SESIÓN 01
MATERIALES:
 Calculadora.
 Tabla de estadísticas.
1. Xxxxx
2. Xxxxxx
3. EVOLUCIÓN E HISTORIA DE LA
CALIDAD
La búsqueda por hacer las cosas mejor, más rápido y
a un menor costo, mediante los tres componentes de
una estrategia de calidad: innovación, control y
mejora, también ha provocado un cambio continuo
en los conceptos y métodos de la calidad. Esto queda
claro al analizar la historia reciente del movimiento
por la calidad, Cada etapa se ha construido sobre la
siguiente, es decir, una nueva etapa es la mezcla de
los mejores métodos, prácticas e ideas de las etapas
anteriores, más las mejores ideas y prácticas que han
generado los profesionales de la calidad y la
administración. Por ejemplo, la administración de la
calidad total incluye nuevos supuestos y prácticas
sobre la calidad, pero se queda con algunos de los
métodos de las etapas previas: inspección, control
estadístico y aseguramiento. De esta manera, no es
posible decir, por ejemplo, que el control estadístico
sea obsoleto, más bien es insuficiente como
estrategia de calidad.
3.1 Etapa De La Inspección
Buscar que un producto reúna los atributos de calidad
que desea el cliente ha sido una realidad desde la
época artesanal, cuando la calidad del producto se
establecía a través de la relación directa entre el
artesano y el usuario. El cliente, en el momento en
que el artesano le entregaba el producto, revisaba si
éste tenía las características deseadas.
Con el advenimiento de la era industrial apareció la
producción masiva, y con ella la imposibilidad del
contacto directo entre el fabricante y el usuario,
surgiendo así la necesidad de introducir
procedimientos para atender la calidad de los
productos masivos. Aquí es donde se empieza a
responsabilizar a ciertos empleados (inspectores)
para que evalúen la calidad y detecten errores.
Estos inspectores utilizaban estándares (gauges) para
detectar las partes que no se ajustaban, lo cual
evidentemente representó un avance, ya que esto
conducía a tener un sistema de inspección más
consistente que cuando ésta se realizaba a simple
vista.
A principios del siglo xx, la inspección por
estándares se refinó aún más y fue clave en la línea
de ensamble de Henry Ford y en el sistema
administrativo propuesto por Frederick W. Taylor.
Radford (1922) vincula formalmente la inspección al
control de calidad, y por primera vez la calidad es
considerada una responsabilidad independiente de la
administración. De cualquier forma, durante toda la
década de 1920 se limitó a contar y detectar la mala
calidad.
3.2 Etapa Del Control Estadístico De La Calidad
En 1931 Walter A. Shewhart, de Bell Telephone
Laboratories, dio un fundamento científico a la
calidad mediante la publicación del libro Economic
Control of Quality of Manufactured Product. En este
texto se dieron a conocer las cartas de control y el
estudio de la calidad a través de variables, las cuales
es necesario estudiar. Establece que el conocimiento
obtenido con la realización de estudios estadísticos
puede usarse para mejorar el control mediante la
estabilización y reducción de la variación en el
proceso. Con esto los directivos podían aumentar su
confianza de que el producto cumple con las
especificaciones.
En la misma época otros dos compañeros de
Shewhart, Harold F. Dodge y Harry G. Roming,
iniciaron la aplicación de la teoría estadística a la
inspección por muestras y desarrollaron el muestreo
de aceptación como sustituto de la inspección al
100%.
Durante la Segunda Guerra Mundial, el gobierno de
Estados Unidos promovió la aplicación del control
estadístico en la industria. Entre otras cosas invitó a
un grupo de expertos a elaborar un programa de
inspección por muestreo para el Servicio de
Municiones del Ejército y propuso un amplio
programa educativo para el personal de la industria y
de las universidades. Entre 1943 y 1945, un total de
810 organizaciones enviaron representantes al curso
sobre control estadístico de calidad, impartido por la
Offi ce of Production Research and Development.
Las personas que prepararon este curso fueron el
doctor W. Edwards Deming (discípulo de Shewhart)
y los profesores Eugene L. Grant y Holbrook
Working (Duncan, 1989).
El conocimiento y las metodologías sobre la calidad
que se habían logrado desarrollar en Estados
Unidos hasta esas fechas empezaron a trasladarse a
Japón, un país derrotado y devastado por la
Segunda Guerra Mundial. En esta nación se alcanzó
la plenitud de la etapa del control estadístico de
calidad y fue la semilla de nuevos conceptos sobre
calidad.
En el verano de 1950, el estadístico estadounidense
W. Edwards Deming impartió varias conferencias a
altos directivos de empresas japonesas y les planteó
las ventajas del control estadístico de calidad.
Siguiendo sus recomendaciones, algunos de ellos
empezaron a reportar incrementos en la
productividad sin comprar equipos. Durante ese
mismo verano, más de 400 ingenieros japoneses
recibieron un curso de ocho días sobre control de
calidad, impartido también por el doctor Deming.
Su presencia en Japón en 1950 se debió a una
invitación expresa de la Unión de Científicos e
Ingenieros Japoneses (JUSE, por sus siglas en
inglés). Las conferencias y cursos del doctor Deming
consolidaron algunas actividades previas sobre
control de calidad y desencadenaron una serie de
tareas en pro de la calidad de los productos
japoneses, hasta convertirse en un movimiento que
generó aportes clave al trabajo por la calidad.
Deming enseñó a los ejecutivos e ingenieros
japoneses a estudiar y reducir la variación mediante
la aplicación de cartas de control. Asimismo, mostró
los principios del pensamiento científico con el ciclo
PHVA: Planear, Hacer, Verificar y Actuar. La
aplicación de este ciclo permitió aprender a realizar
mejoras. Los japoneses lo utilizaron como un medio
para reconstruir su país, mientras que en Estados
Unidos este ciclo fue desdeñado debido a las
circunstancias de bonanza de la posguerra. En 1951,
la JUSE estableció los premios de calidad
Deming, que con el tiempo se convirtieron en un
fuerte estímulo para la mejora. Para este premio se
utilizaron las regalías de un libro que se basaba en las
conferencias del doctor Deming, esto ayudo a los
japoneses a salir de la crisis económica en solo 10
años que traía como consecuencia por la segunda
guerra
Con la influencia de líderes japoneses como Kaoru
Ishikawa, Genichi Taguchi, Shigeo Shingo,
Taichi Ohono, etc., se continuó refinando el ciclo
PHVA y la introducción de otras técnicas para
apoyar la mejora continua enfocada en los medios
(causas) y no en el producto final (los resultados).
3.3 Etapa Del Aseguramiento De La Calidad
Durante esta etapa, el concepto de calidad
evolucionó de una perspectiva estrecha y centrada en
la manufactura a una intervención en los esfuerzos
por la calidad en áreas como diseño, ingeniería,
planeación y actividades de servicio. Así, el
aseguramiento de la calidad implicó un enfoque más
proactivo por la calidad y aparecieron nuevas
herramientas y conceptos fundamentales para este
movimiento.
Por ejemplo, a principios de la década de 1950, dos
de los maestros de la calidad: Armand Feigenbaum y
Joseph Juran empezaron a introducir el concepto de
costos de calidad, que proporcionó un poderoso
fundamento económico al movimiento por la
calidad. Con esto se supo que la mala calidad cuesta
mucho y que al mejorar se reducen los costos de no
calidad. En 1956, Feigenbaum publicó su libro sobre
control total de calidad, donde señala que el control
inicia con el diseño y termina solamente cuando el
producto se ha entregado en las manos del cliente,
quien debe mostrarse satisfecho. Además, afirma que
la calidad es trabajo de todos. Las ideas de
Feigenbaum y Juran enfatizan la responsabilidad de
la administración por la calidad. En 1954, el doctor
Joseph Juran visitó por primera vez Japón y sus
enseñanzas contribuyeron a que los directivos de ese
país tuvieran una nueva visión sobre la
responsabilidad de los directivos para mejorar la
calidad y la productividad.
En 1962, el doctor Kaoru Ishikawa formalizó los
círculos de calidad, iniciados desde 1950, y desde
entonces las actividades de éstos se difundieron
rápidamente. Los círculos de calidad son la
maduración de los múltiples estudios y de la
capacitación sobre el control de calidad dirigido a
supervisores y obreros.
La continuación de las diversas actividades
(conferencias, publicaciones, cursos) de impulso al
control de calidad en Japón, iniciadas en la década de
1950, empezó a dar resultado con un incremento
significativo de la calidad de los productos
japoneses. La competitividad de la industria japonesa
fue ganando terreno hasta convertirse en líder en
varias ramas industriales, como se señala a
continuación:
Así, la versión japonesa del control total de calidad
(Company-Wide Quality Control) fue más allá de la
versión de Feigenbaum: involucró a todas las
divisiones y a todos los empleados en un enfoque
integrado para alcanzar objetivos de calidad, costos
y calidad en el servicio. Para que todos los empleados
trabajaran por la calidad se les proporcionaba la
capacitación y motivación necesarias.
Sobre este último punto, en Estados Unidos apareció
un movimiento muy importante por la calidad,
conocido como Zero Defects, que se enfocaba en
elevar las expectativas de la administración, así como
en motivar y concientizar a los trabajadores por la
calidad de “promover un constante y consciente
deseo de hacer el trabajo bien a la primera vez”
(Halpin, 1966).
James F. Halpin, director de calidad de Martin
Company, explicaba: “La razón detrás de la falta de
perfección fue simplemente que ésta no se esperaba.
Al mismo tiempo que la administración demanda
perfección, ésta ocurre”. Este enfoque de la calidad
lo continuó Philip B. Crosby, quien también trabajó
en Martin Company y durante esta etapa escribió dos
libros muy populares: La calidad no cuesta,
publicado en 1979, y Calidad sin lágrimas, en 1984.
En general, este enfoque de cero defectos, que
enfatizaba la calidad como un problema de
motivación y expectativas, entró en rivalidad con
enfoques como el de Deming, que aborda la calidad
desde una perspectiva más integral.
Al final, en esta etapa de aseguramiento de la calidad,
se empieza a poner énfasis en el diseño y aparecen
herramientas para coadyuvar a este fi n, como la
confiabilidad, el diseño de experimentos, el análisis
de modo y el efecto de falla (AMEF), entre otros.
3.4 Etapa De La Administración De La Calidad
Total
En la década de 1980, se tomó plena conciencia de la
importancia estratégica de la calidad, de su mejora y
de la satisfacción del cliente, con lo que se empezó a
publicitar lo hecho en Japón; además, muchas
empresas y organizaciones del mundo occidental
iniciaron sus programas de gestión de la calidad total
como una acción estratégica para mejorar su
competitividad. También se publicó una amplia y
variada literatura sobre la administración de la
calidad total y sus herramientas.
Por ejemplo, en 1986 aparece el libro Out of the
Crisis. Quality, Productivity and Competitive
Position, de E. Deming, en el que expone los
principios en los que se debe basar la administración
de una organización para mejorar su competitividad
en forma continua. Esta obra se convirtió en un
aporte fundamental para entender qué es lo que
asegura la calidad en las organizaciones, el papel de
la alta dirección en la calidad y la importancia de la
estadística para mejorar los procesos y tomar
decisiones.
En 1987 aparecieron la serie de normas ISO-9000,
con el objetivo de unificar y estandarizar los
numerosos enfoques de sistemas de aseguramiento
de calidad que hasta a la fecha existían. En
1994, estas normas sufrieron una primera ligera
modificación, pero es hasta el año 2000 cuando se les
hace un cambio radical y se reemplaza el concepto
de Sistema de Aseguramiento de la Calidad por el de
Sistema de Gestión de la Calidad. Con el tiempo,
estas normas se han convertido en un referente
fundamental para miles de empresas y procesos de manufactura, sino también en sus
organizaciones que han certificado sus sistemas de
gestión de la calidad basándose en ellas.
Durante las décadas de 1980 y 1990 se escribieron
cientos de libros que explicaban qué era la calidad,
cómo lograrla y cuáles eran sus métodos, y cómo
lograr mejores estilos y hábitos de liderazgo de los
directivos. Además de E. Deming, algunos de los
autores que más contribuyeron a la calidad fueron:
Joseph Duran, Kaouro Ishikawa, Philips Crosby,
Masaki Imai, Arman Feigenbaum, Shigeo
Shingo, Taichi Ohono, Genichi Taguchi, Peter
Drucker, Peter Senge, Stephen Covey, Tom Peters,
Michael Porter, etcétera.
3.5 Seis Sigma
En 1988, Motorola inició la aplicación del programa
de Seis Sigma (6σ) con el propósito de mejorar la
calidad de productos electrónicos, logrando ahorros
millonarios y el premio estadounidense a la calidad
Malcolm Baldrige. A mediados de los noventa la
estrategia Seis Sigma fue adoptada, enriquecida y
generalizada por un gran número de compañías, de
las que destacan Allied Signal en 1994 y General
Electric (GE) en 1995. Esta última tuvo éxitos
espectaculares con la aplicación de 6σ, no sólo en sus
divisiones financieras y de entretenimiento.
En la actualidad, 6σ sigue siendo una de las
estrategias de mejora de mayor impacto (vea el
capítulo 16).
En 1987, en Estados Unidos se estableció por decreto
gubernamental el premio a la calidad
Malcolm Baldrige, el cual se entrega desde 1988. El
galardón se designó así en honor de quien fuera el
impulsor del premio y secretario de Comercio en
Estados Unidos desde 1981 hasta su trágica muerte
en un accidente de rodeo en 1987. El propósito del
premio es estimular a las compañías de Estados
Unidos a mejorar su calidad y productividad,
reconocer logros en ese campo y que las
organizaciones premiadas sean un ejemplo para las
otras, además de establecer pautas y criterios a seguir
que ayuden a las organizaciones a mejorar.
A finales de los ochenta y principios de los noventa,
otros países y regiones establecen sus propios
premios a la calidad con propósitos similares. Por
ejemplo, el Premio Europeo a la Calidad/
Excelencia se entrega desde 1992 (www.efqm.org).
En México se entrega el Premio Nacional de Calidad
desde 1990, y desde 2008 se basa en un modelo de
competitividad (vea los detalles más adelante y en
www.competitividad.org.mx). En Argentina también
se otorga uno desde 1994
(www.premiocalidad.com.ar). Durante toda la
década de los noventa, en muchos países surgieron
diversos premios de calidad regional y estatal que
aún se siguen entregando.
Desarrollar la práctica que se encuentra al final
ANEXO 01
4. LOS GURUS DE LA CALIDAD
En este capítulo se estudian los elementos más
importantes de las ideas de algunos de los maestros
de la calidad, lo cual permite entender mejor el
fundamento y los retos de la mejora de procesos.
La mayoría de tales ideas maduraron durante las
décadas de 1980 y 1990. Es necesario estudiarlas
porque generaron una gran cantidad de cambios en
las organizaciones: evolucionaron los estilos de
dirección, las prioridades, la comprensión de la
calidad, la productividad, la competitividad y el
cliente, etc. Además, muchas de las propuestas de los
líderes siguen plenamente vigentes, a tal grado que
ahora son parte de la teoría de la gestión de las
organizaciones, con lo cual se entiende que la tarea
de dirigir va más allá de la experiencia, el sentido
común y el aprendizaje sobre el camino.
4.1 William Edwards Deming
Nació el 14 de octubre de 1900 en Wyoming, Estados
Unidos. Estudió física y matemáticas en la
Universidad de Wyoming y recibió su doctorado en
física en Yale. Trabajó en la planta Hawthorne de la
Western Electric de Chicago, en la que 46 000
personas fabricaban teléfonos en un mal ambiente de
trabajo y mala remuneración. Algunas de sus ideas
de la administración surgieron de su experiencia en
Hawthorne, donde se pagaba a los empleados de
acuerdo con lo que producían.
Entre 1943 y 1945 Deming promovió en su país un
curso sobre control estadístico de calidad para
personal de la industria y universidades. En 1950
impartió conferencias a altos directivos japoneses
sobre las ventajas del control estadístico de la
calidad, además de un curso de control de calidad a
400 ingenieros japoneses. Un año después, en Japón,
se fundó el Premio a la calidad Deming, el cual se
otorgaba en dos categorías: a un individuo por sus
conocimientos en teoría estadística y a compañías
por logros obtenidos en la aplicación estadística. Con
el tiempo este galardón alcanzó un alto prestigio
como reconocimiento a los logros en calidad y fue
promovido por la Unión de Científicos e Ingenieros
Japoneses (Union of Japanese Scientists and
Engineers, JUSE). Actualmente sigue entregándose
a empresas de diferentes partes del mundo (vea
www.juse.or.jp/e/deming/).
Para 1980, 30 años después de enseñar sus métodos
a los japoneses, el doctor Deming empezó a ser
reconocido en Estados Unidos, principalmente a raíz
de un programa de televisión titulado
Si Japón puede, ¿por qué nosotros no?, donde se
exaltaba la calidad de los productos japoneses y la
contribución a ello por parte de Deming.
Sus desarrollos en la década de 1980 contribuyeron a
dar forma a una nueva teoría para la gestión de las
organizaciones. Deming criticó muchas de las
formas tradicionales de administrar y evaluar a los
trabajadores, también propuso ideas más humanistas
y fundamentadas en el conocimiento de la variación
natural de los procesos. Sus propuestas inspiraron
cambios radicales en muchas de las grandes
corporaciones; por ejemplo, Nashua Corporation,
Ford Motor Company,
Florida Power & Light (Gabor, 1990).
En 1986, Deming publicó su libro Out of the Crisis
(Deming, 1989), en el que expuso lo que se considera
su más importante aportación: los llamados 14
principios para transformar la gestión en la
organización. En conjunto, éstos se pueden ver como
una teoría, una filosofía, que permite entender cómo
funcionan las cosas y qué es lo que proporciona la
calidad en una organización. La obra del doctor
Deming ha sido una valiosa fuente de ideas de
mejora. En la década de 1980 muchos expertos se
dedicaron a interpretar y extender los 14 puntos del
libro.
En seguida se explican los 14 principios que propuso
Deming para transformar la gestión de las
organizaciones.
a) Crear constancia en el propósito de mejorar el
producto y el servicio.
b) Adoptar la nueva filosofía.
c) Dejar de depender de la inspección de todos los
productos como una forma de asegurar la calidad,
ya que esto no la garantiza.
d) Acabar con la práctica de hacer negocio sólo con
base en el precio.
e) Mejorar constantemente el sistema de
producción y servicio.
f) Implantar la formación (instituir la capacitación
en el trabajo)
g) Adoptar el nuevo estilo de liderazgo
h) Desechar el miedo.
i) Eliminar las barreras organizacionales que
impiden trabajar en equipo para lograr la mejora
continua.
j) Eliminar lemas, exhortos y metas para la mano
de obra.
k) Eliminar las cuotas numéricas para la mano de
obra.
l) Eliminar las barreras que privan a la gente de su
derecho a estar orgullosa de su trabajo
m) Estimular la educación y la automejora de todo el
mundo
n) Generar un plan de acción para lograr la
transformación.
4.2 Joseph M. Juran (1904-2008)
El doctor Juran nació en 1904 en la ciudad de Braila,
ahora parte de Rumania. En 1912 él y su familia se
trasladaron a Estados Unidos y se instalaron en
Minnesota. Doce años después se graduó en
ingeniería eléctrica en la Universidad de Minnesota
e inició su trabajo con Western Electric, en
Hawthorne Works, Chicago. En 1928 escribió su
primer trabajo sobre calidad: un folleto de
entrenamiento llamado “Métodos estadísticos
aplicados a los problemas de manufactura”. En 1937
conceptualizó el principio de Pareto y 17 años más
tarde visitó Japón y ayudó a gerentes de esta
nacionalidad a entender la calidad. Fue en 1984 que
por su trabajo recibió la orden del tesoro sagrado de
manos del emperador japonés Hiro Hito.
Juran fungió como maestro y conferencista en la
Universidad de Nueva York y en la Sociedad
Americana de Administración (American
Accounting Association, AAA). Asimismo, trabajó
como consultor de negocios y organizaciones en 40
países e hizo muchas otras contribuciones a la
literatura de calidad: más de 20 libros y cientos de
publicaciones, traducidas a 17 idiomas, así como
docenas de videoprogramas de entrenamiento.
Juran enfatizó la responsabilidad de la
administración para mejorar el cumplimiento de las
necesidades de los clientes. Una de sus aportaciones
clave es lo que se conoce como la trilogía de la
calidad, un esquema de administración funcional
cruzada que se compone de tres procesos
administrativos
(Juran, 1990 y 1992): planear, controlar y mejorar.
La trilogía de la calidad de Juran, en la cual se aprecia
que, a medida que en cada ciclo de mejora (proyecto)
se genera aprendizaje, al aplicarlo se van
produciendo ahorros por la reducción de los costos
de no calidad.
Al analizar lo que se ha dicho sobre algunos de los
aportes de Juran a la calidad, cabe destacar los
siguientes aspectos que, no obstante el paso de los
años, siguen siendo vigentes. Juran establece que la
mejora parte de identificar a los clientes y sus
necesidades. Es decir, no sólo se debe imaginar quién
es el cliente y lo que requiere, sino que es necesario
identificarlos e investigar sus necesidades.
De esta forma, la mejora no se hará en cualquier
dirección, sino en aquella que satisfaga mejor los
requerimientos de los clientes. Además, señala que la
responsabilidad de la calidad y la mejora de procesos
debe ser parte de la responsabilidad de la alta
dirección y que los esfuerzos de mejora se deben
desplegar hacia abajo. Esto quiere decir que la alta
dirección funge como líder, estableciendo primero la
visión y después proporcionando los medios
mediante los cuales sea posible alcanzarla.
En otras palabras, la labor de los altos directivos no
se limita a sólo establecer las metas de calidad.
Por otro lado, se propone que la mejora se genere a
través de proyectos clave enfocados a las áreas
críticas donde los resultados de calidad no sean los
planeados. Estos proyectos deberán ser ejecutados
por equipos de calidad que recibirán el
entrenamiento y el poder para lograr un proyecto
exitoso. Esto, que se ha comentado de Juran, es parte
de la estrategia Seis Sigma, como se verá en el
capítulo correspondiente. No obstante, Seis Sigma va
más allá al proponer medidas adicionales para
fortalecer la estrategia de mejora.
La trilogía de la calidad es plenamente vigente, ya
que actualmente se sigue trabajando para hacer las
cosas mejor, más rápidas y más baratas. Si bien es
cierto que las estrategias han cambiado, y hoy se
aplican estrategias como Lean, Seis Sigma, Lean
Seis Sigma o alguna otra. Pero la clave sigue siendo
cómo integrar adecuadamente los tres elementos de
la trilogía de Juran o, en palabras de
Snee y Gardner (2008), la clave es desarrollar un
sistema de gestión que integre los siguientes tres
componentes críticos:
4.3 Kaouro Ishikawa (1915-1989)
Nació en Japón en 1915, se graduó de Ingeniería en
la Universidad de Tokio. Obtuvo el doctorado
también en Ingeniería en la misma institución y fue
promovido a profesor en 1960. Fue acreedor al
premio Deming y a un reconocimiento de la
Asociación Americana de la Calidad (American
Association for Quality, ASQ). Desempeñó un papel
relevante en el movimiento por la calidad en
Japón debido a sus actividades de promoción y a su
aporte de ideas innovadoras para la calidad. Se le
reconoce como uno de los creadores de los círculos
de calidad en Japón (grupos de personas de una
misma área de trabajo que se dedican a generar
mejoras). El diagrama de causa-efecto también se
denomina diagrama de Ishikawa, debido a que fue él
quien lo empezó a usar en forma sistemática.
En su libro ¿Qué es el control total de calidad?
sintetiza sus ideas principales y experiencias sobre la
calidad. Por ejemplo, señala que el Control Total de
Calidad (CTC) es una nueva filosofía de
administración que se debe convertir en uno de los
principales objetivos de la compañía, y para ello se
deben fi jar metas a largo plazo y anteponer a la
calidad en todas las decisiones, empezando por el
área de compras. Al ser el CTC una nueva filosofía
de administración, menciona que la alta
administración debe liderar los esfuerzos de mejora
y que esto debe ser complementado con el papel
fundamental de las gerencias medias. Asimismo,
hace especial énfasis en cómo el CTC sólo es posible
cuando la gerencia se compromete con el proceso y
todo el personal se responsabiliza del autocontrol.
También planteó que las gerencias no deben
conformarse con las mejoras en la calidad del
producto sino insistir para que éstas siempre vayan
“un paso adelante”. También destaca que el CTC es
una responsabilidad de todas las personas y áreas de
la empresa; es una labor de grupo que debe orientarse
diseño del producto.
El CTC es acción y conocimiento que debe traducirse
en resultados, de lo contrario no es
CTC. Para ello, es indispensable la capacitación en
esta área para todos los miembros de la empresa,
desde los trabajadores hasta el presidente.
Ishikawa describe el papel clave que juegan las siete
herramientas básicas para la calidad, al ayudar a
controlar el proceso y a orientar en la búsqueda de
causas para realizar mejoras. Al tener éxito con el
CTC, aumentan las utilidades de la empresa y se
mejoran las relaciones humanas y de trabajo. En
suma, el CTC logra una organización superior con
una mejor posición competitiva en el mercado.
4.4 Philip B. Crosby (1926-2001)
Philip Crosby nació en Wheeling, Virginia, Estados
Unidos, en 1926. Trabajó para Martin-Marietta de
1957 a 1965 y para ITT de 1965 a 1979. A partir de
1979 fundó su despacho de consultoría y hasta su
muerte, en 2001, se dedicó a la calidad.
En Martin-Marietta surgió un movimiento muy
importante por la calidad, conocido como cero
defectos, que se enfocaba a elevar las expectativas
de la administración y a motivar y concientizar a los
trabajadores por la calidad (“promover un constante
y consciente deseo de hacer el trabajo bien a la
primera vez”, Halpin, 1966). James F. Halpin,
director de calidad de Martin Company, explicaba:
“La razón detrás de la falta de perfección fue
simplemente que ésta no se esperada. Al mismo
tiempo que la administración demanda perfección,
ésta ocurre”.
Philip B. Crosby continuó y perfeccionó este enfoque
de la calidad. Sus libros La calidad no cuesta,
publicado en 1979, y Calidad sin lágrimas, en 1984,
fueron muy populares y leídos por muchos gerentes,
lo que ayudó a difundir la importancia de la calidad.
Sus propuestas daban mucha importancia al
problema de motivación y expectativas, y entró en
rivalidades con enfoques como el de Deming, que
veía la calidad como un problema sistémico en el que
la alta dirección tenía la mayor parte de la
responsabilidad. Estas rivalidades entre los maestros
de la calidad en ocasiones propiciaban visiones
excluyentes; sin embargo, a la postre, las ideas de
ambos contribuyeron de manera significativa al
movimiento por la calidad.
Los 13 libros de Philip Crosby, varios de ellos muy
vendidos, ayudaron a definir el papel que los
ejecutivos deben desempeñar para tener
organizaciones de calidad. Algunas de sus
aportaciones más relevantes fueron sus 14 pasos, en
los que explica la manera en que una organización
podía iniciar y continuar su movimiento por la
calidad. En estos 14 pasos se iban generando
mayores expectativas por la calidad y motivando a
los empleados para que participaran.
Crosby señala que la clave de la calidad es hacerlo
bien a la primera vez, y que este principio, esta
actitud hacia hacerlo bien, es la base del cambio
hacia la calidad, es decir, que sea posible ofrecer un
producto o servicio que cumpla con los requisitos del
cliente. Por lo tanto, se debe construir un sistema de
calidad para la prevención, cuyo estándar de
desempeño sea cero defectos.
4.5 Armand V. Feigenbaum (1922)
Es el creador de “Control total de calidad” cual
completó mientras obtenía el grado doctoral en
Massachussets Institute of Technology, en 1951, es
el recibidor de numerosas medallas y honores por
parte de asociaciones de calidad alrededor del
mundo.
En 1956 introdujo por primera vez la frase “Control
de calidad total”.
SU APORTE A LA CALIDAD
Su idea de la calidad es: un modelo de vida
corporativa, un modo de administrar una
organización. Control total de calidad es un concepto
que abarca toda organización e involucra la puesta en
práctica de actividades orientadas hacia el cliente.
FILOSOFÍA
Su filosofía de resumen en sus tres pasos hacia la
calidad:
Liderazgo de calidad: la administración debe basarse
en una buena planeación, manteniendo un esfuerzo
constante hacia la calidad.
Tecnología de calidad moderna: los problemas de
calidad no pueden ser atendidos sólo por el
departamento de calidad. No se requiere fomentar
una integración de todos los que participan en el
proceso para que evalúen e implementen nuevas
técnicas para satisfacer a los clientes.
Compromiso organizacional: debe de llevarse a cabo
una capacitación y de una motivación constante para
toda la fuerza laboral que participan en la
organización dentro del proceso. Esto acompañado
de una integración de la calidad en la planeación de
la empresa.
La idea de Feigenbaum, se ha convertido en un
elemento primordial dentro de los criterios del
Premio Nacional de la Calidad Malcom Baldrige.
 que no puede ser asignada a una causa única sino al
SEMANA 02 efecto combinado de otras muchas.
Supongamos un esquema de un proceso de
FACTORES QUE DETERMINAN DE LA fabricación determinado que produce cierta pieza
CALIDAD DEL PRODUCTO donde la característica de calidad sea Y (medible u
observable). Se observa que la magnitud de la
característica varía de unidad a unidad de producto;
SEMANA 03 Y 04 esto es, se dice que el producto posee variabilidad,
objetivo primario o base de la Estadística.
CONTROL ESTADISTICO DE LA CALIDAD

