76 DE PROCESOS

apitulo 6 CAPACIDAD D PROK USOS Y CONTRI. ESTADISTICO

Variación a nuestro alrededor

in general. se acepta que conforme la variación disminuye, la calidad mejora. En ocasi
cste conocimiento es intuitivo. Si un ren llegu sicmpre a tiempo, Tos horarios se pucden nl siones,
con mayor precisión. Si las tallas de ropa son consistenes es posible ahorrar tiempo hio
pedidos por catálogo. Pero en raras ocasiones se piensa en esas cosas en términos del valIendo
una variabilidad baja. Con los ingenieros, el conocimiento está mejor definido, LoOs ni ede
stones
deben caber en los cilindros, las puertas deben caber en el espacio asignado para cllas
componentes eléctricos deben ser compatibles y las cajas de cereal deben contener la cam los
corecta de pasas; de lo contrario, la calidad será inaceptable y los clientes no qucdarán
lechos. alis.
Sin embargo, los ingenieros saben tanbin que es imposible tener una
variabilidad de cen
Por esta razón, los diseñadores establecen especificaciones que definen no solo el
valor pre
Ierminado de algo, sino tambi n los límites aceptables en relacón con el objetivo. Por
ejemple
si el valor predeterminado de una dimensión es 10
pulgadas, las especificaciones de disei
deben ser 10.00 pulgadas t 0.02 pulgadas, Con esto, el
departamento de manufactura sabe que
aunque la meta debe ser 10 pulgadas exactamente, cualquier medida entre 9.98 y 10.02 pulgada
Limites de es correcta. Estos límites de diseño se conocen con frecuencia como limites de
especificación especificacián
superior inferior o límites de tolerancia superior e inferior.
e
superior e inferior o
Una forma tradicional de
limites de tolerancia interpretar una especilicación de este upo es que cualquier pieza
que se encuentre dentro del rango permitido es bucna, micntras que cualquier pICza
superiore inferior que quede
fuera de él es deficiente. La ilustración 6.1A muestra lo anterior. (Observe
que el costo es cero
en todo el
rango de la especificación y lucgo hay una diferencia significativa en el costo una
que se viola el límite). ve
Genichi Taguchi, notable experto en calidad de Japón, seiala que el punto de vista tradicio
nal que muestra la ilustración 6.1A no tiene sentido por dos razones:
1. Desde el punto de vista del cliente, a menudo no cxiste
entre un producto que
prácticamente ninguna diferencta
queda justo dentro de las especificaciones y otro que esté justo fucra
de ellas. Por el contrario, la diferencia es mucho
mayor en la calidad de un producto con las
especificaciones mcta y cn la de un producto que se encuentra cerca de uno de los límites.
2. Conforme los clientes se vuclven más
exigentes, surge la presión de reducir la variabilidad
Sin embargo, la ilustración 6. IA no
refleja esta lógica.
Taguchi supiere que la ilustración 6.1B muestra la pérdida en forma más correcta. Se obser
va quc, en la gráfica, el costo se representa por una curva suave.
de esta idea: la combinación de los
Hay docenas de ilustraciones
engranajes
cn una
transmisión, la velocidad de una pelicta
fotográfica, la temperatura en un lugar de trabajo o en una tienda
departamental. En cast tod
aquello que cs
posible medir, el cliente no ve una línea
definida, sino una degradación de u
aceptabilidad conforme se aleja de la cespecificación "óptima". Los clientes ven la funcion
pérdida como en la ilustración 6.1B más que como en la ilustración 6.1A.

ILUSTRACION 6.1 Perspectivas del costo de la variabilidad

A.Perspeciivatradcnal B. Perspectiva de Taguchi
Allo
Al

Costo incrementa! Costo incTemental

de la variabilidad dela varabilidad
para lä sociedad para la socicdad

Cero
Ceroi
Especificación Esipecificaión Especificación
inferior deseda superior Especificación Especificación
specificacwon

inferior deseada
Superior
 CAPACIDAD DEL PRoCESO 77

Desde luego, si los prod oductos se eliminan en forma consistente

ficaciones, la curva de pérdidas se vuelve más siempre que quedan fuera
de las especifie
plana en la mayor
parte de los casos
equivale al costo de desecho en los
un alor que rangos fuera de las
asta
1e. al
al m
menos en teoría,
e n o s en teoria, esos
Esto
esos productos nunca se van a vender, de modo que no existe especificaciones.
debe a que,
se sto externo para la sOCiedad. Sin embarg0, en muchas situaciones prácticas, el proceso
ingun ducir un ntaje
porcenta muy alto de productos dentro de las especificaciones y no se
de
es capaz de 100% 0, en caso de que el proceso no
cabo una revisión. pueda producir dentro de las
lleva a
realiza una revisión de 100% y es posible volver a trabajar en los productos
ecificaciones, se realiz

cumplen
con las cificaciones a fin de que queden dentro del rango. En cualquiera de
ue no
situaciones,,
la función parabólica de la pérdida casi siempre es una suposición razonable.
estasEn las dos secciones siguientes se analizan dos conceptos: capacidad del proceso y gráficas

trol, La capacidad del proceso se relaciona con la eficiencia del proceso al fabricar las
a n d o funciona de manera apropiada. Con las gráficas de control se verifica en forma
funcione de manera apropiada.
continua que el proceso

