elaborar un estudio de preguntas. Los cuestionarios en
general, constan de las siguientes partes:

a.- La identificación del cuestionario.- nombre de la encuesta, número del cuestionario,

nombre del encuestador, lugar y fecha de la entrevista.

b.- Datos de identificación.- apellidos, nombres, cédula de identidad, nacionalidad,

sexo, edad o fecha de nacimiento, estado civil, grado de instrucción, ocupación actual,
ingresos, etc.

c.- Datos propios de la investigación.- son los datos que interesa conocer paraconstruir
el propósito de la investigación. También se pueden hacer las siguientes preguntas:

1. Preguntas abiertas.
2. Preguntas cerradas.
3. Preguntas mixtas

Ejemplo Recolección de Datos

En la Revista Medellín llevo a cabo una encuesta a sus lectores y propone el siguiente
cuestionario.

1. ¿sobre qué aspectos de los medios de transportes le gustaría conocer más a fondo?

Historia Cultura

Circulación Vías

Costo Paros

Accidentes Sobre cupo

2. ¿Cuántas páginas de información le gustaría que le habláramos del tema?

1234

La respuesta de los lectores a la primera pregunta fue.

Página | 7
 Historia Cultura Historia Cultura Costos

Accidentes Vías Paros Sobre Cupo Circulación

Vías Cultura Paros Costos Vías

Paros Circulación Historia Cultura Costos

Historia Paros Circulación Sobre Cupo Cultura

Circulación Costos Historia Accidentes Vías

Sobre Cupo Cultura Vías Costo Sobre Cupo

Para realizar el Conteo de los datos se utiliza una tabla, donde cada línea es igual a un
dado.

Variable Conteo Total

Accidentes // 2

Circulación //// 4

Costo ///// 5

Cultura ///// / 6

Historia ///// 5

paros //// 4

Sobre Cupos //// 4

Vías ///// 5

La respuesta de los lectores a la segunda pregunta fue.

Página | 8
 2 4 3 1 2 2 3

3 2 2 4 3 1 2

4 3 2 3 4 1 3

2 3 3 2 2 3 4

1 2 3 4 1 3 4

Se realizó el Conteo de los datos sobre las páginas de información en una tabla.

Cantidad de Páginas(Variable) Conteo Total

1 ///// 5

2 ///// ///// / 11

3 ///// ///// // 12

4 ///// // 7

4.2 Hojas de Inspección

La hoja de inspección en un registro de información que indica el número de veces que
ha sucedido algo, por ejemplo la cantidad de personas atendidas por hora en caja,
tiempo de respuesta de promotores, causas de cheques devueltos, causa de solicitudes
rechazadas, defectos en productos, etc.

¿Cuál es la función de una hoja de verificación? Un personaje icono en el campo de la

calidad se hizo antes la misma pregunta. La función de una hoja de verificación varía de
acuerdo al tipo de hoja. Esto es lo que
dice Kaoru Ishikawa:

 Para cuantificar los defectos por

producto
 Para cuantificar defectos por
localización

Página | 9
  Para cuantificar defectos por causa (maquina o trabajador)
 Para realizar un seguimiento a las actividades de un proceso (lista de
verificación)

Así pues, la hoja de chequeo es una puerta de entrada para otras herramientas de control
de calidad. Sin datos, no habrá solución, de ahí su importancia.

Tipos de hoja de verificación

No hay tipos establecidos de hojas de verificación de manera formal, sin embargo si

podemos definir ciertos usos comunes, los cuales se resumen en tres:

 Hoja para registro de datos

 Hoja de lista de chequeo
 Hoja de localización

Hoja de chequeo con escala de medición:

Con ella evaluamos la forma de distribución de probabilidad para construir después una
distribución de frecuencia. En este tipo de hoja clasificamos la medición según una serie
de categorías o parámetros, además nos permite trazar límites de especificación.

Hoja de chequeo de frecuencia:

Con esta hoja definimos las categorías y recogemos los datos anotando el número de
veces que se presentan.

Página | 10
Hoja de chequeo con clasificación:

También llamada hoja de verificación por tipo de defecto. En esta hoja, definimos una
serie de categorías a ser ubicadas en la primera columna y en la primera fila, de tal
manera que los datos reunidos sean clasificados de acuerdo al cruce de columna y fila.

Hoja de chequeo de localización:

En ella se presenta uno o más esquemas del objeto de medición, en el cual señalamos la
ubicación del defecto.

Lista de chequeo:

Los aspectos a comprobar se enumeran y en-listan de tal forma que al detectarse un

evento asociado a uno de los aspectos, se pueda marcar según corresponda.

Página | 11
Cómo hacer una hoja de verificación

No hay una forma definida para hacer una hoja de verificación. Sin embargo, sí que hay
unos lineamientos a tener en cuenta para lograr nuestra hoja de verificación, veamos
cuáles son.

Paso 1: Establecemos el contexto sobre el cual vamos a medir los datos. Básicamente lo
que hacemos aquí es planear, y una de las mejores herramientas para apoyarnos es el
5w+2h.

o Qué
o Por qué
o Cuándo
o Dónde
o Quién
o Cómo
o Cuánto.

Paso 2: Creamos el formato de la hoja, el cual estará diseñado de acuerdo al 5w+2h del
paso anterior.

Paso 3: Recolectar los datos. Es importante que los datos se recolecten como se definió
en el cómo, cuándo y dónde del paso 1. Así aseguramos la pertinencia de los datos
recolectados.

El formato debe contener la siguiente información:

 Área o departamento al que se refieren los datos.

 Fecha de recolección y hora si es necesario.

Para su elaboración se requiere:

1. Acordar el evento a observar, para que todos enfoquen lo mismo.
2. Decidir el período de tiempo en el cual se recabarán los datos.
3. Diseñar una forma clara y fácil de usar con suficiente espacio para registrar los datos.
4. Obtener los datos de manera consistente y honesta.

Si está bien estructurada le permite recolectar información de una forma sencilla y

práctica de manera tal que no interrumpa las labores de la persona que está registrando
la información.
Permite responder a pregunta tales como ¿Cuándo ocurre? ¿Dónde ocurre? ¿En qué
consiste?, ¿Porque está sucediendo?, ¿Cómo sucede? ¿Con qué frecuencia?

Pasos para la elaboración de una hoja de verificación:

Determinar claramente el proceso sujeto a observación.

Enfocar su atención hacia el análisis de las características del proceso.

Página | 12
 Definir el período de tiempo durante el cual serán recolectados los datos.
Diseñar una planilla de formato claro y fácil de usar. Asegúrese de que todas las
columnas estén claramente descritas y de que haya suficiente espacio para
registrar los datos.
Obtener los datos de una manera consistente y honesta. Asegúrese de que se
dedique el tiempo necesario para esta actividad.

Ejemplo Hoja de Inspección

De cierto proceso en una fábrica de Cerámica se determinan las piezas defectuosas de
un proceso al final del día, el 1er día se rechazan 5 piezas defectuosas, en el segundo 10
piezas, el tercero 15, el cuarto 20 piezas, el quinto 30 piezas, el sexto 40 piezas, el
séptimo 50 piezas, el octavo 30 piezas, el noveno 15 piezas, el décimo 10 piezas y el
onceavo 11 piezas.

Hacer la Plantilla de Inspección y determinar la media de Piezas defectuosas, marcar los

Límites Superior e Inferior si se sabe que el parámetro es de 2 a 9 piezas defectuosas.

Página | 13
 4.3 Diagrama de Pareto
El Diagrama de Pareto constituye un sencillo y gráfico método de análisis que
permite discriminar entre las causas más importantes de un problema (los pocos y
vitales) y las que lo son menos (los muchos y triviales).

Las ventajas del Diagrama de Pareto pueden resumirse en:

 Permite centrarse en los aspectos cuya mejora tendrá más impacto, optimizando
por tanto los esfuerzos.
 Proporciona una visión simple y rápida de la importancia relativa de los
problemas.
 Ayuda a evitar que se empeoren algunas causas al tratar de solucionar otras y ser
resueltas.
 Su visión gráfica del análisis es fácil de comprender y estimula al equipo para
continuar con la mejora.

Según este concepto, si se tiene un

problema con muchas causas, podemos
decir que el 20% de las causas resuelven
el 80% del problema y el 80% de las
causas solo resuelven el 20% del
problema.