Definimos el “Control Estadístico de la Calidad”

como la aplicación de diferentes técnicas estadísticas
a procesos industriales (mano de obra, materias
primas medidas, máquinas y medio ambiente),
procesos administrativos y/o servicios con objeto de
verificar si todas y cada una de las partes del proceso
y servicio cumplen con unas ciertas exigencias de
calidad y ayudar a cumplirlas, entendiendo por
calidad “la aptitud del producto y/o servicio para su
uso. 1. Parámetros estadísticos.
La aplicación de técnicas estadísticas al control está Es una constante que describe una característica de
basada en el estudio y evaluación de la variabilidad una población. Para poder calcular el valor de un
existente en cualquier tipo de proceso que es parámetro, se requiere conocer a ciencia cierta el
principalmente el objeto de la Estadística. estado de naturaleza de la población o realizar un
Las fuentes que producen la variabilidad objeto de censo. Principales tipos de parámetros son:
estudio en la Estadística, se clasifica en “variabilidad Parámetros de tendencia central o de resumen,
controlada” o “corregible” que no entra dentro de siendo los más importantes:
nuestro campo pero si es posible detectarla por  La media o promedio (µ) –
causar una variabilidad muy grande (ajuste  La mediana (Me)
incorrecto de la máquina, errores humanos, siendo  La moda (Mo)
posible eliminar la causa o causas que la han Parámetros de variabilidad, siendo los más
producido, y la “variabilidad debida al azar”, importantes:
también denominada “variabilidad no controlable  La variancia o varianza (σ²)
  La desviación estándar (σ)
 El coeficiente de variabilidad (C.V.)
2. Población y muestra.
2.1.Población.- Agregado de unidades elementales,
que poseen alguna característica o propiedades
comunes. El estudio de toda la población
constituye un CENSO.
Una población puede ser finita o infinita. En
relación al tamaño de la población, ésta puede
ser:
Finita, como es el caso del número de personas
que llegan al servicio de urgencia de un hospital
en un día; y se conoce el tamaño N de la
población.
Infinita, si por ejemplo estudiamos el
mecanismo aleatorio que describe la secuencia de
caras y cruces obtenida en el lanzamiento
repetido de una moneda al aire. También se
considera infinita, a pesar que las poblaciones
son pequeña, no se puede saber con exactitud el
tamaño de la población
2.2.Muestra.- Es una parte de la población. Se espera
que la muestra sea representativa de la población,
es decir reproduzca las características más
importantes. El proceso de obtener la muestra de
denomina muestreo.
Ventajas de la utilización de las muestras
 El costo es menor y se puede obtener un mejor
rendimiento del dinero invertido.
 Se obtiene una disminución notable del
tiempo necesario para alcanzar la información
Muestra aleatoria.- cuando la muestra ha sido
obtenida empleando algún procedimiento del azar:
sorteo, extracción al azar, números aleatorios, etc.
̅)
2.2.1. Media muestral (𝒙
En estadística un estadístico (muestral) es una
medida cuantitativa, derivada de un conjunto de
datos de una muestra, con el objetivo de estimar o
inferir características de una población o modelo
estadístico.
Donde
̅) Representa la Media para la muestra,
(𝒙
(n) Al tamaño de la muestra y
(Xi) representa cada uno de los valores observados.
2.2.2. Media poblacional (𝝁)
Donde
(𝝁) Representa la media
(N) representa el tamaño de la población
(Xi) representa cada uno de los valores de la
población.
3. Distribución discreta.
La mediana es el valor central de la variable, es decir,
supuesta la muestra ordenada en orden creciente o
decreciente, el valor que divide en dos partes la
muestra.
.Cálculo de mediana.
Para calcular la mediana debemos tener en cuenta si
la variable es discreta Tendremos en cuenta el
tamaño de la muestra.
Si N es Impar, hay un término central, el
término que será el valor de la mediana.
( xi  x ) 2
s  n 1
c) Coeficiente de variación: Permite determinar la
razón existente entre la desviación estándar (s) y
la media. Se denota como CV. El coeficiente de
variación permite decidir con mayor claridad

Es el elemento que ocupa la posición (n+1) /2 sobre la dispersión de los datos.

𝑀𝑒 = 𝑋𝑛+1 s
2 Coeficiente.de. var iación  CV  (100)
X

Ejemplo: Calcular la Me de los siguientes valores:

32, 34, 31, 42, 36, 41, 32, 45, 37, n=9 4. Distribución continúa.
a) a Cálculo de mediana
Ordenando: 31, 32, 32, 34, 34, 36, 37, 41, 42, 45.
Donde la mediana bale:
Observamos el valor central:

Me  Li 

Ame * n  Fme1
2

Me=36 (representa el 5to. dato)
f me
n es par. La mediana es igual al promedio o la
semisuma de los valores centrales.
Donde Ai es la amplitud del intervalo
a) b Varianza

S2 = Σ (Xi - x)2 fi
a) Varianza: Es una medida que nos ayuda a
n -1
comprender la variabilidad de los datos, que tan
distanciados están de la media.
a) c Desviación estándar