Capacidad del proceso

decisión de sí o no,
el hecho de estar dentro de la tolerancia no es una
Tacuchi argumenta que de Motorola señalan que el
continua. Por otra parte, los expertos en calidad
sino una función ser tan eficiente que la probabilidad
de
un bien o prestar un servicio debe
proceso para producir el
Motorola popularizó la capacidad de los procesos y
un defecto sea muy, muy baja.
generar
la adopción de los límites Six-Sigma.
AI diseñar una picza se especifica
diseño de productos con e inferior.
dimensiones deben estar dentro
de los línmites de especificación superior
que ciertas
se va a diseñar un cojinete
Como ejemplo sencillo, suponga que
es decir, el eje para
las llantas de un auto. Hay
para un eje giratorio, la
como en el eje; por ejemplo,
muchas variables tanto en el cojinete
tamaño de los rodillos y
del eje, la longitud del
anchura del cojinete, el tolerancias de
etc. El diseñador especifica las
eje, cómo está sujeto, las piezas se

de estas variables con el fin de garantizar que

cada una se selec-
en un principio
ensamblen de apropiada. Suponga que
manera
establece en 1.250
del cojinete se
Ciona un diseño y que el diámetro aceptables
Esto significa que las piezas
pulgadas +0.005 pulgadas. límites de
1.245 y 1.255 pulgadas (los
deben tener un diámetro entre

tolerancia superior e inferior). Se pue-

fabricar el cojinete.
considera el proceso para es necesario
Después se
Por lo regular,
varios procesos para producirlo. que el
Cegir Por ejemplo, es probable
fabricar una pieza.
un proceso para ser lento pero muy
Car algo al diseñar constante, o por
el contrario, puede
acuerdo con la des-
pero no muy mide de
c a muy rápido
se

de
producir un cojinete
proceso para con la
manufactura de,
hacer una prueba
constancia un
di d diámetro. Se puede
de la medida del de la muestra,
hpor Cstandar el diámetro de cada cojinete diámetro promedio
o medio

100 cojinetes y medir se

descubre que el
está "centrado justo
de realizar la prueba,
410s que, después decir lo anterior es que
el proceso
ser muy
difí-
de40pulgadas. Otra forma de En realidad, puede
inferior.
superior e los valores del
10s limites de especificación Suponga que
el ejemplo. el
cil ten perfectamente centrado
como en Esto significa que
Proceso
a 0.002
pulgadas.
diómete sigma igual
diámetro tienen una desviación estándar o
tamano. mediante
br exactamente del mismo se supervisa
produce cojinetes por lo
general
un proceso encuentran a mas
capítulo, se
Verâ más adelante en este cojinetes que
ca empiezan a producir 1.250 pulgadas, el
gráficas de Ontrol, de modo que si se encima o por
debajo de
1.244 [es decir,
detres desviaciones estándar (+0.006 pulgadas)
por
que
varían entre
piezas 1.244 y 1.256
proce se s e producen Los límites
interrum Esto significa que
0.002)1 pulgadas.
1.250-3
confundir
1.250 + (3 x cuidado y no
1.256 [es decir, Se debe tener
SeConsideeran los2)límitesmás alto y más bajo delrelacionan
y proceso. para
uniformidad del proceso
con la
la terminolog se
s4. Los límites del "proceso"
78
ESTADiSTICO DE PROCESoS
capitulo 6 CAPACIDAD DE PROCESOS Y CONTROL

Tabricar los cojinetes, Al manejar el proceso, el objetivo es mantenerlo a más o menos tres.des.
V1aciones estándar de la media. Los límites de las "especificaciones se relacionan con el dic
de la pieza. Cabe recordar que, desde el punto de vista del diseño, las piezas aceptables ti
iseño
un diámetro entre 1.245 y 1.255 pulgadas (los límites de especificación mínimo y máximoi
Como se aprecia, los límites de proceso son un poco mayores que las especificaciones del
diseñador. Esto no es correcto porque se producirán algunas piezas que no cumplan con

con procesos Six-Sigma

insisten en que el proceso de fabricaoi
especificaciones. Las empresas
sea capaz de operar de modo que
los limites de las especificaciones del se
dise
de una pieza
encuentren a seis desviaciones estándar de la media del proceso. Para el proceso de manufacth
ura
de los cojinetes, cuán pequeña debe ser la desviación estándar con el fin de que el proceso tenar
una capacidad Six-Sigma? Cabe recordar que la especificación de diseño es de 1.250 pulgado
más o menos 0.005 pulgadas. Si se piensa un poco, esas O.O05 pulgadas deben tener una relaciáin
con la variabilidad del proceso. Al dividir 0.005 pulgadas entre 6. que es igual a 0.00083, se
determina la desviación estándar de nuestro proceso para un proceso SiX-Sigma. Así, para que
este tenga una capacidad Six-Sigma, el diámetro medio producido necesita ser exactamente de
1.250 pulgadas y la desviación estándar del proceso debe ser menor o igual a 0.00083 pulgadas.
Es probable que en este punto haya confusión respecto de la simple idea de Six-Sigma, Por
desecha los que tienen un
el diámetro de cada cojinete y
ejemplo, ipor qué la empresa no revisa
diámetro menor que 1.245 o mayor que 1.255? Esto sin duda se podría hacer, y para muchas pie-

zas sí se realiza una prueba de 100%. El que, para una compañía que produce miles
problenma es

críticas de cada pieza es muy costoso. Para los

de piezas cada hora, verificar todas las dimensiones
críticas además del diámetro y habría que revi.
cojinetes, hay con facilidad 10 o más dimensiones dedicaría más
sar todas y cada una de ellas. Con
la estrategia de la prueba de 100%, ila empresa
Por esta razón, una e1presa emplea pequeñas mues
tiempo a probar las piezas que a fabricarlas!
encuentre en control estadístico. Más
tras para cerciorarse en forma periódica de que el proceso se
exactamente cómo funciona el muestreo estadístico.
adelante en este mismo capítulo se estudia
Se dice que un proceso es capaz cuando la media y la desviación estándar son operativas,
son aceptables en relación con los lími-
de modo que los límites de control más alto más
y bajo
e inferior. Considere el diagrama A en
la ilustración 6.2.
tes de las especificaciones superior
del diámetro de los cojinetes en el proceso original.
Representa la distribución de la dimensión
El promedio o valor medio es 1.250, y las especificaciones
de diseño más baja y más alta son
1.245 y 1.255, respectivamente. Los limites de control
del proceso son más y menos tres desvia-
de color oscuro) de
ciones estándar (1.244 y 1.256). Observe que existe una probabilidad (áreas
producir piezas defectuosas.
desviación estándar relacionada con el
Si mejora el proceso mediante la reducción de la
se
un
en la ilustración 6.2 muestra
diámetro de los cojinetes, la probabilidad baja. El diagrama B
estándar disminuyó a 0.00083 (el área de color claro).
nuevo proceso en el que la desviación
defecto en este
Aunque no se ve en el diagrama, existe cierta probabilidad de que se produzca un

nuevo proceso, pero es muy, muy pequeña.

