UNIDAD 1: TEORIA GENERAL DE LA

CALIDAD Y HERRAMIENTAS BASICAS.

EVOLUCION
A lo largo de la historia, la metodologa de elaborar los bienes y el concepto de calidad
han ido evolucionando de una forma paralela. En la siguiente tabla se recoge un
resumen de la evolucin del concepto de calidad en el tiempo.
poca/Sistema de
Gestin
Concepto de Calidad
Epoca artesanal Hacer las cosas bien a cualquier costo
Industrializacin Produccin
egunda !uerra "undial Eficacia # Plazo $ %alidad
Posguerra &'apn( Hacer las cosas bien a la primera
Posguerra &resto de pases( Produccin
%ontrol de %alidad )erificacin de las caractersticas del producto
!estin de la %alidad *ptitud del producto+servicio al uso
!estin de %alidad ,otal Integrar la calidad en todo el proceso
,aguchi %oste mnimo para la sociedad
En la -poca artesanal la calidad supona hacer bien las cosas a cualquier costo. .os
ob/etivos seguidos por el artesano eran, por lo tanto, satisfacer el orgullo personal &su
prestigio( y satisfacer al comprador. En definitiva, el producto era una obra de arte.
Esto supone que el artesano vende los productos, compra las materias primas y
traba/a con una metodologa basada en su e0periencia profesional.
Posteriormente, durante la industrializacin, el concepto de calidad fue sustituido por el
de produccin &hacer muchas cosas, no importa con que calidad(. El ob/etivo de este
modo de fabricacin era el de satisfacer la demanda de bienes &generalmente escasos(
y el aumento de beneficios.
1urante la egunda !uerra "undial, el concepto de calidad equivala a asegurar la
eficacia del armamento &sin importar el costo( con la mayor y m2s r2pida produccin
&eficacia # plazo $ calidad(. El ob/etivo era garantizar la disponibilidad de un
armamento eficaz en cantidad y momento precisos.
1urante la posguerra, en 'apn el concepto de calidad equivala a 3hacer las cosas bien
a la primera3. El ob/etivo de esta filosofa de traba/o era minimizar los costos a trav-s
de la calidad, satisfacer a los clientes y aumentar la competitividad de estas empresas.
En el resto de los pases, sin embargo, se volvi al ob/etivo de la -poca anterior, la
industrializacin. 4o se contempla la calidad, slo se trata de producir cuanto m2s
me/or, satisfacer la demanda de bienes para reconstruir los pases afectados por la
guerra.
En este tiempo se analiza el traba/o y se descompone en actividades sencillas. Estas
actividades se realizan por personas especializadas en peque5as tareas 1e este modo
nace el traba/o en cadena, el traba/o pasa de ser organizado por un artesano industrial
a ser planificado por los ingenieros. %omo consecuencia disminuye el periodo de
aprendiza/e y aumenta la productividad.
Esto supone un aumento de la competitividad, pero un descenso del nivel de vida y de
la satisfaccin de los traba/adores. %omo efectos 3secundarios3 aparece un descenso
de la calidad por apata, descuido, mala coordinacin entre distintas funciones,
etc-tera.
.lega un momento en el que el cliente comienza a e0igir m2s calidad. Entonces se
comienza a buscar que el grado de adaptacin de un producto a su dise5o sea el
ptimo. En esta -poca se hace el Control de Calidad, en el sentido de inspeccin de
las caractersticas de un producto y satisfacer las necesidades t-cnicas y de
produccin. 1e este modo, la calidad se identifica con la ausencia de defectos.
6riginado por este control de calidad surge un conflicto entre la funcin de fabricacin
&a la b7squeda de aumentar la productividad( y la de control de calidad &cuya funcin
era detectar todos los defectos posibles(.
Pero entonces resulta que el cliente busca otras cosas o, aunque el producto cumpla
las especificaciones del dise5o, no es aceptado por el mercado. Entonces surge la
necesidad de cambiar el sistema de gestin y surge la Gestin de la Calidad. El
concepto de calidad se mide mediante el grado de satisfaccin de las necesidades del
cliente. .os ob/etivos, por lo tanto, ser2n satisfacer al cliente, mantener la calidad,
reduccin de los costos y me/orar la competitividad de la empresa.
En este momento surge el Aseguramiento de la Calidad. El concepto b2sico de este
istema de %alidad supone garantizar el nivel de calidad del producto, esto es, que el
resultado de la actividad de la empresa sea el que se pretende y no una sorpresa. El
punto d-bil de este sistema es que no contempla la me/ora del producto, ni define
sistemas para captar la voz del cliente.
Para me/orar en estos aspectos surge la me/ora continua, herramienta utilizada de
diferentes maneras en cada empresa seg7n sus necesidades y m-todos de traba/o. .a
me/ora continua est2 basada en una serie de peque5as me/oras que van haciendo
avanzar poco a poco a la empresa en diferentes aspectos.
.as empresas m2s comprometidas en materia de calidad han comenzado
recientemente a incorporar un sistema de gestin denominado Gestin de Calidad
Total. Este proceso supone integrar el concepto de calidad en todas las fases del
proceso y a todos los departamentos que tienen alguna influencia en la calidad final del
proceso y+o servicio prestado al cliente.
*ctualmente, los 3gur7s3 de la calidad llegan aun m2s le/os. ,aguchi define la calidad
como el grado de p-rdida para la sociedad. El ob/etivo, por lo tanto es buscar el
m-todo de produccin que supone un coste mnimo para la sociedad. En este concepto
entran otro tipo de consideraciones, como pueden ser las relaciones con el medio
ambiente, la satisfaccin de los traba/adores, etc-tera.
Esto hace suponer que en un futuro el concepto de calidad se identifique con la
satisfaccin por el traba/o bien hecho. .os ob/etivos buscados pasaran a ser la
satisfaccin interna &empresa(, la satisfaccin e0terna &cliente y sociedad en general(,
y una alta competitividad en un mercado en el que la calidad se considerar2 como un
derecho.
FUENTE: http://www.crea.es/guia/calidad/c1.html
CONCEPTOS E IMPORTANCIA DE LA CALIDAD
En sus orgenes, el concepto de calidad (quality, qualit) aluda a los atributos distintivos de las
personas o las cosas.
Por este motivo era comn adjetivar la calidad. Se poda decir de las personas o las cosas que
eran de buena, regular o mala calidad.
oy en cambio, es m!s comn escuc"ar que las personas o las cosas tienen o no tienen calidad.
En consecuencia, el concepto de calidad "a pasado a distinguir los buenos atributos. # dentro de
ellos, el grado superlativo es lo que se denomina calidad total.
Pero, $c%mo determinar los buenos atributos y m!s espec&icamente, medir la calidad'
(a &orma m!s simple es estableciendo la con&ormidad de los productos y los servicios (y tambin
las personas) con re&erencia a ciertas normas. )edir de manera cuantitativa, en qu proporci%n un
lote &inal se ajusta a las especi&icaciones de la norma.
Pero as como se puede medir la calidad de los productos y servicios, tambin se puede medir los
procesos que le dan origen. Si estos procesos se sujetan a ciertas normas, las probabilidades de
&allos se reducen.
Si en el primer caso, la revisi%n de la calidad permita entregar al cliente s%lo los productos y
servicios que cumplan ciertas especi&icaciones evit!ndose devoluciones, reclamos y mala imagen,
en el segundo la aplicaci%n de ciertas normas "aca m!s con&iable la producci%n &inal. Esto es lo
que se conoce como aseguramiento de la calidad que incide directamente en la e&iciencia de los
procesos (un mayor valor a un menor costo).
Sin embargo, los procesos y sus productos o servicios pueden sujetarse a las especi&icaciones
pero carecer de valor en trminos del mercado. Esto no &ue tan claro en la poca de auge de la
gran industria para mercados masivos. Pero se "i*o totalmente evidente cuando la producci%n se
diversi&ic% y di&erenci%.
oy es comn "ablar de calidad como satis&acci%n al cliente. (os productos o servicios son de
calidad porque contentan a sus consumidores o usuarios.
+na variante de este concepto es la calidad en &unci%n del precio. Es decir, la satis&acci%n de las
e,pectativas del cliente en relaci%n con el valor que ste le asigna. -ada cliente aspira as a los
niveles de calidad que su ingreso le permite.
(a satis&acci%n del cliente es la medida de la e&icacia del producto o el servicio y por tanto, de la
persona u organi*aci%n que lo produce o proporciona.
Pero, $c%mo medir la satis&acci%n del cliente' Se trata sin duda de un concepto cualitativo, pero el
mercado proporciona in&ormaci%n. (a m!s importante es la demanda y la &idelidad del cliente. Pero
tambin es posible recoger in&ormaci%n mediante investigaci%n del mercado.
(a calidad total o la e,celencia, es la convergencia de la mayor e&iciencia con la mayor e&icacia.
Pero del mismo modo que siempre ser! posible optimi*ar los procesos, tambin los gustos de los
clientes cambian en el tiempo. En esa medida, la calidad total o e,celencia no es un punto de
llegada sino un proceso continuo de creaci%n de mayor utilidad incorporando todos los valores de
la sociedad. responsabilidad social, ambiental y tica.
(a medida en que las organi*aciones o personas "an incorporado los conceptos de calidad en su
gesti%n, son un indicativo de la calidad de sus productos o servicios.
Calidad en desarrollo
/nualmente se invierte centenares de millones de d%lares en ayuda o cooperaci%n al desarrollo.
Esta inversi%n se ejecuta a travs de entidades pblicas nacionales o &ederales, regionales y
locales, y a travs de organismos privados conocidos como organi*aciones no gubernamentales
(012).
(a inversi%n en desarrollo comprende ejecuci%n de obras de in&raestructura social o productiva,
servicios a la producci%n, como aquella destinada a acrecentar las capacidades y ejercicio de sus
derec"os por las personas.
(a inversi%n en desarrollo puede incidir en las e,ternalidades que a&ectan a una comunidad como
puede ser apropiada directamente por un colectivo y en algunos casos por unas pocas personas.
$Es aplicable a esta inversi%n los conceptos de calidad antes enunciados'
Esta inversi%n como cualquier asignaci%n de recursos, debe regirse por los mismos principios. la
m!,ima e&iciencia y e&icacia, es decir, calidad total o e,celencia.
En desarrollo debemos establecer que los productos o servicios que se proporcionan cumplan con
ciertas normas, que los procesos que le dan origen atiendan otras especi&icaciones y que los
clientes de las organi*aciones ejecutoras sean stas pblicas o privadas, sean satis&ec"os.
En la cooperaci%n al desarrollo "ay sin embargo dos clientes simult!neos. +nos pagan que son las
agencias &inanciadoras o donantes. 0tros reciben los bienes o servicios y son los llamados
bene&iciarios de la ayuda.
Por lo general, la de&inici%n de a quin se ayuda y con qu medios, queda en manos de los
&inanciadores y la organi*aci%n ejecutora. +nos u otros o ambos, preparan un proyecto. Si las
metas del proyecto se alcan*an en los pla*os previstos y al costo estimado en el presupuesto, se
dir! que la ejecuci%n &ue e&iciente o tambin, que la organi*aci%n &ue e&iciente.
/lgo m!s complicado es determinar la e&icacia. En la medida en que los clientes3bene&iciarios no
escogen al proveedor ni establecen una relaci%n de &ideli*aci%n voluntaria y de largo pla*o, no
tendremos una indicaci%n de mercado sobre la e&icacia de su trabajo.
Para medir la e&icacia se "an elaborado sistemas de medici%n de impacto que a partir del dise4o
de un escenario contra&actual (lo que ocurrira sin el proyecto) puede veri&icar la bondad de la
inversi%n comparando los resultados observables con in&ormaci%n de base y5o con grupos de
control.
0tra opci%n es recojer la opini%n de los clientes empleando tcnicas de investigaci%n de mercado.
Sin embargo, la opini%n del cliente3bene&iciario por lo general est! sesgada por su propia
percepci%n o c!lculo de bene&icios ulteriores.
(astimosamente, en la mayora de proyectos por ra*ones de costos, no se e&ectan mediciones de
base ni de impacto que sean con&iables y concluyentes. 1o se cuenta entonces, con medidas de
e&icacia.
Pero en la medici%n de la e&iciencia la norma o especi&icaciones son las del proyecto tal como ste
&ue &ormulado. Se puede a&irmar que el encargo &ue cumplido, pero no nos in&orma en absoluto
sobre la calidad del encargo.
/"ora bien, en la cooperaci%n internacional cada agencia &inanciadora, incluso cada departamento
de la agencia, lo mismo que las organi*aciones ejecutoras, tienen su propia norma cuando
e&ectivamente la tienen.
1o es necesario "acer un gran es&uer*o de imaginaci%n para concluir que entre las miles de
organi*aciones que ejecutan proyectos de apoyo al desarrollo "umano en el mundo, la &orma de
"acerlo y los resultados alcan*ados son muy diversos. (a calidad en este caso, quedar! de&inida
por aquellas organi*aciones cuya e&iciencia y e&icacia est! por encima de la media.
Son las mejores pr!cticas documentadas las que establecen la norma o el est!ndar al que se
deben sujetar las organi*aciones. En consecuencia, se mide la calidad de una organi*aci%n con
relaci%n a la calidad de las mejores organi*aciones.
El dise4o de un proyecto, las metas que se propone, la asignaci%n de tareas, la &orma de
relacionarse con los clientes3bene&iciarios, la ejecuci%n de las actividades, los procesos
administrativos y presupuestales, es decir, todos los aspectos de la gesti%n, deben compararse con
las mejores pr!cticas.
(a calidad total o e,celencia en desarrollo se mide en de&initiva por la constancia en mejorar, por la
capacidad para identi&icar y adoptar las mejores pr!cticas, pero tambin por innovar para superar
los est!ndares.
FUENTE: http://www.dexcel.org/espanol/conceptocalidad.htm
Desarrollos y conceptos fundamentales de calidad
total
El concepto de calidad se "a dado desde que el primer "ombre comien*a a vivir.
En ese entonces no se le daba una de&inici%n con palabras precisas, sino m!s
bien era subjetiva la manera en que se perciba la calidad. #a que en ese
entonces el "ombre careca de estudios que le ayudaran a darle una de&inici%n
como la que a"ora se maneja. Pero aun as el "ombre buscaba la calidad en cada
actividad que reali*aba.
Encontramos dos conceptos de calidad, el conocido tradicionalmente y el
concepto moderno.
El concepto tradicional nos "abla de la calidad como el cumplimiento de una
norma, sin tomar en cuenta la demanda de dic"o producto, en este concepto la
o&erta supera a la demanda, desarroll!ndose en una economa cerrada. Siendo el
consumidor quien debe adaptarse al producto, y no el producto a las necesidades
del consumidor.
Sin embargo el concepto se "a ido trans&ormando con el paso del tiempo y de
acuerdo a las e,igencias del propio mercado. 6ando as un nuevo concepto sobre
la calidad, donde el producto o servicio se dise4a en &unci%n de los requerimientos
y necesidades del consumidor, tomando en cuenta tambin conceptos como, el
precio, el tiempo, etc.
6e acuerdo a estas e,igencias el concepto de calidad engloba 7 caractersticas
b!sicas.
-alidad de dise4o.
-alidad de con&ormancia.
-alidad de vida del trabajador.
# la suma de estos da como resultado al 8-alidad 9otal:
Pero para su mejor comprensi%n de&iniremos cada uno de los conceptos que
engloba la 8-alidad 9otal:
Calidad de diseo. /qu se determina el que producto y5o servicio producir y
como "acerlo. /s como los materiales que se utili*aran en su reali*aci%n y los
procedimientos para reali*arlos. (a calidad de dise4o es b!sicamente la
adecuaci%n del producto y5o servicio a las necesidades y requerimientos del
consumidor.
;!sicamente la calidad de dise4o es una planeaci%n a conciencia del producto y5o
servicio que pensamos o&recer a la comunidad. 6eber!n tomarse en cuenta <
puntos claves para que se d dic"a calidad de dise4o.
=. Segmentar el mercado para identi&icar el nic"o o nic"os de mercado al que
"abremos de dirigirnos.
>. ?eali*ar la adecuada y completa investigaci%n de mercado para cada nic"o
al que nos dirigiremos.
7. /decuar el producto o servicio de acuerdo a las necesidades, gustos y
pre&erencias detectadas en la investigaci%n de mercado.
@. 6e&inir los mtodos de producci%n a utili*ar.
<. Equipar a la organi*aci%n con los elementos necesarios para la producci%n
del producto o servicio, as como los cursos de capacitaci%n para el
personal.
Calidad de conformancia. Esto se re&iere b!sicamente al grado en que el
producto o servicio cumple con los est!ndares o normas establecidas de calidad.
En este concepto la &rase de 8"acer las cosas bien a la primera ve*: queda
per&ectamente, ya que esta calidad de con&ormancia se en&oca a la manera de
"acer las cosasA con los materiales correctos, maquinaria y equipo en buen
estado, personal capacitado y motivado, etc.
Calidad de vida del trabajador. 9enemos que darle a los trabajadores de
todos los niveles un clima organi*acional optimo, ya que de eso depende el buen
desempe4o de los trabajadores.
Para que se de un agradable clima organi*acional, debe de contarse con un lder
que asesore a los trabajadores, pero de be tenerse muc"isimo cuidado de que
este lder no se convierta en un capata* que ordene y "aga sentir a los
trabajadores que no se les tiene con&ian*a. #a que esto a&ectara en el nivel de
desempe4o de los trabajadores. Puesto que sentir!n limitada su capacidad para
tomar decisiones y "asta pueden perder el gusto y la entrega por su trabajo.
6e esta manera tenemos como resultado.
Calidad total = Calidad de diseo + calidad de conformancia +
calidad de vida del trabajador
FUENTE:
http://orbita.starmedia.com/~unamosapuntes/admoncalidad/admoncalidad.htm#oncept
os
COSTOS DE LA CALIDAD
Bundamentos de la Economa de los Sistemas de -alidad.
6urante las ltimas dcadas, las compa4as del mundo occidental tomaron
conciencia de la estratgica importancia que representa la /dministraci%n de la
-alidad 9otal (/-9) para la sanidad de sus propias empresas. -omprendieron que
la /-9 les permitira ser competitivas en los mercados nacionales e
internacionales. /s pues, se "a iniciado un proceso de mejoramiento continuo de