s2  
( xi  x ) 2 s = √s2
n 1

b) Desviación estándar : La desviación estándar

5. Parámetros de distribución
mide el grado de dispersión de los datos con
5.1. Distribución Binomial.
respecto a la media, se denota como s para una
Es frecuente que en control de calidad se den
muestra
variables del tipo “pasa, no pasa”.
Por ejemplo, un artículo cumple con especificaciones
o no, una pieza resiste cierta fuerza o no, una lámpara
enciende o no. Un experimento aleatorio donde los 5.2. Distribución Poisson.
posibles resultados de cada ensayo son: “éxito” o
“fracaso” se conoce como experimento
Bernoulli. Un experimento aleatorio que consiste en
Una tercera distribución de probabilidades discretas
una secuencia de n ensayos
se llama distribución de probabilidad e Poisson, por
Bernoulli donde además se cumple que:
Simeon Poisson, quien la describió en 1837. La
1. Los ensayos son independientes.
distribución se puede aplicar en muchos casos donde
2. La probabilidad de éxito en cada ensayo, denotada
intervienen observaciones por unidad de tiempo: por
por p, permanece constante.
ejemplo, contar automóviles que llegan a una caseta
Entonces este experimento recibe el nombre de
de autopista en intervalos de 1 min, la cantidad de
experimento binomial. La variable aleatoria X, que es
descomposturas de una máquina en 1 día y la
igual al número de ensayos donde el resultado es un
cantidad de clientes que entran a un almacén en
éxito, tiene una distribución binomial (n, p). La
intervalos de 5 minutos. También se puede aplicar
función de probabilidades de X es,
esa distribución a casos acerca de observaciones por
unidad de cantidad; por ejemplo contar las no
conformidades de tejido en 1000 m2 de tela, la
cantidad de no conformidades por número de
peticiones de servicio por semana, y la cuenta de
remaches no conformes en un vehículo recreativo.
En cada una de las situaciones anteriores hay muchas
oportunidades iguales e independientes para la
La media y la distribución estándar de la distribución
ocurrencia de un evento.
son:
Cada remache en un vehículo recreativo tiene igual
oportunidad de ser no conformidad; sin embargo,
sólo habrá unas pocas no conformidades en los
cientos de remaches.
Ejemplo:
La distribución de Poisson también se aplica
En un proceso de fabricación donde se produce una
cuando n es bastante grande y p0 es pequeña.
gran cantidad de artículos, se sabe que en promedio
2% de ellos están defectuosos. Los artículos son
Ejemplo:
empacados en cajas de 10, y se quiere saber cuál es
Una empresa se reciben en promedio 5 quejas diarias
la probabilidad de no haya ningún artículo
por mal servicio. Si el número de quejas por día se
defectuoso en cada caja
distribuye Poisson con λ = 5, ¿cuál es la probabilidad
de no recibir quejas en un día?
5.3.Distribución Normal
La distribución normal es probablemente la
distribución continua más importante, tanto en
estadística teórica como aplicada. Si X es una
variable aleatoria normal, entonces su función de
densidad de probabilidades está dada por:
Donde μ es su media, y σ su desviación estándar. Al
graficar la función f (x) se obtiene una gráfica
simétrica y unimodal, cuya forma es similar a una
campana; El centro de ésta coincide con μ, y la
amplitud está determinada por σ.
Propiedades de la distribución normal
Si X es una variable aleatoria con distribución
normal con media μ y varianza σ2, N (μ, σ2), entonces
se cumple que:
1. P (μ − σ < X < μ + σ) = 0.6827
2. P (μ − 2σ < X < μ + 2σ) = 0.9545
3. P (μ − 3σ < X < μ + 3σ) = 0.9973
4. P(X = a) = 0 para cualquier número a.
Estas propiedades señalan la proporción de la
distribución normal que se localiza en torno a la
media μ. Por ejemplo, entre más menos una
desviación estándar de la media se ubica en 68.27%
del área; y en la media más menos tres veces σ se
encuentra 99.73% de la distribución.
Esta última es la razón de cómo se obtienen los
límites reales de un proceso.
Cálculo de probabilidades
Si una variable aleatoria X se distribuye normal con
media μ y varianza σ2, y se quiere encontrar la
probabilidad de que esta variable tome valores entre
dos números cualesquiera, a y b por ejemplo,
entonces lo que se tiene que hacer es calcular el área
bajo la curva entre a y b, y esto se realiza mediante
métodos numéricos, ya que la integral de la función
de distribución no tiene solución analítica. Cuando es
una distribución normal con parámetros μ = 0 y σ2 =
1, entonces a la distribución se le conoce como
distribución normal estándar (N (0, 1)).
Estandarizar una variable es fácil, puesto que si X
tiene una distribución normal con E(X)
= μ y V(X) = σ2, entonces la variable (estandarizada)
Ejemplo: La dimensión de una pieza se distribuye
normal con μ= 82.0 mm, y σ = 0.5. Se desea calcular
el porcentaje de m piezas que cumplen con
especificaciones 82±1.
PRÁCTICA A DESARROLLAR; PRESENTAR
LA SIGUIENTE SEMANA
1. Una población normal tiene una media de 80 una
desviación estándar de 14.0
a. Calcule la probabilidad de un valor
localizado entre 75.0 y 90.0.
b. Calcule la probabilidad de un valor de
75.0 ó menor.
c. Calcule la probabilidad de un valor
localizado entre 55.0 y 70.0.
2. Los montos de dinero que se piden en las
solicitudes de préstamos en Down River Federal
Savings tiene una distribución normal, una
 media de $70,000 y una desviación estándar de
$20,000. Esta mañana se recibió una solicitud
de préstamo. ¿Cuál es la probabilidad de que:
a. El monto solicitado sea de $80,000 o
superior
b. El monto solicitado oscile entre $65,000
y $80,000
c. El monto solicitado sea de $65,000 o
superior.
3. El fabricante de una impresora láser informa
que la cantidad media de páginas que imprime
un cartucho antes de reemplazarlo es de
12,200. La distribución de páginas impresas
por cartucho se aproxima a la distribución de
probabilidad normal y la desviación estándar
es de 820 páginas. El fabricante desea
proporcionar lineamientos a los posibles
clientes sobre el tiempo que deben esperar que
les dure un cartucho. ¿Cuántas páginas debe
indicar el fabricante por cartucho si desea
obtener 99% de certeza en todo momento?
4. En una ciudad se estima que la temperatura
máxima en el mes de junio sigue una
distribución normal, con media 23° y
desviación típica 5°. Calcular el número de
días del mes en los que se espera alcanzar
máximas entre 21° y 27°.(considerar 30 días
al mes)
5. La media de los pesos de 500 estudiantes de
un Instituto es 70 kg y la desviación típica 3
kg. Suponiendo que los pesos se distribuyen
normalmente, hallar cuántos estudiantes
pesan:
a. Entre 60 kg y 65 kg.
b. Más de 90 kg.
c. Menos de 64 kg.
d. 64 kg.
e. 64 kg o menos.
6. La temperatura durante setiembre está
distribuida normalmente con media 18,7ºC y
desviación standard 5ºC. Calcule la
probabilidad de que la temperatura durante
setiembre esté por debajo de 21ºC. (considerar
30 días al mes)
7. En una ciudad se estima que la temperatura
máxima en el mes de junio sigue una
distribución normal, con media 23° y
desviación típica 5°. Calcular el número de
días del mes en los que se espera alcanzar
máximas entre 21° y 27°. (considerar 30 días
al mess
8. El consumo mensual de una persona elegida
aleatoriamente a partir de la población de un
país es una variable normal con media
aritmética de 500 y desviación estándar de
100. ¿Cuál es el nivel tal que exista 76.73% de
probabilidad que dicha variable supere tal
nivel?
9. Los pesos de los paquetes recibidos en un
almacén tienen una media de 300 libras, con
una desviación estándar de 50. ¿Cuál es la
probabilidad de que 25 paquetes puestos al
azar excedan el límite de seguridad de este que
es de 8200 libras?
10. Ciertos focos fabricados por una compañía,
tiene una duración media de 800 horas y una
desviación típica de 60 horas. Hallar la
probabilidad de que una muestra al azar de 16
tubos tomada de entre ellos tenga una
duración de entre 790 y 810 horas.
11. Las ventas mensuales de silenciadores en el
área de Richmond, Virginia tiene una
distribución normal, con una media de 1200 y
una desviación estándar de 225. Al fabricante
le gustaría establecer niveles de inventario de
manera que solo haya 5% de probabilidad que
se agoten las existencias. ¿Dónde se deben
establecer los niveles de inventario?
12. La media del diámetro interior de una muestra
de 200 lavadoras producidas por una máquina
es 1,275 cm. y la desviación típica de 0,0125
cm. El propósito para el cual se han diseñado
las lavadoras permite una tolerancia máxima
en el diámetro de 1,26cm a 1,29 cm., de otra
forma las lavadoras se consideran
defectuosas. Determinar el porcentaje de
lavadoras defectuosas producidas por la
máquina, suponiendo que los diámetros están
distribuidos normalmente.
13. En un proceso industrial el diámetro de una
arandela es muy importante. El comprador
establece en sus especificaciones que el
diámetro debe ser de 3,0 ± 0,01 mm. La
condición es que no acepta ninguna arandela
que se salga de estas especificaciones. Se sabe
que en el proceso el diámetro de las arandelas
tienen distribución normal con media de 3,0
mm y una desviación estándar de 0,005 mm.
¿Qué porcentaje de arandelas será rechazado?
14. La cantidad real de café instantáneo que vierte
una máquina en jarras de 4 onzas varía de una
jarra a otra, y se puede fijar como una variable
aleatoria que tiene una distribución normal
con desviación estándar de 0.04 onzas. Si solo
el 2% de las jarras va a contener menos de 4
onzas de café. ¿Cuál debe ser el contenido
medio de estas jarras?
15. Una empresa fabrica juntas teóricas para el
trasbordador espacial de la NASA. Las cuales
se han diseñado para sellar conexiones y
piezas en el sistema de combustible a fin de
impedir fugas. Un tipo de juntas ha de tener 5
centímetros de diámetro para que encaje como
es debido; no puede variar arriba o abajo en
más de 0,25 cm. sin provocar una fuga
peligrosa. La empresa afirma que esta junta
tiene 5 cm. de media con una desviación típica
de 0,17 cm. Si estas cifras son correctas y se
supone una distribución normal de los
diámetros, los funcionarios de la NASA
desean determinar:
a. La proporción de juntas que se adaptarán
correctamente.
b. La proporción de juntas que son
defectuosas.
c. La probabilidad de que cualquier junta
tenga un diámetro superior a 5,3 cm.
d. La probabilidad de que una junta tenga un
diámetro comprendido entre 4,9 y 5,2 cm.
e. La probabilidad de que una junta elegida
al azar tenga un diámetro entre 5,3 y 5,5
cm.
16. Un proceso controlado de fabricación es 0.2%
defectuoso. ¿Cuál es la probabilidad de
encontrar 2 o más defectuosos en 100 piezas
a) 0.2174
b) 0.1174
c) 0.0174
d) 0.0014
e) NA
17. Si la probabilidad es 0.075 de que un solo e) NA
artículo sea defectuoso en un proceso continuo 20. De los artículos de una línea continua de
de fabricación, ¿Cuál es la probabilidad de que producto, 30% son defectuosos. Una muestra
2 artículos sean defectuosos en una muestra al al azar de 2 artículos va a ser tomada. ¿Cuál es
azar de 4 tomados del proceso? En una la probabilidad de que halla 0 defectuosos en
distribución binomial. esta muestra?
a) 0.0028 a) 0.19
b) 0.0289 b) 0.29
c) 0.0089 c) 0.39
d) 0.0123 d) 0.49
e) NA e) NA
18. Un lote de 10 artículos contiene 3 defectuosos. 21. Si la probabilidad es 0.25 de que un solo
Una muestra al azar de 2 artículos se va a artículo sea defectuoso; ¿Cuál es la
seleccionar de este lote. ¿Cuáles es la probabilidad de que una muestra de 50
probabilidad de que esta muestra al azar no contenga exactamente 15 defectuosos.
contenga ningún defectuoso? a) 0.039
a) 2/15. b) 0.189
b) 7/15 c) 0.289
c) 4/15 d) 0.089
d) 6/15 e) NA
e) NA 22. Un procedimiento de aceptación exige tomar
19. Un procedimiento de aceptación exige tomar una muestra de 80 de lotes muy grandes. Si no
una muestra de 80 de lotes muy grandes. Si no se hallan defectuosos en la muestra, el lote es
se hallan defectuosos en la muestra, el lote es pasado. Si se encuentran 2 o más defectuosos,
pasado. Si se encuentran 2 o más defectuosos, el lote es rechazado. Si se encuentra
el lote es rechazado. Si se encuentra exactamente un defectuoso, se requiere tomar
exactamente un defectuoso, se requiere tomar una segunda muestra. Si un lote 0.4%
una segunda muestra. Si un lote 0.4% defectuoso es sometido para aceptación ¿Cuál
defectuoso es sometido para aceptación ¿Cuál es la probabilidad de que el lote sea rechazado
es la probabilidad de que este lote sea en una primera muestra de 80?
aceptado en la primera muestra de 80? a) 0.023
a) 0.432 b) 0.079
b) 0.726 c) 0.141
c) 0.514 d) 0.041
d) 0.897 e) NA
23. En cierto lote de 20 artículos de los cuales se a) 2
sabe que el 30% es defectuoso, se extrae en b) 13
forma aleatoria 4 artículos para un ensayo c) 25
destructivo. ¿Cuál es la probabilidad que en d) 37
dicha muestra no se encuentre ningún e) 44
defectuoso? 26. La máquina A produce en promedio 5% de
piezas defectuosas. Se extrae una muestra
a) 0.2066
aleatoria de 4 piezas de la producción de esta
b) 0.3102
máquina. ¿Cuál es la probabilidad de que la
c) 0.4605
muestra de ésta producción tenga 1 pieza
d) 0.5068
defectuosa?
e) 0.7689
24. La máquina B produce en promedio 10% de a) 0,465
piezas defectuosas. Se extrae una muestra b) 0,321
aleatoria de 4 piezas de la producción de esta c) 0,258
máquina. ¿Cuál es la probabilidad de que la d) 0,1714
muestra de ésta producción tenga 2 pieza e) NA
defectuosa? 27. De los artículos de una línea continua de
producto, 30% son defectuosos. Una muestra
a) 0,0235
al azar de 2 artículos va a ser tomada. ¿Cuál es
b) 0,0486
la probabilidad de que halla 1 defectuosos en
c) 0,0684
esta muestra?
d) 0,0864
e) NA a) 0.02
25. Una máquina produce artículos con un b) 0.22
promedio de 10% de defectuosos. Se le ha c) 0.42
encargado a usted que inspeccione la d) 0.62
producción de esta máquina cada hora e) NA
mediante una muestra. Si la muestra no 28. De una línea de productos 20% defectuosos,
contiene artículos defectuosos usted permitirá se toma una muestra al azar de 25 artículos.
a la máquina seguir trabajando en caso ¿Cuál es l a probabilidad de que la muestra
contrario la detendrá. Determine el tamaño contenga exactamente 5 defectuosos?
máximo de la muestra de modo que la
a) 0.196
probabilidad de que la máquina no sea
b) 0.354
detenida sea menor o igual a 0,01
c) 0.571
 d) 0.863 De lo antes expuesto se concluye que tiene que
e) NA pensarse en buscar cómo cambiar la forma en que se
atiende este tipo de situaciones (problemas); por
ejemplo, ser más objetivos, ir al fondo, trabajar en

SEMANA 06 Y 07 modifi car el sistema, atacar los problemas con

proyectos y no con ocurrencias, ser metódicos, tomar

1. CARTAS DE CONTROL DE PROCESOS. en cuenta la variabilidad, distinguir entre cambios

especiales y comunes. En todo esto las herramientas

El mundo se caracteriza por su variabilidad; por estadísticas, y en particular las cartas de control,

ejemplo, en el trayecto a la escuela o al trabajo no juegan un papel primordial.

siempre se hace el mismo tiempo, el porcentaje de

artículos defectuosos de lote a lote es variable, la 2. CAUSAS COMUNES Y CAUSAS
capacitación y habilidad entre los trabajadores no es ESPECIALES DE VARIACIÓN
idéntica, cada cliente es diferente. En las Como ya dijimos, el mundo se caracteriza por su

organizaciones, continuamente se observan cambios variabilidad; por ejemplo, en el trayecto a la escuela

(variación), por ejemplo, de una semana a otra o al trabajo no siempre se hace el mismo tiempo, el

pueden presentarse cambios en las ventas o en el porcentaje de artículos defectuosos de lote a lote es

desempeño de los procesos. En este contexto, uno de variable, la capacitación y habilidad entre los

los aspectos críticos en la administración de trabajadores no es idéntica, cada cliente es diferente,

cualquier organización es decidir ante qué tipo de etc. Desde luego, los procesos siempre tienen

cambios se debe actuar oportunamente antes de que variación, ya que en él intervienen diferentes factores

las cosas vayan peor. También es igualmente sintetizados a través de las 6M: materiales,

importante saber en forma adecuada y oportuna si las maquinaria, medición, mano de obra (gente),

acciones que se están ejecutando cumplen sus métodos y medio ambiente. Bajo condiciones

objetivos. normales o comunes de trabajo, todas las M influyen

El problema en este tipo de reacciones no son las (Aportan variación) sobre las variables de salida del

reacciones en sí, sino la forma de hacerlo: se atienden proceso, en forma natural o inherente, pero además

los aspectos superficiales, se corrigen los efectos y pueden influir (aportar variación) de manera especial

no las causas; además, no se conduce a la ejecución o fuera de lo común, ya que a través del tiempo las

o revisión de un plan de mejora, no se parte de un 6M son susceptibles de cambios, desajustes,

análisis objetivo de los antecedentes del problema y desgastes, errores, descuidos, fallas, etc. Así, hay dos

se ignora la variabilidad que tiene el proceso o tipos de variabilidad: una debida a causas comunes y

sistema. la otra a causas especiales o atribuibles.

Resulta fundamental distinguir en forma eficiente
entre ambos tipos de variación, para así tomar las
medidas adecuadas en cada caso.
2.1.La variación por causas comunes (o por azar)
es aquella que permanece día a día, lote a lote; la
aportan en forma natural las actuales condiciones
de las 6M. Esta variación es inherente a las
actuales características del proceso y es resultado
de la acumulación y combinación de diferentes
causas difíciles de identificar y eliminar, debido
a que son inherentes al sistema y porque la
contribución individual de cada causa es
pequeña; no obstante, a largo plazo representan
la mayor oportunidad de mejora.
2.2.La variación por causas especiales (o
atribuibles) es generada por situaciones o
circunstancias especiales que no están
permanentemente en el proceso. Por ejemplo, la
falla ocasionada por el mal funcionamiento de
una pieza de la máquina, el empleo de materiales
no habituales o el descuido no frecuente de un
operario. Las causas especiales, por su naturaleza
relativamente discreta, a menudo pueden ser
identificadas y eliminadas si se cuenta con los
conocimientos y condiciones para ello.
Se dice que un proceso que trabaja sólo con
causas comunes de variación está en control
estadístico o es estable, porque su variación a
través del tiempo es predecible.
Independientemente de que su variabilidad sea
mucha o poca, el desempeño del proceso es
predecible sobre el futuro inmediato, en el
sentido de que su tendencia central y la amplitud
de su variación se espera que se mantengan al
menos en el corto plazo. Un proceso en el que
están presentes causas especiales de variación se
dice que está fuera de control estadístico (o que
simplemente es inestable).
Este tipo de procesos son impredecibles sobre el
futuro inmediato porque en cualquier momento
pueden aparecer de nuevo esas situaciones que tienen
un efecto especial sobre la tendencia central o sobre
la variabilidad.
No distinguir entre estos dos tipos de variabilidad
lleva a cometer dos errores en la actuación sobre los
procesos. Error 1: reaccionar ante un cambio o
variación (efecto o problema) como si proviniera de
una causa especial, cuando en realidad surge de algo
más profundo en el proceso, como las causas
comunes de variación. Error 2: tratar un efecto o
cambio como si proviniera de causas comunes de
variación, cuando en realidad se debe a una causa
especial.
3. Elementos Básicos De Una Carta De Control
El objetivo básico de una carta de control es observar
y analizar el comportamiento de un proceso a través
del tiempo. Esto permitirá distinguir las variaciones
por causas comunes de las debidas a causas
especiales (atribuibles), lo que ayudará a caracterizar
el funcionamiento del proceso y así decidir las
mejores acciones de control y de mejora.
La figura, muestra una carta de control típica, la cual
se compone básicamente de tres líneas paralelas,
comúnmente horizontales, que rematan a la izquierda
en una escala numérica en las unidades del
estadístico w, que se grafica en la carta.
En la parte inferior, paralela a las líneas hay un eje
que sirve para identificar la procedencia de los datos.
En caso de que este eje sea una escala cronológica,
entonces los puntos consecutivos se unen con una
línea recta para indicar el orden en el que ha ocurrido
cada dato.
La línea central de una carta de control representa el
promedio del estadístico que se está graficando,
cuando el proceso se encuentra en control estadístico.
Las otras dos líneas se llaman límites de control,
superior e inferior, y están en una posición tal que,
cuando el proceso está en control estadístico, hay una
alta probabilidad de que prácticamente todos los
valores del estadístico (puntos) caigan dentro de los
límites.
De esta manera, si todos los puntos están dentro de
los límites, entonces se supone que el proceso está en
control estadístico. Por el contrario, si al menos un
punto está fuera de los límites de control, entonces
esto es una señal de que pasó algo especial y es
necesario investigar su causa.
En general, los límites de control son estimaciones
de la amplitud de la variación del estadístico
(promedio, rangos, etc.) que se grafica en la carta.
Lo que se observa en una carta de control no sólo es
que un punto caiga fuera de los límites de control,
sino también cualquier formación o patrón de puntos
que tenga muy poca probabilidad de ocurrir en
condiciones “normales”, lo cual será una señal de
alerta de posibles cambios debidos a causas
especiales.
 LCS (Límite de Control Superior).
Una línea superior que marca el “límite superior de
control”
 LCC (Límite central de control).
Línea central, Una línea central que generalmente
indica el promedio histórico de la característica de
calidad evaluada.
 LCI (Límite de Control Inferior).
Una línea inferior que marca el “límite inferior de
control”
Los límites de control superior e inferior que estarán
equidistantes a la línea central o valor promedio
respectivamente. No siempre se tienen dos límites
superior e inferior, esto depende de la característica
que se esté evaluando, si se evalúa tiempo de servicio
no tendrá límite inferior porque entre menor sea el Podemos conocer las causas más importantes de esta
tiempo de atención es mejor, si se evalúa variabilidad, estimarlas muy bien pero nunca
productividad no tendrá límite superior porque entre conoceremos exactamente qué sucederá.
mayor sea la productividad será mejor.