6.)
de la media. La ilustración
Suponga que el valor central o media del proceso se aleja
muestra la media con una desviación estándar más cerca del límite superior de las especifica
ciones. Desde luego, esto da lugar a un número un poco mayor de defectos esperados. pero s
ve que el proceso es todavía muy bueno. Con el índice de capacidad se mide la eficiencia en t

producción del proceso en relación con las tolerancias de diseño. En la siguiente sección se desct

be la forma de calcular este índice.

INDICE DE CAPACIDAD (Cph) en

El índice de capacidad (Cpk) muestra la eficiencia con la que las piezas producidas entra
indice de capacidad el rango que especifican los límites de diseño. Si estos límites son más altos que las tres sigu
(Cpd permitidas en el proceso, la media del proceso se aleja del centro antes del reajuste y se si

produciendo un alto porcentaje de piezas buenas. a

De acuerdo con las ilustraciones 6.2 y 6.3, el índice de capacidad (C) es la posicion
media y las colas del proceso en relación con las especificaciones de diseño. Mientras mas
Excel: aleje del centro. mayor será la probabilidad de producir piczas defectuosas.
SPC
 79
CAPACIDAD DEL PROCESO

ILUSTRACIÓN 6.2
Diagrama A
Capacidad del proceso.
1.244 1.250 1.256

1.245 1.255
Límite de Límite de
especificación
especificación
inferior Superior

1.244 1.250 1.256

DiagramaB
1.248 1.250 1.252

Proceso
mejorado
1.255
1.245

Proceso
original

T.256
1.244 1.250
la dirección del cambio
Como la nmedia del proceso puede cambiar en cualquier dirección, del proceso. La
de diseño establecen el límite en la capacidad
y su distancia de la especificación
número más pequeño.
dirección del cambio es hacia el número más pequeño
se calcula como el
De manera formal, el índice de capacidad (C)
Como sigue:

CminLL UTL-X| (6.1)

3o

el proceso se centra en 1.251 y o =

supongamos que
Según el ejemplo de la ilustración 6.3,
0.00083 (o es el símbolo de la desviación estándar).
p min | 2 3 1 1 . 2 4 5
O
1.2551.2511
3(.00083)
3(.00083)T

minin 006 004

.00249

min [2.4 o I.6]

Cp
es el número menor.
h . 6 , que
ILUSTRACIÓN 6.3
1.254 UTL
LTL 1.249 1.251 Capacidad del proceso
con un cambio en la
media del proceso.
1.255
1.245

1.250 1.256
1.244
 PROCESOSs

DE
ESTADÍSTCO

80 DE
PROCESOS
Y
CONTROI.

capiulo 6 A C D A D

lar
similar a la ilustra
nianera

derecha de
cambió a
la
diseño.
del proceso
límites
del delccto. Si se
media
Esto indica que ai de los un
dentro
real de
producir
m e
de un cálculo
Cncucntran

6.3.pero las piezas se

cakcular la
probabilidad
se trata

Ocasiones,
result:a útil
desviación
estándar
constanle,
estrategia
consiste en caleul.
en calcular la
La
produce c o n
una
de
cálculo.
in.
ceprOceso
tiene acceso a una hoja
fuera de
los limites de diseño superior e
inferior
obre todo si se quede
una pieza que 1.25I pulo
probabilidad
de producir
media y la
desviación
estándar del
proceso.
centrado,
con una
media de
Igadas
dadas la
donde el proceso
no
de
está
calcular el valor Z asociado
se debe sos.
Segun el ejemplo, UTL 1.255, primero
= R e c u e r d e de
sus estudios de
estadis-
1.245 y inferior.
0.00083, LT1.
=
g=
t o l e r a n c i a superior
e
la izquierda de cero een
n

(especificaciones)
de a la
derecha o a una
sea
mtes
desviación
estándar ya
tica que el valor Zes la
distribución de probabililad.
=LTLX
=UTL-X

Para este ejemplo. 1.255 251 = 4.8193

Z 00083
=
- 7.2289 00083

estos valores Z es usar la

asociadas a
de obtener las probabilidades
Una forma fácil función es DISTR.NORM.
formato de esta
en Excel. El
función NORMSDIST integrada los valores siguientes. (Se
calculado. Excel genera
el valor Z ya
ESTAND.N(Z), donde Z es diferentes de los proporcionados aquí según
resultados un poco
observó que quizá se obtengan
la versión de Excel).
(-7.2289) = 2.43461E-13
DISTR.NORM.ESTAND.N(Z)

(4.8193) = 0.99999928
DISTR.NORM.ESTAND.N(Z)
y
entender con exactitud lo que proporciona la fun-
Para interpretar esta información se requiere
DISTR.NORM.ESTAND.N(Z) da la probabilidad acumu-
ción DISTR.NORM.ESTAND.N(Z).
lada a la izquierda del valor Z dado. Como Z
= -7.2289 es el número de desviaciones estándar
relacionadas con el límite de especificación más bajo, la
fracción de las piezas que se van a
en un nivel más bajo que este es 2.43461E-13. Esta
cifra se encuentra en una notación
producir
cientifica. y E-13 al final significa que se debe mover el punto decimal trece lugares para obiener
la fracción real de piczas defectuosas. Así, esta fracción es 0.00000000000024361. jun número
muy bajo! De igual manera, se observa que aproximadamente 0.99999928 de las piezas queda
rán por debajo del límite de especificación más alto. Lo que en realidad interesa es la fracción
que quedará sobre este límite. pues es el número de piezas defectuosas. Esta fracción de defectos
sobre la especificación nmás baja es I - 0.99999928 = 0.00000082 de las piezas.
Al sumar estas dos fracciones de piezas defectuosas se tiene 0.00000082000024361. Esto
se interpreta como que solo se espera que alrededor de 0.82 piezas por millón sean defectuosas.
Es evidente que se trata de un gran proceso. Sin embargo, euando trabaje en los problemas del
final del capitulo, notará que no siempre es asi.