Por lo tanto, el Análisis de Pareto es una

técnica que separa los “pocos vitales” de
los “muchos triviales”. Una gráfica de Pareto es utilizada para separar gráficamente los
aspectos significativos de un problema desde los triviales de manera que un equipo sepa
dónde dirigir sus esfuerzos para mejorar.

Reducir los problemas más significativos (las barras más largas en una Gráfica Pareto)
servirá más para una mejora general que reducir los más pequeños. Con frecuencia, un
aspecto tendrá el 80% de los problemas. En el resto de los casos, entre 2 y 3 aspectos
serán responsables por el 80% de los problemas.

¿Cuándo se utiliza?

 Al identificar un producto o servicio para el análisis para mejorar la calidad.

 Cuando existe la necesidad de llamar la atención a los problema o causas de una
forma sistemática.
 Al identificar oportunidades para mejorar
 Al analizar las diferentes agrupaciones de datos (ej.: por producto, por segmento,
del mercado, área geográfica, etc.)
 Al buscar las causas principales de los problemas y establecer la prioridad de las
soluciones

Página | 14
  Al evaluar los resultados de los cambios efectuados a un proceso (antes y
después)
 Cuando los datos puedan clasificarse en categorías
 Cuando el rango de cada categoría es importante

Un equipo puede utilizar la Gráfica de Pareto para varios propósitos durante un

proyecto para lograr mejoras:

 Para analizar las causas

 Para estudiar los resultados
 Para planear una mejora continua

¿Cómo se utiliza?

 Seleccionar categorías lógicas para el tópico de análisis identificado (incluir el

periodo de tiempo).
 Reunir datos. La utilización de un Check List puede ser de mucha ayuda en este
paso.
 Ordenar los datos de la mayor categoría a la menor
 Totalizar los datos para todas las categorías
 Calcular el porcentaje del total que cada categoría representa
 Trazar los ejes horizontales (x) y verticales (y primario – y secundario)
 Trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, según se
calculó anteriormente)
 De izquierda a derecha trazar las barras para cada categoría en orden
descendente. Si existe una categoría “otros”, debe ser colocada al final, sin
importar su valor. Es decir, que no debe tenerse en cuenta al momento de
ordenar de mayor a menor la frecuencia de las categorías.
 Trazar la escala del eje vertical derecho para el porcentaje acumulativo,
comenzando por el 0 y hasta el 100%
 Trazar el gráfico lineal para el porcentaje acumulado, comenzando en la parte
superior de la barra de la primera categoría (la más alta)
 Dar un título al gráfico, agregar las fechas de cuando los datos fueron reunidos y
citar la fuente de los datos.
 Analizar la gráfica para determinar los “pocos vitales”

Página | 15
 Ejemplo Diagrama de Pareto

Para el siguiente análisis de caso, se considera un proceso de producción que se

encuentra afectado por las siguientes causas:

 Fluctuaciones de energía
 Inestabilidad de la máquina
 Rotación frecuente del operador
 Rotación frecuente de la máquina
 Cambios ambientales cíclicos
 Cansancio o fatiga del operador
 Partida fría
 Error de medición
 Desviación del material
 Desgaste del equipo

En la tabla presentada más arriba se detallan los valores correspondientes a la cantidad

de veces que se registró cada una de las causas que afectan al proceso, durante un
período determinado.

Para cada causa, se calculó el porcentaje que representa en forma individual con
respecto al total de causas registradas, y luego se ordenó la tabla de mayor a menor. Una
vez ordenada la tabla, se calculó el porcentaje acumulado.

Con estos valores es posible obtener el siguiente gráfico:

Página | 16
Al marcar sobre el gráfico una línea punteada sobre el valor correspondiente al 80% del
porcentaje acumulado, se obtiene la siguiente información:

 Cambios ambientales
 Rotación del operador
 Inestabilidad de la máquina

Son las causas que están ocasionando el 80% de los defectos en este proceso, por lo que
los esfuerzos destinados a mejorarlo deberían concentrarse en estos 3 aspectos.

4.3.1 Histogramas
Es una gráfica de la distribución de un conjunto de datos. Cada barra representa un
subconjunto de los datos. Un histograma muestra la acumulación o tendencia, la
variabilidad o dispersión y la forma de la distribución.

Página | 17
Ventajas

Su construcción ayudará a comprender la tendencia central, dispersión y frecuencias

relativas de los distintos valores. Muestra grandes cantidades de datos dando una visión
clara y sencilla de su distribución.

Utilidades

El Histograma es especialmente útil cuando se tiene un amplio número de datos que es

preciso organizar, para analizar más detalladamente o tomar decisiones sobre la base de
ellos. Permite la comparación de los resultados de un proceso con las especificaciones
previamente establecidas para el mismo. Se utilizan para variables continuas o para
variables discretas, con un gran número de datos, y que se han agrupado en clases. Se
utiliza cuando se estudia una variable continua, como franjas de edades o altura de la
muestra, y, por comodidad, sus valores se agrupan en clases, es decir, valores continuos.

Tipos de gráficos relacionados con el histograma

Histograma de frecuencias absolutas

Representa la frecuencia absoluta mediante la altura de las barras. Se usa mucho en

educación no universitaria por su sencillez, pero sólo se puede aplicar cuando todos los
intervalos son iguales, ya que en ese caso las alturas y las superficies son
proporcionales. En esos niveles educativos se introduce una estadística elemental y
todavía no se puede profundizar en estos detalles.

Histograma de frecuencias relativas

Representa la frecuencia relativa mediante la altura de las barras. Igual que en el caso
anterior se usa mucho en educación no universitaria. La elaboración del gráfico es más
complicada pues los números ya no son enteros. Como en el caso anterior sólo se puede
aplicar cuando todos los intervalos son iguales, ya que en ese caso las alturas y las
superficies son proporcionales.

Histograma

Representa la frecuencia relativa mediante la superficie de las barras. Aunque esto sea
cierto en todos los histogramas, cuando se agrupan los datos en intervalos desiguales
hay que atender a la superficie de las barras, que no se corresponderá con la altura como
ocurría en los casos anteriores.

Función densidad

Representa la probabilidad mediante la superficie de las barras. Es un gráfico idéntico al

histograma pero aplicado a distribuciones teóricas. El concepto de frecuencia relativa se
cambia por el de probabilidad, pero también se representa por superficies y la suma de

Página | 18
todas esas superficies (de todas las barras) será 1, como en el histograma, o sea el 100%
de probabilidad.

Curva acumulativa u ojiva

Se utiliza para introducir el concepto y el cálculo de la mediana, los cuartiles, los deciles
y en general los parámetros llamados de posición. Este gráfico es la integral del
histograma (cuando trabajamos con distribuciones reales) o de la función densidad
(cuando trabajamos con distribuciones teóricas).

Curva acumulativa de frecuencias absolutas

Es un gráfico acumulativo que representa la frecuencia absoluta acumulada hasta cada

valor de la variable. Realmente no es un gráfico relacionado con el histograma, pero es
muy parecido a la curva acumulativa y a la función de distribución. Esta curva no irá
entre cero y uno sino entre cero y el total de individuos de la muestra.

Construcción de un histograma de frecuencias

1. Determinar el rango de los datos. Rango es igual al dato mayor menos el dato
menor.
2. Obtener todos los números de clases, existen 2 criterios para determinar el
número de clases (o barras) –por ejemplo, la regla de Sturges. Sin embargo
ninguno de ellos es exacto. Algunos autores recomiendan de cinco a quince
clases, dependiendo de cómo estén los datos y cuántos sean. Un criterio usado
frecuentemente es que el número de clases debe ser aproximadamente a la raíz
cuadrada del número de datos. Por ejemplo, la raíz cuadrada de 30 (número de
artículos) es mayor que cinco, por lo que se seleccionan seis clases.

Página | 19
 3. Establecer la anchura de clase. Si queremos intervalos iguales tomaremos el
rango dividido por el número de clases.
4. Construir los intervalos de clases: Los intervalos resultan de dividir el rango de
los datos en segmentos iguales usando la anchura de clase obtenida en el PASO
2.
5. Graficar el histograma: Como todas las clases tienen la misma amplitud las
bases de las barras son los intervalos de clases y la altura es la frecuencia de las
clases.