4.2.Segundo paso: Eliminar las causas asignables.

Los puntos interiores corresponden
Se deben identificar las causas asignables y se deben
cronológicamente al valor de la variable bajo control,
eliminar. Por ejemplo, si el proceso produce
de muestras tomadas del proceso, según la frecuencia
de muestreo fijada. resultados erráticos porque una máquina está

funcionando incorrectamente, se debería reparar.

4. Criterios para determinar si un proceso está
Aquí desaparecería esta fuente de variabilidad que
bajo control
Uno de los grandes pilares de la Gestión de la afecta a la distribución habitual.
Calidad Total (TQM) es la conformidad con las
4.3.Tercer paso: Conocer la distribución de las
especificaciones. El Control Estadístico de la
causas comunes
Calidad o Control Estadístico de los
No es factible conocer cuáles son las causas
Procesos (SPC, por sus iniciales en inglés) nos
comunes, pero se puede acotar su comportamiento a
permite conocer si el resultado de cualquier proceso
una distribución estadística. Esto permite contar con
que esté bajo análisis cumple con lo especificado o
un patrón de comportamiento facilitando su análisis.
no. Sin mayor profundidad estadística ni matemática
En general, poseen una distribución normal.
intentaremos dar una noción de su importancia y sus
aplicaciones. En futuras publicaciones se ahondará
La distribución de las causas comunes se caracteriza
más en sus detalles.
por 3 parámetros fundamentales:
 La media. Es el promedio aritmético de las
4.1.Primer paso Conocer la variabilidad de nuestro
observaciones
proceso.
 La dispersión. El desvío estándar nos indica qué
Por más controlado que se encuentre nuestro
dispersión tienen los valores de todas las
proceso, posee indefectiblemente
observaciones con respecto a la media.
una variabilidad de los resultados que produce.
 La simetría. Indica si el patrón de la distribución
Todas las piezas que salen de una línea son
es simétrico con respecto a la media o es sesgado.
diferentes, todos los resultados de una campaña de
marketing son diferentes, la facturación mes a mes es
4.4.Procesos bajo control
diferente.
Un proceso con comportamiento normal debería
verse armónico, con suaves variaciones, sin
 exceder las cotas y sin tendencias. Por ejemplo,
la siguiente gráfica corresponde a un proceso
bajo control:

Un punto fuera del límite superior

4.5.Procesos fuera de control

Existen diversos casos en los que se deben analizar
las causas (y actuar sobre ello), en los que se
considera que el proceso está fuera de control:

5 puntos consecutivos bajo la línea central

5 puntos consecutivos sobre la línea central

Comportamiento errático

2 puntos consecutivos cerca del lìmite inferior

Un punto fuera del límite inferior

2 puntos consecutivos cerca del lìmite superior
5 puntos consecutivos con tendencia ascendente
5 puntos consecutivos con tendencia descendente
Para calcular los límites de control se debe actuar de
forma que, bajo condiciones de control estadístico,
los datos que se grafican en la carta tengan una alta
probabilidad de caer dentro de tales límites. Por lo
tanto, una forma de proceder es encontrar la
distribución de probabilidades de la variable, estimar
sus parámetros y ubicar los límites de manera que un
alto porcentaje (99.73%) de la distribución esté
dentro de ellos. Esta forma de proceder se conoce
como límites de probabilidad.
Sea W el estadístico que se va a graficar en la carta,
supongamos que su media es μw y su desviación
estándar σw, entonces el límite de control inferior
(LCI), la línea central y el límite de control superior
(LCS) están dados por
LCI = μw − 3σw
Línea central = μw
LCS = μw + 3σw
La forma de estimar la media y la desviación estándar
de W a partir de las observaciones del proceso
dependerá del tipo de estadístico que sea W, ya sea
un promedio, un rango o un porcentaje. Esto se verá
en las próximas secciones.
5. TIPOS DE CARTAS DE CONTROL
Las cartas de control para variables se aplican a
características de calidad de tipo continuo, que
intuitivamente son aquellas que requieren un
instrumento de medición (peso, volumen, voltaje,
longitud, resistencia, temperatura, humedad, etc.).
Las cartas para variables tipo Shewhart más usuales
son:
• 𝑋̅ (de medias).
• R (de rangos).
• S (de desviaciones estándar).
• X (de medidas individuales).
Las distintas formas de llamarle a una carta de
control se deben al correspondiente estadístico que se
representa en la carta, y por medio de la cual se busca
analizar una característica importante de un producto
o proceso.
Existen características de calidad de un producto que
no son medidas con un instrumento de medición en
una escala continua o al menos en una numérica.
En estos casos, el producto se juzga como conforme
o no conforme, dependiendo de si posee ciertos
atributos; también, al producto se le podrá contar el
número de defectos o no conformidades que tiene.
Este tipo de características de calidad son
monitoreadas a través de las cartas de control para
atributos:
• p (proporción o fracción de artículos defectuosos).
• np (número de unidades defectuosas).
• c (número de defectos).
• u (número de defectos por unidad).
Existen dos tipos generales de cartas de control: para
variables y para atributos.
5.1.CARTAS POR ATRIBUTOS.
En el presente capítulo se estudian las cartas de
control para atributos más básicas, así como la
implantación y operación de una carta de control.
5.1.1. Cartas p y np (para defectuosos):
Existen muchas características de calidad del tipo
pasa o no pasa y, de acuerdo con éstas, un producto
es juzgado como defectuoso o no defectuoso
(conforme o no conforme), dependiendo de si
cumple o no con las especificaciones o criterios de
calidad. En estos casos, si el producto no tiene la
calidad deseada no se permite que pase a la siguiente
etapa del proceso; además, es segregado y se le
denomina artículo defectuoso.
5.1.1.1.Carta p (proporción de defectuosos).
En esta carta se muestran las variaciones en la
fracción o proporción de artículos defectuosos por
muestra o subgrupo. La carta p (proporción de
defectuosos) es ampliamente usada para evaluar el
desempeño de una parte o de todo un proceso,
tomando en cuenta su variabilidad con el propósito
de detectar causas o cambios especiales en el
proceso. La idea de la carta es la siguiente:
 De cada lote, embarque, pedido o de cada
cierta parte de la producción, se toma una
muestra o subgrupo de ni artículos, que puede
ser la totalidad o una parte de las piezas bajo
análisis.
 Las ni piezas de cada subgrupo son
inspeccionadas y cada una es catalogada
como defectuosa o no. Las características o
atributos de calidad por los que una pieza es
evaluada como defectuosa, pueden ser más
de uno. Una vez determinados los atributos
bajo análisis, es preciso aplicar criterios y/o
análisis bien definidos y estandarizados.
 Si de las ni piezas del subgrupo i se encuentra
que di son defectuosas (no pasan), entonces
en la carta p se gráfica y se analiza la
variación de la proporción pi de unidades
defectuosas por subgrupo:
𝑑𝑖
𝑃𝑖 =
𝑛𝑖
Donde n es el tamaño de subgrupo y p– es la magnitud del problema, no existían bases tangibles
proporción promedio de artículos defectuosos en el para detectar cambios en el desempeño de las
proceso. De acuerdo con esto, los límites de control máquinas, ni había forma de saber si las medidas
de la carta p con tamaño de subgrupo tomadas para reducir el problema habían dado
Constante, están dados por: resultado.
De ahí surgió la necesidad de registrar los resultados
𝑝̅ (1 − 𝑝̅ )
𝐿𝐶𝑆 = 𝑝̅ + 3√ y analizarlos mediante una carta de control. Cada
𝑛
hora se registra el número de paquetes detectados con
aire di y del contador de la máquina se obtiene el total
𝐿𝐶 = 𝑝̅
de paquetes ni durante esa hora. Los datos obtenidos
durante tres días en una máquina se muestran en la
𝑝̅ (1 − 𝑝̅) tabla.
𝐿𝐶𝐼 = 𝑝̅ − 3√
𝑛

PAQUETES
PAQUETES
Ejemplo: SUBGRUPO CON AIRE
ni
En una empresa del ramo alimenticio, mediante di

ciertas máquinas se empaquetan salchichas en sobres 1 595 15

o paquetes. 2 593 5

Un problema que se ha tenido es que dentro del sobre 3 607 8

queda aire (falta de vacío). El problema se detecta 4 596 10

mediante inspección visual; los paquetes con aire son 5 602 6

segregados y después se abren para recuperar las 6 599 5

salchichas y volverlas a empaquetar. 7 600 5
El atributo de falta de vacío es importante debido a 8 590 7
que si un paquete con aire llega al mercado, la vida 9 599 2
de anaquel se acorta, por lo que después de algunos 10 601 4
días la salchicha empieza a cambiar de color y a 11 598 9
perder su frescura; y eso puede ocurrir en el 12 600 17
refrigerador del distribuidor o del consumidor. Esta 13 597 4
situación repercute en clientes insatisfechos y genera 14 594 5
una mala imagen de la compañía. 15 595 3
Por lo anterior, a los operadores de las diferentes 16 597 10
máquinas continuamente se les recordaba la 17 599 7
importancia de no dejar pasar paquetes con aire. Sin 18 596 5
embargo, como no se llevaba un registro de la
19 607 4 defectuosos. De aquí que los límites de control de la
20 601 9 carta np estén dados por:
21 594 7
22 606 5 𝐿𝐶𝑆 = 𝑛𝑝̅ + 3√𝑛𝑝̅(1 − 𝑝̅ )
23 601 7
24 598 4 𝐿𝐶 = 𝑛𝑝̅
25 599 2
26 590 3 𝐿𝐶𝐼 = 𝑛𝑝̅ − 3√𝑛𝑝̅ (1 − 𝑝̅)
27 588 5
28 597 3 Ejemplo: Del análisis de los datos de inspecciones y
29 604 6 pruebas finales de un producto ensamblado se
30 605 5 detectó a través de una estratificación y un análisis
31 597 7 de Pareto que la causa principal por la que los
32 603 9 artículos salen defectuosos está relacionada con los
33 596 5 problemas de un componente en particular (el
34 597 3 componente k12). Por lo tanto, se decide analizar
35 607 8 más de cerca el proceso que produce tal componente.
36 596 15 Para ello, de cada lote de componentes k12 se decide
37 598 4 inspeccionar una muestra de n = 120. Los datos
38 600 6 obtenidos en 20 lotes consecutivos se muestran en la
39 608 8 tabla.
40 592 5 COMPONENTE
MUESTRA
DEFECTUOSO
1 9
5.1.1.2.Carta np (número de defectuosos)
2 6
3 10
En ocasiones, cuando el tamaño de subgrupo o
muestra en las cartas p es constante, es más 4 8

conveniente usar la carta np, en la que se grafica el 5 5

número de defectuosos por subgrupo di, en lugar de 6 5

la proporción. Los límites de control para la carta np 7 14

se obtienen estimando la media y la desviación 8 12

estándar de di, que bajo el supuesto de distribución 9 9

binomial están dadas, donde n es el tamaño de 10 8

subgrupo y 𝑃̅ es la proporción promedio de artículos 11 10

 12 20 número de eventos o sucesos en lugar de defectos,
13 12 son las siguientes: número de errores por trabajador,
14 10 cantidad de accidentes, número de quejas por mal
15 10 servicio, número de nuevos clientes, cantidad de
16 0 llamadas telefónicas en un periodo de tiempo,
17 13 clientes atendidos en un lapso de tiempo, errores
18 5 tipográficos por página en un periódico, número de

19 6 fallas de un equipo, etc. Note que en estas variables

20 11 la unidad de referencia es cierto periodo de tiempo o

una cantidad de actividades que se realizan.

5.1.2. Cartas c y u (para defectos) 5.1.2.1.Carta c (número de defectos)

Es frecuente que al inspeccionar una unidad (unidad El objetivo de la carta c es analizar la variabilidad

representa un artículo, un lote de artículos, una del número de defectos por subgrupo, cuando el

medida lineal —metros, tiempo—, una medida de tamaño de éste se mantiene constante. En esta carta

área o de volumen) se cuente el número de defectos se grafica ci que es igual al número de defectos o

que tiene en lugar de limitarse a concluir que es o no eventos en el i-ésimo subgrupo (muestra).

defectuosa. Los límites de control se obtienen suponiendo que el

Algunos ejemplos de unidades que se inspeccionan estadístico ci sigue una distribución de Poisson; por

para contar sus defectos son: una mesa, x metros de lo tanto, las estimaciones de la media y la desviación

rollo fotográfico, un zapato, z sartenes de teflón, una estándar de este estadístico están dadas por:

prenda de vestir, w metros cuadrados de pintura, etc.

Cada una de estas unidades puede tener más de un 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
𝜇𝐶𝑖 = 𝑐̅ =
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑠𝑢𝑏𝑔𝑟𝑢𝑝𝑜𝑠
defecto, suceso o atributo y no necesariamente se
cataloga al producto o unidad como defectuoso.
𝜎𝐶𝑖 = 𝑐̅
Por ejemplo, un mueble quizá tenga algunos defectos
en su acabado pero puede cumplir con relativa
Por ello, los límites de control de la carta c se
normalidad la función para la que fue fabricado.
obtienen con las expresiones
Aunque se detecten defectos en la operación
intermedia de un proceso, la unidad inspeccionada 𝐿𝐶𝑆 = 𝐶̅ + 3√𝐶̅
podría pasar a la siguiente etapa, caso contrario de lo 𝐿𝐶 = 𝐶̅
que ocurre en las cartas p y np. Otro tipo de variables 𝐿𝐶𝐼 = 𝐶̅ − 3√𝐶̅
que también es importante evaluar, que cuentan el
Ejemplo: 19 4
En una fábrica de muebles se inspecciona a detalle el 20 7
acabado de las mesas cuando salen del departamento 21 3
de laca. La cantidad de defectos que son encontrados 22 10
en cada mesa son registrados con el fi n de conocer y 23 6
mejorar el proceso. En la tabla 8.3 se muestran los 24 6
defectos encontrados en las últimas 30 mesas. Es 25 7
claro que estamos ante una variable que debe ser 26 4
analizada con la carta c, debido a que una misma 27 5
mesa puede tener varios defectos de diferente tipo; 28 6
además, los defectos son relativamente menores, y 29 8
aunque influyen en la calidad final del producto, no 30 5
causan que la mesa sea rechazada.

DEFECTOS
5.1.2.2.Carta u (número de defectos por unidad)
MESA ci
1 7
Cuando en el tipo de variables que se comentaron al
2 5
inicio de esta sección (con distribución Poisson), el
3 10
tamaño del subgrupo no es constante, se usa la carta
4 2
u, en la cual se analiza la variación del número
5 6
promedio de defectos por artículo o unidad, en lugar
6 5
del total de defectos en el subgrupo. Así, en esta
7 4
carta, un subgrupo lo forman varias unidades. De
8 9
manera que para cada subgrupo se gráfica,
9 7
10 5 𝑐𝑖
𝑢𝑖 =
11 6 𝑛𝑖
12 7 Donde ci es la cantidad de defectos en el subgrupo i
13 8 y ni es el tamaño del subgrupo i. Para calcular los
14 4 límites es necesario estimar la media y la desviación
15 5 estándar del estadístico ui, que bajo el supuesto de
16 12 que ci sigue una distribución Poisson,

17 8
18 10 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜
𝜇𝑢𝑖 = 𝑢̅ =
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠
 12 30 21
̅
𝑢 13 30 40
𝜎𝑢𝑖 = √
𝑛
14 30 24
Donde n es el tamaño de subgrupo. De esta manera,
15 30 46
los límites de control en la carta u están dados por:
16 30 32
17 30 30
𝑢̅ 18 30 34
𝐿𝐶𝑆 = 𝑢̅ + 3√
𝑛 19 15 11
𝐿𝐶 = 𝑢̅ 20 15 14
21 15 30
𝑢̅
𝐿𝐶𝑖 = 𝑢̅ − 3√ 22 15 17
𝑛
23 15 18

Ejemplo: Cuando n no es el mismo en todos los 24 15 20

subgrupos, entonces se sustituye por el tamaño

promedio de subgrupo, 𝑛̅
SEMANA 08
En una fábrica se ensamblan artículos electrónicos y
al final del proceso se hace una inspección por
5.2. CARTAS DE CONTROL POR VARIABLES.
muestreo para detectar defectos relativamente
menores. En la tabla.
̅–R
5.2.1. Carta de control 𝑿

DEFECTOS
LOTE TAMAÑO DE ENCONTRADOS, Existen muchos procesos industriales considerados
MUESTRA ni ci de tipo “masivo”, en el sentido de que producen
1 20 17 muchos artículos, partes o componentes durante un
2 20 24 lapso de tiempo pequeño.
3 20 16 Por ejemplo: líneas de ensamble, máquinas
4 20 26 empacadoras, procesos de llenado, operaciones de
5 15 15 soldadura en una línea de producción, moldeo de
6 15 15 piezas de plástico, torneado de una pieza metálica, el
7 15 20 corte de una tira en pedazos pequeños, etc.
8 25 18 Para establecer un par de gráficas de control para el
9 25 26 promedio y el rango (R), es preferible apegarse a un

10 25 10 procedimiento establecido. A continuación se

11 25 25 presentan los pasos de este procedimiento:

1. Seleccionar la característica de calidad.
2. Escoger el subgrupo racional. 𝑅̅
Una estimación de 𝜎=𝑑
2
3. Reunir los datos.
4. Determinar en forma tentativa la línea central y los
Nota: Para el desarrollo de los ejercicios imprimir
límites de control.
el Anexo denominado: tabla de control estadístico
5. Establecer la línea central y los límites de control
revisados.
5.2.2. Cartas X Y Desviación Estándar (S).
6. Alcanzar el objetivo.
El procedimiento que se presenta en esta sección se
Cuando con una carta 𝑋̅-R se quiere tener mayor
refiere a una gráfica y R.
potencia para detectar cambios pequeños en el
También se presenta información sobre las gráficas
proceso, se incrementa el tamaño de subgrupo, n.
s.
Pero si n > 10, la carta de rangos ya no es eficiente
para detectar cambios en la variabilidad del proceso,
y en su lugar se recomienda utilizar la carta S, en la
que se grafican las desviaciones estándar de los
subgrupos.