EJEMPLO 6.1
El gerente de
aseguramiento de calidad evalúa la capacidad de
proceso que inserta grasa presurizada cu
un
latas de aerosol. ILas
especificaciones
de diseño
Cuadrada (psi) en cada lata con un límite requieren una presión promedio de
60 libras por pulgaua
de tolerancia superior de 65
Paso por una muestra de la psi y uno inferior de 55 psi. Se tonl
producción y se descubre que las latas tienen un
(uál es la capac idad del proceso? Cuál es la pronedio
paso estándar de 2 psi. de 61 psi con una desv1act
probabilidad de producir un delecto
Solución
Paso 1: Se interpretan los datos del
problema
LTI =55 UTL =
65 X= 61 o=2
 81
PROCEDIMIENTOS DE CONTROL DE PROCESOS

2: Se
calcula el C
Paso

CminA1 TIX

C min 5 65-61
2)

p 1 1 n| 1 , 6667| = .66667

la probabilidad de producir un defecto

Dasa 3: Se caleula
una lata c o n menos
de 55 psi
Probabilidad de
Z= 613
DISTR.NORM.ESTAND N(Z) (-3) = 0.001349898

de una lata con

más de 65 psi
Probabilidad

Z= =
56 =2
DISTR.NORM.ESTAND.N(Z) (2) = 1 -
977249868 = .022750132
-

lata con menos de 55 psi o más de 65 psi

Probabilidad de una

0.001349898 + 0.022750132 = 0.024100030

Probabilidad =

de las latas estarán defectuosas.

0 aproximadamente 2.4%

referencia rápida de la fracción de

unidades diver defectuosas con

La tabla siguiente es una la desviación

desviaciones estándar). Esta tabla supone que
sos límites
de diseño (expresados en límites de diseño.
exactamente entre los
el proceso está centrado
estándar es constante y que
Fracción de
Piezas defectuosas
Limites de diseño defectos
317 por cada mil .3173

45 por cada mil 0455

2.7 por cada mil 0027

63 por cada millón 000063

+4
millones .000000574
574 por cada mil
S .000000002
2 por cada mil millones
cambio del proceso de l.5e fuera
de
de Motorola con un
El límite de diseño de Six-Sigma se encuentra
exactamente en

3.4 defectos por cada millón. Si la media

la media (C =
I.5) da la tabla
mil millones, como muestra
entonces se esperan
2 defecios por cada
Ci centro
(C= 2).
anterior.

Procedimientos de control de procesos

el podu o o servucio
mieniras se produce
de procesos de vigilar la calidad
se ocupa nlormacKOn
COntro control de procesos son proporciona
LOS objetivos habituales de los planes de cun las especi
en ese momento
sobre el cumplimiento de los artículos producidos que los
rtuna es probable
detectar cambios en el proceso
que indiquen que Control estadístico del
dC1ones de diseño y control estadistico del proces0
cespecificaciones. El proceso (CEP)
pro
ctos Juturos no cumplan con esas un proEsO para
determnar
muestra aleatoria
de la produeción de
Comprende probar una

S produce artículos deniro del rango preseleccionado. caracteristivas de calidad (o rariables)

se basan en Atributos
hasta el momento
caracteristicas de cali-
uos ios ejemplos de una piera.
Los atributos son
o el peso L0s
Surables. como el diámetro o incumplimiento
con la especiticación.

C S C Clasifican conforme a su cumplimiento

 PROCESOS
ESTADÍSTICO DE
CONTROL
Y
CAPACIDAD DE PROCESOS
82 capitulo 6

con un funcionamiente
buenos o malos, bu
pueden observar como dauen
servicios funciona o no; alcanza cierto nivel
o se
productos
de césped
conoce como muestreo por.
una podadora
o deficiente. Por ejemplo, medición se
lo hace. Este tipo de se pueden medir
y caballos de fuerza
o no
de una podadora
caballos de fuerza
tos. Por otra parte, el torque y
los
establecido. Este tipo
de medición se con Como
un estándar
Conoce co
una cantidad de desviación de describe algunos enfoques
estándar para
variables. La sección siguiente medir variables
contro
muestreo por otro para
medir atributos y luego Ambas
mo
un enfoque para 6.4
lar procesos: primero
elaboración de gráficas
de control. La
ilustración muestra . nuestra algunos
técnicas r e c u r r e n a la de un proceso.
entender la operación
ejemplos de gráficas de control para

PROCESOs cON
MEDICiONES DE
ATRIBUTOS:
GRAFICASpP
CONTROL DE artículo es buen.
una sola decisión: el
tomar muestras y
La medición poratributos implica no, se crea una gráfica p mediante estadística si
decisión de
de superior sí o
con
lo unComo
límite detrata
es. control
se una
(LCS) y un límite de control inferior (LCI). Se trazan aestra
estos
representa la
fracción de detectos de cada mites.
limites de control en una gráfica y luego se

Gráfica de control de evidencias para

una investigación.
ILUSTRACION 6.4

Límite de control superior

Línea ceniral

Limite de control interior

Un punto afuera en la parte Un punto afuera en la parte

Comportamiento normal.
superior. Investigar la causa inferior. Investigar la causa

del mal desempeño. del valor inferior.

Limite de control superior

Línea central

Límite de control inilerior

Dos puntos cerca del control Dos puntos cerca del control Serie de cinco puntos sobre la
superior. Investigar la causa inferior. Investigar la causa. linea central. Investigar la causa
del mal desempeño. del mal desempeño sostenido.
Limite de control superior

Linca ceniral

Límite de control inferior

Serie de cinco puntos debajo de Tendencia en cualquier dirección
Comportamiento erråtico.
la línea central. Investigar la causa de cinco puntos. Investigor la
del mal desempeño sostenido. causa del cambio
Investigar.
Límite de control superior
progresivo.