Ejemplo Histograma
Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla:

fi

[5 0, 60 ) 8

[6 0, 70 ) 10

[7 0, 80 ) 16

[8 0, 90 ) 14

[9 0, 10 0) 10

[1 00 , 1 10 ) 5

[1 10 , 1 20 ) 2

1. Construir la tabla de frecuencias.

2. Representar el histograma y el polígono de frecuencias .

Página | 20
 xi fi Fi ni Ni

[50, 6 0) 55 8 8 0. 12 0. 12

[60, 7 0) 65 10 18 0. 15 0. 27

[70, 8 0) 75 16 34 0. 24 0. 51

[80, 90) 85 14 48 0. 22 0. 73

[90, 1 00) 95 10 58 0. 15 0. 88

[100 , 110 ) 10 5 5 63 0. 08 0. 96

[110 , 120 ) 11 5 2 65 0. 03 0. 99

65

Histograma

Página | 21
 4.3.2 Diagrama Causa-Efecto
Es una herramienta que representa la relación entre un efecto (problema) y todas las
posibles causas que lo ocasionan. Es denominado Diagrama de Ishikawa o Diagrama de
Espina de Pescado por ser parecido con el esqueleto de un pescado.

Se utiliza para clarificar las causas de un problema. Clasifica las diversas causas que se
piensa que afectan los resultados del trabajo, señalando con flechas la relación causa –
efecto entre ellas.

¿Cómo se construye?

1. Elabore un enunciado claro de problemas

2. Empiece con dibujar el diagrama de esqueleto de pescado colocando el problema
en el cuadro de la derecha.
3. Identifique las categorías, factores contribuyentes o causas principales (las más
comunes utilizadas son: equipo, método, personal, usuario, aunque puede colocar
otras categorías de acuerdo al problema que se está trabajando como: gestión y
medio ambiente entre otras) y grafique las espinas grandes oblicuas a la flecha
central o esqueleto.
4. Grafique las causas principales en oblicuas a la flecha central.
5. Cuando sea posible determinar las causas de 2er y 3er nivel de acuerdo a cada
elemento analizado, se grafican como oblicuas a las categorías.

Página | 22
 ESPINA DE PESCADO

En la Gestión de Riesgos, nos sirve para identificar de una forma más estructurada
los procesos de riesgo y los riesgos individuales, puede ser útil emplear esta
herramienta que los clasifica y agrupa.

En la cabeza del pescado colocaremos el área o el proceso para el que vayamos a

identificar sus riesgos.
En las espinas principales ubicaremos las diferentes categorías de riesgos
(agrupamos por afinidad).
En las espinas menores que parten de cada “espina - categoría” pondremos los
riesgos concretos o riesgos individuales que vayamos identificando.

¿Cuándo se utiliza?

El Diagrama de Causa y Efecto es utilizado para identificar las posibles causas de un

problema específico. La naturaleza gráfica del Diagrama permite que los grupos
organicen grandes cantidades de información sobre el problema y determinar
exactamente las posibles causas. Finalmente, aumenta la probabilidad de identificar las
causas principales.
El Diagrama de Causa y Efecto se debe utilizar cuando se pueda contestar “sí” a una o a
las dos preguntas siguientes:

1. ¿Es necesario identificar las causas principales de un problema?

2. ¿Existen ideas y/u opiniones sobre las causas de un problema?

Consejos para la Construcción/ Interpretación:

 Se debe recordar que los Diagramas de Causa y Efecto únicamente identifican

causas posibles. Aun cuando todos estén de acuerdo en estas causas posibles,
solamente los datos apuntarán a las causas.
 El Diagrama de Causa y Efecto es una forma gráfica de exhibir gran
información de causas en un espacio compacto. El uso del Diagrama ayuda a los
equipos a pasar de opiniones a teorías comprobables.

Página | 23
Un Diagrama de Causa y Efecto normalmente se relaciona con:

 Lluvia de Ideas
 Diagrama de Interrelaciones
 Gráfica de Pareto
 Multi-votación
 Técnica de Grupo Nominal
 Diagrama de Afinidad
 Cinco Por Qué

4.3.3 Diagrama de Dispersión

Los diagramas de dispersión son una forma fenomenal de expresar datos de dos
variables, y hacer predicciones basadas en los datos. Al contrario de los histogramas y
los diagramas de caja, los de dispersión muestran valores de datos individuales.

La representación gráfica más útil para describir el comportamiento conjunto de dos

variables es el diagrama de dispersión o nube de puntos, donde cada caso aparece
representado como un punto en el plano definido por las variables y

Página | 24
Se emplea cuando una variable está bajo el control del experimentador. Si existe un
parámetro que se incrementa o disminuye de forma sistemática por el experimentador,
se le denomina parámetro de control o variable independiente y habitualmente se
representa a lo largo del eje horizontal (eje de las abscisas). La variable medida o
dependiente usualmente se representa a lo largo del eje vertical (eje de las ordenadas).
Si no existe una variable dependiente, cualquier variable se puede representar en cada
eje y el diagrama de dispersión mostrará el grado de correlación (no causalidad) entre
las dos variables.

Correlación

Con los diagramas de dispersión podemos ver cómo se relacionan ambas variables entre
sí. Esto es lo que se conoce como correlación. Hay tres tipos de correlación: positiva,
negativa y nula (sin correlación).

Correlación positiva: ocurre cuando una variable aumenta y la otra también. Por
ejemplo, la altura de una persona y el tamaño de su pie; mientras aumenta la altura, el
pie también.

Correlación negativa: es cuando una variable aumenta y la otra disminuye. El tiempo

de estudio y el tiempo que pasas jugando videojuegos, tienen una correlación negativa,
ya que cuando tu tiempo de estudio aumenta, no te queda tanto tiempo para jugar
videojuegos.

Sin correlación: no hay una relación aparente entre las variables. Los puntos en tus
videojuegos y tu talla de zapato no parecen tener ninguna correlación; mientras una
aumenta, la otra no tiene ningún efecto.

Página | 25
Línea de ajuste

Usamos la "línea de ajuste" para hacer predicciones basándonos en datos pasados. Hay
muchas y muy complicadas fórmulas para encontrar esta recta, pero por ahora solo la
dibujaremos a través de los puntos en la gráfica para que se ajuste a la tendencia que nos
marcan los datos. Cuando dibujes la recta, asegúrate de que encaje con la mayor parte
de los datos. Si hay un punto que está muy por encima o muy por debajo con respecto al
resto (los atípicos) déjalo fuera de la recta.

El resultado de un diagrama de dispersión puede ser de diversos tipos. Si los puntos

trazados en el diagrama están dispersos al azar, sin un patrón discernible, significa que
los dos conjuntos de mediciones no tienen relación entre sí. Si los puntos forman algún
patrón, se denota la existencia de relación entre los dos grupos de mediciones.

Página | 26
Generalmente, el diagrama de dispersión mostrará los siguientes posibles tipos de
relación:

Página | 27
 Ejemplo Diagrama de Dispersión
Imagina que una litográfica está abriendo una nueva área de producción para
la impresión de posters, y en este momento se encuentra haciendo todos los ensayos y
pruebas para determinar la cantidad de tinta de cada color que deberían tener las
maquinas.

Como prueba inicial, han decidido establecer la relación de errores de impresión según
el grado de llenado de los recipientes de tinta de la máquina.

Bien, definida la situación, iniciamos desde el paso 2:

Las variables a estudiar para este ejemplo de grafico de dispersión en calidad son:

o Cantidad de tinta en litros

o Número de errores de impresión

Para el paso 3, comenzamos a recolectar las variables. En nuestro caso, el departamento

de control de calidad hace 50 corridas o pruebas durante 5 días continuos.

Los resultados, a continuación:

Cantidad de errores según el grado de tinta

Página | 28
Para el paso 4 ubicamos los ejes según las variables que tenemos. Al estar el número de
errores influenciado por la cantidad de tinta, lo ubicamos como el eje y. Por
consiguiente, el eje x es la cantidad de tinta. Ahora sí, hacemos el gráfico de dispersión.