Los límites tentativos de control para las gráficas se

6.1.1.1.Límites de control de la carta S
establecen en ±3 desviaciones estándar del valor
A cada subgrupo se le calcula S, que al ser una
central, como se indica en las siguientes fórmulas:
variable aleatoria, sus límites se determinan a partir
de su media y su desviación estándar.
𝐿𝐶𝑆𝑋̅ = 𝑋̿ + 3𝜎𝑋
Como por lo general en un estudio inicial no se
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − 3𝜎𝑋
conoce, ésta puede estimarse, pero ya no a través del
𝐿𝐶𝑆𝑅 = 𝑅̅ + 3𝜎𝑅 método de rangos, sino ahora con:
𝐿𝐶𝐼𝑅 = 𝑅̅ − 3𝜎𝑅 𝑆̅
𝜎=
𝐶4
Los cálculos se simplifican usando
SUB SUB
Carta “x”
GRUPO MEDIA RANGO GRUPO MEDIA RANGO
𝐿𝐶𝑆𝑋̅ = 𝑋̿ + 𝐴2 𝑅̅ 1 301.12 1.9 21 302.00 4.6
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − 𝐴2 𝑅̅ 2 300.96 1.0 22 299.02 3.5
3 301.16 3.6 23 299.50 3.1
Carta “R” 4 300.50 1.0 24 300.30 2.3
𝐿𝐶𝑆𝑅 = 𝐷4 𝑅̅ 5 301.28 2.5 25 301.64 3.4
𝐿𝐶𝐼𝑅 = 𝐷3 𝑅̅ 6 299.92 2.3 26 300.88 2.9
7 300.00 2.3 27 301.28 1.8 4 50 49,4 50,1 50,5
8 301.86 1.5 28 300.75 1.5 5 50,2 49,8 49,1 49,9
9 301.52 2.3 29 301.60 3.1 6 49,2 50,7 49,1 49,8
10 302.80 0.4 30 300.53 2.8 7 49,6 49,9 49,5 49,9
11 299.01 3.0 31 300.41 1.4 8 50,2 49,8 49,5 50,6
12 300.02 2.5 32 300.19 2.1 9 50,1 49,3 49 49,43
13 300.10 2.3 33 301.12 3.4 10 50,8 49,6 49,8 50,4
14 301.28 3.4 34 300.80 3.2 11 50,7 48,8 49,7 50,1
15 301.02 1.1 35 300.27 3.4 12 50,3 49,6 49,4 49,3
16 300.70 3.9 36 300.91 2.7 13 49,3 49,3 49,2 50,5
17 301.20 3.1 37 300.48 3.2 14 48,8 50,2 49,5 49,6
18 300.96 3.1 38 302.00 1.8 15 50,9 49,5 49,3 49,9
19 300.24 3.7 39 299.22 3.5 16 49,7 48,8 49,6 49,5
20 301.86 2.7 40 300.59 3.0 17 49,4 49,3 49,4 50,2
18 49,9 49,7 49,9 49,1
19 49,7 49,2 49,4 49,7
20 50,6 49,6 49,6 49,9
21 49,9 49,9 50 49,7
Carta “X” 22 49,6 50,2 49,9 48,7
𝐿𝐶𝑆𝑋̅ = 𝑋̿ + 𝐴3 𝑆̅ 23 49,6 48,9 50,2 49
𝐿𝐶𝐼𝑋̅ = 𝑋̿ − 𝐴3 𝑆̅
Carta “S” Ejemplo 02: Se desea que la resistencia de un
artículo sea de por lo menos 300 psi. Para verificar
𝐿𝐶𝑆𝑆 = 𝐵4 𝑆̅ que se cumple con tal característica de calidad, se
𝐿𝐶𝐼𝑆 = 𝐵3 𝑆̅ hacen pequeñas inspecciones periódicas y los datos
se registran en una carta𝑋̅-R. El tamaño del subgrupo
EJEMPLO: 01 que se ha usado es de tres artículos, que son tomados
de manera consecutiva cada dos horas. Los datos de
muestra, los últimos 30 subgrupos se muestran en la tabla
peso de los costales kg
subgrupo Conteste:

1 50,2 49,9 49 50,1 a) ¿Dado que la media de medias es 320.73, el

2 50,3 50,2 50 49,3 proceso cumple con la especificación inferior

3 49,8 50 50 49,7 (EI=300)? Explique.

b) Calcule los límites de la carta 𝑋̅ -R e interprételos.
c) Obtenga las cartas e interprételas (puntos fuera, 29 308.6 321.7 306.0
tendencias, ciclos, alta variabilidad, etcétera). 30 316.2 321.6 328.5

Ejemplo 03 En una industria alimenticia se quiere

DATOS
SUB GRUPO garantizar que la concentración mínima de grasa de

1 315.6 319.2 303.8 un producto sea de 1.8%. En la tabla 7.6 se muestran

2 318.8 309.2 321.4 los datos obtenidos para un estudio inicial, con

3 311.2 312.1 342.9 tamaño de subgrupo de 4.

4 322.0 321.1 329.1 a) Realice un estudio de estabilidad mediante la carta

5 315.2 327.4 300.6 𝑋̅-R.

6 310.3 319.8 338.5 b). Comente los resultados obtenidos en cuanto a

Estabilidad.
7 320.6 315.9 318.3
8 322.2 303.6 323.4
9 329.1 306.7 312.4 SUB
10 322.4 318.8 299.7 GRUPO GRASA

11 326.2 310.1 338.5 1 1.88 1.93 1.98 1.88

12 328.8 325.0 322.0 2 1.93 1.97 1.89 1.94

13 328.8 306.3 305.6 3 1.92 1.95 1.90 1.98

14 318.7 320.8 310.3 4 1.89 1.89 1.90 1.94

15 326.7 316.7 327.3 5 1.95 1.93 1.90 1.93

16 313.4 307.4 329.5 6 2.00 1.95 1.94 1.89

17 337.3 312.9 324.4 7 1.95 1.93 1.97 1.85

18 316.3 314.1 323.0 8 1.87 1.98 1.96 2.04

19 327.2 338.2 340.9 9 1.96 1.92 1.98 1.88

20 337.8 343.0 337.4 10 1.99 1.93 2.01 2.02

21 309.2 321.7 310.5 11 1.93 1.95 1.90 1.93

22 314.3 321.6 318.0 12 1.95 1.98 1.89 1.90

23 318.9 322.2 333.5 13 1.88 1.93 1.88 1.90

24 303.7 326.3 337.1 14 1.97 1.88 1.92 1.96

25 319.3 338.8 320.9 15 1.91 1.91 1.96 1.93

26 317.0 327.4 312.5 16 1.98 1.90 1.92 1.91

27 310.6 318.5 336.7 17 1.93 1.94 1.95 1.90

28 319.5 326.0 333.2 18 1.82 1.92 1.95 1.94

19 2.00 1.97 1.99 1.95
20 1.98 1.94 1.96 1.88
Implantación y operación de una carta de control
Una carta de control es útil en la medida que atienda
una necesidad percibida por los responsables del
proceso y, desde luego, dependerá de qué tan bien se
implemente y se utilice. Por ello, en esta sección
veremos algunas actividades a desarrollar para una
mejor implantación y operación de cualquiera de las
cartas que hemos visto tanto en el capítulo anterior
como en éste.
1. Describir la problemática o situación que se
percibe en el área donde se tiene la idea de implantar
una carta de control.
2. Explicar con detalles por qué cree que la carta de
control sería útil para evaluar, entender y mejorar la
situación de interés.
3. Definir en forma concreta y preliminar el o los
objetivos de la carta de control.
4. Hacer una lista exhaustiva de las diferentes
variables que pueden aportar información sobre los
distintos aspectos de la situación de interés, y que se
podrían analizar mediante una carta de control.
5. De la lista anterior, hacer una preselección de las
variables que se cree ayudarían a cumplir con el
objetivo descrito antes. En esta preselección dar
prioridad a las variables que mejor reflejen la
magnitud del problema, en términos de calidad,
costos, productividad o tiempo de ciclo. Además,
considerar la dificultad humana, en equipos y en
costo, para medir con calidad y oportunidad las
variables candidatas.
6. De la preselección del inciso previo, elegir una
primera variable para analizarla mediante una carta
de control, y para ésta, desarrollar las siguientes
actividades, las cuales se deben repetir para cada una
de las variables que finalmente se decida estudiar con
una carta de control.
7. Elegir la carta apropiada para la variable
seleccionada. Para tomar esta decisión, apoyarse en
lo hecho en los puntos anteriores en la tabla 8.5 y en
las siguientes situaciones típicas en las que se aplica
cada una de las cartas que vimos en el capítulo
anterior y en las secciones previas de este capítulo:
̅ -R ; 𝑿
Cartas 𝑿 ̅ -S Considerar como buena alternativa
estas cartas en algunas de las siguientes situaciones:
• Se inicia un nuevo proceso; o se va a desarrollar un
nuevo producto con un proceso ya existente.
• En procesos con mal desempeño con respecto a
especificaciones.
• Actualmente se mide la variable, pero se conoce
poco acerca de la misma.
• Se quieren definir o redefinir especificaciones para
una característica de calidad.
• Ya se han usado cartas de atributos, pero el proceso
es muy inestable y/o su capacidad sigue siendo mala.
En ese caso es mejor una carta para variables
continuas, ya que éstas aportan más información
acerca del desempeño del proceso.
• Se pretende reducir la cantidad de inspección.
• Procesos en los que hay desgastes o desajustes
naturales, y que es necesario compensarlos de
manera apropiada.
• Tiene que demostrarse continuamente (a clientes o
la gerencia) que el proceso es estable y capaz.
Cartas p, np, c o u. Considerar como alternativa estas
cartas en algunas de las siguientes situaciones:
• La variable candidata es de atributos y no se tiene
información acerca de su estabilidad y capacidad.
• El proceso consiste en operaciones complejas de
ensamble y la calidad del producto se mide en
términos de la ocurrencia de defectos, o con criterios
del tipo pasa o no pasa.
• Es necesario que el proceso sea estable y capaz pero
no se pueden obtener mediciones de tipo continuo.
• Se requiere tener información sobre la evolución
del desempeño global del proceso.
PRÁCTICA CARTAS DE CONTROL
Realice la carta X y R,
2.- En una empresa en la que se fabrican corcholatas
o tapas metálicas para bebidas gaseosas, un aspecto
importante es la cantidad de PVC que lleva cada
corcholata, el cual determina el espesor de la película
que hace que la bebida quede bien cerrada. El peso
de los gránulos de PVC debe estar entre 212 y
218mg. Si el peso es menor a 212, entonces, entre
otras cosas, la película es muy delgada y eso puede
causar fugas de gas en la bebida. Pero si el peso es
mayor a 218g, entonces se gasta mucho PVC y
aumentan los costos. Para asegurar que se cumple
con las especificaciones, de manera ordinaria se usa

1.- En una industria alimenticia se quiere garantizar una carta de control: cada 30 minutos se toma una

que la concentración mínima de grasa de un producto muestra de cuatro gránulos consecutivos de PVC y

sea de 1.8%. En la siguiente tabla se muestran los se pesan. En la siguiente tabla se muestran las últimas

datos obtenidos para un estudio inicial, con tamaño 25 medias y los rangos obtenidos del proceso.