la calidad.
(a calidad satis&actoria de un producto o servicio va de la mano con costos
satis&actorios de calidad y servicios. +no de los obst!culos principales para el
establecimiento de un programa m!s din!mico de calidad en a4os anteriores era
la noci%n equivocada de que el logro de una mejor calidad requiere de costos
muc"o m!s altos.
(a calidad insatis&actoria signi&ica una utili*aci%n de recursos insatis&actoria. Esto
incluye desperdicios de material, desperdicios de mano de obra, desperdicios de
tiempo de equipo y en consecuencia implica mayores costos.
+n &actor principal en estos conceptos err%neos del pasado de la relaci%n entre
calidad y costo era la poca disponibilidad de datos importantes. En realidad, en los
primeros a4os, "aba una e,tendida creencia de que la calidad no poda ser
medida pr!cticamente en trminos de costos. Parte de la ra*%n de esta creencia
era la contabilidad de costos tradicional, que segua la gua de la economa
tradicional y que no "aba tratado de cuanti&icar la calidad. En &orma
correspondiente, el costo de la calidad no se ajustaba &!cilmente a las viejas
estructuras de la contabilidad.
oy, no solo se reconoce la capacidad de medici%n en los mismos programas de
calidad, sino que estos costos son centrales para la administraci%n e Cngeniera de
-ontrol moderno de la -alidad 9otal, as como para la planeaci%n estratgica del
negocio de compa4as y plantas.
$Por qu son Cmportantes los -ostos en la -alidad'
En primer lugar porque son grandes, muy grandes. 6e acuerdo con la
investigaci%n de un grupo de trabajo de la 0&icina para el 6esarrollo Econ%mico
1acional (06E1) que estudi% la calidad y las normas publicadas en =DE<,
alrededor del =F al >FG de las ventas totales de las empresas est! representado
por los costos relacionados con la calidad.
En segundo lugar, el D<G de los costos en la calidad generalmente tiene relaci%n
con la valoraci%n y los de&ectos. Estos gastos le a4aden muy poco al valor del
producto o servicioA los gastos de los de&ectos, por lo menos, pueden considerarse
evitables. (a reducci%n de los costos de los de&ectos mediante la eliminaci%n de
las causas de la &alta de cumplimiento tambin puede traducirse en una reducci%n
sustancial de los costos de valoraci%n.
En tercer lugar, los costos innecesarios y evitables encarecen los bienes y
servicios. Esto a su ve*, a&ecta la competitividad y, a la larga, los salarios y los
est!ndares de la vida.
En curto lugar, es evidente que los gastos y los aspectos econ%micos de muc"as
actividades relacionadas con la calidad, incluidas las inversiones en la prevenci%n
y las actividades de evaluaci%n, les son desconocidos a las compa4as, no
obstante que tales costos son considerables y que una parte sustancial de ellos es
evitable.
$Hu son los -ostos Buncionales de -alidad'
(os costos de calidad en plantas y compa4as se contabili*an en &orma que
incluyan dos componentes principales. los costos de control y los costos por &alla
en el control. Istos son los costos &uncionales de calidad del productor.
(os costos de control se miden en dos segmentos. costos de prevenci%n, que
evitan que ocurran de&ectos e incon&ormidades y que incluyen los gastos de
calidad para evitar que, en primer lugar, surjan productos insatis&actorios. /qu se
incluyen tales !reas de costos como calidad en la ingeniera y entrenamiento en
calidad para los empleados. (os costos de evaluaci%n incluyen los costos de
mantener los grados de calidad de la compa4a por medio de evaluaciones
&ormales de la calidad del producto. Ello incluye !reas de costo como inspecci%n,
pruebas, investigaciones e,ternas, auditorias de calidad y gastos similares.
(os costos por &alla en el control, que son causados por los materiales y productos
que no satis&acen los requisitos de calidad, se miden tambin en dos segmentos.
costos por &allas internas, que incluyen los costos de calidad insatis&actoria dentro
de la compa4a tales como desec"os, deterioros y material vuelto a trabajar, y
costos por &allas e,ternas, que incluyen los costos de calidad insatis&actoria &uera
de la compa4a, como &allas en el desempe4o del producto y quejas de los
clientes.
(a &igura siguiente muestra la divisi%n de los costos de la calidad e,puestos
anteriormente, con sus respectivos segmentos.
6e&iniciones de los Puntos del -osto de -alidad Buncional.
-ostos de Prevenci%n
a.3 Planeaci%n de la -alidad
(a planeaci%n de la calidad representa los costos relacionados con el tiempo que
todo el personal J ya sea en la &unci%n de la calidad o en otras &unciones J invierte
en planear los detalles corrientes del sistema de calidad y en traducir los requisitos
del dise4o del producto y de calidad del consumidor en controles espec&icos de
manu&actura en la calidad de los materiales, procesos y productos por medio de
mtodos, procedimientos e instrucciones &ormales. 9ambin representa los costos
relativos al tiempo invertido, "aciendo otros trabajos de planeaci%n de la calidad
tales como estudio de la con&iabilidad, an!lisis de la calidad antes de la producci%n
e instrucciones escritas o procedimientos de trabajo para pruebas, inspecci%n y
control del proceso.
b.3 -ontrol de Procesos
El control de procesos comprende los costos originados por el tiempo que el
personal de control de calidad emplea al estudiar y anali*ar los procesos de
&abricaci%n, incluyendo a proveedores, con el &in de establecer medios de control y
mejoramiento de la capacidad de los procesos e,istentes, as como proporcionar
ayuda tcnica al personal de &abricaci%n en la aplicaci%n e&ectiva de los planes de
la calidad y en la iniciaci%n y desarrollo del control de los procesos operativos de la
manu&actura.
c.3 6ise4o y construcci%n del equipo de in&ormaci%n de calidad
-ostos ocasionados por el tiempo empleado en el dise4o y en la construcci%n del
equipo de in&ormaci%n de la calidad, medidas de seguridad y arti&icios de control.
d.3 Entrenamiento para la calidad y desarrollo de la &uer*a laboral
El entrenamiento para la calidad representa los costos de establecer y poner en
marc"a programas &ormales de entrenamiento para la calidad en todas las
operaciones de la compa4a, dise4adas para adiestrar al personal en el
entrenamiento y uso de programas y tcnicas para el control de la calidad,
con&iabilidad y seguridad. 1o incluye los costos de entrenamiento de los operarios
para lograr una su&iciencia normal en la cantidad de producto.
e.3 Keri&icaci%n del dise4o del producto
(a veri&icaci%n del dise4o del producto representa el costo de evaluar el producto
antes de la producci%n, con el prop%sito de veri&icar los aspectos de calidad,
con&iabilidad y seguridad del dise4o.
&.3 6esarrollo y administraci%n del sistema
El desarrollo y administraci%n del sistema representa el costo de la ingeniera y
administraci%n de sistemas de calidad generales y apoyo para el desarrollo de
sistemas de calidad.
g.3 0tros costos de prevenci%n
0tros costos de prevenci%n representan los costos administrativos que implican
los costos organi*acionales de calidad y con&iabilidad que no se "ayan
contabili*ado de otra manera, tales como salarios administrativos y de o&icinas y
gastos de viajes.
-ostos de Evaluaci%n
a.3 Cnspecci%n y pruebas de materiales comprados
(a inspecci%n y prueba de materiales comprados representan costos aplicables al
tiempo dedicado a las pruebas y a la inspecci%n para evaluar la calidad de los
materiales adquiridos, por operarios y supervisores. Cncluye tambin el costo de
los viajes de inspectores a las plantas de los proveedores, a &in de evaluar los
materiales comprados.
b.3 Pruebas de aceptaci%n en laboratorio
Estas pruebas de aceptaci%n representan el costo de todas las pruebas
e&ectuadas por un laboratorio o unidad de pruebas para evaluar la calidad de los
materiales comprados.
c.3 )ediciones en laboratorio u otros servicios
Estas mediciones u otros servicios representan los costos de un laboratorio de
mediciones tales como de calibraci%n y reparaci%n de instrumentos y de
comprobaci%n de procesos.
d.3 Cnspecci%n
(a inspecci%n representa los costos relativos al tiempo empleado en la inspecci%n
por el personal respectivo, evaluando la
calidad del producto en los talleres, por supervisores y personal de o&icina. 1o
incluye los costos causados por pruebas que se "allan en el punto >a, equipos de
pruebas, instrumentos, "erramientas o materiales.
e.3 Pruebas
(as pruebas representan los costos del personal de prueba, en la evaluaci%n de la
actuaci%n del producto en pruebas tcnicas dentro del taller, incluyendo gastos de
personal de supervisi%n y de o&icinas. 1o incluye el costo de pruebas de material
adquirido, segn el punto >a, equipos de prueba, instrumentos, "erramientas o
materiales.
&.3 -omprobaci%n de uso de mano de obra
Esta comprobaci%n representa los costos debido al tiempo de con&ronta que el
operario de taller consume en comprobar su propio trabajo, de acuerdo con el plan
de trabajo o el plan de proceso para asegurarse de que el producto responde a la
calidad pedida en los planes de la producci%n, as como a la selecci%n en lotes
que "ayan sido rec"a*ados por no cumplir con los requisitos de calidad e,igidos y
en otras actividades con re&erencia a evaluaci%n de la calidad del producto.
g.3 Preparaci%n para pruebas e inspecci%n
(a preparaci%n para pruebas e inspecci%n representa los costos cone,os con el
tiempo empleado en la preparaci%n por el personal, relacionado con el equipo de
pruebas que permita pruebas &uncionales.
".3 )aterial y equipo para pruebas e inspecci%n y equipo para menor calidad
En este inciso entran los costos de energa para probar aparatos grandes, tales
como de vapor, combustibles, y los materiales y suministros utili*ados en pruebas
destructivas, tales como las pruebas de durabilidad o las inspecciones de ruptura
o desgarramiento en pruebas destructivas, pruebas de duraci%n o desarmar para
inspecci%n. El equipo para menor calidad incluye los costos del equipo no
capitali*ado de in&ormaci%n de la calidad.
i.3 /uditoria de la calidad
(a auditoria de la calidad representa los costos relativos al tiempo que emplea el
personal en "acer auditorias.
j.3 -ontratos con el e,terior
(os contratos con el e,terior se re&ieren a los costos comerciales de laboratorio,
inspecciones de compa4as de seguros, etc.
L.3 -onservaci%n y calibraci%n del equipo de pruebas e inspecci%n de in&ormaci%n
de la calidad
(a conservaci%n y calibraci%n del equipo, en cuanto a costos, comprende lo que
devenga el personal de mantenimiento, por el tiempo empleado en calibrar y
cuidar del equipo de pruebas y de inspecci%n.
l.3 ?evisi%n del producto por ingeniera y embarque
?epresenta los costos aplicables al tiempo que los ingenieros de producci%n
tardan en "acer una revisi%n de los datos correspondientes a las pruebas y a la
inspecci%n del producto, antes de autori*ar su entrega para que salga de la
&!brica.
m.3 Pruebas de campo
Estos son los costos en que se incurre por pruebas en el terreno de uso, del
consumidor, antes de la entrega de&initiva del producto. -omprenden gastos de
viaje y gastos de estancia.
-ostos por Ballas Cnternas
a.3 6esperdicios
-on el &in de obtener los costos de la calidad en la operaci%n, se tienen que
considerar los costos por desperdicios en los que se incurre mientras se logra
alcan*ar los valores de calidad requeridos. 1o se incluyen los desperdicios debido
a otras causas como la de dejar de usarse por obsolescencia o por modi&icaciones
en el dise4o, etc.
b.3 ?etrabajo
(os trabajos suplementarios representan los pagos adicionales a los operadores
mientras se alcan*a la calidad requerida. 1o incluyen pagos que se e&ecten por
recuperaci%n del producto a cambio del dise4o para satis&acer al consumidor. (a
recuperaci%n o repetici%n puede se por &allas en la &abricaci%n propiamente o por
&allas debidas al vendedor.
c.3 -ostos por suministro de materiales
-ostos adicionales en que incurre el personal encargado al suministro de
materiales al dedicarse al manejo de quejas y rec"a*o de materiales comprados.
En estos casos se procurar! que los proveedores se den per&ectamente cuenta de
los motivos de quejas y de los rec"a*os.
d.3 -onsulta entre ingenieros de la &!brica
Estos costos son por el tiempo que los ingenieros de producci%n emplean en la
soluci%n de algunos problemas relacionados con la calidad de los productosA por
ejemplo, cuando un producto, un componente o algn material no est! de acuerdo
con las especi&icaciones de la calidad, o bien, cuando a algn ingeniero de la
producci%n se le asigna la tarea de estudiar la &actibilidad de un cambio en las
especi&icaciones. 1o se incluyen costo alguno por la ejecuci%n del trabajo en el
interior de los talleres.
-ostos por Ballas E,ternas
a.3 Huejas dentro de la garanta
?epresentan todos los costos de quejas espec&icas en el campo dentro de la
garanta por la investigaci%n, reparaci%n o sustituci%n.
b.3 Huejas &uera de la garanta
?epresentan todos los costos aceptados para el ajuste de quejas espec&icas en el
campo, despus del vencimiento de la garanta.
c.3 Servicio al producto
?epresenta todos los costos aceptados por servicio al producto directamente
atribuibles a la correcci%n de imper&ecciones o pruebas especiales, o correcci%n
de de&ectos no como resultado de quejas en el campo.
d.3 ?etiro del producto
?epresenta los costos relacionados con la calidad como resultado del retiro de
productos o componentes del producto.
e.3 ?esponsabilidad legal del producto
?epresenta los costos por calidad en los que se incurre como resultado de juicios
de demandas legales relacionadas con las &allas en la calidad.
6i&icultades /sociadas con las 6e&iniciones de los -ostos de la -alidad
ay que darse cuenta de que los problemas de las de&iniciones rigurosas se
presentan nicamente como consecuencia de reali*ar un ejercicio del c!lculo del
costo de la calidad. (a consideraci%n de la calidad no requiere de distinciones tan
precisas entre lo que se relaciona y lo que no se relaciona con la calidad. Pero
e,isten numerosos indicios de que, incluso cuando est!n recopilando los costos,
quienes lo "acen no se sienten obligados a reunir solamente los de&inidos con
rigor.
6os consideraciones b!sicas y de importancia para cualquier estudio del c!lculo
del costo de la calidad son. los sistemas de contabilidad no aportan &!cilmente la
in&ormaci%n necesaria, segn las de&iniciones actuales, y el "ec"o de que las
de&iniciones rigurosas de los elementos de la actividad clasi&icada como de calidad
sean necesarias solamente para e&ectuar los c!lculos. (os elementos se de&inen
de tal manera que es di&cil calcular su costo, lo cual es una situaci%n absurda. Por
lo general, est!n de&inidos a partir de actividades espec&icas o de gastos que se
originan por no proporcionar el producto o servicio (en el sentido m!s amplio), sin
que se tome en cuenta la &acilidad de calcular el costo.
(os costos generados por &unciones distintas del aseguramiento de la calidad y de
la producci%n y las operaciones dan origen a problemas an!logos de clasi&icaci%n.
/lgunos ejemplos notables son las contribuciones de la &unci%n de adquisiciones a
la ayuda y el aseguramiento de la calidad de los proveedores, y a que los bienes
adquiridos sean adecuados para tal prop%sito. 0tros ejemplos son las actividades
de los departamentos de ingeniera y dise4o, relacionados con las concesiones y
modi&icaciones que repercuten en la calidad del producto. (a cuanti&icaci%n y
clasi&icaci%n de tales &actores, al igual que el c!lculo de su costo, es algo muy
di&cil y que rara ve* se "aceA pero pueden representar proporciones signi&icativas
de las categoras de costos de prevenci%n y de de&ectos internos.
ay diversos &actores que sirven para asegurar la utilidad b!sica del producto,
prevenir los errores y proteger y conservar la calidad del producto y del servicio.
Ejemplos de ello son el uso de c%digos de dise4o, la preparaci%n de sistemas y
procedimientos de ingeniera y administraci%n, los sobreprecios en e&ectivo por el
control de maquinaria, documentos y dibujos, y las pr!cticas de manejo y
almacenamiento. El que tales &actores puedan ser el origen de costos que se
puedan considerar relacionados con la calidad es algo que se determinar! segn
sea el caso.
?ecopilaci%n de 6atos sobre los -ostos de la -alidad
?ecopilar datos sobre los costos de la calidad tan solo para ver que revelan tiene
muy poco sentido. 6e modo que la estrategia para calcular los costos de la calidad
J y su e&ecto sobre la medici%n y recolecci%n de los costos respectivos J es un
asunto &undamental.
)uc"os de los datos necesarios para proporcionar un in&orme del costo de la
calidad pueden estar disponibles en el sistema e,istente de contabilidad de la
planta y compa4a. (a in&ormaci%n del costo de calidad puede obtenerse de "ojas
de tiempo, cuantas de gastos, %rdenes de compra, in&ormes de recuperaci%n del
producto, memorandos de cargo o de abono, y muc"as otras &uentes similares.
-on &recuencia, los datos obtenidos a partir de estas &uentes pueden juntarse para
proporcionar los puntos di&erentes del costo de calidad y para colocarlos en los
segmentos y categoras ya comentados. -uando no "ay datos disponibles para
cierto punto, por ejemplo, el tiempo invertido por los ingenieros de dise4o para
interpretar los requisitos de calidad, con &recuencia es posible "acer c!lculos
e,actos para llegar a un valor para el elemento.
El procedimiento de datos por computadora es una "erramienta importante para el
in&orme de los costos de calidad en muc"as compa4as, ya sea con una operaci%n
centrali*ada de computadora o en una base de datos distribuidos.
FUENTE: http://www.monogra!ias.com/traba"os#/sica/sica$.shtml#cos
CADENA CLIENTE - PROVEEDOR
ENFOQE !" C"#EN$E
-liente Persona a la que el programa o instituci%n atiende.
-onsumidor &inal de los productos o servicios de la organi*aci%n