Paso 5: Determinamos el coeficiente de correlación. Para nuestro ejemplo resuelto,

obtenemos 0,94, ¿se ve esto reflejado en el gráfico? Por supuesto que sí, fíjate que los
puntos están muy cerca unos de los otros, lo que indica que los valores se correlacionan
fuertemente, es decir que la relación entre un aumento en los litros de tinta, impacta
directamente en el número de errores en la impresión de posters

Paso 6: Analizamos. Evidentemente hay una relación positiva fuerte entre la cantidad de
tinta con la que se carga el tubo de la máquina y el número de errores generados en la
impresión de los posters. Un paso siguiente para un problema de este tipo, sería buscar
la forma de aprovechar la capacidad restante de la máquina, por ejemplo usar más tubos
y más pequeños.

4.3.4 Diagrama de Estratificación

Es un método estadística utilizada para el control, análisis y mejora de la calidad
consistente en clasificar los datos disponibles por grupos con similares características. A
cada grupo se le denomina estrato. En esta herramienta podemos tomar los datos y
formarlos por clase, como pueden ser: consecuencias, imperfecciones, etc.

Página | 29
En otras palabras, logramos transformar lo que antes era un resultado general o poco
conciso, a algo específico, con poca variación y con información mucho más útil para
tomar decisiones.

Desde el departamento de control de calidad en la empresa, los estratos más frecuentes

se efectúan en torno a:

 Materia prima (fechas, proveedores, composición)

 Mano de obra (sexo, edad, antigüedad, experiencia, carrera)
 Maquinaria y equipo (modelo, antigüedad, tecnología, horas de uso)
 Tiempo (turnos, estaciones, horas, mes, semana)
 Localización o áreas de la empresa (casino, sistemas, parqueadero, manufactura,
administrativo, etc.)
 Procesos (compras, tecnología, proyectos, etc.)

Cuándo utilizar el muestreo estratificado

 Cuando los datos provienen de diversas fuentes o condiciones como días de la

semana, proveedores, turnos o grupos de población.
 Antes de comenzar la captura de datos.
 Cuando para analizar los datos, se requiere la separación de diversas fuentes o
condiciones.
 Cuando los resultados obtenidos con otras herramientas no evidencian
conclusiones pertinentes para tomar decisiones.

Tipos de muestreo estratificado

En general, existen tres tipos de muestreo estratificado o técnicas de estratificación:

Muestreo estratificado proporcional

Es cuando los estratos de la muestra (el número de datos a considerar) conservan la

misma proporción de la población. Por ejemplo: Hay 1.000.000 de personas entre
hombres y mujeres (población) con 60% mujeres y 40% hombres. Hemos decidido

Página | 30
tomar una muestra de 1000 personas. Los estratos definidos por supuesto son hombres y
mujeres. Por lo tanto, el estrato de mujeres deberá tener un tamaño de 600 (60%) y el
estrato de hombres de 400 (40%). Tal como lo ves, pro-por-cio-nal.

Muestreo estratificado uniforme

Es cuando consideramos el mismo número de datos para cada estrato, o dicho de otra
forma, el mismo tamaño de muestra a cada estrato. Por lo tanto, aquí no importa cuál es
el peso del estrato en la población, como si pasaba en el estratificado proporcional. Por
ejemplo, tomando una muestra de 100 personas entre hombres y mujeres, el estrato de
hombres será de 50, al igual que el de mujeres. Tal como vez, uniforme.

Muestreo estratificado óptimo

También llamado no proporcional, con este muestreo cada estrato es proporcional a la

desviación estándar. En otras palabras, el número de datos en cada estrato será mayor en
la medida en que exista mayor variabilidad entre ellos.

Cómo hacer un muestro estratificado paso a paso

Paso 1: ¿Qué es lo que quieres analizar? Identifica cuál es la situación, evento o

fenómeno que vas a estudiar. ¿Hay una situación problemática? Defínela.

Paso 2: Captura los datos relativos a la situación que estas analizando.

Paso 3: Este es un paso opcional. Utiliza una herramienta que te permita representar los
datos recolectados. Esto te dará una idea de los factores de estratificación que puedes
usar.

Paso 4: Determina los factores de estratificación a emplear. Puedes saltar desde el paso
2 al paso 4 y determinar los factores, sin embargo al hacer el paso 3 tendrás un mejor
criterio para definir los estratos.

Paso 5: Realiza los cálculos necesarios para clasificar los datos con base en los estratos
definidos.

Paso 6: Elabora una o más gráficas que represente cada grupo homogéneo de datos. La
elección de la gráfica depende de lo que se quiere evidenciar. Podemos usar por ejemplo
un diagrama de Pareto para definir en qué enfocarnos, un diagrama de dispersión para
analizar la relación entre dos variables o un histograma para representar los datos de
forma general.

Paso 7: Observando la gráfica o el grupo de gráficas que elaboraste, ¿hay diferencias

importantes entre los estratos? Si la respuesta es positiva, la estratificación ha sido útil.
Has conseguido obtener diferencias a través del muestreo estratificado, que antes de
estratificar no hubieras logrado diferenciar.

Página | 31
 Ejemplo práctico de muestreo estratificado

Paso 1: Vamos a pensar en una empresa de nombre LifeClear. Queremos observar el

comportamiento de los ingresos por canal de comercialización en el año.

Pasó 2: El departamento de calidad ha recolectado estos datos: los ingresos anuales por
canal. Se aprecia demás el porcentaje de ingresos que representa cada canal y el
porcentaje acumulado.

Ingresos anuales en millones por canal

Paso 3: Elaboramos el siguiente diagrama de Pareto para representar los datos

recolectados del comportamiento de las ventas por canal de comercialización.

Diagrama de Pareto de ingresos anuales por canal

Este diagrama de Pareto ciertamente no nos aporta mucho. Los cinco primeros canales
representan el 80% de las ventas, 5 de 8. No es un dato representativo que nos permita
tomar decisiones de impacto para el negocio.

Pasó 4: Vamos a considerar las tres principales líneas de negocio de la

empresa: Higiene, salud y hogar. Estudiaremos el comportamiento de cada línea de
negocio, nuevamente con la herramienta de Pareto.

Página | 32
Paso 5: Clasificamos los datos según los estratos definidos, en este caso las líneas de
negocio. Como verás, no estamos tomando ninguna muestra, pues estamos trabajando
con el 100% de los ingresos por canal.

Datos clasificados por estratos

Paso 6: ¿Cuál será el comportamiento de los ingresos por canal de comercialización si

lo estratificamos por línea de negocio?

Muestreo por estratificación: Línea salud

Muestreo por estratificación: Línea higiene

Muestreo por estratificación: Línea higiene

Página | 33
Paso 7: Realizada la estratificación, ¿podemos apreciar diferencias importantes entre los
canales? Las conclusiones y decisiones a tomar dependerán de la estrategia de la
empresa, pero a modo de ejemplo podemos sentenciar que:

Casi el 60% de los ingresos en la línea de salud se concentran en supermercados e

internet. Canales como farmacias deberían desarrollarse más.

El 56% de los ingresos en la línea de higiene son generados por las tiendas de barrio, las
tiendas propias y la venta directa (persona a persona). Canales como mayoristas y
supermercados presentan potencial de crecimiento, además “otros” para la línea de
higiene, debe ser desagregado, pues el 10% de los ingresos se generan en otros canales.
Las ventas de productos para la higiene en comercios en línea no son fuertes, se debería
disminuir la inversión en internet para fortalecer otros canales.

El 67% de los ingresos para la línea de hogar provienen de mayoristas y tiendas de

barrio. Es urgente desarrollar estrategias para fortalecer los otros canales de venta.

4.4 Actividad y Capacidad de Procesos

La capacidad de proceso es el grado de aptitud que tiene un proceso para cumplir con
las especificaciones técnicas deseadas. Cuando la capacidad de un proceso es alta, se
dice que el proceso es capaz, cuando se mantiene estable a lo largo del tiempo, se dice
que el proceso está bajo control, cuando no ocurre esto se dice que el proceso no es
adecuado para el trabajo o requiere de inmediatas
modificaciones.

¿Cómo evaluar la capacidad de un proceso?

Mientras los procesos no sufran modificaciones o reajustes,

para evaluar su capacidad suele recurrirse a algunas de

Página | 34
las siete herramientas de la calidad, tales como:

Histogramas
Gráficos de control
Planillas de inspección

Cuando el proceso se ve modificado, por ejemplo con la implementación de una nueva

máquina, o con un reajuste de métodos, debe efectuarse un estudio de índices de
capacidad.