Linea ceniral

Límite de control inlerior

Cambio repentino en el nivel.
Investigar la causa.

Tiempo Tiempo
Tiempo
 PROCEDIMIENTOS DE cONTROL DE PROCESOSs 83

arobada. Se supone que ei proceso funciona de manera correcta cuando las muestras, que se
man periódicamente durante el día, permanecen entre los límites de control.

Número total de defectos de todas las

Número de muestras x Tamaño de la muestra
muestras (6.2)

S (6.3

LCS =Pt s, (6.4)

LCIP zs, (6.5)

donde es la fracción defectuosa, s, es la desviación estándar, n es el tamaño de la muestray z es

el número de desviaciones estándar para una confianza específica. Por lo general. z = 3 (99.7
de confianza) o z = 2.58 (99% de confianza).

el
Tamaño de la muestra El tamaño de la muestra debe lo bastante grande para
ser permitir
produce 1% de defectos. una muestra de
Por ejemplo, si una máquina cinco
conteo del atributo.
unidades pocas veces capturaría un defecto. Una regla básica al crear una gráfica p es hacer que
veces en cada muestra.
la muestra tenga el tamaño suticiente para esperar contar el atributo
dos
de defectos es 1%, el tamaño de la apropiado sería de 200
Así, si el índice aproximado muestra

unidades.
de la
Una los cálculos de las ecuaciones 6.2 a 6.5, se supone que el tamaño
nota final: En
Si el tamaño de
muestra es fijo. El cálculo de la desviación estándar depende
de esta suposición.
estándar los límites de control
la desviación
la muestra varía, es necesario calcular de nuevo y
más alto y más bajo por cada muestra.

EJEMPLO 6.2: Diseño de gráficas de control

cobro de
de control para verificar que las formas de
Una compañía de seguros quiere diseñar una gráfica si son eficaces lass Paso por
Con esas gráficas, la empresa quiere saber
los seguros se llenen de manera correcta. número de paso
de los formatos. Para iniciar el proceso se recopila la información sobre el
mejoras en el diseño últümos 10 días. La compañía de seguros diario procesa
formatos llenados de manera incorrecta durante los
cada uno, solo se recopila una pequeña muestra
miles de formatos y, por el alto costo de inspeccionar
estos
muestran en la ilustración 6.5.
el análisis se
representativa cada día. Los datos y

compañía de seguros Servicio

ILUSTRACION 6.5 Formato de cobro de la
0.06500
Cantidad de
formatosS Fracción 0.06000
Cantidad
Muestra mal llenados de defectos 0.05500 ********** **** T

inspeccionada
10 0.03333 0.05000
300
300 0.02667 0.04500

AN
0.03000
300 0.04000
0.04333
300 13
300 0.02333 0.03500
0.02333
300 0.03000
0.02000
300 0.02500
0.03667
300 11
0.04000 0.02000
9 300 12
10 8 0.02667 0.01500
300
Totales 3 000 91 0.03033 Muestra
0.00990 0.01000 Límite de control superior
Desviación estándar de la muestra Límite de control inferior
0.00500

0.00000 5 67 8 9 10
 PROCESos
ESTADÍSTICO DE
PROCESOS Y CONTROL
capitulo 6 CAPACIDAD DE

Solución Iracción general de defectos da

se debe calcular la
Para elaborar la gráfica
de control. primero control.
la gráfica de
muestras. Esta constituye
la línea central para

de defectos de todas las

muestras 91-0.03033
Numero total Tamaño de la
muestra 3000
x
Numero de muestras

estándar de la muestra
continuación se calcula la desviación
A
0.03033(1-0.03033) = 0.00990

Pl-) 300
p
valor z de 3 da 99.7% de o
más bajo. Un
límites de control más alto y
Por últim0, se calculan
los
e n c u e n t r a dentro
de cstos límites.
Epieye en que el proceso se
= 0.06003
0.03033 + 3(0.00990)
LCS =P+ 3s,=

3(0.00990) = 0.00063
0.03033
=+ 3s
=
LCI
Excel: en la hoja de cálculo SPC.
de control, se incluyen
SPC cálculos la ilustración 6.5, con la gráfica
Los en

MEDICIONES DE ATRIBUTOS: GRAFICAS C

CONTROL DE PROCESos cON
En ocasiones, el productoo servicio
era bueno o malo.
de la gráfica p, el producto
En el caso
una tabla
vendida en un
establecimiento de venta de mate
tiene más de un defecto. Por ejemplo, de calidad, puede o no ser
muchos nudos y, según el grado
riales para construcción puede tener de defectos por unidad.
la cantidad
defectuosa. La gráfica c es adecuada para supervisar
basada en el supuesto
fundamental de la gráfica c es la Poisson,
La distribución implícita o
azar. Si c es la cantidad
de defectos de una unidad
de que en cada unidad ocurren defectos al
entonces es el número promedio de
defectos por unidad, y la desviación estándar es
particular, la distribución
de gráfica de control se aplica la aproximación normal a
v. Para fines nuestra

Poisson y se elabora la gráfica con los siguientes límites de control.

T Número promedio de defectos por unidad (6.6)
(6.7)
LCS =T+ zy (6.8)
LCI = T-zyco 0 si es menor que 0 (6.9)
Igual que con la gráfica p. por lo común z = 3 (99.7 por ciento de confianza) oz= 2.58 (99 por
ciento de confianza).