-ada instituci%n o programa de salud necesita de&inir cual es el sector de la
poblaci%n que va a atender, cuales son sus caractersticas, necesidades y
e,pectativas para saber que servicios o&recer y como o&recerlos.

6ic"as necesidades y e,pectativas del cliente se dan a conocer a travs del
(enguaje Kerbal o 1o Kerbal. (encuestas, sugerencias, observaciones). (o cual
nos permitir! saber que piensa el cliente del servicio brindado
$#%O&

M Cliente e'terno.( Es el consumir &inal de los productos o servicios que le o&rece
el cliente interno para satis&acer sus necesidades.

Paciente Servicio En&ermera

M Cliente #nterno.( Es la persona que necesita de recursos e insumos para
o&recer un servicio de calidad al consumidor &inal.

(a En&ermera Servicio Paciente
C!DEN! C"#EN$E %)O*EEDO)
(a cadena cliente 3 proveedor es la intercone,i%n de persona e instituciones que
trabajan para alcan*ar un objetivo y poder brindar una buena atenci%n de calidad.

6e la misma manera que otros dependen de nosotros para satis&acer sus
necesidades, nosotros dependemos de que otro nos provean cosas tales como
in&ormaci%n, capacitaci%n, material y sistemas denominados proveedores internos.
FUENTE: http://usuarios.l%cos.es/en!ermeriaperu/gesen!er/calidatenser&1.htm
RECOLECCION DE DATOS
(a recolecci%n de datos se re&iere al uso de una gran diversidad de tcnicas y "erramientas que
pueden ser utili*adas por el analista para desarrollar los sistemas de in&ormaci%n, los cuales
pueden ser la entrevistas, la encuesta, el cuestionario, la observaci%n, el diagrama de &lujo y el
diccionario de datos.
9odas estos instrumentos se aplicar! en un momento en particular, con la &inalidad de
buscar in&ormaci%n que ser! til a una investigaci%n en comn. En la presente investigaci%n trata
con detalle los pasos que se debe seguir en el proceso de recolecci%n de datos, con las tcnicas
ya antes nombradas.
$+CN#C!, %!)! -!""!) D!$O,
(os analistas utili*an una variedad de mtodos a &in de recopilar los datos sobre
una situaci%n e,istente, como entrevistas, cuestionarios, inspecci%n de registros (revisi%n en el
sitio) y observaci%n. -ada uno tiene ventajas y desventajas. 2eneralmente, se utili*an dos o tres
para complementar el trabajo de cada una y ayudar a asegurar una investigaci%n completa.
"! EN$)E*#,$!
(as entrevistas se utili*an para recabar in&ormaci%n en &orma verbal, a travs de preguntas
que propone el analista. Huienes responden pueden ser gerentes o empleados, los cuales son
usuarios actuales del sistema e,istente, usuarios potenciales del sistema propuesto o aquellos que
proporcionar!n datos o ser!n a&ectados por la aplicaci%n propuesta. El analista puede entrevistar al
personal en &orma individual o en grupos algunos analistas pre&ieren este mtodo a las otras
tcnicas que se estudiar!n m!s adelante. Sin embargo, las entrevistas no siempre son la mejor
&uente de datos de aplicaci%n.
6entro de una organi*aci%n, la entrevistas es la tcnica m!s signi&icativa y productiva de
que dispone el analista para recabar datos. En otras palabras, la entrevistas es un intercambio de
in&ormaci%n que se e&ecta cara a cara. Es un canal de comunicaci%n entre el analista y la
organi*aci%nA sirve para obtener in&ormaci%n acerca de las necesidades y la manera de
satis&acerlas, as como concejo y comprensi%n por parte del usuario para toda idea o mtodo
nuevos. Por otra parte, la entrevista o&rece al analista una e,celente oportunidad para establecer
una corriente de simpata con el personal usuario, lo cual es &undamental en transcurso del estudio.
%reparaci.n de la Entrevista
=. 6eterminar la posici%n que ocupa de la organi*aci%n el &uturo entrevistado, sus
responsabilidades b!sicas, actividades, etc. (Cnvestigaci%n).
>. Preparar las preguntas que van a plantearse, y los documentos necesarios (0rgani*aci%n).
7. Bijar un lmite de tiempo y preparar la agenda para la entrevista. (Sicologa).
@. Elegir un lugar donde se puede conducir la entrevista con la mayor comodidad (Sicologa).
<. acer la cita con la debida anticipaci%n (Planeaci%n).
Conducci.n de la Entrevista
=. E,plicar con toda amplitud el prop%sito y alcance del estudio (onestidad).
>. E,plicar la &unci%n propietaria como analista y la &unci%n que se espera con&erir al
entrevistado. (Cmparcialidad).
7. acer preguntas espec&icas para obtener respuestas cuantitativas (ec"os).
@. Evitar las preguntas que e,ijan opiniones interesadas, subjetividad y actitudes similares
("abilidad).
<. Evitar el cuc"ic"eo y las &rases carentes de sentido (-laridad).
N. Ser corts y comedio, abstenindose de emitir juicios de valores. (0bjetividad).
O. -onservar el control de la entrevista, evitando las divagaciones y los comentarios al
margen de la cuesti%n.
E. Escuc"ar atentamente lo que se dice, guard!ndose de anticiparse a las respuestas
(-omunicaci%n).
,ecuela de la Entrevista
=. Escribir los resultados (6ocumentaci%n).
>. Entregar una copia al entrevistado, solicitando su con&ormaci%n, correcciones o adiciones.
(Pro&esionalismo).
7. /rc"ivar los resultados de la entrevista para re&erencia y an!lisis posteriores
(6ocumentaci%n).
?ecabar datos mediante la Entrevista
(a entrevista es una &orma de conversaci%n, no de interrogaci%n, al anali*ar las
caractersticas de los sistemas con personal seleccionado cuidadosamente por sus conocimientos
sobre el sistema, los analistas pueden conocer datos que no est!n disponibles en ningn otra
&orma.
En las investigaciones de sistema, las &ormas cualitativas y cuantitativas de la in&ormaci%n
importantes. (a in&ormaci%n cualitativa est! relacionada con opini%n, poltica y descripciones
narrativas de actividades o problemas, mientras que las descripciones cuantitativas tratan con
nmeros &recuencia, o cantidades. / menudo las entrevistas pueden ser la mejor &uente de
in&ormaci%n cualitativas, los otros mtodos tiende a ser m!s tiles en la recabaci%n de datos
cuantitativos.
Son valiosas las opiniones, comentarios, ideas o sugerencia en relaci%n a como se podra
"acer el trabajoA las entrevistas a veces es la mejor &orma para conocer las actividades de las
empresas. (a entrevista pueden descubrir r!pidamente malos entendidos, &alsa e,pectativa o
incluso resistencia potencial para las aplicaciones de desarrolloA m!s an, a menudo es m!s &!cil
calendari*ar una entrevista con los gerentes de alto nivel, que pedirle que llenen cuestionario.
6eterminaci%n del tipo de Entrevista
(a estructura de la entrevista varia. Si el objetivo de la entrevista radica en adquirir
in&ormaci%n general, es conveniente elaborar una serie de pregunta sin estructura, con una sesi%n
de preguntas y respuesta libres
(as entrevistas estructuradas utili*an pregunta estandari*ada. El &ormato de respuestas
para las preguntas pueden ser abierto o cerradoA las preguntas para respuestas abierta permiten a
los entrevistados dar cualquier respuesta que pare*ca apropiado. Pueden contestar por completo
con sus propias palabras. -on las preguntas para respuesta cerradas se proporcionan al usuario
un conjunto de respuesta que se pueda seleccionar. 9odas las personas que respondes se basan
en un mismo conjunto de posible respuestas.
(os analistas tambin deben dividir el tiempo entre desarrollar preguntas para entrevistas y
anali*ar respuesta. (a entrevista no estructurada no requiere menos tiempos de preparaci%n,
porque no necesita tener por anticipado las palabras precisas de las preguntas. /nali*ar las
respuestas despus de la entrevista lleva m!s tiempo que con la entrevista estructuradas. El mayor
costo radica en la preparaci%n, administraci%n y an!lisis de las entrevistas estructuradas para
pregunta cerradas.
Ejemplos de las pre/untas abiertas y cerradas en la entrevista estructurada
FO)0! DE %)E1N$! !2#E)$! FO)0! DE %)E1N$! CE))!D!
Ejemplo. obtener la in&ormaci%n sobre las
caractersticas de dise4os crticas para los
empleados.
8 algunos empleados "an sugerido que la
mejor &orma para "acer e&iciente el
procesamiento de pedidos es instalar un
sistema de computadora que maneje todos
los c!lculos...:
bajo estas circunstancias $ apoyara usted el
desarrollo de un sistema de este tipo'.