Requisitos para efectuar un estudio de índices de capacidad

El principal requerimiento para iniciar con un estudio de

aptitud del proceso consiste en que éste se encuentre
estadísticamente estable. Además se precisa que:

Las mediciones individuales del proceso se

comporten siguiendo una distribución normal.
Las especificaciones de ingeniería representen con
exactitud los requerimientos de los clientes.

Cuando se han identificado desviaciones en el comportamiento estadístico de las

mediciones de alguna característica de calidad, la evaluación de la capacidad del
proceso inicia después de que en las gráficas de control las causas especiales han sido
identificadas, analizadas y corregidas, por ende, las gráficas actuales de
control muestran un proceso dentro de control estadístico.

Clasificación de los índices de capacidad

Los índices de capacidad se pueden clasificar según su posición y alcance temporal en:

Respecto a su posición:

 Índices centrados con respecto a los límites

 Índices descentrados con respecto a los límites
 Solo con límite superior
 Solo con límite inferior

Página | 35
 Respecto a su alcance temporal:

 A corto plazo: Capacidad potencial

 A largo plazo: Capacidad global

Sí una vez determinadas las capacidades se encuentra una diferencia significativa entre
los índices de corto y largo plazo.

ÍNDICES DE CAPACIDAD A CORTO PLAZO Cp Y Cpk

Índice Cp

Para considerar que un producto sea de calidad, las mediciones de sus características
deben ser iguales a su valor ideal, sin embargo al conocer que la variabilidad es una
característica ínsita de todo proceso estas mediciones deben al menos estar dentro de
cierta especificación inferior y/o superior. La medida de la capacidad potencial del
proceso para cumplir con tales especificaciones de calidad nos la proporciona el índice
de capacidad del proceso (Cp).

Donde

Donde d2 es una constante que depende del tamaño de muestra

Para una mejor interpretación del índice analicemos la siguiente gráfica:

Página | 36
El Cp compara el ancho de las especificaciones (tolerancia) con la amplitud de la
variación (dispersión natural) del proceso. Sí la variación del proceso es mayor que la
amplitud de las especificaciones, entonces el Cp es menor que 1, lo que sería evidencia
de que no se está cumpliendo con las especificaciones. Sí el Cp es mayor que 1 es una
evidencia de que el proceso es potencialmente capaz de cumplir con las
especificaciones.

Cuando se determina que el proceso no es apto para producir las unidades dentro de las
especificaciones establecidas deben adoptarse diversas medidas, dentro de las que se
encuentran:

o Mejorar el proceso
o Cambiar el proceso por uno mejor
o Cambiar la especificación (No recomendado)
o Rediseñar el producto
o Inspeccionar al 100% (Ineficiente)
o Obtener una desviación o permiso de aceptación (Temporal)
o Tercer izar la elaboración de la parte (En caso de ser posible)
o Dejar de hacer el producto (No recomendado)

Índice Cpk

El índice Cp estima la capacidad potencial del proceso para cumplir con tolerancias, sin
embargo comúnmente se reconoce que una de sus desventajas es que no toma en cuenta
el centrado del proceso. Para dar solución a esto el Cp se puede modificar
para evaluar también donde se localiza la media del proceso respecto a las
especificaciones. Al índice de Cp modificado se le conoce como Índice de Capacidad
Real Cpk.

Página | 37
Donde

El índice Cpk va a ser igual al Cp cuando la media del proceso se ubique en el punto
medio de las especificaciones. Sí el proceso no está centrado entonces el valor del
índice de Cpk será menor que el Cp.

o Valores mayores a 1 de Cpk indican que el proceso está fabricando artículos que
cumplen con las especificaciones.
o Valores menores a 1 de Cpk indican que el proceso está produciendo artículos
fuera de las especificaciones.
o Valores de 0 o negativos de Cpk indican que la media del proceso está fuera de
las especificaciones.

Por lo tanto el Cp mide la capacidad potencial del proceso; mientras que el Cpk mide la
capacidad real.

Ejemplo Actividad y Capacidad de Procesos

Tenemos la siguiente serie de datos:

265 205 263 307 220 268 260 234 299

197 286 274 243 231 267 281 265 214

346 317 242 258 276 300 208 187 264

280 242 260 321 228 250 299 258 267

265 254 281 294 223 260 308 235 283

200 235 246 328 296 276 264 269 235

221 176 248 263 231 334 280 265 272

Página | 38
 265 262 271 245 301 280 274 253 287

261 248 260 274 337 250 278 254 274

278 250 265 270 298 257 210 280 269

215 318 271 293 277 290 283 258 275

Agrupando los datos por intervalos de clase obtenemos los datos mostrados en la
siguiente tabla:

Intervalo Marca de Frecuencia Frecuencia

Frecuencia
de clase clase relativa acumulada

190-209 199.5 6 0.06 0.06

210-229 219.5 7 0.07 0.13

230-249 239.5 13 0.13 0.26

250-269 259.5 32 0.32 0.58

270-289 279.5 24 0.24 0.82

290-309 299.5 11 0.11 0.93

310-329 319.5 4 0.04 0.97

330-349 339.5 3 0.03 1

El histograma es el siguiente:

Histogram of Datos

40

30
Frequency

20

10

0
160 190 210 230 260 290 310 330 360
Datos

Página | 39
Observamos que el histograma tiene forma normal.

Calculando la media y la desviación estándar tenemos:

Datos

Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3

Datos 99 0 264.19 3.23 32.15 176.00 248.00 265.00 280.00

X  264.19 S = 32.15
La variabilidad del proceso se encuentra en 6 s = 192.90

Si las especificaciones fueran LIE = 200 y LSE = 330

Cp 
LSE  LIE   330  200  .674 < 1.33, el proceso no es hábil.
6S 192.90

Zi 
330  264.19  2.046
32.15

Zs 
200  264.19  1.996
32.15

menor Z I , Z S 2
C pk    0.66
3 3

Cpk = menor 1.33, por lo tanto el proceso no cumple especificaciones.

4.5 Grafica de Control

Una gráfica de control indica cuando su proceso está fuera de control y le ayuda a
identificar la presencia de una variación por causas especiales cuando está presente la
variación por causas especiales, su proceso no es estable y es necesaria una acción
correctiva.

La mayoría de las gráficas de control incluye una línea central, un límite de control
superior y un límite de control inferior. La línea central representa la media del proceso.
Los límites de control representan la variación del proceso. Por opción predeterminada,
los límites de control se fijan a distancias de 3σ por encima y por debajo de la línea
central.

Página | 40
Las gráficas de control sirven para:

– Determinar el estado de control de un proceso.

– Diagnostica el comportamiento de un proceso en el tiempo.
– Indica si un proceso ha mejorado o ha empeorado.
– Permite identificar las dos fuentes de variación de un proceso.
– Sirve como una herramienta de detección de problemas.

Cuándo utilizar una gráfica de control

Ya sea que esté monitoreando un proceso en curso o tratando de entender mejor su

nuevo proceso, las gráficas de control pueden ser útiles herramientas.

Puede utilizar gráficas de control para:

 Demostrar si su proceso es estable y consistente a lo largo del tiempo. Un

proceso estable es aquel que incluye solamente variación de causa común y no
tiene ningún punto fuera de control.
 Verifique que su proceso es estable antes de realizar un análisis de capacidad.
Un análisis de capacidad es válido únicamente cuando se realiza en un proceso
estable.
 Evalúe la eficacia del cambio de un proceso. Con las gráficas de control, es fácil
comparar cambios rápidos en la media del proceso y cambios en la variación del
proceso.
 Comunique el desempeño de su proceso durante un período de tiempo
específico.

Algunos términos antes de conocer qué tipos de gráficas hay.

Causa asignable: Si consigues hallar una causa concreta o que ocasiona una variación
excesiva y obedece a una situación específica, hablamos de causa asignable. Es el tipo

Página | 41
de causa que debemos corregir. Por ejemplo la deficiente capacitación del trabajador o
la falta de ajuste de una máquina.

Causa aleatoria: Cuando no consigues hallar una explicación concreta a una variación,
o si la variación fue ocasionada por un evento sin importancia que no se volverá a
repetir, hablamos de causa aleatoria. También se le suelen llamar variaciones naturales o
causas naturales. Es el tipo de causa que está presente en la vida misma, fortuita.
Ejemplos son la curva de aprendizaje del trabajador y el cierre inesperado del software.