Ejemplo 6.3
Los propietarios de un establecimiento de materiales para construcción desean diseñar una gráfica de con-
trol para supervisar la calidad de tablas de 2 x 4 que llegan del proveedor. Para sus tablas de calidad medka
esperan un promedio de cuatro nudos por tabla de 8 pies. Diseñe una gráfica de control que deba usar la
ersona que recibe las tablas con limiles de lres sigmas (desviación estándar).
Paso por
paso
Solución
Para este problema, = 4, 5, = yc = 2

LCS + ye- 4 + 3(2) = 10

LCI=- y 4 3(2) =-2 0

CONTROL DE PROCESOs cON MEDICIONES DE VARIABLES: GRÁFICAS XYK

Las gráficas X y R (de rango) se
utilizan con frecuencia en el
control estadístico de
En el muestreo por atributos se determina si
algo es bueno o
procesos.
malo, si queda bien o no
iables embargo, en la medición de variables, se mide(s
trata de una situación de continuar o no). Sin
e
 85
PROCESOS
PROCEDIMIENTOS DE CONTROL DE

so, volumen, número de pulgadas o cualquier otra variable real

ntrol para determinar el grado de aceptación
gráticas
de c o n t r
ase en esas mediciones. Por ejemplo,
elaboran en
Se e l
del
con
proceso
base
o
rechazo

atributos, puede
lecidirse si se rechaza algo que pesa
el muestreo por libras. En el
libras y se acepta
algo que pesa menos de 10
más de
10 muestra y se registran pesos de 9.8
muestr bles se mide una
por variables

valores se crean o modifican las gráficas

Con estos

so
10.2 libras. tran dentro de los límites aceptables.
encuentr.
saber si s e
Jibras

de ntrol para
contr

que es necesario
tomar en cuenta
aspectoS principales
Hay cuatro de las muestras, número de
de control: tamaño
u n a gráfica
m u e s t r a s y límites de
crea control.
al de las
frecuencia
estras,
muesth

industriales en controles examinan graticas de

Para aplicaciones un guia de cquipo
las m u e s t r a s Un s u p e r v i s o r y del Ford Fiesta
en

Tamaño de m e d i c i ó n de variables, cs
preferible que las e n la linea
de ensamble

impliquen control de p r o c e s o s
de procesos
que razones principales. En primer lugar, Cologne-Nichl, Alemania.
sean pequenas,
por d o s
razonable; de lo contrario,
es
muestras en un periodo
muestra
tomar la
es necesario toman las muestras. Y
en
c a m b i e mientras s e
que el proceso
Drobable cuesta más tomarla.
s e a la muestra, Las medias
mientras mas grande cinco unidades.
segundo, preferido cs de cuatro o la
el tamaño de las
muestras
normal sin importar
Al parecer, tienen una distribución aproximadamente
más
este tamaño de control
muestras de de cinco dan límites
de las principal. Las
m u e s t r a s mayores
finas de
distribución de la población detectar las variaciones más
sensibilidad. De hecho, para
tanto0, mayor cuando el tamaño
estrechos y, por extensas. Sin embargo,
m u e s t r a s más
n e c e s a r i o utilizar X con d e s v i a c i ó n
será mejor usar gráficas
sea
un proceso quizá
unidades más o menos,
excede 15 6.4.
de las muestras c o m o en el ejemplo

de gráficas X con el rango R,

estándar a en lugar cada muestra
tomada
es posible comparar
Número de m u e s t r a s Una vez creada la gráfica elaborar las gráficas, la
es aceptable.
Sin embargo, para
si el proceso
con la gráfica y decidir alrededor de 25
muestras.

estadísticas sugieren
prudencia y las
necesario tomar una
muestra depen-
con la que es
La frecuencia se destruya
como
en c a s o de que
muestras
Frecuencia de las
del costo de la unidad, con el
m u e s t r e o (además es mejor empezar
de del costo del el sistema. Por lo regular,
a u m e n t a la
el beneficio de ajustar las m u e s t r a s
conforme
parte de la prueba) y distanciar poco a poco
y de cinco unidades cada
muestreo frecuente de
un proceso con una
muestra
empezar
se puede
el proceso. Por ejemplo,
adecuada.
confianza en una
muestra al día es

la sensación de que
varia-
del proceso para las
con
Ca hora y terminar
en el
control estadístico
estándar estándar sobre la
media y tres
Limites de control Una práctica desviaciones
hasta tres de la
límites de control
de 99.7% de las nmedias
se espera que
DIes es establecer de ella. Esto significa
que
intervalo de
confianza de
EsVaciones estándar debajo control (es decir, en un
de tienen pruebas
dentro de los límites ancha obvia, se
r a se mantengan media de una muestra sale de esta banda
.o). De ahí que, si la contro.
Soidas de que cl proceso está fuera de

COMO TRAZAR GRÁFICAS X Y R definirse

la gråfica X puede
distribución del proceso,
Si s la
la desviación estándar de
OOCe
como sigue: (6.10)
LC=X+ %
+zs y
LCS,=
donde
muestra
medias de la
= Desviación estándar de las
Vn distribución del proceso
Desviación estándar de la
*

= Tamaño de la muestra para el proceso

un valorpredeterminado
TOmedio de las
medias de la
muestra o
de confianza especifico (por lo
un nivel
antidad de desviaciones estándar para

regular,z =3)
 capitulo 6 CAPACIDAD DE PROCESOS Y CONTROL ESTADÍSTICO DE PROCESOS

Una gráficaX no es más que un diagrama de las medias de las muestras tomadas de un Dror
Xes el promedio de las medias. proceso,
En la práctica, no se conoce la desviación estándar de un proceso. Por esta razón
siempre se emplea información real sobre la muestra. La sección siguiente describe este enfo
práctico.
Una gráfica Res un diagrama del rango dentro de cadamuestra. Este rango es la diferen
erencia
entre los números más altos y más bajos en esa muestra. Los valores R proporcionan una iedida
de la variación que se calcula con facilidad y se utiliza como una desviación estándar. Una
rá
ficaR es el promedio del rango de cada muestra. Definidos de manera mas específica, estosSon

6.11
donde
X = Media de la muestra
i = Número de artículos
n = Número total de artículos en la muestra

(6.12)
= m

donde
X= Promedio de las medias de las muestras
j= Número de muestras
m =Número total de muestras

R =m (6.13)

donde
R Diferencia entre las mediciones más alta y más baja en la muestra
R= Promedio de las diferencias en las mediciones R de todas las muestras
E. L. Granty R. Leavenworth calcularon una tabla
(ilustración 6.6) que permite calcular con
facilidad los límites de control superior e inferior tanto
para la gráfica X como para la gral
REstos se definen como