Ejemplo. obtener la in&ormaci%n sobre las
-aractersticas de dise4o crticas para los
empleados.
8 (a e,periencia le "a proporcionado una
amplia visi%n en cuanto a la &orma en la que
la empresa maneja los pedidos...: )e
gustara que usted contestara algunas
preguntas espec&icas en relaci%n en lo
anterior.
3$Hu etapas trabajas bien'$cu!les no
3$En donde se presenta la mayor parte del
problema'
3 $-u!ndo ocurre un atraso, c%mo se
maneja'
Entre otros
Selecci%n de Entrevistados
?eali*ar entrevistas toma tiempoA por lo tanto no es posible utili*ar este mtodo para
recopilar toda la in&ormaci%n que se necesite en la investigaci%nA incluso el analista debe veri&icar
los datos recopilados utili*ando unos de los otros mtodos de recabaci%n de datos. (a entrevista se
aplican en todos los niveles gerencial y de empleados y dependa de quien pueda proporcionar la
mayor parte de la in&ormaci%n til para el estudio los analistas que estudian la administraci%n de
inventarios pueden entrevistar a los trabajadores del embarque y de recepci%n, al personal de
almacn y a los supervisores de los di&erentes turnos, es decir. /quellas personas que realmente
trabajan en el almacn, tambin entrevistar!n a los gerentes m!s importante.
?eali*aci%n de Entrevista
(a "abilidad del entrevistador es vital para el ,ito en la bsqueda de "ec"o por medio de
la entrevista. (as buenas entrevista depende del conocimiento del analista tanto de la preparaci%n
del objetivo de una entrevista espec&ica como de las preguntas por reali*ar a una persona
determinada.
El tacto, la imparcialidad e incluso la vestimenta apropiada ayudan a asegurar una
entrevista e,itosa. (a &alta de estos &actores puede reducir cualquier oportunidad de ,ito. Por
ejemplo, analista que trabaja en la aplicaci%n en&ocada a la reducci%n de errores (captado por la
gerencia de alto nivel) probablemente no tendra ,ito si llegara a una o&icina de gerencia de nivel
medio con la presentaci%n equivocada, ejemplo 8Estamos aqu para resolver su problema:.
/ travs de la entrevista, los analistas deben preguntarse a s mismo las siguientes
preguntas.
3 $Hu es lo que me est! diciendo la persona'
3 $Por qu me lo est! diciendo a m '
3 $Hu est! olvidando'
3 $Hu espera est! persona que "aga yo'
Entrevista estructurada Entrevista no estructurada
KE19/P/S
3/segura la elaboraci%n
uni&orme de las preguntas para
todos los que van a responder.
3B!cil de administrar y evaluar.
3Evaluaci%n m!s objetiva tanto
de quienes responden como de
las respuestas a las preguntas.
3Se necesita un limitado
entrenamiento del entrevistador.
3?esulta en entrevistas m!s
peque4as.

3El entrevistador tiene mayor
&le,ibilidad al reali*ar las
preguntas adecuadas a quien
responde.
3El entrevistador puede e,plotar
!reas que surgen
espont!neamente durante la
entrevista.
3Puede producir in&ormaci%n
sobre !rea que se minimi*aron o
en las que no se pens% que
&ueran importantes.
6ESKE19/P/s
3/lto costo de preparaci%n.
3(os que responden pueden no
aceptar un alto nivel en la
estructura y car!cter mec!nico
de las preguntas.
3+n alto nivel en la estructura
puede no ser adecuado para
todas las situaciones.
3El alto nivel en las estructuras
reduce responder en &orma
espont!nea, as como la
"abilidad del entrevistador para
continuar con comentarios "acia
el entrevistado.