Límite superior de control: Es el valor más grande aceptado en el proceso. En español

LSC, en inglés UCL (Upper control limit).

Límite inferior de control: El opuesto al superior, es decir, el valor más pequeño. LIC
en español, LCL en inglés (Lower control limit).

Límite central de control: Con siglas LCC, es la línea central del gráfico. Entre más
cerca están los puntos a la línea, más estable es el proceso.

Causas específicas (imputables o asignables).Normalmente no deben estar presentes

en el proceso. Provocan variaciones significativas.

Las causas aleatorias son de difícil identificación y eliminación. Las causas específicas
sí pueden ser descubiertas y eliminadas, para alcanzar el objetivo de estabilizar el
proceso.

Existen diferentes tipos de gráficos de control:

De datos por variables.

Que a su vez pueden ser de media y rango, mediana y rango, y valores medidos
individuales.

De datos por atributos.

Del estilo aceptable / inaceptable, sí / no,…

Gráficos de Control: Interpretación

Para la interpretación de los gráficos de control, de medias y recorrido, pueden seguirse

las normas siguientes:

 Norma 1. Cuando un sólo punto está fuera de los límites de control, puede estar
señalando la ausencia de control del proceso. No obstante, esta probabilidad
sería pequeña por lo que tal vez no sea oportuno efectuar cambios.
 Norma 2: Si al menos 2 o 3 puntos sucesivos están en el mismo lado de la línea
media, y más de dos unidades sigma (dos desviaciones típicas) alejados de esta
línea, estará sugerida una falta de control del proceso. Si el tercer punto

Página | 42
 consecutivo está alejado de la línea media en la medida indicada, pero en el otro
lado, la misma conclusión sería válida.
 Norma 3: En el caso de que 4 o 5 valores sucesivos se situaran en el mismo
lado, alejados de la línea central más de 1 sigma, se apuntaría un déficit en la
estabilidad o control del proceso.
 Norma 4: Igualmente, estaría indicada esta falta de control cuando al menos 7
valores sucesivos estuvieran situados en el mismo lado de la línea media. Esto
mostraría una inadecuada distribución de esos puntos.

Ejemplo Grafica de Control

Todos los días se tomaban muestras de las formas llenas, de un departamento en
particular, en una compañía de seguros para revisar la calidad del desempeño de ese
departamento. Con el fin de establecer una norma tentativa para el departamento, se
tomó una muestra de 300 unidades al día (n=300) durante 10 días, obteniendo los
siguientes resultados:

Página | 43
Desarrolle una gráfica de proporciones o gráfica p utilizando un intervalo de confianza
de un 90% para las 10 muestras recolectadas.

En primer lugar calculamos el promedio de unidades defectuosas para cada una de las
muestras (celdas color celeste). Por ejemplo la muestra 1 presenta 10 defectos (de un
total de 300 unidades inspeccionadas), en consecuencia el porcentaje de defectos de
dicha muestra corresponde aproximadamente a un 3,33% (10/300). Luego se obtiene el
promedio de unidades defectuosas del total de las muestras (celda amarilla)
correspondiente a un 3,03% (se obtiene de [3,33%+2,67%+3,00%+…+2,67%]/10).

A continuación se procede con la estimación de la desviación estándar (Sp):

De la tabla de la distribución normal estándar un intervalo de confianza de un 90%

equivale a definir los límites de control a 1,645*Sp. Con esto podemos calcular
el Límite de Control superior (LCS) y Límite de Control Inferior (LCI) respectivamente
(notar que los resultados han sido aproximados).

LCS = 3,03% + 1,645*0,9896% = 4,66%

LCI = 3,03% – 1,645*0,9896% = 1,40%

A continuación se procede a graficar los límites de control (líneas verdes y violeta), el

promedio de unidades defectuosas de cada una de las muestras (línea azul) y el

Página | 44
promedio de defectos total (línea roja). El proceso se encuentra bajo control estadístico.
Los promedios de defectuosos se encuentran dentro de los límites de control estadístico.

Si en cambio los límites de control se definen a un σ del promedio de defectos será

necesario recalcular los límites de control estadístico obteniendo los siguientes
resultados (aproximados):

LCS = 3,03% + 0,9896% = 4,02%

LCI = 3,03% – 0,9896% = 2,04%

4.6 Grafica de Control para Atributos

Las Gráficas de Control son gráficas utilizadas para estudiar como el proceso cambia a
través del tiempo. Se gráfica el promedio como la línea central y los límites de control
superior e inferior que son permitidos en el proceso. Estos límites se determinan con la
data del proceso. Existen cuatro tipos de Gráficas de Control: n, np, c & u.

Proceso en control: Método visual para monitorear un proceso- se relaciona a la

ausencia de causas especiales en el proceso.

Página | 45
Los tipos de gráficos de control por atributos que se estudian son:

a. Gráfico p o de fracción de unidades defectuosas.

b. Gráfico np o de número de unidades defectuosas por muestra.
c. Gráfico c o de número de defectos por muestra.
d. Gráfico U o de número de defectos por unidad.

GRÁFICO p

Es frecuente que la magnitud observada y utilizada como variable de control sea una
proporción.

GRÁFICO np

En ocasiones resulta más cómodo representar directamente la cantidad de unidades

defectuosas en la muestra en vez de su proporción, en este caso el gráfico de control
correspondiente se denomina np puesto que en ordenadas se representa esa magnitud.
Este tipo de gráfico resulta cómodo cuando el tamaño de muestra es constante.

Página | 46
GRÁFICO c

En el control por número de defectos, utilizando un gráfico c, lo que se contabiliza es el

total de defectos en la muestra. Se supone para los mismos una distribución de Poisson.

GRÁFICO U

En este tipo de gráficos se representa la cantidad de defectos por unidad de medida. La

hipótesis de trabajo es que el número de defectos tiene una distribución de Poisson.

Página | 47
Elección del tipo de gráfico

 Establecer los objetivos del control estadístico del proceso.

 Identificar las características a controlar.

 Determinar el tipo de gráfico de control que es conveniente utilizar, conjugando

aspectos como:

o Tipo de información requerida

o Características del proceso

o Recursos humanos y materiales disponibles

o Características del producto

o Nivel de frecuencia de las unidades no conformes o defectos

Ejemplo Grafica de Control para Atributos

El ingeniero de calidad de una empresa toma muestras de la producción diaria con el
objeto de elaborar una gráfica np.

Página | 48
La tabla anexa muestra los rechazos encontrados y la cantidad de piezas revisadas cada
día. Si el número de rechazos de cierto día excede los límites de control el ingeniero
debe inspeccionar al 100% el lote producido.

a) Determine los límites de control y construya la gráfica

b) Determine los límites de control futuros, suponiendo que se identifican las causas
especiales de puntos fuera de control.

a) Límites de control
p = xi = 240 = 0.16854
ni 1424
LSCi = 0.168ni + 3 ni (0.168)(1-0.168)
LCi = 0.168ni
LICi = 0.168ni - 3 ni (0.168)(1-0.168)
GRAFICA DE CONTROL np

30
Sample Count

20

UCL=15.62

10
NP=7.921

0 LCL=0.2222

0 10 20
Sample Number

Página | 49
 4.7 Graficas para No Conformidades
Controla el conteo o la cuenta de no conformidades dentro del producto o servicios.
Se usan en las industrias como técnicas de diagnóstico para supervisar procesos de
producción e identificar inestabilidad en un producto.

Es una unidad del producto que no satisface una o más de las especificaciones para ese
producto. Cada punto específico en el que no se satisface una especificación resulta en
un defecto o disconformidad. Sin embargo dependiendo de su naturaleza y gravedad, es
muy posible que una unidad contenga varias disconformidades y no se clasifique como
disconforme. Hay muchas situaciones prácticas en las que es preferible trabajar
directamente con el número de defectos o disconformidades en vez de usar la fracción
disconforme.

Gráficos de control para unidades defectuosas

 La gráfica p : fracción defectuosa

 La gráfica np: número de unidades defectuosas

Gráficos de control para defectos

 La gráfica c número de defectos (tamaño constante)

 La gráfica u número de defectos por unidad de inspección (tamaño variable)

Esta gráfica controla si la media del número de defectos en una unidad inspeccionada
permanece constante. Todas las muestras son iguales a una unidad inspeccionada.