Límite de control superior

para X X+ A,R
=
(6.14)

Limite de control inferior para X = X- A,R (6.15)

Límite de control superior para R= (6.16)

D,R
Límite de control inlerior
para R =
D,R (6.17

EJEMPLO 64: Gráficas Xy R

Se quieren trazar
gráficas Xy R para un proceso. La
ilustración 6.7 muestra las mediciones pard las 25
muestras. Las dos últimas columnas muestran
el promedio de la
Los valores para muestra X y el rango R.
A,. D, y D, se obuvieron de la ilustración 6.6.
Paso por Limite de eontrol superior
para X = X + A, R 10.21
paso
Limite de control inlerior +0.58(0.60) 10.56
=
=

X=
para
Limite de control superior para
X-A, R =
10.21
0.58(0.60) =9.86 -

R=
Limite de control inferior para R =
D, R 2.110.60) 1.27
=
=

D, R 0(0.60)
=
= 0

IE.L. Grant y R. S. Leavenworth. Statistical Qualiry Control,

Nueva York, McGraw-Hill, 1996.
 87
PROCEDIMIENTOS DE CONTROL DE PROCESOS

ILUSTRACIÓN 6.6
Número de Factores para la gráfica R Factor para determinar,
observaciones en el Factor para la Limite de control Limite de control tres
a partir de R, los
gráfica X inferior superior limites de control sigma
subgrupo
D D para las gráficas
X y R.
1.88 3.27
1.02 0 2.57
0.73 2.28
0.58 0 2.11
0.48 2.00
0.42 0.08 1.92
0.37 0.14 1.86
0.34 .18 1.82
0.31 0.22 1.78
10
0.29 0.26 1.74
0.27 0.28 1.72
12
0.25 1.69 Excel:
13
0.31 SPC
1.67
0.24 0.33
14
0.22 0.3 1.65
15
0.21 36 1.64
16 1.62
0.20 0.38
17 1.61
18 0.19 0.3
0.19 0.40 1.60
19 1.59
0.18 0.41
20
X+A, R
de control superior para X LCS,
= =

Limite
inferior para X =LCI, =X-A,R
Límite de control
Límite de control superior para
R LCS, DR =

Límite de control inferior para R=LCI,= D,R

basan en la distribución normal.
Nota Todos los tactores se

ILUSTRACIÓN 6.7
X promedio Rango R
Cada unidad en una muestra Mediciones en las
Número de muestras
9.90 10.20 10.28 .70 muestras de cinco
10.60 10.40 10.30
10.23 10.33 10.17 .35 unidades de un proceso.
9.98 10.25 10.05
10.1 10.07 40
10.20 10.25
9.85 9.90 40
10.30 9.90 9.95 10.09
10.20 10.10 30
10.50 10.3 10.31
10.30 10.20 10.24
10.30 9.90 ).16 40
10.10 30 10.20
10.40 10.1 10.12 50
9.98 9,90 10.20
30 10.27 30
10.10 10.30 10.40 10.24
10.1 10.34 50
10.20 10.60 10.50
9 10.30 10.30 40
10.40 10.5 10.10 10.20
10 10.30 10.05 85
10.20 10.30 10.35
11 9.90 9.50 10.14 .70
50 9.80 9.95
12 10.10 10.36 10.28 80
10.7 10.1 9.90
13 10.20 10.50 40
10..30 10.40 1040 Excel:
14 10.20 10.60 50
10.00 10.36 55
10.30 10.40 10.55 SPC
10.54 10.29 .60
10.1: 10.00 10.50
16 10.20 10.60 .70
10.80 10.10 10.42
17 10.20 10.40 10.60 1.00
10.50 10,00 9.96
18 9.90 9.50 9.90 80
9.90 9.80 10.22
19 10.60 30 10.5 8 40
10.30 10.40 10.20
20 10.60 10.40 10.14 1.00
10.50 J0.10 10.60
21 9.90 9.60 10.23 .55
10.50 1030 10.20
22 9.95 10.20 9.88 80
9.60 9.80 10..30
23 10.20 .50 10.18 80
10.30 9.90 80
2A 10.30 10.60
10.1 10.16 70
10.60 9.90
25 9.90 10.30
10.21
R 0.60
88 ESTADISTICO DE PROCESOS
capiulo 6 CAPACIDAD DE PROCESOS Y CONTROI.

ILUSTRACIÓN 6.8 Gráfica Xygráfica R.

LCS 10.55 10.6
10.5 LCS 1.26 1.4
10.4 1.2
10.3 1.00
Empoyee
cal tes

Excel:
SPC
= 10.2

LC1 9.86
10.1
10
9,9

9.8
R

LCI
80
60
40 A
2 4 6 8 10 12 14 16 18 20
2 4 6 8 10 12 14 16 18 2022 24 22 24
Número de muestras Número de muestras

Solución
La ilustración 6.8 muestra la gráfica X y la gráfica R con un diagrama de todas las medias de la muestra
stra
y los rangos de las muestras. Todos los puntos se encuentran dentro de los limites de control, aunquee la
muestra 23 está cerca del limite de control más bajo X.

Muestreo de aceptación
DisENO DE UN PLAN DE MUESTREO SIMPLE PARA ATRIBUTOS
El muestreo de aceptación se realiza con bienes que ya existen para determinar el porcentaje de
los productos que cumple con las especificaciones. Estos
productos pueden ser artículos recibi
dos de otra empresa y evaluados por el
departamento que los recibe, o componentes que pasaron
por una etapa de procesamiento y evaluados por el personal de la empresa ya sea en producción
o en la función de almacenamiento. El
ejemplo siguiente se relaciona con la necesidad de una
inspección.
El muestreo de aceptación se efectúa mediante un
plan de muestreo. En esta sección se
ilustran los procedimientos de
planeación para un solo plan de muestreo; es decir, un plan en el
que la evaluación de una muestra determine la calidad. (Es posible diseñar otros planes con dos
o más muestras. J. M. Juran
y F. M. Gryna,
en
Quality Planning and
planes). Analysis, analizan estos

EJEMPLO 6.5: Costos para justificar la

inspección
Sejustifica una inspección total (de 100%) cuando el costo de la
Paso por peccionar es mayor que el costo de inspección. Por pérdida en la que se incurre por no
pérdida de 10 dólares y el porcentaje
ejemplo, un artículo defectuoso da
como resultado
un
paso promedio de artículos defectuosos en un lote es de 3%.