3Puede utili*arse negativamente
el tiempo, tanto de quien
responde como del entrevistador.
3(os entrevistadores pueden
introducir sus sesgos en las
preguntas o al in&ormar de los
resultados.
3Puede recopilarse in&ormaci%n
e,tra4a
3El an!lisis y la interpretaci%n de
los resultados pueden ser largos.
39oma tiempo e,tra recabar los
"ec"os esenciales.
3Q+ E, N! ENCE,$!4
Se "a dic"o que Estados +nidos ya no es una 8sociedad industrial:, sino una 8sociedad de
in&ormaci%n:. Esto es, nuestros mayores problemas y tareas ya no giran principalmente en la
producci%n de bienes y servicios necesarios para nuestra supervivencia y comodidad.
1uestra 8sociedad:, requiere un r!pido y preciso &lujo de in&ormaci%n sobre las
pre&erencias, necesidades y comportamiento de sus miembros. Es en respuesta a esta necesidad
crtica de in&ormaci%n por el gobierno, el comercio y las instituciones sociales que tanta con&ian*a
se pone en las encuestas.
oy en da la palabra 8encuesta: se usa m!s &recuentemente para describir un mtodo de
obtener in&ormaci%n de una muestra de individuos. Esta 8muestra: es usualmente s%lo una &racci%n
de la poblaci%n bajo estudio.
Por ejemplo, antes de una elecci%n, una muestra de electores es interrogada para
determinar c%mo los candidatos y los asuntos son percibidos por el pblicoQ un &abricante "ace
una encuesta al mercado potencial antes de introducir un nuevo productoQ una entidad del
gobierno comisiona una encuesta para obtener in&ormaci%n para evaluar legislaci%n e,istente o
para preparar y proponer nueva legislaci%n.
1o tan s%lo las encuestas tienen una gran variedad de prop%sitos, sino que tambin
pueden conducirse de muc"as maneras, incluyendo por tel&ono, por correo o en persona.
/n as, todas las encuestas tienen algunas caractersticas en comn.
/ di&erencia de un censo, donde todos los miembros de la poblaci%n son estudiados, las
encuestas recogen in&ormaci%n de una porci%n de la poblaci%n de inters, dependiendo el tama4o
de la muestra en el prop%sito del estudio. En una encuesta bona &ide, la muestra no es
seleccionada capric"osamente o s%lo de personas que se o&recen como voluntarios para participar.
(a muestra es seleccionada cient&icamente de manera que cada persona en la poblaci%n tenga
una oportunidad medible de ser seleccionada. 6e esta manera los resultados pueden ser
proyectados con seguridad de la muestra a la poblaci%n mayor. (a in&ormaci%n es recogida usando
procedimientos estandari*ados de manera que a cada individuo se le "acen las mismas preguntas
en mas o menos la misma manera. (a intenci%n de la encuesta no es describir los individuos
particulares quienes, por a*ar, son parte de la muestra sino obtener un per&il compuesto de la
poblaci%n.
+na 8encuesta: recoge in&ormaci%n de una 8muestra.: +na 8muestra: es usualmente s%lo
una porci%n de la poblaci%n bajo estudio.
El est!ndar de la industria para todas las organi*aciones respetables que "acen encuestas
es que los participantes individuales nunca puedan ser identi&icados al reportar los "alla*gos.
9odos los resultados de la encuesta deben presentarse en resmenes completamente an%nimos,
tal como tablas y gr!&icas estadsticas.
3Cu5n /rande debe ser la muestra4
El tama4o de muestra requerido en una encuesta depende en parte de la calidad
estadstica necesaria para los establecer los "alla*gosA esto a su ve*, est! relacionado en c%mo
esos "alla*gos ser!n usados.
/n as, no "ay una regla simple para el tama4o de muestra que pueda ser usada en todas
las encuestas. )uc"o de esto depende de los recursos pro&esionales y &iscales disponibles. (os
analistas &recuentemente encuentran que una muestra de tama4o moderado es su&iciente
estadstica y operacionalmente. Por ejemplo, las muy conocidas encuestas nacionales
&recuentemente usan cerca de =,FFF personas para obtener in&ormaci%n ra*onable sobre actitudes
y opiniones nacionales.
-uando nos damos cuenta que una muestra apropiadamente seleccionada de s%lo =,FFF
individuos puede re&lejar varias caractersticas de la poblaci%n total, es &!cil apreciar el valor de
usar encuestas para tomar decisiones in&ormadas en una sociedad compleja como la nuestra. (as
encuestas proveen medios r!pidos y econ%micos de determinar la realidad de nuestra economa y
sobre los conocimientos, actitudes, creencias, e,pectativas y comportamientos de las personas.
3Qui6n lleva a cabo las Encuestas4
9odos conocemos sobre las encuestas de opini%n pblica que son reportadas por los
medios in&ormativos. Por ejemplo, la Encuesta 2allup y la Encuesta arris emiten in&ormes
peri%dicos describiendo la opini%n pblica nacional sobre una amplia gama de asuntos corrientes.
Encuestas estatales y en las !reas metropolitanas, &recuentemente con el apoyo econ%mico de
algn peri%dico o estaci%n de televisi%n local, se reportan regularmente en muc"os lugares. (as
cadenas mayores de radio y televisi%n, as como revistas nacionales de noticias tambin llevan a
cabo encuestas e in&orman sus resultados / pesar de esto, la gran mayora de las encuestas no
son de opini%n pblica. (a mayora est!n dirigidas a un prop%sito administrativo, comercial o
cient&ico. (a gran variedad de asuntos con los que tratan las encuestas se puede ilustrar con la
siguiente lista de usos reales.
(as cadenas mayores de televisi%n con&an en encuestas que le dicen cu!ntas y qu tipo
de personas ven sus programas.
Statistics -anad! lleva a cabo encuestas continuas de panel sobre ni4os (y sus &amilias)
para estudiar sus necesidades educativas y otras.
Es una buena pr5ctica nunca identificar los participantes individuales. El tamao de
la muestra depende de las metas estad7sticas y de los recursos disponibles para la
encuesta.
(os &abricantes de autom%viles usan encuestas para determinar cu!n satis&ec"os est!n las
personas con sus autos.
El 1egociado del -enso de los Estados +nidos lleva a cabo encuestas cada mes para
obtener in&ormaci%n sobre empleo y desempleo en la naci%n.
(a /gencia para la Poltica e Cnvestigaci%n sobre -uidado de Salud de los Estados +nidos
auspicia una encuesta peri%dica para determinar cuanto dinero est! gastando la gente en
los distintos tipos de cuidado mdico.
(as autoridades de transportaci%n local conducen encuestas para obtener in&ormaci%n
sobre los "!bitos de viaje y transportaci%n de las personas.
(as revistas y revistas pro&esionales usan encuestas para conocer qu leen sus
suscriptores.
Se llevan a cabo encuestas para conocer quien usa nuestros parques nacionales y
otras &acilidades recreativas.
(as encuestas proveen una &uente importante de conocimiento cient&ico b!sico.
Economistas, sic%logos, pro&esionales de la salud y soci%logos llevan a cabo encuestas para
estudiar materias tales como los patrones de ingreso y gastos en los "ogares, las races del
prejuicio tnico o racial, las implicaciones de los problemas de salud en la vida de las personas,
comparando el comportamiento electoral y los e&ectos sobre la vida &amiliar de mujeres que
trabajan &uera del "ogar.
3Cu5les son al/unos m6todos comunes de Encuestas4
(as encuestas pueden ser clasi&icadas en muc"as maneras. +na dimensi%n es por tama4o
y tipo de muestra. (as encuestas pueden ser usadas para estudiar poblaciones "umanas o no
"umanas (por ejemplo, objetos animados o inanimados, animales, terrenos, viviendas). )ientras
que muc"os de los principios son los mismos para todas las encuestas, el &oco aqu ser! en
mtodos para "acer encuestas a individuos.
)uc"as encuestas estudian todas las personas que residen en un !rea de&inida, pero otras
pueden en&ocar en grupos particulares de la poblaci%n 3ni4os, mdicos, lderes de la comunidad,
los desempleados, o usuarios de un producto o servicio particular. (as encuestas tambin pueden
ser conducidas con muestras locales, estatales o nacionales.
(as encuestas pueden ser clasi&icadas por su mtodo de recolecci%n de datos. (as
encuestas por correo, tele&%nicas y entrevistas en persona son las m!s comunes. E,traer datos de
rcords mdicos y otros se "ace tambin con &recuencia. En los mtodos m!s nuevos de recoger
datos, la in&ormaci%n se entra directamente a la computadora ya sea por un entrevistador
adiestrado o an por la misma persona entrevistada. +n ejemplo bien conocido es la medici%n de
audiencias de televisi%n usando aparatos conectados a una muestra de televisores que graban
autom!ticamente los canales que se observan.
(as encuestas son una &uente importante de conocimiento cient&ico b!sico. (as encuestas
por correo, a travs de entrevistas tele&%nicas o en persona son las m!s comunes.
(as encuestas por correo pueden ser de costo relativamente bajo. -omo con cualquier otra
encuesta, e,isten problemas en usar este mtodo si no se presta su&iciente atenci%n a obtener
niveles altos de cooperaci%n. Estas encuestas pueden ser m!s e&ectivas cuando se dirigen a
grupos particulares, tal como suscriptores a una revista especiali*ada o a miembros de una
organi*aci%n pro&esional.
(as entrevistas tele&%nicas son una &orma e&iciente de recoger ciertos tipos de datos y se
est!n usando con cada ve* mayor &recuencia. Se prestan particularmente bien a situaciones donde
es necesario obtener resultados oportunos y cuando el largo de la encuesta es limitado.
(as entrevistas en persona en el "ogar u o&icina de un participante son muc"o m!s caras
que las encuestas tele&%nicas o por correo. Estas pueden ser necesarias especialmente cuando se
debe recoger in&ormaci%n compleja.
/lgunas encuestas combinan varios mtodos. Por ejemplo, una encuestadora puede usar
el tel&ono para identi&icar participantes elegibles (tal como locali*ar individuos mayores elegibles
para )edicare) y luego "acer cita para una entrevista en persona.
3Qu6 pre/untas 8acemos en una Encuesta4
Podemos clasi&icar las encuestas tambin por su contenido. /lgunas encuestas en&ocan en
las opiniones y actitudes (tal como las encuestas pre3eleccionarias), mientras que otras se
preocupan por caractersticas o comportamiento reales (tal como la salud de las personas,
vivienda, gastos del consumidor o "!bitos de transportaci%n).
)uc"as encuestas combinan preguntas de ambos tipos. (os participantes pueden ser
preguntados si "an odo % ledo sobre algn asuntoQ qu saben sobre lQ su opini%nQ con
cuanta &irme*a sienten y por quQ su e,periencia sobre el asuntoQ y ciertos datos personales que
ayudar! al analista a clasi&icar sus respuestas (tal como edad, gnero, estado civil, ocupaci%n y
lugar de residencia).
(as preguntas pueden ser abiertas (8$Por qu siente as':), o cerradas (8$/prueba usted o
desaprueba':). (os entrevistadores pueden solicitar al participante que evale un candidato poltico
o un producto usando alguna escala, o pueden solicitarle que ordene varias alternativas.
/lgunas encuestas en&ocan sobre opiniones otras sobre "ec"os.
(a &orma en que se "ace una pregunta puede a&ectar muc"o los resultados de una
encuesta. Por ejemplo, una reciente encuesta de 1;-5Rall Street Pournal "i*o dos preguntas muy
similares obteniendo resultados muy di&erentes. (=) 8$Bavorece recortar programas tales como el
seguro social, medicare, medicaid y subsidios a agricultores con el &in de reducir el d&icit
presupuestario': (os resultados. a &avor >7G, opuestos NNG, no opinaron ==G. (>) $Bavorece
recortar las autori*aciones &iscales del gobierno para reducir el d&icit presupuestario' (os
resultados. a &avor N=G, opuestos ><G, no opinaron =@G. El cuestionario puede ser muy breve
3unas pocas preguntas, tomando cinco minutos o menos 3 o puede ser bastante e,tenso 3
requiriendo una "ora o m!s de tiempo al participante. -omo es ine&iciente identi&icar y acercarse a
una muestra nacional grande para preguntar unos pocos temes de in&ormaci%n, e,isten encuestas
colectivas que combinan los intereses de varios clientes en una sola entrevista. En estas
encuestas, a los participantes se les preguntar! sobre una docena de preguntas sobre un tema,
una media docena sobre otro tema y as sucesivamente.
-omo los cambios en actitudes o comportamiento no pueden establecerse con&iablemente
con una sola entrevista, algunas encuestas usan un diseo de panel, en el cual los mismos
participantes son entrevistados en dos ocasiones o m!s. 9ales encuestas son usadas comnmente
durante una campa4a electoral o para tra*ar la salud de una &amilia o su patr%n de compras
durante un perodo de tiempo.
3Qui6n trabaja en las Encuestas4
El trabajador de encuestas mas conocido por el pblico es el entrevistador que llama por
tel&ono, el que aparece en la puerta del "ogar o el que detiene a personas en un centro comercial.
9radicionalmente, las entrevistas para encuestas, aunque requieren ocasionalmente largos
das de trabajo en el campo, eran "ec"as principalmente por personas empleadas a tiempo parcial.
Por lo tanto este tipo de empleo era particularmente adecuado para personas que no deseaban
empleo a tiempo completo o que queran suplementar su ingreso regular.
-ambios en el mercado de trabajo y en el nivel de automati*aci%n de las encuestas "an
comen*ado a alterar este patr%n 3aumentando el nmero de encuestadores que buscan trabajar a
tiempo completo. (a e,periencia no es usualmente requerida para un empleo de entrevistador,
aunque las destre*as b!sicas en el uso de computadoras adquieren cada da m!s importancia.
(a mayora de las organi*aciones que "acen investigaci%n proveen su propio
adiestramiento para la labor del entrevistador. (os requisitos principales para entrevistar est!n la
"abilidad para acercarse a personas e,tra4as (en persona o por telfono), para El trabajador de
encuestas mejor conocido por el pblico es el entrevistador pero "ay muc"os otros.
Persuadirles a participar y para recoger los datos necesarios siguiendo las instrucciones al
pie de la letra.
)enos visible, pero de igual importancia es el personal de la o&icina, quienes 3entre otras
cosas3 plani&ican la encuesta, seleccionan la muestra, supervisan las entrevistas, procesan los
datos recogidos, anali*an los datos e in&orman los "alla*gos de la encuesta.
En la mayora de las organi*aciones de investigaci%n por encuestas, el personal gerencial
"abr! tomado cursos graduados de mtodos de encuestas y poseen grados universitarios
avan*ados en estadsticas, sociologa, sicologa, mercadeo, alguna materia a&n % poseer!n
e,periencia equivalente.
(os supervisores de nivel intermedio y los asociados de investigaci%n &recuentemente
tendr!n tras&ondos acadmicos similares a los gerentes o "abr!n avan*ado desde las &ilas de los
entrevistadores, o&icinistas o codi&icadores sobre la base de su competencia y e,periencia.
3Qu6 sobre la confidencialidad e inte/ridad4
(a con&idencialidad de los datos suministrados por los participantes es una preocupaci%n
primordial de todas las organi*aciones respetables que "acen encuestas. En el 1egociado del
-enso de los Estados +nidos, por ejemplo, los datos recogidos est!n protegidos por ley (9tulo =7
del -%digo (egal de Estados +nidos). En -anad!, la (ey de Estadsticas garanti*a la
con&idencialidad de los datos recogidos por Statistics -anad!, y otros pases tiene salvaguardas
similares.
Karias organi*aciones pro&esionales que tienen que ver con mtodos de encuestas tienen
un c%digo de tica (como la /sociaci%n Estadstica /mericana) que establecen reglas para
mantener la con&idencialidad de las respuestas en encuestas. (a poltica recomendada para que
las organi*aciones de encuestas salvaguarden la con&idencialidad incluye.
+sar c%digos numricos para vincular al participante con su cuestionario y guardar la
informacin sobre el vnculo nombre-cdigo en un lugar aparte.
1egarse a proveer los nombres y direcciones de los participantes en la encuesta a
cualquier persona &uera de la organi*aci%n de encuestas, incluyendo a sus clientes.
6estruir cuestionarios e in&ormaci%n que pueda servir para identi&icar los participantes
luego que sus respuestas se hayan entrado a la computadora.
0mitir los nombres y direcciones de los participantes en la encuesta de los arc"ivos de
computadora usados para an!lisis.
Presentar tabulaciones estadsticas usando categoras amplias para que los participantes
individuales no puedan ser identi&icados.
(a con&idencialidad de los datos suministrados por los participantes es una preocupaci%n
primordial de todas las organi*aciones de encuesta respetables.
3Cu5les son nuestras preocupaciones potenciales4
(a calidad de una encuesta es determinada en gran medida por su prop%sito y por la &orma
en que es conducida.
(a mayora de las indagaciones de televisi%n (por ejemplo, las 8encuestas: usando el
nmero tele&%nico DFF) o las 8encuestas: en revista son altamente sospec"osas. Estas y otras
encuestas de opini%n autoseleccionadas (8self-selected opinion polls: SLOPS): pueden llevar a
conclusiones err%neas ya que los participantes no "an sido seleccionados cient&icamente.
(as encuestas deben llevarse a cabo nicamente para obtener in&ormaci%n estadstica
sobre algn tema. 1o deben ser dise4adas para producir resultados predeterminados o como un
arti&icio para mercadeo o para actividades similares. -ualquier persona a quien se le solicite que
responda a una encuesta de opini%n o que se preocupe por los resultados debe primero decidir si
las preguntas que se "acen son justas.
0tra violaci%n importante de la integridad ocurre cuando lo que parece ser una encuesta es
e&ectivamente un ve"culo para estimular donaciones a alguna causa o para crear una lista de
direcciones para mercadear productos.
CE,$#ON!)#O
(os cuestionarios proporcionan una alternativa muy til para la entrevistaA si embargo,
e,isten ciertas caractersticas que pueden ser apropiada en algunas situaciones e inapropiadas en
otra. /l igual que la entrevistas, deben dise4arse cuidadosamente para una m!,ima e&ectividad.
?ecabaci%n de datos mediante cuestionarios
Para los analistas los cuestionarios pueden ser la nica &orma posible de relacionarse
con un gran nmero de personas para conocer varios aspectos del sistema. -uando se llevan a
cabo largos estudios en varios departamento, se puede distribuir los cuestionarios a todas las
personas apropiadas para recabar "ec"os en relaci%n al sistema. En mayor parte de los casos, el
analista no ver! a los que respondeA no obstante, tambin esto es una ventaja porque aplican
muc"as entrevista ayuda a asegurar que el interpelado cuenta con mayor anonimato y puedan
darse respuestas mas "onesta ( y menos respuestas pre"ec"as o estereotipadas). 9ambin las
preguntas estandari*adas pueden proporcionar datos m!s con&iable.
,elecci.n de formas para cuestionarios
El desarrollo y distribuci%n de los cuestionariosA por lo tanto, el tiempo invertido en esto
debe utili*arse en una &orma inteligente. 9ambin es importante el &ormato y contenido de las
preguntas en la recopilaci%n de "ec"os signi&icativos.
E,isten dos &ormas de cuestionarios para recabar datos. cuestionarios abiertos y cerrados,
y se aplican dependiendo de si los analistas conocen de antemano todas las posibles respuestas
de las preguntas y pueden incluirlas. -on &recuencia se utili*an ambas &ormas en los estudios de
sistemas.
Cuestionario !bierto
/l igual que las entrevistas, los cuestionarios pueden ser abiertos y se aplican cuando se
quieren conocer los sentimientos, opiniones y e,periencias generalesA tambin son tiles al
e,plorar el problema b!sico, por ejemplo, un analista que utili*a cuestionarios para estudiar los
mtodos de veri&icaci%n de crdito, es un medio.
El &ormato abierto proporciona una amplia oportunidad para quienes respondan escriba las
ra*ones de sus ideas. /lgunas personas sin embargo, encuentran m!s &!cil escoger una de un
conjunto de respuestas preparadas que pensar por s mismas.
Cuestionario Cerrado
El cuestionario cerrado limita las respuestas posibles del interrogado. Por medio de un
cuidadoso estilo en la pregunta, el analista puede controlar el marco de re&erencia. Este &ormato es
el mtodo para obtener in&ormaci%n sobre los "ec"os. 9ambin &uer*a a los individuos para que
tomen una posici%n y &orma su opini%n sobre los aspectos importantes.
"! O2,E)*!C#9N
0tra tcnica til para el analista en su progreso de investigaci%n, consiste en observar a las
personas cuando e&ectan su trabajo. -omo tcnica de investigaci%n, la observaci%n tiene amplia
aceptaci%n cient&ica. (os soci%logos, sic%logos e ingenieros industriales utili*an e,tensamente sta
tcnica con el &in de estudiar a las personas en sus actividades de grupo y como miembros de la
organi*aci%n. El prop%sito de la organi*aci%n es mltiple. permite al analista determinar que se est!
"aciendo, como se est! "aciendo, quien lo "ace, cuando se lleva a cabo, cuanto tiempo toma,
d%nde se "ace y por que se "ace.
8SKer es creerT 0bservar las operaciones la proporciona el analista "ec"os que no podra obtener
de otra &orma.
$ipos de Observaci.n
El analista de sistemas puede observar de tres maneras b!sicas. Primero, puede observar
a una persona o actitud sin que el observado se d cuenta y su interacci%n por aparte del propio
analista. Hui*! esta alternativa tenga poca importancia para el an!lisis de sistemas, puesto que
resulta casi imposible reunir las condiciones necesarias. Segundo, el analista puede observar una
operaci%n sin intervenir para nada, pero estando la persona observada enteramente consciente de
la observaci%n. Por ltimo, puede observar y a la ve* estar en contacto con las personas observas.
(a interacci%n puede consistir simplemente en preguntar respecto a una tarea espec&ica, pedir una
e,plicaci%n, etc.
%reparaci.n para la observaci.n
=. 6eterminar y de&inir aquella que va a observarse.
>. Estimular el tiempo necesario de observaci%n.
7. 0btener la autori*aci%n de la gerencia para llevar a cabo la observaci%n.
@. E,plicar a las personas que van a ser observadas lo que se va a "acer y las ra*ones para
ello.
Conducci.n de la observaci.n
=. Bamiliari*arse con los componentes &sicos del !rea inmediata de observaci%n.
>. )ientras se observa, medir el tiempo en &orma peri%dica.
7. /notar lo que se observa lo m!s espec&icamente posible, evitando las generalidades y las
descripciones vagas.
@. Si se est! en contacto con las personas observadas, es necesario abstenerse de "acer
comentarios cualitativos o que impliquen un juicio de valores.
<. 0bservar las reglas de cortesa y seguridad.
,ecuela de la observaci.n
=. 6ocumentar y organi*ar &ormalmente las notas, impresionistas, etc.
>. ?evisar los resultados y conclusiones junto con la persona observada, el supervisar
inmediato y posiblemente otro de sistemas.
Dia/rama de Flujo
Es una representaci%n pict%rica de los pasos en proceso. Util para determinar c%mo
&unciona realmente el proceso para producir un resultado. El resultado puede ser un producto, un
servicio, in&ormaci%n o una combinaci%n de los tres. /l e,aminar c%mo los di&erentes pasos es un
proceso se relacionan entre s, se puede descubrir con &recuencia las &uentes de problemas
potenciales. (os diagramas de &lujo se pueden aplicar a cualquier aspecto del proceso desde el
&lujo de materiales "asta los pasos para "acer la venta u o&recer un producto. -on &recuencia este
nivel de detalle no es necesario, pero cuando se necesita, el equipo completo de trabajo m!s
peque4os pueden agregar niveles segn sea necesario durante el proyecto.
3Cu5ndo se utili:a un Dia/rama De Flujo4
-uando un equipo necesita ver c%mo &unciona realmente un proceso completo. Este
es&uer*o con &recuencia revela problemas potenciales tales como cuellos de botella en el sistema,
pasos innecesarios y crculos de duplicaci%n de trabajo.
/lgunos aplicaciones comunes son.
Definici.n de %royectos&
Cdenti&icar oportunidades de cambios en el proceso.
6esarrollar estimados de costos de mala calidad.
Cdenti&icar organi*aciones que deben estar representadas en el equipo.
6esarrollar una base comn de conocimiento para los nuevos miembros del equipo.
Cnvolucrar a trabajadores en los es&uer*os de resoluci%n de problemas para reducir las
resistencias &utura al cambio.
#dentificaci.n de las causas principales&
6esarrollar planes para reunir datos.
2enerar teoras sobre las causas principales.
6iscutir las &ormas de estrati&icar los datos para el an!lisis para identi&icar las causas
principales.
E,aminar el tiempo requerido para las di&erentes vas del proceso.
Diseo de soluciones
6escribir los cambios potenciales en el proceso y sus e&ectos potenciales.
Cdenti&icar las organi*aciones que ser! a&ectadas por los cambios propuesto.
!plicaciones de soluciones&
E,plicar otros el proceso actual y la soluci%n propuesta.
Superar la resistencia al cambio demostrando c%mo los cambios propuestos simpli&icar!n
el proceso.
Control ;retener las 1anancias<&
?evisar y establecer controles y monotoras al proceso.
/uditar el proceso peri%dicamente para asegurar que est!n siguiendo los nuevos
procedimientos.
Entrenar a nuevos empleados.
3C.mo se tili:a4
(a metodologa para prepara un 6iagrama de Blujo esA
=. P?0PVSC90. anali*ar como se pretende utili*ar el 6iagrama de Blujo. E,"ibir esta "oja en
el pared y consultarla en cualquier momento para veri&icar que se 6iagrama de Blujo es
apropiado para las aplicaciones que se pretende.
>. 6E9E?)C1/? E( 1CKE( 6E 6E9/((E ?EH+E?C60.
7. 6EBC1C? (0S (C)C9ES. despus de establecer los lmites del proceso, enumerar los
resultados y los clientes en el e,tremo derec"o del diagrama.
@. +9C(CW/? SX);0(0S /P?0PC/60S. utili*ando los smbolos apropiados para el 6iagrama
de Blujo, presentar las respuestas como los primeros pasos en el diagrama.
<. /-E? P?E2+19/S. para cada input, "aga preguntas como.
$Huin recibe el input'
$Hu es lo primero que se "ace con el input'
N. 60-+)E19/?. cada paso en la secuencia, empe*ando con el primer (% ltimo) paso.
Para cada paso, "acer preguntas como.
$Hu produce este paso'
$Huin recibe este resultado'
$Hu pasa despus'
$/lguno de los pasos requiere de inputs que actualmente no se muestran'
O. -0)P(E9/?. continuar la construcci%n del 6iagrama de Blujo "asta que se conecte todos
los resultados (outputs) de&inidos en el e,tremo derec"o del diagrama. Si se encuentra un
segmento del proceso que es e,tra4a para todos en el sal%n, se deber! tomar nota y
continuar "aciendo el diagrama.
E. ?EKCSCV1. Preguntar.
$9odos los &lujos de in&ormaci%n encajan en los inputs y outputs del proceso'
$El 6iagrama muestra la naturale*a serial y paralela de los pasos'
$El 6iagrama capta de &orma e,acta lo que realmente ocurri%, a di&erencia de la
&orma c%mo se piensa que las cosas deberas pasar o como &ueron dise4adas
originalmente'
D. 6E9E?)C1/? 0P0?9+1C6/6ES
1ota. El 6iagrama de &lujo &inal deber! actuar como un registro de c%mo el proceso actual
realmente opera. Cndicar la &ec"a.
/unque "ay literalmente docenas de smbolos especiali*adas utili*ados para "acer
6iagrama de Blujos, se utili*a con m!s &recuencia los siguientes.