Puede ser una pieza, una caja de 12 piezas, un tramo de 100 mts de tela o 1000 litros
de pintura

Se usa comúnmente en industrias de proceso continuo, como:

 Industrial textil
 Productos químicos (líquidos)
 Vidrio

Se asume que el número de defectos en una unidad inspeccionada es una v.a. de Poisson
que puede aproximarse por una Normal.

Consideremos el caso en el cual cada elemento de la muestra puede tener un número de

diferentes defectos. La variable de interés es el número de defectos por unidad.

Utilizaremos la siguiente notación:

c = Número de defectos en una muestra de producto.

= El promedio de una serie de conteos de defectos c de varias muestras.

Página | 50
 = El valor estándar o verdadero valor promedio de defectos por muestra.

Se inspeccionan todas las unidades de la muestra, se registran el número de defectos c.

Para la aplicación del gráfico de control c, suponemos que lo siguiente se cumple:

La probabilidad de que ocurra un defecto es, p, un valor muy pequeño. Además de que
los defectos ocurren en forma independiente, es decir, el que ocurra un defecto no afecta
la probabilidad de que ocurran los siguientes defectos.

Las muestras tienen las mismas áreas de oportunidad para los defectos, es decir, las
piezas deben ser del mismo tipo y tamaño. Esto es, no considerar piezas de diferente
tamaño, unas demasiado grandes y otras demasiado pequeñas. No considerar números
variables n de tamaño de muestra.

El número de defectos es bastante mayor al parámetro c.

Todos los defectos están bien definidos.

La inspección para la detección de los defectos es consistente.

Si lo anterior se cumple, la distribución de Poisson con parámetro λ como número

promedio de defectos, puede ser utilizada para modelar el número de defectos en
muestras de tamaño constante.

La media y varianza de la distribución de Poisson, es el mismo parámetro λ, es decir:

E(c) = λ; Var(c) = λ

De esta forma, si tenemos m muestras, el parámetro c, puede ser estimado de la fórmula

que se muestra a continuación:

Donde ci es el número de defectos por muestra.

Límites de control del gráfico c basado en los valores muéstrales

De esta forma los límites de control se calculan con base en las fórmulas siguientes:

Página | 51
Límites de control de los gráficos c basados en los valores estándar

Si se conoce el valor estándar c, puede sustituirse en lugar de c barra y calcular los

límites de control con base al valor estándar de c.

Ejemplo Graficas para No Conformidades

La tabla mostrada presenta el número de defectos encontrados en un rollo de tela.
Todos los rollos de tela son de igual tamaño.
Construya una gráfica c y determine si el proceso está en control.

Página | 52
Solución:

Estimamos c a partir del total de defectos

c = 231 / 22 = 10.5 defectos por rollo

4.8 Graficas X Y
Los gráficos XY o de dispersión muestran las series como un conjunto de puntos. Los
valores se representan mediante la posición de los puntos en el espacio del gráfico. Las
categorías, por su parte, mediante diferentes puntos del gráfico. Los gráficos de
dispersión suelen utilizarse para comparar valores distintos de las categorías.

Hay tres tipos de gráficos de dispersión: gráfico XY de dispersión, dispersión con

puntos de datos conectados por líneas y dispersión con puntos de datos conectados por
líneas suavizadas.

Un gráfico XY (dispersión) muestra cada serie de valores como puntos de datos en el

espacio del gráfico conforme a los valores X e Y de la serie de valores. Un gráfico de
dispersión típico contiene expresiones que no son de agregado para los valores. La
expresión para la X del área del gráfico de valores y la expresión para el grupo de
categorías suele ser la misma. Aunque los grupos de series y categorías sean opcionales,
será necesario uno de estos grupos, como mínimo, para poder mostrar datos
significativos en el gráfico.

Página | 53
Área del Descripción
gráfico

Valores Requerido. Los valores de una serie de valores determinan la posición de cada
uno de los puntos de datos del gráfico. Hay dos valores para cada serie de
valores: X e Y. Estos dos valores son necesarios. El valor de X determina la
posición del punto de datos en el eje X. El valor de Y determina la posición del
punto de datos en el eje Y. Si el gráfico contiene varias series de valores, se
mostrarán varias series tanto en el propio gráfico como en la leyenda del gráfico.
Grupos de Opcional. Los valores de categorías se muestran como puntos de datos dentro
categorías de un grupo de series.
Grupos de Opcional. Las series se muestran como grupos de puntos de datos en el gráfico.
series Cada una de las series se muestra como una serie independiente en el gráfico
(cada una con un color o símbolo distinto) y en la leyenda del gráfico.
Dispersión con puntos de datos conectados por líneas

Un gráfico de dispersión con puntos de datos conectados por líneas es idéntico a un

gráfico XY (dispersión), con la única diferencia de que los puntos de datos están
conectados mediante líneas rectas.

Dispersión con puntos de datos conectados por líneas suavizadas

Un gráfico de dispersión con puntos de datos conectados por líneas es idéntico a un

gráfico XY (dispersión), con la única diferencia de que los puntos de datos están
conectados mediante líneas curvas.

Ejemplo Graficas XY
La empresa EDAD S.A. cotiza en Bolsa desde hace algunos años. En la gráfica adjunta se
muestran las cotizaciones (en €) de sus acciones durante el año 2008. ¿Cuál ha sido la mayor
cotización alcanzada por sus acciones? ¿En qué mes se consiguió? ¿Cuál ha sido el menor valor
alcanzado por las acciones?

¿Cuál fue el mes en que se

alcanzó esa mínima
cotización? ¿Qué cotización
se alcanzó en el mes de
junio?

Página | 54
 La mayor cotización fue de 70 € y se alcanzó en diciembre. La menor cotización fue de 10 € y
se alcanzó en agosto. En el mes de junio las acciones se cotizaron a 40 €

4.9 Análisis de la Capacidad de Procesó

La capacidad de un proceso de fabricación se suele interpretar como su aptitud para
producir artículos de acuerdo con las especificaciones. También se suele interpretar
como la aptitud del proceso o de una sola máquina para cumplir los límites de
tolerancia. En este tema se introducen algunas medidas e la capacidad de un proceso. El
análisis de la capacidad de un proceso deberá realizarse cuando dicho proceso esté bajo
control. Dicho análisis se suele iniciar cuando se necesita estudiar un nuevo proceso,
cuando se ha modificado alguna de las partes esenciales del proceso, cuando se han
emplazado una o más maquinas en otro lugar, cuando ha habido un reajuste en el
funcionamiento de las maquinas, cuando los gráficos de control muestran cierta
inestabilidad, etc.

El análisis estadístico de la capacidad del proceso suele comenzar con un estudio de este
para realizar estimaciones de los parámetros fundamentales que definen su
funcionamiento; especialmente, de los parámetros que determinan su variabilidad. Este
último aspecto es esencial, puesto que se puede considerar como un indicador de la
uniformidad en el rendimiento. Se suelen analizar dos tipos de variabilidad: La
variabilidad instantánea, en un instante dado, que determina la capacidad del proceso a

Página | 55
corto plazo La variabilidad en el transcurso del tiempo, que determina la capacidad del
proceso a largo plazo.

Para una variable aleatoria X que representa la característica de la calidad que se pretende
controlar en el producto fabricado, la variabilidad de X determina el nivel de calidad del
producto. Se consideran los límites de especificación (LIE y LSE) que definen el rango de
valores de X que se han establecido como permisibles. Asimismo, el valor objetivo, definido
por el valor medio poblacional µ se supondrá centrado respecto a los límites de especificación.
Se define entonces el ´índice de capacidad estándar del proceso como:

En ocasiones, en el análisis de la capacidad del proceso interesa realizar un estudio sobre la

variabilidad de una sola maquina (sin otros factores externos), investigando su capacidad en
periodos cortos de tiempo frente a factores externos fijos. Se pueden considerar este u otros
aspectos para el diseño de índices de capacidad. Así se tienen los siguientes índices:

Página | 56
Herramientas estadísticas para el análisis de la capacidad Según se ha comentado en la
Introducción, el análisis de la capacidad requiere del conocimiento o la estimación de la
distribución. Adicionalmente, según se han diseñado los límites de tolerancia naturales,
la suposición de normalidad debe contrastarse para una interpretación adecuada de los
´índices de capacidad. Por tanto, en el análisis de la capacidad del proceso se suelen
utilizar las siguientes herramientas:

Ejemplo Análisis de la Capacidad del Proceso

El análisis de capacidad del proceso es fundamental en un Programa Integral de Mejora
de Calidad. Entre sus aplicaciones, podemos señalar:

1. Predecir cómo se comportará el proceso respecto de las especificaciones.

2. Ayudar en la selección o modificación de los parámetros del proceso.

3. Orientar en el establecimiento de la frecuencia de los demuestres para el control del

proceso.