de subgrupo de 4. SUB SUB

MEDIA RANGO MEDIA RANGO
GRUPO GRUPO
SUBGRUPO GRASA 1 214.18 2.5 14 213.74 3.2
1 1.88 1.93 1.98 1.88 2 213.48 2.7 15 214.26 1.2
2 1.93 1.97 1.89 1.94 3 213.98 2.2 16 214.18 2.2
3 1.92 1.95 1.90 1.98 4 214.12 1.8 17 214 1
4 1.89 1.89 1.90 1.94
5 214.46 2.5 18 213.6 2
5 1.95 1.93 1.90 1.93
6 213.38 2.7 19 214.2 2.7
6 2.00 1.95 1.94 1.89
7 231.56 2.3 20 214.38 0.8
7 1.95 1.93 1.97 1.85
8 214.08 1.8 21 213.78 2
8 1.87 1.98 1.96 2.04
9 231.72 2.9 22 213.74 1.6
9 1.96 1.92 1.98 1.88
10 214.64 2.2 23 213.32 2.4
10 1.99 1.93 2.01 2.02
11 213.92 2.4 24 214.02 3.2
11 1.93 1.95 1.90 1.93
12 213.96 3.6 25 214.24 1.1
12 1.95 1.98 1.89 1.90
13 1.88 1.93 1.88 1.90 13 214.2 0.4
14 1.97 1.88 1.92 1.96
15 1.91 1.91 1.96 1.93 Realice las cartas X- R, X-S
16 1.98 1.90 1.92 1.91 3.- En la prestación de servicios en una empresa se
17 1.93 1.94 1.95 1.94
18 1.82 1.92 1.95 1.94 registra diariamente la evaluación de los clientes. La
19 2.00 1.97 1.99 1.95 forma operativa es la siguiente: todos los días en
20 1.98 1.94 1.96 1.88
forma aleatoria se le pide a cinco clientes atendidos
que contesten una encuesta de satisfacción en el
servicio, la escala de satisfacción va de 0 a 100. Los
datos obtenidos durante el último mes se muestran a
continuación:
SEMANA 09
MUESTREO DE ACEPTACION
1) INTRODUCCIÓN:
En las actividades de control de calidad es frecuente
inspeccionar lotes de materia prima, partes o
productos terminados para asegurar que se cumplan
ciertos niveles de calidad con un buen grado de
seguridad. El muestreo de aceptación es el proceso
de inspección de una muestra de unidades extraídas
de un lote con el propósito de aceptar o rechazar todo
el lote. Este tipo de muestreo se puede ver como una
medida defensiva para protegerse contra la amenaza
del posible deterioro en la calidad. En este capítulo
se estudian los conceptos y técnicas de este tipo de
muestreo.
2) MUESTREO DE ACEPTACIÓN
Una situación típica del muestreo de aceptación es la
siguiente: una compañía recibe un lote de algún
producto de cierto proveedor; este producto puede
ser materia prima o cualquier otro componente que
utiliza la compañía. Se selecciona una muestra del
lote y se inspecciona de acuerdo con ciertos criterios
de calidad. Con base en la información obtenida con
la inspección se tomará una decisión: aceptar o
rechazar todo el lote. Si se acepta el lote, pasa
directamente a utilizarse, pero si se rechaza, entonces
se devuelve al proveedor o queda sujeto a alguna otra
disposición (por ejemplo, inspección de todos los
productos del lote, inspección 100% pagada por el
proveedor).
Si los criterios de calidad con los que se inspecciona
son variables de atributos del tipo pasa-no pasa,
entonces un plan simple de muestreo de aceptación
está definido por un tamaño de lote, N, un tamaño de
muestra, n, y el número de aceptación, c. Por
ejemplo, el plan
N= 6000, n= 200 y c=2
Significa que de un lote de 6 000 unidades se
seleccionan e inspeccionan 200; y si entre éstas se
encuentran dos o menos piezas defectuosas, entonces
el lote completo es aceptado. Pero si aparecen tres o
más piezas defectuosas el lote es rechazado.
Se debe tener claro que el muestreo de aceptación es
una forma particular de inspección, en la que
simplemente se aceptan y rechazan lotes, pero no
mejora la calidad. Es decir, este muestreo no es una
estrategia de mejora de la calidad, sino más bien una
estrategia para proporcionar cierto nivel de seguridad
de que los niveles de calidad con los que se diseña el
plan se están alcanzando. Por lo tanto, es una
estrategia defensiva ante el posible deterioro de la
calidad.
Cuando se pretende enjuiciar un lote se tienen tres
alternativas:
 Inspección al 100%,
 Cero inspecciones.
 Muestreo de aceptación.
Esta última es una decisión intermedia entre las otras
dos alternativas opuestas, y a veces resulta la más
económica a nivel global. A continuación
explicamos cuándo se aplica cada una de ellas.
1. Cero inspecciones (aceptar o mandar el lote sin
inspección). Esta alternativa es adecuada cuando se
ha demostrado que el proceso que fabricó el lote
cumple de manera holgada los niveles de calidad
acordados entre el cliente y el proveedor.
También se aplica cero inspecciones cuando la
pérdida global causada por las unidades defectuosas
es pequeña en comparación con el costo del
muestreo.
2. Inspección al 100%. Consiste en revisar todos los
artículos del lote y quitar los que no cumplan con las
características de calidad establecidas. Los que no
cumplen podrían ser devueltos al proveedor,
reprocesados o desechados. La inspección al 100%
se utiliza en aquellos casos en que los productos son
de alto riesgo y si pasan defectuosos se puede generar
una gran pérdida económica.
También es útil cuando la capacidad del proceso de
fabricación del lote es inadecuada para cumplir las
especificaciones.
Se pensaría que la inspección al 100%, aunque
costosa, es una buena estrategia para garantizar la
calidad; sin embargo, esto no es así, pues con este
tipo de inspección se corre el riesgo de caer en la
monotonía, en mayores errores de inspección y en
ocasiones el producto se daña. Incluso, hay casos en
los que debido a los primeros dos problemas de la
inspección al 100% se tiene como política que las
unidades se inspeccionen dos veces (inspección al
200%).
3. MUESTREO DE ACEPTACIÓN (inspección
por muestras).
Esta opción es útil cuando se tienen una o varias de
las siguientes situaciones:
• Cuando la inspección se realiza con pruebas
destructivas (como pruebas de tensión y resistencia)
es indispensable la inspección por muestras, de lo
contrario todos los productos serían destruidos por
las pruebas.
• Cuando el costo de inspección al 100% es
demasiado alto en comparación con el costo de pasar
unidades defectuosas.
• En los casos en que la inspección al 100% es
imposible en términos técnicos o económicos.
• Cuando el lote está formado por la gran cantidad de
artículos que se debe inspeccionar y la probabilidad
de error en la inspección es suficientemente alta, de
manera que la inspección al 100% podría dejar pasar
más unidades defectuosas que un plan de muestreo.
• En situaciones donde, históricamente, el vendedor
ha tenido excelentes niveles de calidad y se desea una
reducción en la cantidad de inspección, pero la
capacidad del proceso no es suficientemente buena
como para no inspeccionar.
• Cuando es necesario asegurar la confiabilidad del
producto, aunque la capacidad del proceso fabricante
del lote sea satisfactoria.
4. VENTAJAS Y DESVENTAJAS DEL
MUESTREO DE ACEPTACIÓN
El muestreo de aceptación con respecto a la
inspección al 100% tiene las siguientes ventajas:
a. Tiene menor costo porque se inspecciona menos,
a pesar de algunos costos adicionales generados
por la planificación y administración de los
planes de muestreo.
b. Requiere de menos personal en las actividades de
inspección, con lo cual se simplifica el trabajo de
coordinación y se reducen costos.
c. El producto sufre menos daño porque hay menos
manipulación.
d. Es aplicable en pruebas destructivas.
e. A menudo reduce el error de inspección y la
monotonía.
f. El rechazo de lotes completos por la existencia de
artículos defectuosos proporciona una
motivación al fabricante del lote para que mejore
su calidad.
El muestreo de aceptación presenta algunas
desventajas como las siguientes:
a) Existe cierto riesgo de aceptar lotes malos y
rechazar los buenos, aunque en un plan de
muestreo de aceptación estos riesgos están
previstos y cuantificados.
b) Proporciona menos información acerca del nivel
de calidad del producto o de su proceso de
fabricación; aunque bien utilizada, la
información obtenida es suficiente.
c) Se requiere más tiempo y conocimiento para
planificar y documentar el muestreo, comparado
con la inspección al 100 por ciento.
Las ventajas que tiene el muestreo de aceptación con
respecto a la inspección al 100% lo convierten en una
herramienta importante cuando las condiciones para
aplicarlo son propicias.
En este sentido, muchas empresas, sobre todo
pequeñas y medianas, aplican inspección al
100% cuando en realidad lo más apropiado sería
aplicar el muestreo de aceptación.
Por otro lado, no es raro escuchar de algunos
expertos en calidad que el muestreo de aceptación ya
no debe usarse, que es obsoleto, que ya no es un
concepto válido.
5. PLAN DE MUESTREO POR ATRIBUTOS
5.1.Tipos de planes de muestreo
Un primer nivel de clasificación de los planes de
muestreo de aceptación está en función del tipo de
característica de calidad bajo análisis, que puede ser
de atributos o por variables continuas.
En los planes por variables se toma una muestra
aleatoria del lote y a cada unidad se le mide una
característica de calidad de tipo continuo (longitud,
peso, etc.). Con las mediciones se calcula un
estadístico que por lo general está en función de la
media, la desviación estándar muestral y las
especificaciones, y al comparar el valor de tal
estadístico frente a un valor de tablas, se aceptará o
rechazará todo el lote. Más adelante en la sección
“Muestreo de aceptación por variables” se estudiará
este tipo de planes.
En los planes por atributos se extrae de manera
aleatoria una o más muestras de un lote y cada pieza
de la muestra es clasificada de acuerdo con ciertos
atributos como aceptable o defectuosa; la cantidad de
piezas defectuosas es usada para decidir si el lote es
aceptado o no.
En general, los planes más usuales son los de
atributos, a pesar de que con los planes por variables
se requiere un menor tamaño de muestra para lograr
los mismos niveles de seguridad. Esta aparente
contradicción se puede deber a la tradición, pero
también a que en los planes por variables es necesario
diseñar un plan para cada característica de calidad.
Además, en ocasiones, las mediciones en los planes
por variables son más costosas. En cualquier caso se
debe evaluar cuál de los dos tipos de planes es más
adecuado en una situación en particular.
5.2.Muestreo Por Atributos:
Los planes por atributos se clasifican como simple,
doble o múltiple dependiendo del número de
muestras que se toman para llegar a una decisión. Por
ejemplo, en
5.2.1. Plan de muestreo simple (n, c) se toma una
muestra de tamaño n, y si en ésta se encuentra
c o menos unidades defectuosas, el lote es
aceptado, o en otro caso es rechazado.
5.2.2. Plan de muestreo doble se pueden tomar
hasta dos muestras para tomar la decisión de
aceptar o no. La idea es tomar una primera
muestra de tamaño más pequeño que el plan
simple para detectar los lotes que son muy
buenos o los que son muy malos. En los casos
que con la primera muestra no se puede
decidir, entonces se toma la segunda muestra
para llegar a una conclusión definitiva.
Por ejemplo, un plan doble de la forma
N = 3 000,
n1 = 80, c1 = 1,
n2 = 80, c2 = 4.
Significa que:
N = tamaño de lote
n1 = tamaño de la primera muestra
c1 = número de aceptación para la primera muestra
n2 = tamaño de la segunda muestra
c2 = número de aceptación para las dos muestras
Por lo tanto, del lote de 3 000 piezas se toma una
muestra inicial de 80 y, con base en la información
aportada por esta primera muestra, se toma una de las
siguientes tres decisiones
a) Aceptar el lote cuando la cantidad de unidades
defectuosas sea menor o igual que c1 = 1.
b) Rechazar el lote cuando el número de piezas
defectuosas sea mayor que c2 = 4.
c) Tomar una segunda muestra de n2 = 80 unidades
cuando no ocurra ninguno de los dos casos
anteriores. Si la cantidad de unidades defectuosas
en las dos muestras es menor o igual que c2 = 4,
el lote es aceptado; pero si es mayor, el lote es
rechazado.
5.2.3. Plan de muestreo múltiple es una extensión
del concepto del muestreo doble, donde se
toma una muestra inicial considerablemente
más pequeña que el plan simple, y si con ella
ya se tiene evidencia suficiente para
sentenciar el lote la decisión que proceda se
toma en consecuencia, de lo contrario se toma
una segunda muestra y se intenta decidir;
pero si esto todavía no es posible se continúa
con el proceso hasta tomar la decisión de
aceptar o rechazar el lote en la última muestra
considerando todos los defectuosos
encontrados.
Con los planes de muestreo doble y múltiple
por lo general se requiere menos inspección
que con el simple, pero es más difícil
administrarlos.
En cuanto a los riesgos, pueden ser diseñados
de modo que produzcan resultados
equivalentes.
6. FORMACIÓN DEL LOTE Y SELECCIÓN DE
LA MUESTRA
La formación de un lote influye en la eficacia del
plan de muestreo de aceptación, por lo que se
sugiere atender las siguientes recomendaciones
para formar los lotes que serán sometidos a un
plan de inspección.
6.1.Los lotes deben ser homogéneos.
Las unidades que forman un lote en particular
deben haber sido fabricadas en condiciones
similares en cuanto a máquinas, operadores,
materia prima, tiempo (fechas), etc. Cuando el
lote se forma mezclando unidades de diferentes
fuentes, la variación dentro del lote aumenta y el
muestreo de aceptación pierde efectividad.
Además, la existencia de lotes no homogéneos
hace más difícil identificar las causas de los
problemas de calidad y con ello será más
complicado tomar acciones correctivas para
eliminar las causas.
6.2. Los lotes deben ser formados de manera que no
compliquen su manejo durante la inspección.
Todos los artículos de los lotes deben ser
empaquetados y embarcados con un mínimo de
riesgo y de manera que la selección de las
unidades de la muestra sea relativamente fácil.
6.3.Con las reservas del caso, los lotes deben ser tan
grandes como sea posible. Esto debido a que en
los lotes grandes es necesario inspeccionar, de
manera proporcional, menos que en los lotes
pequeños; además, los planes que resultan de
tamaños de lotes grandes tienen mayor poder
para detectar los lotes de mala calidad. Por lo que
se tendrá un menor costo y mayor eficacia de la
inspección. Sin embargo, esta recomendación
puede tener un aumento significativo en los
inventarios en procesos y en producto terminado,
con el consecuente aumento de los costos y del
tiempo de ciclo del proceso. De aquí que la
recomendación de referencia sólo se debe aplicar
en la medida que no se afecten sensiblemente los
aspectos comentados.
7. SELECCIÓN DE LA MUESTRA
Todos los planes de muestreo de aceptación basan su
funcionamiento en que las unidades seleccionadas
para la inspección son representativas de todo el lote.
De aquí que la selección de las unidades que forman
la muestra debe hacerse aplicando un método de
muestreo aleatorio.
8. ÍNDICES PARA LOS PLANES DE
MUESTREO DE ACEPTACIÓN
En una relación cliente-proveedor en la que existe un
plan de muestreo de aceptación de por medio hay dos
intereses: por un lado, el proveedor quiere que todos
los lotes que cumplen con un nivel de calidad
aceptable sean aprobados; y por el otro, el cliente
desea que todos los lotes que no tienen un nivel de
calidad aceptable sean rechazados.
Por desgracia, no es posible satisfacer de manera
simultánea ambos intereses mediante un plan de
muestreo de aceptación y la razón de ello se explicó
cuando vimos la curva CO ideal. Ante esta situación,
lo que se hace para atender de manera parcial ambos
intereses es diseñar planes de muestreo que tengan
una alta probabilidad de aceptar lotes “buenos” y una
baja probabilidad de aceptar lotes “malos”.
El punto de partida para esto es definir índices que
establezcan, para una situación específica, lo que se
considerará como calidad aceptable, intermedia y no
aceptable, con sus correspondientes probabilidades
de aceptación. Esto se explica a continuación:
8.1.Nivel de calidad aceptable, NCA o AQL
(Aceptancing Quality Level).
El NCA se define como el porcentaje máximo de
unidades que no cumplen con la calidad especificada,
que para propósitos de inspección por muestreo se
considera como satisfactorio o aceptable como un
promedio para el proceso (al NCA también se le
conoce como nivel de calidad del productor).
De acuerdo con lo anterior, si un lote tiene un nivel
de calidad igual al NCA, entonces la probabilidad de
aceptarlo debe ser alta (0.90, 0.95) y a esa
probabilidad se le designa con 1 − α. Note que la
probabilidad de aceptar lotes con un NCA no es igual
a 1 y por lo tanto hay un riesgo de no aceptar lo que
se considera un nivel de calidad satisfactorio.
A este riesgo que tiene una probabilidad igual a α,
por lo general pequeña (0.05, 0.10), se le conoce
como riesgo del productor.
Debido a este riesgo, el NCA debe ser un nivel de
calidad de referencia para el proceso de producción
del productor y de ninguna manera un valor objetivo.
Más aún, el productor debe buscar que su proceso
opere con un mejor nivel que el NCA.
8.2.Nivel de calidad limite, NCL o LQL (Limiting
Quality Level).
Es el nivel de calidad que se considera como no
satisfactorio y que los lotes que tengan este tipo de
calidad casi siempre deben ser rechazados. El NCL
en algunos planes específicos se conoce como
porcentaje defectivo tolerado del lote, PDTL o
LTPD.
Por lo antes dicho, si un lote tiene calidad igual al
NCL entonces la probabilidad de aceptarlo debe ser
muy baja (por lo general de 0.05, 0.10), y a esta
probabilidad se le designa con la letra la probabilidad
de aceptar lotes de calidad no satisfactoria (NCL) no
es cero y, por lo tanto, hay un riesgo de no rechazar
este tipo de lotes.
A este riesgo, que tiene probabilidad igual a β, se le
conoce como riesgo del consumidor.