(as 8lneas de &lujos: son utili*adas para representar el progreso de los pasos en la
secuencia. (a punta de la &ec"a indica la direcci%n del &lujo del proceso.
0tros dos smbolos que no son utili*ados tan comnmente y que pueden ser tiles son.
El 8Smbolo del documento: representa la in&ormaci%n escrita
pertinente al proceso.
El 8Smbolo de la ;ase de 6atos: representa in&ormaci%n
almacenada electr%nicamente con respecto al proceso

Consejos para la construcci.n = #nterpretaci.n&
Si un 6iagrama de Blujo se construye de &orma apropiada y re&leja el proceso de la &orma
que realmente opera, todos los miembros del equipo poseer!n un conocimiento comn, e,acto del
&uncionamiento del proceso. /dicionalmente, el equipo no necesita invertir el tiempo y la energa en
observar el proceso &sicamente cada ve* que se quiera identi&icar problemas para trabajar, discutir
teoras sobre las causas principales, e,aminar el impacto de las soluciones propuestas o discutir
las &ormas para mantener las mejoras.
(os 6iagramas de Blujo pueden ayudar a un equipo en su tarea de diagn%stico para lograr
mejoras. +no de sus usos es el de ayudar a un equipo a generar teoras sobre las posibles causas
principales de un problema. El 6iagrama de Blujo se dibuja en una pared de la sala de reuniones.
El equipo que investiga un problema redacta una descripci%n del problema en un peda*o peque4o
del papel y lo pega en el 6iagramas de Blujo en el punto, en el proceso donde el problema se "a
detectado. El equipo luego discute cada uno de los pasos en el proceso antes del punto donde el
problema se "a detectado, y produce teoras sobre las cosas que podran salir mal en el paso del
proceso de &orma sistem!tica a medida que producen teoras sobre las posibles causas principales
del problema.
0tro uso de un 6iagramas de Blujo es el de ayudar a un equipo a identi&icar las &ormas
apropiadas para separar los datos para su an!lisis. Por ejemplo, considrese el problema de
anali*ar los tiempos de reparaci%n. +na r!pida revisi%n del 6iagramas de Blujo puede sugerir un
nmero de grupos posibles que pueden e,plicar el tiempo que se necesita para "acer reparaci%n.
)elaci.n con otras 8erramientas&
(os 6iagramas de Blujo de procesos generalmente se relacionan con.
)apa de ?elaciones
)apa de Proceso Cnter&uncional (-ross3Buncional)
D#CC#ON!)#O DE D!$O,
(os diccionarios de datos son el segundo componente del an!lisis del &lujo de datos. En s
mismos los diagramas de &lujo de datos no describen por completo el objeto de la investigaci%n. El
diccionario de datos proporciona in&ormaci%n adicional sobre el sistema. Esta secci%n anali*a que
es un diccionario de datos, por qu se necesita en el an!lisis de &lujo de datos y como desarrollarlo.
Se utili*ar! el ejemplo del sistema de contabilidad para describir los diccionarios de datos.
+n diccionario de datos es una lista de todos los elementos incluido en el conjunto de los
diagramas de &lujo de datos que describen un sistema. (os elementos principales en un sistema,
estudiados en las secciones anteriores, son el &lujo de datos, el almacenamiento de datos y los
procesos. El diccionario de datos almacena detalles y descripciones de estos elementos.
Tools
Gua del
Participante
Base de Datos
Si los analistas desean conocer cu!ntos caracteres "ay en un dato, con qu otros nombres
se le conoce en el sistema, o en donde se utili*an dentro del sistema deben ser capaces de
encontrar las respuesta en un diccionario de datos desarrollado apropiadamente.
El diccionario de dato se desarrolla durante el an!lisis de &lujo de datos y ayuda el analista
involucrado en la determinaci%n de los requerimientos de sistemas. Sin embargo, como se ver!
m!s adelante, tambin el contenido del diccionario de datos se utili*a durante el dise4o del
sistema.
En in&orm!tica, base de datos acerca de la terminologa que se utili*ar! en un sistema de
in&ormaci%n. Para comprender mejor el signi&icado de un diccionario de datos, puede considerarse
su contenido como Ydatos acerca de los datosYA es decir, descripciones de todos los dem!s objetos
(arc"ivos, programas, in&ormes, sin%nimos...) e,istentes en el sistema. +n diccionario de datos
almacena la totalidad de los diversos esquemas y especi&icaciones de arc"ivos, as como sus
ubicaciones. Si es completo incluye tambin in&ormaci%n acerca de qu programas utili*an qu
datos, y qu usuarios est!n interesados en unos u otros in&ormes. Por lo general, el diccionario de
datos est! integrado en el sistema de in&ormaci%n que describe.
Descripci.n de los Datos en el Diccionario
-ada entrada en el diccionario de dato consiste en un conjunto de detalles que describen
los datos utili*ados o producidos en el sistema. -ada articulo se identi&ica por un nombre de dato,
descripci%n, sin%nimo y longitud de campo y tiene valores espec&icos que se permiten para ste en
el sistema estudiado.
Nombre de los Datos
Para distinguir un dato de otro, los analista les asigna nombre signi&icativos que se utili*an
para tener una re&erencia de cada elemento a travs del proceso total de desarrollo de sistemas.
Por lo tanto, debe tenerse cuidado para seleccionar, en &orma signi&icativa y entendible, los
nombres de los datos, por ejemplo la &ec"a de &actura es m!s signi&icativa si se llama BE-/
B/-9+?/ que si se le conoce como /;-ZZZ.
Descripci.n de los Datos
Establece brevemente lo que representa el dato en el sistemaA por ejemplo, la descripci%n
para BE-/36E3B/-9+?/ indica que es la &ec"a en la cual se est! preparando la misma (para
distinguirla de la &ec"a en la que se envi% por correo o se recibi%.
(as descripciones de datos se deben escribir suponiendo que a gente que los lea no
conoce nada en relaci%n del sistema. 6eben evitarse termino especiales o argot, todas las
palabras deben se entendible para el lector
!lias
-on &recuencia el mismo dato puede conocerse con di&erentes nombres, dependiendo de
quien lo utilice. El uso de los alias deben evitar con&usi%n. +n diccionario de dato signi&icativo
incluir! todos los alias.
"on/itud de campo
-uando las caracterstica del dise4o del sistema se ejecuten m!s tarde en el proceso de
desarrollo del sistemas, ser! importante conocer la cantidad de espacio que necesita para cada
dato.
*alores de los datos
En algunos proceso solo se permiten valores de datos espec&icos. Por ejemplo, en
muc"as compa4as con &recuencia los nmeros de orden de compra se proporcionan con un pre&ijo
de una letra para indicar el departamento del origen.
)e/istro de las descripciones de datos
6adas que las descripciones se utili*ar!n en &orma repetitiva a travs de una in&ormaci%n y
despus, durante el dise4o, se sugiere un &ormato &!cil para utili*ar que simpli&ique el registro y los
detalles de consulta cuando se necesiten.
FUENTE: http://www.monogra!ias.com/traba"os1$/recoldat/recoldat.shtml
CONCEPTO
Es una recoleccin de datos para reunir y clasifcar las informaciones segn
determinadas categoras de un evento o problema que se desee estudiar. Es
importante recalcar que este instrumento se utiliza tanto para la identifcacin y
anlisis de problemas como de causas.
USO
Hace fcil la recopilacin de datos y su realizacin de forma que puedan ser usadas
fcilmente y ser analizadas automticamente. Una vez establecido el fenmeno que se
requiere estudiar e identifcadas las categoras que lo caracterizan se registran los
datos en una !o"a indicando sus principales caractersticas observables.
Una vez que se !a f"ado las razones para recopilar los datos es importante que se
analice las siguientes cuestiones#
$ %a informacin es cuantitativa o cualitativa.
$ &mo se recogern los datos y en que tipo de documentos se !ar.
$ &mo se utilizar la informacin recopilada.
$ &mo se analizar.
$ 'ui(n se encargar de recoger los datos.
$ &on qu( frecuencia se va a analizar.
$ )nde se va a efectuar.
OTROS NOMBRES
$ Ho"a de recogida de datos
$ Ho"a de registro
$ *erifcacin
$ &!equeo o &ote"o
PROCEDIMIENTO
+. ,dentifcar el elemento de seguimiento
-. )efnir el alcance de los datos a recoger.
.. /i"ar la periodicidad de los datos a recolectar.
0. )ise1ar el formato de la !o"a de recogida de datos de acuerdo a la cantidad de
informacin a escoger de"ando espacio para totalizar los datos que permita
conocer# las fec!as de inicio y termino las probables interrupciones las personas
que recoge la informacin la fuente etc.
FUENTE:
http://www.gestiopolis.com/recursos/documentos/!ulldocs/ger/herbassolprob.htm
HOJAS DE INSPECCION
Sirven para conocer que tan frecuentemente ocurren ciertos eventos , con el fin de detectar
tendencias. Son utilizadas tambin para comprobar si se han recabado los datos solicitados
o si se han efectuado determinados trabajos.
Para su elaboracin se requiere :
. !cordar el evento a observar, para que todos enfoquen lo mismo.
". Decidir el per#odo de tiempo en el cual se recabar$n los datos.
%. Dise&ar una forma clara ' f$cil de usar con suficiente espacio para re(istrar los
datos.
). *btener los datos de manera consistente ' honesta.
+ener en cuenta:
!se(urarse que las muestras u observaciones sean tomadas al azar.
,a poblacin a ser muestreada debe ser homo(nea, si no lo es, el primer paso debe ser
la estratificacin o a(rupacin de las muestras.
Evento 2es
+ - . 3otal
4 ,, ,, , 5
6 , , , .
& ,,,,, ,, ,,,,, +-
3otal 7 5 8 -9
!mpliando el concepto primero, se puede decir que la finalidad que persi(ue esta
herramienta, es detectar en forma r-pida los sucesos ' aprender qu. tipo de producto
presenta los ma'ores reclamos, o bien poder determinar los defectos observados en cada
plaza.
/omplementariamente, puede utilizarse para enriquecer el an-lisis, el dia(rama de fluejo o
el dia(rama de causas ' efectos.
,a utilidad de la planilla de inspecci0n es que en este formulario se pueden localizar 1dado
su dise&o1 con esfuerzo reducido cu-l producto o tipo de servicio presenta la ma'or
cantidad de reclamos, de qu. tipo de defecto se trata ' en cu-l etapa del proceso productivo
se lleva a cabo.
Siempre que fuera pertinente, se su(iere no formatizar el formulario con el fin de que en
per2odos cortos se provoquen cambios estructurales en el mismo ' alimentar de este modo,
la b3squeda permanente del conocimiento.
FUENTE: http://www.eie.!ceia.unr.edu.ar/!tp/'estion($)de($)la($)calidad/herra*
+.doc
DIAGRAMA DE PARETTO
CONCEPTO
:rfco cuyas barras verticales estn ordenadas de mayor a menor importancia estas
barras representan datos especfcos correspondientes a un problema determinado la
barra ms alta esta del lado izquierdo y la ms peque1a segn va disminuyendo de
tama1o se encuentra !acia la derec!a.
USO
4yuda a dirigir mayor atencin y esfuerzo a problemas realmente importantes o bien
determina las principales causas que contribuyen a un problema determinado y as
convertir las cosas difciles en sencillas. Este principio es aplicable en cualquier campo
en la investigacin y eliminacin de causas de un problema organizacin de tiempo
de tareas visualizacin del antes y despu(s de resuelto un problema o en todos los
casos en que el efecto fnal sea el resultado de la contribucin de varias causas o
factores.
PROCEDIMIENTO
+. )ecidir qu( problemas se van a investigar y cmo recoger los datos.
-. )ise1ar una tabla de conteo de datos ;totales<.
.. Elaborar una tabla de datos.
3ipo de
=eclamo
>mero >mero 4cumulado ? ? 4cumulado
6 7 7 -758 -758
& 8 +5 -5.99 5..58
) @ -+ -+.0. 85.99
4 0 -5 +0.-A 7A.-A
E . -7 +9.8+ +99.99