Solución
Si el
porcentaje promediode artículos defectuosos en
un lote es de 3%, el costo culos
defectuosos esde 0.03 x 10 dólares, o 0.30
dólares cada uno. Por tanto, si el
esperado de los articu
da
Excel: articulo es menor de 0.30 dólares, la costo de inspeccionar c
SPC mejor decisión es realizar una
se eliminan todos los artículos
defectuosos. porque los inspección de 100%. Sin embargos
rechazarán algunos buenos. inspectores dejarán pasar algunos detectu
El propósito de un
plan de muestreo es probar el lote
calidad sea la que se para ) conocer su calidad o 2) la
supone que debe ser.
(como los 0.03 dados en el ejemplo), Así, si el
no realiza supervisor de control
un muestreo para garantizar y
detectardedefectos. Quizá sea necesudad
calidad ya conoce la can
ario
inspeccionartodos los productos para eliminar defectoso ninguno de
proceso. La elección solo depende del costo de la ellos. y el rechazo ticne lugar
los productos defectuosos. inspección y del costo en el que se incurre hazar
por no
ee
 89
MUESTREO DE ACEPTACION

tln plan de muestreo simple se define por n y c, donde n es cl

unidades en ]la muestra. y c, el de aceptación. El tamaño de
número
de
variarde uno hasta
todos los artículos del lote (casi siempre
n puede
con N) del quc se toman las muestras. El número de acep-
indicadd
1ación c indica el número máximo de artículos defectuosos que se
antes de rechazar cl lote. Los valores de
en una muestra
n
ntran
mediante la interacción de cuatro factores (NCA, a,
ycsedeterminan
cuantifican los objetivos del fabricante dcl producto y
PTDL y ) que
consumidor. El objet del fabricante es asegurarse de que el plan
su
una probabilidad baja de rechazar lotes buenos.
de muestreo tenga
definen de alta calidad si no contienen más de un nivel
Las lotes se
como nivel de calidad acep-
ecoecifico de defectos, Jo que conoce
se

Acceptable Quality Level).' El objetivo

table (NCA; en ingles, AQL: de
del consumidor
es asegurarse que el plan de muestrco lenga una
de aceptar lotes malos, Los lotes se definen de baja
probabilidad baja una cantidad espe-
de delcclos es mayor quc
calidad si el porcentaje
conoce porceniaje de tolerane ia de defectos en
como
cifica, lo que se
en inglés, LTPD: Lot
Tolerance Percent Defective). La de
aluminio a la luz de las lámparas
el lote (PTDL; indica de láminas de la
rechazo de lote de alta calidad se Inspeccióon aluminio de
probabilidad asociada al
un de
control de calidad en
la línea de producción
alla (a) y Se conoce como riesgo del productor. lcoa
Székesfehérvár., en Hungria.
con la letra griega cali- planta de extrusión
relacionada con la aceptación de un lote de baja
La probabilidad consumidor. La
letra beta (P) y se llama riesgo del
dad se indica con la sacrificios de costos, o, con
NCA, a, PTDL y / se basa en
selección de valores particulares para contractuales.
frecuencia, políticas empresariales requisitos
o
mayor Hewlett-Packard durante una de
anécdota graciosa supuestamente acerca de
Se cuenta una
buscan siempre la producción
con distribuidores japoneses, quienes
sus primeras negociaciones cables. Durante
una compra de 100
insistido en un NCA de 2% en
de alta calidad. HP había discusión en la que el distribuidor japonés no
una acalorada
el acuerdo de compra tuvo lugar ellos no se moverían de 2% del NCA.
especificación del NCA. HP insistió en que
aceptaba esta
Más adelante, cuando llegó
la caja, había dos
estuvo de acuerdo.
El distribuidor japonés al final tenía dos cables con
Uno de ellos contenía
100 cables buenos y el otro
paquetes en su interior. un NCA de 2%,
como usted insistió en
buenos,
100 cables pero
una nota que decía: "Enviamos los quiere".
aunque no entendemos para qué
defectuosos en este paqucte,
anexamos dos cables de aceptación están-
de una tabla de muestreo

El cjemplo siguiente, apartir del fragmento la elaboración de un

(NCA, a, PTDL y #) en

dar, ilustra cómo se usan los cuatro parámetros

plan de muestreo.

EJEMPLO 6.6: Valores de ny c

de velocidad. ILas tarjetas de
Industries fabrica escáneres de radar
Z-Band, para detectar trampas
Iech distribuidor produce las tarjetas
a un
distribuidor exlerno. El Paso por
c impreso de los cscáneres se compran de se rechacen lotles con este
nivel
de 5% (a) quc paso
Con unN A de eslá dispuesto a correr un riesgo
y 2%
ILUSTRACIÓN 6.9
PTDL+NCA n NCA Fragmento de la tabla de
PTDLNCA nNCA 3.549 2.613 un plan de muestreo para
44.890 0.052 3.286
206 a = 0.05, } = 0.10.
.946 0.355 3.981
957
6.509 0.818 4.695
2.768
4.890 1.366 2.618 5.426
4.057 T970

la esjpecilicacion de un porcentaje ceptable

los NCA, con el argumento de quc
e " U¥:ra Cn relaciÓn con
deiectos. En lu practica, iichuso en las cupresas con
pteza s a s cs iuconpruente
con la meu teórica de cero

diferencia es que este

se pucde estableceren partes por
calidad aceptable; la
ira
Calidad, hay un nivel de de Motorola, que sostiene que no
e

ln estándar de calidad Six-Sigma

con el
Sm 2ar de pattes por cientos, Así sucede
p t e s Dás de 3,4 defectos per cda millón de picza»