8.3.PARA EL USO DE TABLAS
8.3.1. Inspección normal
Se implementa al iniciar el esquema de muestreo de
acuerdo con el MIL STD 105E.
8.3.2. Inspección severa
Se establece en un esquema MIL STD 105E cuando
el proveedor ha tenido un mal desempeño en cuanto
a la calidad convenida.
8.3.3. Inspección reducida
Se utiliza en un esquema MIL STD 105E cuando el
proveedor ha tenido un buen comportamiento en
cuanto a la calidad.
8.3.4. Niveles generales
De inspección I, II y III Niveles en el MIL STD 105E
que permiten modificar la cantidad de inspección sin
afectar el riesgo del productor pero cambiando el
riesgo del consumidor.
8.3.5. Niveles especiales
De inspección S1-S4 Niveles en el MIL STD 105E
que se utilizan cuando se requieren muestras
pequeñas y se pueden tolerar riesgos altos.
Ejemplo:
El NCA = 0.4%. Si el tamaño de lote es de N = 6 000
unidades y se utiliza el nivel de inspección II,
entonces, de acuerdo con la tabla 12.6, la letra código
para el tamaño de muestra es L. Con esta letra se
obtienen los planes para inspección normal, severa y
reducida.
Plan de muestreo normal. En la tabla 12.7, en el
renglón de la letra L y la columna NCA = 0.4%, se
encuentra que n = 200 y c = 2 (en la tabla aparece
Ac). Bajo este plan se rechaza al lote cuando se
obtienen tres (Re = 3) defectuosos o más. Este plan
es relativamente similar al que se diseñó por el
método de Cameron en el ejemplo 12.2 de la sección
anterior, donde además de tener NCA = 0.4% se fijó
NCL = 2.5%.
Plan de muestreo severo. Se obtiene n = 200, Ac = 1,
Re = 2. Así, en este plan se toma el mismo tamaño
de muestra que en inspección normal, pero se es más
estricto ya que el número de aceptación es menor.
Plan de muestreo reducido. Se obtiene n = 80, Ac =
1, Re = 3.
De esta manera, es claro que si en la muestra se
encuentran uno o cero defectuosos el lote es
aceptado, si se encuentran tres o más, entonces el lote
es rechazado. Pero si se encuentran dos unidades
malas el lote es aceptado, aunque al siguiente lote se
le debe aplicar el plan de inspección normal.
9. REGLAS DE CAMBIO
Los requisitos que establece el estándar para hacer
cambios entre los tres tipos de inspección se
enuncian a continuación:
9.1.De inspección normal a inspección severa.
Cuando se efectúa inspección normal y con ésta
se rechazan dos de cinco lotes consecutivos,
entonces se aplica la inspección severa.
9.2.De inspección severa a inspección normal. Si al
estar aplicando el plan de inspección severa se
aceptan cinco lotes consecutivos, entonces se
aplica la inspección normal.
9.3.De inspección normal a inspección reducida.
Para realizar estos cambios se deben cumplir las
siguientes cuatro condiciones:
 Diez lotes consecutivos han sido aceptados.
 El número total de defectuosos encontrados
en los 10 lotes anteriores es menor o igual al
número dado
 La producción es continua; esto es,
recientemente no han ocurrido problemas
como máquinas descompuestas, escasez de
material u otros contratiempos.
 Si la autoridad responsable del muestreo
considera que es deseable una inspección
reducida.
9.4.De inspección reducida a normal. Si en la
actualidad se aplica inspección reducida y ocurre
cualquiera de las cuatro condiciones siguientes:
 Un lote o una serie de lotes son rechazados.
 La inspección del lote termina sin decisión,
es decir, el número de defectuosos en el lote
es mayor que Ac pero es menor que Re.
 Si la producción es irregular o retardada.
Si se dan otras condiciones que de alguna manera
justifiquen la aplicación de la inspección normal,
tales como los deseos del cliente.
9.5.Suspensión de inspección. En caso de que 10
lotes consecutivos continúen bajo inspección
severa (o cualquier otro número que señale la
autoridad responsable), de acuerdo con el
estándar la inspección deberá ser suspendida en
espera de que se mejore la calidad del material
sometido a inspección.
10. MUESTREO DE ACEPTACIÓN POR
VARIABLES
En este tipo de planes se toma una muestra aleatoria
del lote y a cada unidad de la muestra se le mide una
característica de calidad de tipo continuo (longitud,
peso, espesor, etc.), y en contraste con el muestreo
por atributos, no se trata de clasificar a cada unidad
como defectuosa o no, sino de registrar la medición
de cada pieza. Con base en estas mediciones, se
calcula un índice (estadístico) que de acuerdo con su
valor se aceptará o rechazará todo el lote. Por lo
general, el índice toma en cuenta la información
muestral (media, desviación estándar) y las
especificaciones de la característica de calidad.
La ventaja principal del muestreo por variables es
que el tamaño de muestra es considerablemente
menor que el muestreo por atributos, sobre todo
cuando los niveles aceptables de calidad en términos
de p son muy pequeños. Además, muestrear por
variables proporciona más información acerca del
proceso, lo cual se puede utilizar para tomar
decisiones y mejorar la calidad; esto se debe a que las
medidas numéricas de las características de calidad
son más útiles que una simple clasificación de los
artículos como defectuosos o no defectuosos.
Las desventajas del muestreo por variables es que
para cada característica de calidad que se desee
inspeccionar debe diseñarse su propio plan de
muestreo. Además, las mediciones en un muestreo
por variables podrían ser más costosas, aunque la
reducción obtenida en el tamaño de la muestra por lo
general compensa este costo. Una desventaja más es
que la distribución de las características de calidad
debe ser conocida. La mayoría de los planes de
muestreo por variable suponen que tal distribución es
normal, si esto no es verdad la confiabilidad de las
decisiones puede resultar afectada de manera
importante.
Existen dos tipos de planes de muestreo por
variables: planes que controlan la proporción de
unidades que no cumplen con especificaciones y
planes que controlan un parámetro del lote o proceso
(usualmente la media). Sólo abordaremos los
primeros.
Para diseñar un plan de muestreo por variables para
el control de la proporción de artículos que no
cumplen con especificaciones, es necesario que la
variable o característica de calidad que se mide al
producto tenga especificaciones que debe cumplir.
En la figura 12.11 se muestra una característica de
calidad X con distribución normal con media (μ) y
desviación estándar (σ), que debe estar entre la
especificación inferior y la superior:
EI y ES. El área bajo la curva a la izquierda de EI
representa la proporción de artículos, pi, que tienen
un va lor menor que EI; mientras que ps es la
proporción de unidades que exceden la ES. Es
evidente que la magnitud de la proporción total de
defectuosos, p = pi + ps, depende de los valores de
μ y σ. En la práctica, lo que se hace para controlar
la proporción de defectuosos es estimar mediante
una muestra de n artículos la proporción de artículos
que no cumplen con la(s) especificación(es). Si el
valor estimado de p excede un valor máximo
especificado, el lote es rechazado; de otra forma, el
lote es aceptado.
Military Standard 414 (ANSI/ASQC Z1.9)
El MIL STD 414 es un plan para muestreo de
aceptación por variables lote por lote. El punto
principal de este estándar es el nivel de calidad
aceptable (NCA o
AQL), y comprende porcentajes que van de 0.04 a
15%. El estándar tiene cinco niveles generales de
inspección; al nivel IV se le considera el “usual”.
Como en el estándar por atributos (MIL STD 105E),
para encontrar el tamaño de muestra también se
utilizan letras código para el tamaño de ésta. Los
tamaños muéstrales están en función del tamaño de
lote y del nivel de inspección.
De acuerdo con la calidad del producto se prevé una
inspección normal, severa y reducida. Todos los
planes de
Muestreo y procedimientos en el estándar suponen
que las características de calidad se distribuyen de
manera normal.
Pasos para diseñar un plan MIL STD 414
1. Determinar el tamaño del lote.
2. Especificar el NCA (o AQL).
3. Escoger el nivel de inspección (usualmente el
nivel IV, que puede ser cambiado si la situación lo
justifica). En tanto mayor sea el nivel de inspección
más estricto es el plan (más rápido cae su curva
CO).
4. En la tabla 12.16 y de acuerdo con el tamaño de
lote y el nivel de inspección, encontrar la letra
código del tamaño de la muestra.
5. En la tabla 12.17, de acuerdo con la letra código
y el NCA, se busca el plan simple para inspección
normal, que consiste en un tamaño de muestra n, y
del valor M, que es el porcentaje máximo de
defectuosos tolerado en el lote.
6. En la misma tabla 12.17, partiendo de los NCA
que están en la parte inferior, se encuentra el plan
que se emplearía bajo inspección severa, con sus
correspondientes valores para n y M.
7. Seleccionar de manera aleatoria una muestra de
tamaño n, y a cada pieza de ésta se le mide la
característica de calidad. Con los datos obtenidos
calcular la media 𝑋̅ y la desviación estándar
muestral, S.
8. De los siguientes dos índices, de acuerdo con el
tipo de especificaciones que tenga la característica
de calidad, calcular uno o ambos.
𝐸𝑆 − 𝑋̅
𝑍𝐸𝑆 = 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟𝑒 𝐸𝑆
𝑆 En una fábrica de autopartes se han tenido problemas
𝑋̅ − 𝐸𝐼
𝑍𝐸𝐼 = 𝑒𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝐸𝐼
𝑆
Note que ambos índices: ZEI y ZES, son la distancia
entre la media de la muestra, 𝑋̅, y la correspondiente
especificación, expresada en unidades de la
desviación estándar de la muestra, S. Por lo que el
valor de estos índices será grande si S es pequeña y
si 𝑋̅ tiende a estar al centro de las especificaciones.
9. Estimar la proporción de unidades defectuosas en
el lote. Para ello, en la tabla 12.18, en la columna de
ZEI y ZES, ubicar su correspondiente valor y
desplazarse por ese renglón hasta la columna del
tamaño de muestra del plan de inspección, n. El
valor que se localice en la intersección valor de Z y
n, corresponde a la estimación del porcentaje de
defectuosos del lote de lado inferior, pi, o del lado
superior, ps, respectivamente
10. Decisión de aceptación o rechazo:
 Para variables sólo con especificación inferior.
Aceptar el lote si pi es menor o igual al valor de
M. En caso contrario rechazarlo.
 Para variables sólo con especificación superior.
Aceptar el lote si ps es menor o igual que M. En
caso contrario rechazarlo.
 Para variables con doble especificación. Aceptar
el lote si la suma de los porcentajes inferior y
superior, p = pi + ps, es menor o igual que M.
En caso contrario rechazar el lote.
Ejemplo
con la dimensión de cierta barra de acero en el
momento de ensamblarla. La longitud ideal de la
barra es de 100 mm, con una tolerancia de ±2mm. Se
decide implementar un muestreo de aceptación
interno con el propósito de evitar dejar pasar a la
etapa de ensamble a los lotes con una calidad muy
pobre.
El tamaño del lote para estas barras es de 3 000. De
acuerdo con los antecedentes y los propósitos se
elige un NCA (AQL) de 1.0%. De esta forma, lotes
con 1.0% de barras fuera de las especificaciones
tendrán una alta probabilidad de ser aceptados para
ensamble. El nivel de inspección que se utilizará es
el usual (nivel IV).
Se encuentra que la letra código para el tamaño de
la muestra es L. Supongamos que no se conoce la
desviación estándar del proceso y que ésta va a ser
estimada con S.
Por lo que de acuerdo con el paso 6, en la tabla
12.17 se encuentra que el plan de inspección normal
es
n = 40, M = 2.71%
Y el plan de inspección severa es
n = 40, M = 1.88%
De un lote en particular se seleccionan de manera
aleatoria 40 barras y se les mide su longitud. Con
los 40 datos se Obtiene
𝑋̅ = 100.15 y S = 0.8.
Y con éstos a su vez se calculan los índices:
102 − 100.15
𝑍𝐸𝑆 = = 2.31
0.8
100.15 − 98
𝑍𝐸𝐼 = = 2.6875
0.8
Con estos valores, en la columna de n = 40 de la tabla
12.18 y tomando el valor de ZES igual al valor más
cercano (2.30), se estima que el porcentaje de barras
en el lote que exceden la especificación superior es
igual a ps = 0.888%.
De la misma manera se encuentra que el porcentaje
de barras que tienen una longitud menor a la (EI) es
pi = 0.236%.
Por lo tanto, el porcentaje total que se estima fuera
de especificaciones es p = 0.888 + 0.236 = 1.124%,
que es menor que M = 2.71%, por lo que el lote es
aceptado.
10. Decisión de aceptación o rechazo:
 Para variables sólo con especificación
inferior. Aceptar el lote si pi es menor o igual
al valor de M. En caso contrario rechazarlo.
 Para variables sólo con especificación
superior. Aceptar el lote si ps es menor o
igual que M. En caso contrario rechazarlo.
 Para variables con doble especificación.
Aceptar el lote si la suma de los porcentajes
inferior y superior, p = pi + ps, es menor o
igual que M. En caso contrario rechazar el
lote.
PRÁCTICAS DE MUESTREO.
1.- En una empresa se ha aplicado un muestreo de
aceptación con base en MIL STD 105E, en el que
usan NCA de 1.5%. Conteste lo siguiente:
a) Suponiendo los lotes de 12 000 piezas y usando el
nivel de inspección usual (II) encuentre los planes
normal, reducido y severo que se aplicarán.
b) De acuerdo con lo anterior, ¿este plan garantiza
que no se acepten lotes con un porcentaje de
defectuosos mayor a 1.5%? Explique.
c) Si el tamaño de lote en lugar de 12 000, fuera de
32 000, compruebe que de acuerdo con MIL STD
105E el tamaño de muestra y el número de
aceptación serían los mismos. ¿Por qué cree usted
que ocurre esto?
2.- Un proveedor de sábanas y un hotel han decidido
evaluar el producto en lotes de 1 000 usando un NCA
de 1% con una probabilidad de rechazo de α = 0.10.
a) Use el MIL STD 105E y determine los planes de
muestreo para c = 0, 1, 2.
b) ¿Si usted fuera el comprador, cuál de los planes
anteriores seleccionaría? ¿Por qué?
3.- Suponga inspección normal en MIL STD 414 con
el método de la desviación estándar y variabilidad
desconocida, además de letra código D y AQL =
2.5%, y una especificación inferior de 200 g.
a) Para un tamaño de lote N = 40 encuentre el plan
apropiado.
b) Determine si un lote es aceptado o rechazado
usando el método M, dado que los resultados de la
inspección fueron los siguientes: 204, 211, 199, 209
y 208 g.
4.- Para aceptar embarques de 400 bultos que deben
pesar 50 kg cada uno, se establece como
especificación inferior para el peso 49.5 y como
superior 50.5.
a) Si se establece un NCA = 1.0 %, encuentre el plan
apropiado aplicando MIL STD 414 y nivel IV de
inspección (n, M).
b) De acuerdo con el plan anterior, cuando se recibe
un embarque, ¿qué se hace?, ¿cómo se decide si se
rechaza o se acepta?
c) Aplicando el plan se selecciona una muestra de
bultos, se pesan y se encuentra que 𝑋̅ = 49.8 y S =
0.2, ¿se acepta o se rechaza el embarque?
Argumente.
5.- Si en el problema anterior se hubiera utilizado un
NCA = 4.0 por ciento.
a) Encuentre el plan de muestreo apropiado.
b) Explique en qué y por qué son diferentes los
planes para NCA = 1.0% y NCA = 4%.
c) ¿Utilizando 𝑋̅ = 49.8 y S = 0.2, se rechaza o se
acepta el lote con el plan NCA = 4.0%?
6.- Si usted es vendedor, ¿cuál de los dos planes
anteriores preferiría? Argumente su respuesta.
7.-En la ficha técnica de un producto se encuentra
especificado que para evaluar el atributo “grado de
maduración” se acepta hasta un 2% de producto no
conforme. ¿Cuál es el NAC que debe usarse al
consultar las tablas correspondientes?
8.- Se recibe una remesa de 1850 canastillas de
mandarina, a razón de 100 unidades por canastilla.
Se desea inspeccionar el lote para verificar la
existencia de fruta en estado de descomposición o
con magulladura por daño mecánico. ¿Cuál es la letra
que identifica el tamaño de la muestra?
9.- En el ejemplo del caso anterior, se desea verificar
si las canastillas en que se empaca el producto
cumplen con las especificaciones de tener un fondo
sin irregularidades que maltraten la fruta. Se trata de
detectar un defecto menor y por tanto, se fija como
nivel de inspección el I.
10.- Para el caso N°8 planteado arriba, cual es el
tamaño muestra para, a) muestreo reducido, b)
muestreo normal y c) muestreo ajustado.
11.- En el caso de la pregunta 9 cuál es el tamaño
muestra para, a) muestreo reducido, b) muestreo
normal y c) muestreo ajustado.
11.- Se recibe un lote de 5000 cajas de galletas, con 200
unidades cada una, siguientes atributos, con un NAC del.
05%, una rigurosidad normal y un nivel de inspección III:
i. Estado de conservación de las cajas externas.
ii. Estado del empaque de cada unidad e integridad
de las galletas (que no estén rotas, fracturadas o
pulverizadas) o que no estén quemadas por horneo.
Realizar el muestreo correspondiente para
determinar si el lote es o no conforme.
12.- Se ha contratado el suministro de fruta fresca
(mango común) y en las condiciones de negociación
se ha establecido que no se acepta producto sucio,
con magulladuras o con signos de pudrición.
En las condiciones de negociación se establece que
para el control de calidad cualitativo se aplicará un
Nivel Aceptable de Calidad (NAC) del 2%, para
defectos mayores, con reposición del producto no
conforme. El proveedor realiza su primera entrega
que corresponde a un lote de 250.000 unidades
empacadas en canastillas de 100 unidades cada una
(2.500 canastillas). Se realizó el muestreo de
acuerdo con el presente documento y se encontraron
20 unidades magulladas y una con signos de
pudrición.
a. ¿Cuál debió ser el tamaño de la muestra?
b. ¿Cuál debe ser la decisión a tomar?
c. Si solo se hubieran encontrado 21 unidades
magulladas, ¿cuál hubiera sido la decisión?
13.- Se recibe una remesa de 1.850 canastillas de
mandarina, a razón de 100 unidades por canastilla.
Se desea inspeccionar el lote para verificar si cumple
con el peso mínimo por unidad exigido en la ficha de
negociación. ¿Cuál es la letra que identifica el
tamaño de la muestra?
14.-Una vez realizado el muestreo del caso 11, se
obtuvo la siguiente información:
a) abolladuras. De las 315 cajas inspeccionadas
externamente, se encontraron 5 con deformaciones
b) De las 2000 unidades inspeccionadas se
encontraron: 19 galletas quebradas y 6 unidades
quemadas para un total de 25 unidades no
conformes. No se encontró ningún empaque
primario en mal estado. ¿Se debe aceptar el lote?
15.- .-Se recibe una remesa de 1.850 canastillas de
mandarina, a razón de 100 unidades por canastilla.
Se desea inspeccionar el lote para verificar si
cumple con el peso mínimo por unidad exigido en la
ficha de negociación. Y luego procede como
sigue.(NCL:2%)
¿Cuál es la letra, el tamaño de la muestra y Ac, Re;
si en esta primera muestra obtenemos 10 lotes buenos
consecutivos a qué tipo de muestreo entraría y de
entonces Cuál es la letra, el tamaño de la muestra y
Ac, Re ?.
Luego se encuentra en otro tipo de carta muestral, y
al muestrear se encuentran 10 productos rechazados
entonces se debe pasar al muestreo de tipo; hallar
Cuál es la letra, el tamaño de la muestra y Ac, Re ?.
Luego de estar en una nueva muestra, de 5 lotes 2 son
rechazados entonces estaría en la inspección de tipo;
aquí encontrar Cuál es la letra, el tamaño de la
muestra y Ac, Re ?.
Al final con esta muestra se muestrea y se encuentra
18 lotes rechazados; entonces se acepta o rechaza el
lote.
SEMANA 16 Y 17
1. SIX SIGMA.
1.1.Enfoque Six Sigma.
Es un enfoque revolucionario de gestión que mide y
mejora la calidad. Ha llegado a ser un método de
referencia para, al mismo tiempo, satisfacer las
necesidades de los clientes y lograrlo con niveles
próximos a la perfección.
Pero ¿qué es exactamente Seis Sigma? Dicho en
pocas palabras, es un método basado en datos para
llevar la calidad hasta niveles próximos a la
perfección; es diferente de otros enfoques ya que
también corrige los problemas antes de que se
presenten. Específicamente, se trata de un esfuerzo
disciplinado para examinar los procesos repetitivos
de las empresas.
Literalmente cualquier compañía puede beneficiarse
del proceso Seis Sigma. Diseño, comunicación,
formación, producción, administración, pérdidas,
etc., todo entra dentro de su campo. Pero el camino
no es fácil. Las posibilidades de mejora y de ahorro
de costos son enormes, pero el proceso Seis Sigma
requiere el compromiso de tiempo, talento,
dedicación, persistencia y, por supuesto, inversión
económica.
Un típico costo de no calidad, errores, defectos y
pérdidas en los procesos, puede suponer el 20% o
30% de las ventas. El campo es amplio, incluso sin
llegar al nivel Seis Sigma (3,4 errores o defectos por
millón de oportunidades), las posibilidades de
mejorar significativamente los resultados son
ilimitadas. Solamente será necesario que la
organización ponga a disposición sus capacidades y
proceda de manera consistente con sus recursos. “En
términos estadísticos, el propósito de Seis Sigma es
reducir la variación para conseguir desviaciones
estándar muy pequeñas, de manera que
prácticamente la totalidad de sus productos o
servicios cumplan, o excedan, las expectativas de
los clientes”
1.2.El comienzo de Seis Sigma
Es esencial que el compromiso con el enfoque Seis
Sigma comience y permanezca en la alta dirección de
la compañía. La experiencia demuestra que cuando
la dirección no expresa su visión de la compañía, no
transmite firmeza y entusiasmo, no evalúa los
resultados y no reconoce los esfuerzos, los
programas de mejora se transforman en una pérdida
de recursos válidos.
El proceso Seis Sigma comienza con la
sensibilización de los ejecutivos, para llegar a un
entendimiento común del enfoque y comprender los
métodos que permitirán a la compañía alcanzar
niveles de calidad hasta entonces insospechados.
El paso siguiente consiste en la selección de los
empleados, profesionales con capacidad y
responsabilidad en sus áreas o funciones que van a
ser intensivamente formados para liderar los
proyectos de mejora. Muchos de estos empleados
tendrán que dedicar una parte importante de su
tiempo a los proyectos, si se quiere obtener
resultados significativos.
La formación de estos líderes tiene lugar en cuatro
sesiones de cuatro días cada una, a lo largo de un
periodo de 12 semanas, durante el cual trabajarán en
un proyecto concreto de mejora que los capacitará
como candidatos a una nueva profesión, black belts
como implantadores de estas avanzadas iniciativas
de calidad. Esta formación, impartida por expertos,
incluye la selección de un proyecto en la primera
semana y la aplicación de lo aprendido a dicho
proyecto antes de la sesión siguiente, mediante un
equipo de mejora.
Para alcanzar el nivel black belt los candidatos tienen
que demostrar los resultados conseguidos en el
proyecto, y este nivel los capacita para continuar
liderando nuevos equipos para nuevos proyectos de
mejora.
1.3.El método Seis Sigma
El método Seis Sigma, conocido como DMAIC,
consiste en la aplicación, proyecto a proyecto, de un
proceso estructurado en cinco fases: definir, medir,
analizar, mejorar, controlar.
En la fase de definición se identifican los posibles
proyectos Seis Sigma, que deben ser evaluados por
la dirección para evitar la infrautilización de
recursos. Una vez seleccionado el proyecto, se
prepara su misión y se selecciona el equipo más
adecuado, asignándole la prioridad necesaria
La fase de medición consiste en la caracterización
del proceso identificando los requisitos clave de los
clientes, las características clave del producto (o
variables del resultado) y los parámetros (variables
de entrada) que afectan el funcionamiento del
proceso y las características o variables clave. A
partir de esta caracterización, se define el sistema de
medida y se mide la capacidad del proceso.
En la tercera fase, análisis, el equipo analiza los
datos de resultados actuales e históricos. Se
desarrollan y comprueban hipótesis sobre posibles
relaciones causa-efecto utilizando las herramientas
estadísticas pertinentes. De esta forma, el equipo
confirma los determinantes del proceso, es decir, las
variables clave de entrada o “pocos vitales” que
afectan a las variables de respuesta del proceso.
En la fase de mejora, el equipo trata de determinar la
relación causa-efecto (relación matemática entre las
variables de entrada y la variable de respuesta que
interese), para predecir, mejorar y optimizar el
funcionamiento del proceso. Por último, se
determina el rango operacional de los parámetros o
variables de entrada del proceso.
La última fase, control, consiste en diseñar y
documentar los controles necesarios para asegurar
que lo conseguido mediante el proyecto Seis Sigma
se mantenga una vez que se hayan implantado los
cambios. Cuando se han logrado los objetivos y la
misión se dé por finalizada, el equipo informa a la
dirección y se disuelve
2. HERRAMIENTAS DEL SIX SIGMA
Se detallan las herramientas tradicionales básicas:
diagrama de Pareto, estratificación, hoja de
verificación, diagrama de causa-efecto (diagrama de
Ishikawa), lluvia de ideas y diagrama de dispersión,
además de otras herramientas de particular utilidad
en Seis Sigma.
2.1.Diagrama de Pareto
Se reconoce que más de 80% de la problemática en
una organización es por causas comunes, es decir, se
debe a problemas o situaciones que actúan de manera
permanente sobre los procesos.
Pero, además, en todo proceso son pocos los
problemas o situaciones vitales que contribuyen en
gran medida a la problemática global de un proceso
o una empresa.
Lo anterior es la premisa del diagrama de Pareto, el
cual es un gráfico especial de barras cuyo campo de
análisis o aplicación son los datos categóricos, y tiene
como objetivo ayudar a localizar el o los problemas
vitales, así como sus principales causas. La idea es
que cuando se quiere mejorar un proceso o atender
sus problemas, no se den “palos de ciego” al trabajar
en todos los problemas al mismo tiempo atacando
todas sus causas a la vez, sino que, con base en los
datos e información aportados por un análisis
estadístico, se establezcan prioridades y se enfoquen
los esfuerzos donde éstos puedan tener mayor
impacto.
La viabilidad y utilidad general del diagrama está
respaldada por el llamado principio de Pareto,
conocido como “Ley 80-20” o “Pocos vitales,
muchos triviales”, en el cual se reconoce que pocos
elementos (20%) generan la mayor parte del efecto
(80%), y el resto de los elementos propician muy
poco del efecto total.
El nombre del principio se determinó en honor al
economista italiano Wilfredo Pareto (1843-1923).
2.2.Diagrama de dispersión
Dadas dos variables numéricas X y Y, medidas
usualmente sobre el mismo elemento de la muestra
de una población o proceso, el diagrama de
dispersión es un gráfica del tipo X-Y, donde cada
elemento de la muestra es representado mediante un
par de valores (xi, yi) y el punto correspondiente en
el plano cartesiano X-Y.
El objetivo de esta gráfica es analizar la forma en que
estas dos variables están relacionadas. Por ejemplo,
estudiar en un grupo de estudiantes, la relación entre
su estatura (X) y su peso (Y); o podría ser de interés
investigar la relación entre una variable de entrada
(X) de un proceso con el valor de alguna
característica de calidad
(Y) del producto final. Al graficar todos los puntos,
es decir, todas las parejas de valores (xi, yi), si se
observa que los puntos siguen algún patrón definido,
esto será evidencia de una posible relación entre las
dos variables.
Ejemplo:
En una fábrica de pintura se desea investigar la
relación que existe entre la velocidad de agitación en
el proceso de mezclado y el porcentaje de impurezas
en la pintura. Mediante pruebas experimentales se
obtienen los datos de la tabla. Mientras que en la
figura se muestra el diagrama de dispersión para
estos datos, en donde se ve que hay una relación o
correlación lineal positiva, ya que a medida que
aumenta la velocidad de agitación se incrementa el
porcentaje de impurezas.
Interpretación de un diagrama de dispersión
En la figura se muestran los patrones más comunes
que puede seguir un conjunto de puntos en un
diagrama de dispersión. En la figura 6.10c, los puntos
están dispersos dentro de una banda horizontal sin
ningún orden aparente, lo cual sugiere una no
correlación entre las dos variables. Por el contrario,
en las figuras 6.10a, b y d los puntos siguen un patrón
bien definido, lo cual indica una relación entre las
dos variables correspondientes.
En tanto, la figura 6.10a corresponde a una
correlación positiva, en la que cuando X crece,
también lo hace Y en forma lineal, por lo tanto, se
habla de una correlación lineal positiva. La
correlación negativa se muestra en la figura 6.10b,
donde se ve que cuando X crece, Y disminuye en
forma lineal, y viceversa. Cuando se sospecha que sí
hay relación y, en la gráfica se muestra lo contrario,
es preciso asegurarse de que los datos fueron
obtenidos correctamente.
En ocasiones, en los diagramas de dispersión se
muestran relaciones con un patrón más débil, es
decir, menos definido. En esos casos se habla de una
correlación débil, y habrá que corroborarla
calculando el coeficiente de correlación que veremos
en seguida. Por otro lado, puede haber otro tipo de
relaciones que no son lineales, como en la figura
6.10d, donde se muestra una relación curvilínea en
forma de parábola, de tal forma que conforme X
crece, Y también lo hace hasta cierto punto, y después
empieza a disminuir. También pueden darse puntos
aislados que se salen del patrón general del resto de
los puntos, en ese caso es necesario investigar a qué
Lo
se debe: alguna situación especial en el
único
comportamiento del proceso, algún tipo de error, ya
que
sea de medición, registro o de “dedo”. En cualquier
caso, se debe identificar la causa que los motivó, ya
que en ocasiones puede ser información valiosa.
Acerca de la posible relación causa-efecto, es preciso
tener en cuenta que cuando dos variables están
relacionadas, no necesariamente implica que una es
causa de la otra.