4. Especificar las tolerancias de nuevos equipos

5. Reducir la variabilidad en el proceso de fabricación.

Dos son, principalmente, las técnicas utilizadas en el análisis de la capacidad de un

proceso: Histogramas y Gráficos de Control.

Página | 57
 4.10 Procedimientos Especiales para el Control de Procesos
Gráficos de control con tamaño submultiple:

Siempre que sea posible es conveniente tener un tamaño de subgrupo constante. Si esto
no puede hacerse los límites en los gráficos X y R deben ser variables. Una vez que se
ha estimado ı estos límites para diversos tamaños de muestran pueden obtenerse
utilizando los factores y fórmulas. En donde los datos utilizados para estimar ı incluyen
subgrupos de diversos tamaños.

Gráficos R o Gráficos ı donde los gráficos X no son apropiados:

En algunos casos los subgrupos pueden ser comparables en su dispersión aunque no

sean comparables en sus medias. Si se analizan muestras que tienen contenido químico
algo diferente, los promedios de los subgrupos no son comparables. Sin embargo, la
dispersión de los subgrupos refleja la capacidad de un analista y un procedimiento
analítico para reproducir resultados por medio de varias determinaciones similares. El
gráfico de control de R o ı proporciona una base para juzgar esta dispersión parece estar
influida por un sistema de causas constantes.

Gráficos X y ı con subgrupos grandes:

Algunas veces sucede que se supone de datos sobre medias y desviaciones estándar de
alguna variable media, procedentes de diferentes fuentes. Puede ser conveniente aplicar
una prueba homogeneidad a estas cifras para ver si hay una clara evidencia de que las
diferentes fuentes representan diferentes sistemas de causas. Los gráficos de control X y
ı constituyen un procedimiento simple de prueba para este propósito.

Gráficos para las mediciones individuales:

Cuando el personal del taller no entiende los gráficos de medias una forma de evitar
interpretaciones erróneas consiste en no presentar las medias, sino las mediciones
individuales. En estos se dibujan correctamente los límites de la especificación que debe
aplicarse a las mediciones individuales. Este tipo de gráfico puede ser mejor que nada,
pero es mucho menos satisfactorio que un gráfico X convencional, basado en un tamaño
de subgrupo de 4 o 5. En general este tipo de gráfico es inferior a los gráficos de control
convencionales porque no ofrecen una panorámica clara de los cambios que tienen lugar
en el proceso, ni siquiera a una prueba rápida de la existencia de causas atribuibles de
variación.

Página | 58
 Conclusión
Al haber investigado y analizado cada uno de estos temas me dejo mucho aprendizaje,
ya que ahora se para que sirve cada una de estas herramientas, y en qué situación
utilizarla, porque me doy cuenta que cada una tiene una forma de hacer otra tarea con
un diferente método.

Al momento de empezar a investigar los temas me di cuenta que cada uno fue creado
por un ingeniero reconocido en la industria del control de la calidad, ya que los aportes
de estos grandes personajes que han hecho que todas las ingenierías tengan una calidad
de primer mundo en cada una de sus ramas, ha sido de gran ayuda todavía en estos
tiempos para la búsqueda de la perfección en cada producto que se fabrica, y que aún es
estos tiempos siguen siendo implementados en muchas empresas de prestigió.

Al concluir con las investigaciones de cada uno aprendí, que sea en la situación que sea
todo tiene solución ya sea en el ámbito del trabajo como en el ámbito del estudio, ya
que los dos necesitan del estudio de la calidad para así mejorar en las diferentes
materias o departamentos que tiene cada uno. Al final logre comprender más de lo que
sabía y también supe que quiere decir cada una de estas herramientas del mejoramiento
continuo, así pues sé que herramienta emplear para mejorar en laguna cosa que yo
requiera tener resultado más que perfectos.

Página | 59
 Bibliografía
4.1
https://es.scribd.com/doc/60646905/ESTADISTICA-APLICADA-RECOLECCION-
DE-DATOS

4.2
https://ingenioempresa.com/hoja-de-verificacion/

4.3
http://support.minitab.com/es-mx/minitab/17/topic-library/quality-tools/quality-
tools/pareto-chart-basics/

https://www.gestiopolis.com/diagrama-de-pareto/

https://www.aiteco.com/diagrama-de-pareto/

4.3.1
http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/DOCUMENTOS/
TEMA%201/7.%20HISTOGRAMAS.pdf

https://es.wikipedia.org/wiki/Histograma

https://es.slideshare.net/fairye/histograma-15400164

4.3.2
http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/herramientas_calidad/causaefecto.ht
m

https://www.google.com.mx/url?sa=t&rct=j&q=&esrc=s&source=web&cd=3&cad=rja
&uact=8&ved=0ahUKEwig8qSIpPjTAhVjyFQKHUc7AVEQFggrMAI&url=http%3A
%2F%2Fwww.minsa.gob.pe%2Fdgsp%2Fobservatorio%2Fdocumentos%2Fherramient
as%2Fdiagramacausaefecto.pdf&usg=AFQjCNGtX1_Yy08eqgTo6rQcbFuonOgkyw&s
ig2=A0Lgao4bHtmaACk-vaeEyA

4.3.3
http://www.ub.edu/aplica_infor/spss/cap3-7.htm

https://www.aiteco.com/diagrama-de-dispersion/

https://www.ecured.cu/Diagrama_de_dispersi%C3%B3n

Página | 60
4.3.4
http://controlestadisticodelacalidad-industrial.weebly.com/166-estratificacioacuten.html

4.4
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/gesti%C3%B3n-y-control-de-calidad/capacidad-de-proceso/

http://www.icicm.com/files/CAPACIDAD_DESEMP_PROCESO.doc

4.5
http://support.minitab.com/es-mx/minitab/17/topic-library/quality-tools/control-
charts/basics/understanding-control-charts/

http://spcgroup.com.mx/grafica-de-control/

4.6
https://es.slideshare.net/antoniomoraleszarate/graficas-de-control-por-atributo-
17072324

4.7
http://allman.rhon.itam.mx/~cacosta/calidad/C.ppt

4.8
https://msdn.microsoft.com/es-es/library/ms251748(v=vs.90).aspx

http://recursostic.educacion.es/descartes/web/materiales_didacticos/EDAD_1eso_tablas
_y_graficas/1quincena11.pdf

4.9
https://www.google.com.mx/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja
&uact=8&ved=0ahUKEwjYv_mY-
__TAhXH24MKHQITCjYQFggpMAE&url=http%3A%2F%2Fwww.ugr.es%2F~mruiz
%2Ftemas%2FTema_7.pdf&usg=AFQjCNFBp5t3ydyy0Y6Ihbm4jEkHvfcfPA&sig2=fs
p9NbZyGTGpBegWl0Ytdw

https://www.google.com.mx/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja
&uact=8&ved=0ahUKEwjYv_mY-
__TAhXH24MKHQITCjYQFggjMAA&url=http%3A%2F%2Fsupport.minitab.com%2
Fes-mx%2Fminitab%2F17%2Ftopic-library%2Fquality-tools%2Fcapability-
analyses%2Fbasics%2Fuses-of-capability-

Página | 61
analysis%2F&usg=AFQjCNF1eVnIk8xRsG8NhlmdaihJ7MegXQ&sig2=ZyjzNpesQw-
DYBlndkGMcg

4.10
http://recursostic.educacion.es/descartes/web/materiales_didacticos/EDAD_11.pdf

http://support.minitab.com/es-mx/minitab/17/topic-library/quality-tools/control-
charts/basics

Página | 62