$ %ista de tems
$ 3otales individuales
$ 3otales acumulados
$ &omposicin porcentual
$ Borcenta"es acumulados
0. Crganizar los tems de mayor a menor.
5. )ibu"ar dos e"es verticales y uno !orizontal

Desde o4 hasta 554
Desde o hasta el total (eneral
Efectos
C!ss

@. &onstruir un diagrama de barras.
8. )ibu"ar la curva acumulada ;curva de Bareto<.
7. Escribir cualquier informacin necesaria.
FUENTE:
http://www.gestiopolis.com/recursos/documentos/!ulldocs/ger/herbassolprob.htm
DIAGRAMA CAUSA - E"ECTO
CONCEPTO
3(cnica de anlisis de causa y efectos para la solucin de problemas relaciona un
efecto con las posibles causas que lo provocan.
USO
De utiliza para cuando se necesite encontrar las causas races de un problema.
Dimplifca enormemente el anlisis y me"ora la solucin de cada problema ayuda a
visualizarlos me"or y a !acerlos ms entendibles toda vez que agrupa el problema o
situacin a analizar y las causas y subcausas que contribuyen a este problema o
situacin.
OTROS NOMBRES
$ )iagrama de espina de pescado
$ )iagrama &ausa Efecto
PROCEDIMIENTO
+. Bonerse de acuerdo en la defnicin del efecto o problema
-. 3razar una Eec!a y escribir el FefectoG del lado derec!o
DE"ECTO



.. ,dentifcar las causas principales a trav(s de Eec!as secundarias que terminan en
la Eec!a principal
0. ,dentifcar las causas secundarias a trav(s de Eec!as que terminan en las Eec!as
secundarias as como las causas terciarias que afectan a las secundarias

DE"ECTO
CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR
C!s #e$o%
C!s #e$o%
C!s #e$o%
S!&c!s
S!&c!s
CAUSA MAYOR

CAUSA MAYOR

DEFECTO

CAUSA MAYOR

CAUSA MAYOR

















5. 4signar la importancia de cada factor
@. )efnir los principales con"untos de probables causas# materiales equipos
m(todos de traba"o mano de obra medio ambiente ;0 2Hs<
8. 2arcar los factores importantes que tienen incidencia signifcativa sobre el
problema
7. =egistrar cualquier informacin que pueda ser de utilidad

FUENTE:
http://www.gestiopolis.com/recursos/documentos/!ulldocs/ger/herbassolprob.htm
6l dia(rama causa1efecto es una forma de or(anizar ' representar las diferentes teor#as propuestas sobre las
causas de un problema. Se conoce tambin como dia(rama de 7shi8a9a o dia(rama de espina de pescado ' se
utiliza en las fases de Dia(nstico ' Solucin de la causa.
C'#o ($te%)%et% !$ *(+%# *e c!s-efecto:
6l dia(rama causa1efecto es un veh#culo para ordenar, de forma mu' concentrada, todas las causas que
supuestamente pueden contribuir a un determinado efecto. :os permite, por tanto, lo(rar un conocimiento
com;n de un problema complejo, sin ser nunca sustitutivo de los datos. 6s importante ser conscientes de que
los dia(ramas de causa1efecto presentan ' or(anizan teor#as. Slo cuando estas teor#as son contrastadas con
datos podemos probar las causas de los fenmenos observables. 6rrores comunes son construir el dia(rama
antes de analizar (lobalmente los s#ntomas, limitar las teor#as propuestas enmascarando involuntariamente la
causa ra#z, o cometer errores tanto en la relacin causal como en el orden de las teor#as, suponiendo un (asto
de tiempo importante.
! continuacin veremos como el valor de una caracter#stica de calidad depende de una combinacin de
variables ' factores que condicionan el proceso productivo <entre otros procesos=. >amos a utilizar el ejemplo
de fabricacin de ma'onesa para e?plicar los D(+%#s *e C!s-Efecto:
,a variabilidad de las caracter#sticas de calidad es un efecto observado que tiene m;ltiples causas. /uando
ocurre al(;n problema con la calidad del producto, debemos investi(ar para identificar las causas del mismo.
Para hacer un Dia(rama de /ausa16fecto se(uimos estos pasos:
. Decidimos cual va a ser la caracter#stica de calidad que vamos a analizar. Por ejemplo, en el caso de
la ma'onesa podr#a ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc.
+razamos una flecha (ruesa que representa el proceso ' a la derecha escribimos la caracter#stica de
calidad:
". 7ndicamos los factores causales m$s importantes ' (enerales que puedan (enerar la fluctuacin de la
caracter#stica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, @aterias
Primas, 6quipos, *perarios, @todo de @edicin, etc.:
%. 7ncorporamos en cada rama factores m$s detallados que se puedan considerar causas de fluctuacin.
Para hacer esto, podemos formularnos estas pre(untas:
a. APor qu ha' fluctuacin o dispersin en los valores de la caracter#stica de calidadB Por la
fluctuacin de las @aterias Primas. Se anota @aterias Primas como una de las ramas
principales.
b. ACu @aterias Primas producen fluctuacin o dispersin en los valores de la caracter#stica
de calidadB !ceite, Duevos, sal, otros condimentos. Se a(re(a !ceite como rama menor de
la rama principal @aterias Primas.
c. APor qu ha' fluctuacin o dispersin en el aceiteB Por la fluctuacin de la cantidad
a(re(ada a la mezcla. !(re(amos a !ceite la rama m$s peque&a /antidad.
d. APor qu ha' variacin en la cantidad a(re(ada de aceiteB Por funcionamiento irre(ular de
la balanza. Se re(istra la rama Balanza.
e. APor qu la balanza funciona en forma irre(ularB Por que necesita mantenimiento. 6n la
rama Balanza colocamos la rama @antenimiento.
!s# se(uimos ampliando el Dia(rama de /ausa16fecto hasta que conten(a todas las causas posibles
de dispersin.
). Einalmente verificamos que todos los factores que puedan causar dispersin ha'an sido incorporados
al dia(rama. ,as relaciones Causa-Efecto deben quedar claramente establecidas ' en ese caso, el
dia(rama est$ terminado.

Fn dia(rama de /ausa16fecto es de por si educativo, sirve para que la (ente conozca en profundidad el
proceso con que trabaja, visualizando con claridad las relaciones entre los 6fectos ' sus /ausas. Sirve
tambin para (uiar las discusiones, al e?poner con claridad los or#(enes de un problema de calidad. G permite
encontrar m$s r$pidamente las causas asi(nables cuando el proceso se aparta de su funcionamiento habitual.
FUENTE:
http://www.gestiopolis.com/recursos/documentos/!ulldocs/ger/diagcause!ec.htm
HISTOGRAMA
Un !istograma es un resumen grfco de la variacin de un con"unto de datos. %a
naturaleza grfca del !istograma nos permite ver pautas que son difciles de observar
en una simple tabla num(rica. Esta !erramienta se utiliza especialmente en la
&omprobacin de teoras y Bruebas de validez.
Cmo interpretar los histogramas
Dabemos que los valores varan en todo con"unto de datos. Esta variacin sigue cierta
pauta. El propsito del anlisis de un !istograma es por un lado identifcar y clasifcar
la pauta de variacin y por otro desarrollar una eIplicacin razonable y relevante de la
pauta. %a eIplicacin debe basarse en los conocimientos generales y en la observacin
de las situaciones especfcas y debe ser confrmada mediante un anlisis adicional. %as
pautas !abituales de variacin ms comunes son la distribucin en campana con dos
picos plana en peine sesgada truncada con un pico aislado o con un pico en el
eItremo.
Constr!""in #e !n histograma
PASO $
)eterminar el rango de los datos# =4>:C es igual al dato mayor menos el dato
menorJ = K L M N
PASO %
Cbtener en nmero de clases eIisten varios criterios para determinar el
nmero de clases ; o barras<. Din embargo ninguno de ellos es eIacto. 4lgunos autores
recomiendan de cinco a quince clases dependiendo de como est(n los datos y cuntos
sean. Un criterio usado frecuentemente es que el nmero de clases debe ser
aproIimadamente ala raz cuadrada del nmero de datos por e"emplo la raz cuadrada
de .9 ; nmero de artculos< es mayor que cinco por lo que se seleccionan seis clases.
PASO &
Establecer la longitud de clase# es igual al rango entre el nmero de clases.

PASO '
&onstruir los intervalos de clases# %os intervalos resultan de dividir el rango de los
datos en relacin al resultado del B4DC - en intervalos iguales.
PASO (
:rafcar el !istograma# se !ace un grfco de barras las bases de las barras son los
intervalos de clases y altura son la frecuencia de las clases. Di se unen los puntos
medios de la base superior de los rectngulos se obtiene el polgono de frecuencias.
E)emplo
4 una fabrica de envases de vidrio un cliente le est eIigiendo que la capacidad de
cierto tipo de botella sea de+. ml con una tolerancia de ms menos + ml. %a fbrica
establece un programa de me"ora de calidad para que las botellas que se fabriquen
cumplan con los requisitos del cliente.

E)emplos #e otros tipos #e representa"iones gr*+"as
Hay !istogramas donde se agrupan los datos en clases y se cuenta cuntas
observaciones ;frecuencia absoluta< !ay en cada una de ellas. En algunas variables
;variables cualitativas< las clases estn defnidas de modo natural p.e sexo con dos
clases# mu"er varn o grupo sanguneo con cuatro# 4 6 46 C. En las variables
cuantitativas las clases !ay que defnirlas eIplcitamente ;intervalos de clase<.



De representan los intervalos
de clase en el e"e de abscisas
;e"e !orizontal< y las
frecuencias absolutas o
relativas en el de ordenadas
;e"e vertical<.




4 veces es ms til
representar las frecuencias
acumuladas.





C representar
simultneamente los
!istogramas de una variable
en dos situaciones distintas.



Ctra forma muy frecuente
de representar dos
!istogramas de la misma
variable en dos situaciones
distintas.





Ctra forma



En las variables cuantitativas
o en las cualitativas
ordinales se pueden
representar polgonos de
frecuencia en lugar de
!istogramas cuando se
representa la frecuencia
acumulativa se denomina
ojiva.
FUENTE: http://www.gestiopolis.com/recursos/documentos/!ulldocs/ger/histograma.htm
(os datos de una variable numrica, resumidos en tablas, tienen una e,presi%n gr!&ica que ayuda
a su interpretaci%n visual. Esta representaci%n se denomina 8isto/rama.
+n "istograma est! &ormado por una sucesi%n de rect!ngulos contiguos construidos sobre una
recta.
(a base de cada rect!ngulo representa la amplitud del intervalo y la altura est! determinada por la
&recuencia, de acuerdo a la siguiente.
)e/la 25sica.
Cada observaci.n representada en un 8isto/rama ocupa un rect5n/ulo de i/ual 5rea y de
base dada por el anc8o del intervalo correspondiente.
Para cada intervalo, el rect!ngulo que representa su &recuencia, puede imaginarse &ormado por un
[apilamiento[ de los rect!ngulos correspondientes a sus observaciones.