indica el diagrama de dispersión es que existe una

relación. El usuario es quien debe tomar esa pista
para investigar a qué se debe tal relación. Para
verificar si efectivamente X influye sobre Y se debe
recurrir tanto al conocimiento del proceso como a la
comprobación.
De cualquier forma, quien interprete el diagrama de
dispersión debe tomar en cuenta que algunas de las
razones por las que las variables X y Y aparecen
relacionadas de manera significativa son:
  X influye sobre Y (éste es el caso que suele
interesar más).
 Y influye sobre X.
 X y Y interactúan entre sí.
Coeficiente de correlación
El coeficiente de correlación es de utilidad para
asegurarse de que la relación entre dos variables, que
se observa en un diagrama, no se debe a una
construcción errónea del diagrama de dispersión (por
ejemplo, el tamaño y las escalas), así como para
cuantificar la magnitud de la correlación lineal en
términos numéricos.
Para un conjunto de n valores del tipo (xi, yi),
obtenidos a partir de n unidades o productos, este
coeficiente se calcula con:
2.3.Diagrama de Ishikawa (o de causa-efecto)
El diagrama de causa-efecto o de Ishikawa1 es un
método gráfico que relaciona un problema o efecto
con los factores o causas que posiblemente lo
generan. La importancia de este diagrama radica en
que obliga a buscar las diferentes causas que afectan
el problema bajo análisis y, de esta forma, se evita el
error de buscar de manera directa las soluciones sin
cuestionar cuáles son las verdaderas causas.
El uso del diagrama de Ishikawa (DI), con las tres
herramientas que hemos visto en las secciones
anteriores, ayudará a no dar por obvias las causas,
sino que se trate de ver el problema desde diferentes
perspectivas.
Existen tres tipos básicos de diagramas de Ishikawa,
los cuales dependen de cómo se buscan y se
organizan las causas en la gráfica. A continuación
veremos un ejemplo de cada uno.
2.3.1. Método de las 6 M
El método de las 6 M es el más común y consiste en
agrupar las causas potenciales en seis ramas
principales (6 M): métodos de trabajo, mano o mente
de obra, materiales, maquinaria, medición y medio
ambiente. Como se vio en el capítulo 1, estos seis
elementos definen de manera global todo proceso y
cada uno aporta parte de la variabilidad del producto
final, por lo que es natural esperar que las causas de
un problema estén relacionadas con alguna de las 6
M. La pregunta básica para este tipo de construcción
es: ¿qué aspecto de esta M se refleja en el problema
bajo análisis? Más adelante se da una lista de posibles
aspectos para cada una de las M que pueden ser
causas potenciales de problemas en manufactura
2.3.1.1.Aspectos o factores a considerar en las 6 M
2.3.1.2.Mano de obra o gente
 Conocimiento (¿la gente conoce su trabajo?).
 Entrenamiento (¿los operadores están  ¿Hay diferencias? (hacer comparaciones entre
entrenados?). máquinas, cadenas, estaciones, instalaciones, etc.
 Habilidad (¿los operadores han demostrado tener ¿Se identificaron grandes diferencias?).
habilidad para el trabajo que realizan?).  Herramientas (¿hay cambios de herramientas
 Capacidad (¿se espera que cualquier trabajador periódicamente?, ¿son adecuados?).
lleve a cabo su labor de manera eficiente?).  Ajustes (¿los criterios para ajustar las máquinas
 ¿La gente está motivada? ¿Conoce la importancia son claros y han sido determinados de forma
de su trabajo por la calidad? adecuada?).
 Mantenimiento (¿hay programas de
2.3.1.3.Métodos mantenimiento preventivo?, ¿son adecuados?).
 Estandarización (¿las responsabilidades y los
procedimientos de trabajo están definidos de 2.3.1.5.Material
manera clara y adecuada o dependen del criterio  Variabilidad (¿se conoce cómo influye la
de cada persona?). variabilidad de los materiales o materia prima
 Excepciones (¿cuando el procedimiento estándar sobre el problema?).
no se puede llevar a cabo existe un procedimiento  Cambios (¿ha habido algún cambio reciente en
alternativo definido claramente?). los materiales?).
 Definición de operaciones (¿están definidas las  Proveedores (¿cuál es la influencia de múltiples
operaciones que constituyen los proveedores?, ¿se sabe si hay diferencias
procedimientos?, ¿cómo se decide si la operación significativas y cómo influyen éstas?).
fue realizada de manera correcta?).  Tipos (¿se sabe cómo influyen los distintos tipos
La contribución a la calidad por parte de esta rama es de materiales?).
fundamental, ya que por un lado cuestiona si están
definidos los métodos de trabajo, las operaciones y 2.3.1.6.Mediciones
las responsabilidades; por el otro, en caso de que sí  Disponibilidad (¿se dispone de las mediciones
estén definidas, cuestiona si son adecuados. requeridas para detectar o prevenir el
problema?).
2.3.1.4.Máquinas o equipos  Definiciones (¿están definidas de manera
 Capacidad (¿las máquinas han demostrado ser operacional las características que son
capaces de dar la calidad que se requiere?). medidas?).
 Condiciones de operación (¿las condiciones de  Tamaño de la muestra (¿han sido medidas
operación en términos de las variables de entrada suficientes piezas?, ¿son representativas de tal
son las adecuadas?, ¿se ha realizado algún forma que las decisiones tengan sustento?).
estudio que lo respalde?).
 Repetibilidad (¿se tiene evidencia de que el  Se tiende a concentrar en pequeños detalles del
instrumento de medición es capaz de repetir la proceso.
medida con la precisión requerida?).  No es ilustrativo para quienes desconocen el
 Reproducibilidad (¿se tiene evidencia de que los proceso.
métodos y criterios usados por los operadores
para tomar mediciones son adecuados?)
 Calibración o sesgo (¿existe algún sesgo en las
medidas generadas por el sistema de medición?).

Esta rama destaca la importancia que tiene el sistema

de medición para la calidad, ya que las mediciones a
lo largo del proceso son la base para tomar decisiones
y acciones; por lo tanto, debemos preguntarnos si
estas mediciones son representativas y correctas, es
decir, si en el contexto del problema que se está
analizando, las mediciones son de calidad, y si los
resultados de medición, las pruebas y la inspección
son fiables

2.3.1.7.Medio ambiente 2.3.4. Método tipo flujo del proceso

 Ciclos (¿existen patrones o ciclos en los procesos Con el método flujo del proceso de construcción, la

que dependen de condiciones Del medio línea principal del diagrama de Ishikawa sigue la

ambiente?). secuencia normal del proceso de producción o de

 Temperatura (¿la temperatura ambiental influye administración.

en las operaciones?). Los factores que pueden afectar la característica de

calidad se agregan en el orden que les corresponde,

2.3.2. Ventajas del método 6 M según el proceso. La figura 6.7 muestra un diagrama

 Obliga a considerar una gran cantidad de construido con este método. Para ir agregando en el

elementos asociados con el problema. orden del proceso las causas potenciales, se realiza la

 Es posible usarlo cuando el proceso no se conoce siguiente pregunta: ¿qué factor o situación en esta

a detalle. parte del proceso puede tener un efecto sobre el

 Se concentra en el proceso y no en el producto. problema especificado? Este método permite

explorar formas alternativas de trabajo, detectar

2.3.3. Desventajas del método 6 M cuellos de botella, descubrir problemas ocultos, etc.

 En una sola rama se identifican demasiadas Algunas de las ventajas y desventajas del diagrama

causas potenciales.
de Ishikawa, construido según el flujo del proceso, se
presentan a continuación.
2.3.4.1.Ventajas
 Obliga a preparar el diagrama de flujo del
proceso.
 Se considera al proceso completo como una
causa potencial del problema.
 Identifica procedimientos alternativos de trabajo.
 Hace posible descubrir otros problemas no
considerados al inicio.
 Permite que las personas que desconocen el
proceso se familiaricen con él, lo que facilita su
uso.
 Se emplea para predecir problemas del proceso
poniendo atención especial en las fuentes de
variabilidad.
2.3.4.2.Desventajas
 Es fácil no detectar las causas potenciales,
puesto que las personas quizás estén muy
familiarizadas con el proceso y todo se les
haga normal.
 Es difícil usarlo por mucho tiempo, sobre
todo en procesos complejos.
 Algunas causas potenciales pueden aparecer
muchas veces.
2.4.Pasos para la construcción de un diagrama de
Ishikawa
1. Especificar el problema a analizar. Se recomienda
que sea un problema importante y, de ser posible, que
ya esté delimitado mediante la aplicación de
herramientas como Pareto y estratificación. También
es importante que se tenga la cuantificación objetiva
de la magnitud del problema.
2. Seleccionar el tipo de DI que se va a usar. Esta
decisión se toma con base en las ventajas y
desventajas que tiene cada método.
3. Buscar todas las probables causas, lo más
concretas posible, que pueden tener algún efecto
sobre el problema. En esta etapa no se debe discutir
cuáles causas son más importantes; por el momento,
el objetivo es generar las posibles causas. La
estrategia para la búsqueda es diferente según el tipo
de diagrama elegido, por lo que se debe proceder de
acuerdo con las siguientes recomendaciones:
 Para el método 6 M: trazar el diagrama de
acuerdo con la estructura base para este
método e ir preguntándose y reflexionando
acerca de cómo los diferentes factores o
situaciones de cada M pueden afectar el
problema bajo análisis.
 Método flujo del proceso: construir un
diagrama de flujo en el que se muestre la
secuencia y el nombre de las principales
operaciones del proceso que están antes del
problema, e iniciando de atrás hacia delante.
Es preciso preguntarse: ¿qué aspectos o
factores en esta parte del proceso afectan al
problema especificado?
 Método enumeración de causas: mediante
una lluvia de ideas generar una lista de las
posibles causas y después agruparlas por
afinidad. Es preciso representarlas en el
diagrama, considerando que para cada grupo
 corresponderá una rama principal del
diagrama; también, se asigna un título
representativo del tipo de causas en tal grupo.

4. Una vez representadas las ideas obtenidas, es

necesario preguntarse si faltan algunas otras causas
aún no consideradas; si es así, es preciso agregarlas.

5. Decidir cuáles son las causas más importantes

mediante diálogo y discusión respetuosa y con apoyo
de datos, conocimientos, consenso o votación del
tipo 5,3,1. En este tipo de votación cada participante
asigna 5 puntos a la causa que considera más 2.5.Lluvia de ideas
importante, 3 a la que le sigue, y 1 a la tercera en Las sesiones de lluvia o tormenta de ideas son una

importancia; después de la votación se suman los forma de pensamiento creativo encaminada a que

puntos, y el grupo deberá enfocarse en las causas que todos los miembros de un grupo participen

recibieron más puntos. libremente y aporten ideas sobre determinado tema o

6. Decidir sobre cuáles causas se va a actuar. Para
ello se toma en consideración el punto anterior y lo
factible que resulta corregir cada una de las causas
más importantes. Con respecto a las causas que no se
decida actuar debido a que es imposible, por distintas
circunstancias, es importante reportarlas a la alta
dirección.
7. Preparar un plan de acción para cada una de las
causas a ser investigadas o corregidas, de tal forma
que determine las acciones que se deben realizar;
para ello se puede usar nuevamente el DI. Una vez
determinadas las causas, se debe insistir en las
acciones para no caer en sólo debatir los problemas
y en no acordar acciones de solución.
problema. Esta técnica es de gran utilidad para el
trabajo en equipo, ya que permite la reflexión y el
diálogo con respecto a un problema y en términos de
igualdad. Se recomienda que las sesiones de lluvia de
ideas sean un proceso disciplinado a través de los
siguientes pasos:
1. Definir con claridad y precisión el tema o
problema sobre el que se aportan ideas. Esto
permitirá que el resto de la sesión sólo esté enfocada
a ese punto y no se dé pie a la divagación en otros
temas.
2. Se nombra un moderador de la sesión, quien se
encargará de coordinar la participación de los demás
participantes.
3. Cada participante en la sesión debe hacer una lista
por escrito de ideas sobre el tema (una lista de
posibles causas si se analiza un problema). La razón
de que esta lista sea por escrito y no de manera oral
es que así todos los miembros del grupo participan y
se logra concentrar más la atención de los
participantes en el objetivo. Incluso, esta lista puede
encargarse de manera previa a la sesión.
4. Los participantes se acomodan de preferencia en
forma circular y se turnan para leer una idea de su
lista cada vez. A medida que se leen las ideas, éstas
se presentan visualmente a fin de que todos las vean.
El proceso continúa hasta que se hayan leído todas
las ideas de todas las listas. Ninguna idea debe
tratarse como absurda o imposible, aun cuando se
considere que unas sean causas de otras; la crítica y
la anticipación de juicios tienden a limitar la
creatividad del grupo, que es el objetivo en esta
etapa. En otras palabras, es importante distinguir dos
procesos de pensamiento: primero pensar en las
posibles causas y después seleccionar la más
importante. Realizar ambos procesos al mismo
tiempo entorpecerá a ambos. Por eso, en esta etapa
sólo se permite el diálogo para aclarar alguna idea
señalada por un participante. Es preciso fomentar la
informalidad y la risa instantánea, pero la burla debe
prohibirse.
5. Una vez leídos todos los puntos, el moderador le
pregunta a cada persona, por turnos, si tiene
comentarios adicionales. Este proceso continúa hasta
que se agoten las ideas. Ahora se tiene una lista
básica de ideas acerca del problema o tema. Si el
propósito era generar estas ideas, aquí termina la
sesión; pero si se trata de profundizar aún más la
búsqueda y encontrar las ideas principales, entonces
se deberá hacer un análisis de las mismas con las
siguientes actividades.
6. Agrupar las causas por su similitud y
representarlas en un diagrama de Ishikawa,
considerando que para cada grupo corresponderá una
rama principal del diagrama, a la cual se le asigna un
título representativo del tipo de causas en tal grupo.
Este proceso de agrupación permitirá clarificar y
estratificar las ideas, así como tener una mejor visión
de conjunto y generar nuevas opciones.
7. Una vez realizado el DI se analiza si se ha omitido
alguna idea o causa importante; para ello, se pregunta
si hay alguna otra causa adicional en cada rama
principal, y de ser así se agrega.
8. A continuación se inicia una discusión abierta y
respetuosa dirigida a centrar la atención en las causas
principales. El objetivo es argumentar en favor de y
no de descartar opciones.
Las causas que reciban más mención o atención en la
discusión se pueden señalar en el diagrama de
Ishikawa resaltándolas de alguna manera.
9. Elegir las causas o ideas más importantes de entre
las que el grupo ha destacado previamente.
Para ello se tienen tres opciones: datos, consenso o
por votación. Se recomienda esta última cuando no
es posible recurrir a datos y en la sesión participan
personas de distintos niveles jerárquicos, o cuando
hay alguien de opiniones dominantes. La votación
puede ser del tipo 5,3,1 (vea el paso 5 de las
recomendaciones presentadas antes para construir un
diagrama de Ishikawa). Se suman los votos y se
eliminan las ideas que recibieron poca atención;
ahora, la atención del grupo se centra en las ideas que
recibieron más votos. Se hace una nueva discusión
sobre éstas y después de ello una nueva votación para
obtener las causas más importantes que el grupo se
encargará de atender.
10. Si la sesión está encaminada a resolver un
problema, se debe buscar que en las futuras reuniones
o sesiones se llegue a las acciones concretas que es
necesario realizar, para lo cual se puede utilizar de
nuevo la lluvia de ideas y el diagrama de Ishikawa.
Es importante dar énfasis a las acciones para no caer
en el error o vicio de muchas reuniones de trabajo,
donde sólo se debaten los problemas pero no se
acuerdan acciones para solucionarlos.
ANEXOS:

ANEXO 01.

ETAPAS DE LA CALIDAD

Criterios y Inspección Control estadístico Aseguramiento de la calidad Administración

consideraciones de la calidad de la calidad total
Fecha de inicio
Preocupación
principal
La calidad se ve
como:
Énfasis

Métodos

Papel de los
profesionales
de la calidad
Quién tiene la
responsabilidad
por la calidad
Orientación y
enfoque
ANEXO 02
ETAPAS DE LA CALIDAD

GURÚ CONCEPTO DE APORTACIONES FILOSOFIA APLICACIÓN

Fecha de inicio CALIDAD
ANEXO: TABLA DE CONTROL ESTADÍSTICO
ANEXO TABLA DE MUESTREO.