(a &igura anterior, muestra el "istograma correspondiente a la siguiente tabla.
Cntervalo Brecuencia
\=,>\ N
\>,7\ =F
\7,@\ @
\@,<\ >
\<,N\ =
En la tabla anterior, todos los intervalos tienen el mismo tama4o. Esto "ace que, al aplicar la regla
b!sica, la altura del rect!ngulo asociado a cada intervalo sea directamente proporcional a la
&recuencia correspondiente.
Qu pasa si existen diferencias en el tamao de los intervalos?
/l aplicar la regla b!sica en este caso, manteniendo rect!ngulos de igual !rea para cada dato,
resulta necesario determinar la altura del rect!ngulo asociado a un intervalo de acuerdo al tama4o
de su base correspondiente.
/ modo de ejemplo, si un intervalo tiene el doble anc"o que otro, cada una de sus observaciones
estar! representada por un [rectangulito[ de la mitad de la altura que los datos del otro intervalo.


En la &igura anterior, se muestra un "istograma para la siguiente tabla.
Cntervalo Brecuencia
\E,=F\ @
\=F,=@\ @
-omo consecuencia del distinto tama4o de los intervalos, a pesar de tener ambos la misma
&recuencia, las alturas de los rect!ngulos correspondientes son distintas. Sin embargo el !rea
gra&icada es la misma para cada caso.
Comentario peda/./ico.
(a presentaci%n de este caso tiene por objeto resaltar un punto importante en el uso de
"istogramas. Sin embargo, debido a la mayor di&icultad en su construcci%n, s%lo deberan
asignarse como trabajo a alumnos destacados.
+n proyecto interesante, por los diversos ra*onamientos que debe e&ectuar el alumno, consiste en
construir "istogramas de dimensiones dadas. En caso que los intervalos de la tabla sean de igual
anc"o, las alturas del "istograma son proporcionales a la &recuencia respectiva, por lo tanto la
altura m!,ima corresponde a la mayor &recuencia.
Si en el caso del primer "istograma de esta p!gina, se "ubiese pedido construir un "istograma de
>Fcm de anc"o y =<cm de alto, el anc"o ocupado por cada uno de los cinco intervalos sera @ cm y
la altura de =<cm correspondera al intervalo \>,7\ cuya &recuencia =F es la mayor de todas. (a
altura de los otros rect!ngulos del "istograma corresponde a la proporci%n de =<cm determinada
por el cuociente de la respectiva &recuencia con la &recuencia m!,ima. Es as que al intervalo \7,@\,
cuya &recuencia es @, le corresponde un rect!ngulo de (=<]@5=F) cm ^ N cm.
Comentario peda/./ico.
En los c!lculos de anc"o y altura de los rect!gulos del "istograma, lo m!s comn es que los
nmeros que intervienen en los c!lculos no produ*can nmeros enteros o [&!ciles[ como resultado.
En consecuencia, despus de introducir los conceptos y practicar con algunos casos [simples[, es
conveniente &amiliari*ar a los alumnos con datos tomados de e,perimentos reales, de pre&erencia
asociados a proyectos "ec"os por ellos mismos.
En la construcci%n de "istogramas, de ser posible, resulta provec"oso "acer uso de papel
milimetrado. +na alternativa m!s econ%mica son las "ojas cuadriculadas de uso comn, a pesar de
que carecen de las subdivisiones milimtricas. 9ambin es bueno el uso de papel blanco
conjuntamente con una regla graduada en milmetros. Este ltimo ambiente de dibujo es muy
&ormativo porque implica un mayor aporte del alumno para obtener un resultado satis&actorio.
FUENTE: http://www.educarchile.cl/eduteca/estadistica/histogr.htm
Ejemplos de tipos de representaciones grficas
Histogramas8 e agrupan los datos en clases, y se cuenta cu2ntas observaciones
&frecuencia absoluta( hay en cada una de ellas. En algunas variables &variables
cualitativas( las clases est2n definidas de modo natural, p.e sexo con dos clases8
mu/er, varn o grupo sanguneo con cuatro8 *, 9, *9, 6. En las variables cuantitativas,
las clases hay que definirlas e0plcitamente &intervalos de clase(.


e
representan
los intervalos
de clase en el
e/e de
abcisas &e/e
horizontal( y
las
frecuencias,
absolutas o
relativas, en
el de
ordenadas
&e/e vertical(.




* veces es
m2s 7til
representar
las
frecuencias
acumuladas.


6 representar
simult2neamente
los histogramas
de una variable
en dos
situaciones
distintas.


6tra forma
muy
frecuente, de
representar
dos
histogramas
de la misma
variable en
dos
situaciones
distintas.




6tra m2s

En las
variables
cuantitativas
o en las
cualitativas
ordinales se
pueden
representar
polgonos de
frecuencia en
lugar de
histogramas,
cuando se
representa la
frecuencia
acumulativa,
se denomina
ojiva.

FUENTE: http://www.hrc.es/bioest/E"emplos,histo.html
DISPERSI,N
Se llaman medidas de dispersi%n aquellas que permiten retratar la distancia de los valores de la
variable a un cierto valor central, o que permiten identi&icar la concentraci%n de los datos en un
cierto sector del recorrido de la variable. Se trata de coe&iciente para variables cuantitativas.

!< El desv7o est5ndar
Es posible identi&icar conjuntos de datos que a pesar de ser muy distintos en trminos de valores
absolutos, poseen la misma media. +na medida di&erencial para identi&icar esos conjuntos de datos
es la concentraci%n o dispersi%n alrededor de la media.
/ =) 6esvo est!ndar para datos sin agrupar
+na manera que aparece como muy natural para construir una medida de dispersi%n sera
promediar las desviaciones de la media, pero como vimos
+na manera de evitar que los distintos signos se compensen es elevarlas al cuadrado, de manera
que todas las desviaciones sean positivas. (a ra* cuadrada del promedio de estas cantidades
recibe el nombre de desvo est!ndar, o desviaci%n tpica y es representada por la siguiente
&%rmula.
(a desviaci%n est!ndar s%lo puede utili*arse en el caso de que las observaciones se "ayan medido
con escalas de intervalos o ra*ones.
/ mayor valor del coe&iciente del desvo est!ndar, mayor dispersi%n de los datos con respecto a su
media. Es un valor que representa los promedios de todas las di&erencias individuales de las
observaciones respecto a un punto de re&erencia comn, que es la media aritmtica. Se entiende
entonces que cuando este valor es m!s peque4o, las di&erencias de los valores respecto a la
media, es decir, los desvos, son menores y, por lo tanto, el grupo de observaciones es m!s
8"omogeneo: que si el valor de la desviaci%n est!ndar &uera m!s grande. 0 sea que a menor
dispersi%n mayor "omogeneidad y a mayor dispersi%n, menor "omogeneidad.
/ >) 6esvo est!ndar para datos agrupados
/ >.=) -!lculo usando las &recuencias absolutas
/ >.>) -!lculo usando las &recuencias relativas

2< *arian:a
El cuadrado de la desviaci%n est!ndar recibe el nombre de varian*a y se representa por . (a
suma de los cuadrados de los desvos de la totalidad de las observaciones, respecto de la media
aritmtica de la distribuci%n, es menor que la suma de los cuadrados de los desvos respecto de
cualquier otro valor que no sea la media aritmtica.
Si observamos, veremos que la varian*a no es m!s que el desvo est!ndar al cuadrado.
Precisamente la manera de simboli*arla es .
Por lo mismo, el desvo est!ndar puede de&inirse como la ra* cuadrada de la varian*a

C< El coeficiente de variaci.n&
Para comparar la dispersi%n de variables que aparecen en unidades di&erentes (metros, Lilos, etc.)
o que corresponden a poblaciones e,tremadamente desiguales, es necesario disponer de una
medida de variabilidad que no dependa de las unidades o del tama4o de los datos. Este coe&iciente
nicamente sirve para comparar las dispersiones de variables correspondientes a escalas de
ra*%n.
+na manera de construir una medida de variabilidad que cumpla los requisitos anteriores es el
llamado coe&iciente de variaci%n
(las barras del denominador representan el valor absoluto, es decir, indican que debe prescindirse
de la unidad de medida de la media). / menor coe&iciente de variaci%n consideraremos que la
distribuci%n de la variable medida es m!s "omognea.

D< El coeficiente de asimetr7a
0tro rasgo interesante en una distribuci%n de &recuencias es si los datos aparecen ubicados
simtricamente o no respecto de la media. Si queremos cuanti&icar la simetra, es necesario
conservar la in&ormaci%n acerca tanto del signo como de la distancia de cada dato a la media J
centro de simetra3. Este ra*onamiento lleva a utili*ar una potencia impar de las desviaciones.
En el caso en que el coe&iciente valga cero la distribuci%n es simtrica alrededor de la media. (os
valores positivos, indicar!n distribuciones con mayor sesgo a la derec"a y los valores negativos
indicar!n un mayor sesgo a la i*quierda.
6 =) -oe&iciente de /simetra para datos sin agrupar
El coe&iciente de asimetra se de&ine como
6 >) -oe&iciente de /simetra para datos agrupados
6 >.=) -!lculo usando las &recuencias absolutas
6 >.>) -!lculo usando las &recuencias relativas

E< Coeficiente de apuntamiento
0tra caracterstica relevante en una distribuci%n es su apuntamiento o Lurtosis, que describe lo
picuda o plana que es la distribuci%n, es decir si los datos se concentran demasiado o no,
comparados con un modelo de distribuci%n llamado distribuci%n normal.
(a distribuci%n se denominar! leptoc>rtica cuando el -/p _ F (m!s apuntada que la
normal)
(a distribuci%n se denominar! mesoc>rtica cuando el -ap ^ F (normal)
(a distribuci%n se denominar! platic>rtica cuando -ap ` F (menos apuntada que la
normal)
E =) -oe&iciente de /puntamiento para datos sin agrupar
E >) -oe&iciente de /puntamiento para datos agrupados
E >.=) -!lculo usando &recuencias absolutas
E >.>) -!lculo usando &recuencias relativas

F< )an/o intercuart7lico&
El rango intercuartlico ?C es, sencillamente, la di&erencia entre el tercer y el primer cuartil, es decir
Esto nos dice en cu!ntas unidades de los valores que toma la variable se concentra el cincuenta
por ciento central de los casos.
FUENTE:
http://www.liccom.edu.u%/bedelia/cursos/metodos/material/estadistica/med,disp.html
,as medidas de tendencia central son de un (ran valor representativo para una masa de
observaciones. Pero el valor de esas medidas depender$ de cuan variable sea la masa de
informacin. Por eso se establecen medidas que tratan de e?plicar la dispersin de los
datos ' son: la desviacin est$ndar, el coeficiente de variacin, el error est$ndar ' los
l#mites de confianza. Fna medida de dispersin conveniente deber$ tomar en
consideracin todos los datos de la serie sopesando cada dato por su distancia al centro
de la distribucin.
/onjunto Suma Promedio
H, H, H, H, H "H H
), H, H, H, I "H H
, %, ), J, 5 "H H
6n el cuadro anterior se puede observar como tres conjuntos completamente diferentes
pueden (enerar un mismo promedio. 6s por eso que el promedio debe ir siempre
acompa&ado de al(;n estad#stico que mida la variabilidad de los datos.
Des-(c('$ Est.$*%
,a desviacin est$ndar es la medida de dispersin mas usada en estad#stica, tanto en
aspectos descriptivos como anal#ticos. 6n su forma conceptual, la desviacin est$ndar se
define as#:
Ermula de trabajo para la poblacin
Ermula de trabajo para la muestra:
E/e#)0o:



/uando se trata de datos a(rupados la formula es :
E/e#)0o :
1 f f1 1
2
f1
2
%" %" 5") 5")
1 1
2
% K
" )
% K
H "H
) I
% K
23 42
%J % %IK )5J
)" L %%I JI) )"
)J K )"% ""5K KLL
H" J %I) "J5) LK"L
HJ ) ""L %")K "KKI
I" % LI %L)) H%"
IJ % "5 ))LK %)IJ
J" " )) HL) 5%IL
Sumas )5 "5"H 5I)H
/onociendo la desviacin est$ndar, se puede calcular otros estimadores derivados que son
de (ran utilidad para describir 'Mo interpretar el comportamiento de los datos.
Coef(c(e$te *e V%(c('$
6l coeficiente de variacin es una medida relativa de dispersin que nos permite hacer
comparaciones de diferentes (rupos con diferentes unidades de medida o diferentes
ma(nitudes ' obtener mejores conclusiones.
/on base en el ejemplo que se ha venido estudiando, se tiene :
? N H5.I"
S N 5
/> N 5 MH5.I" O 55 N K.JH4
6n este ejemplo se puede decir que, la desviacin est$ndar es un K.JH4 del promedio, o
que las estimaciones pueden variar un K.JH4 con respecto a la media.
E%%o% Est.$*% *e 0 #e*(
6l error est$ndar es otro estimador de dispersin ampliamente usado para acompa&ar a la
media.
Su c$lculo es asi :
G (eneralmente se usa acompa&ado de un si(no mas <P= ' otro menos <1=.
6jemplo :
G entonces se dice: el promedio de peso de racimos en las palmas estudiadas es H5.I"
.HL.
L(#(tes *e co$f($5
,os limites de confianza tambin se pueden calcular para establecer el intrvalo dentro del
cual es posible que se encuentre la media. Para esto se toma el error est$ndar, se multiplica
por el valor tabular t de student con n1 (rados de libertad ' se le suma ' se le resta a la
media.
E/e#)0o:
? N H5.I"
S? N .HL
t<%K= N ".5)"
,/ N H5.I" ".5)" O .HL
6ntonces
el l#mite inferior ser#a: H5.I" 1 %."% N )J.%K
el l#mite superior ser#a H5.I" P %."% N H%.LH.
G esto podr#a interpretarse como que e?iste un KH4 de probabilidad de que el intrvalo
)J.%K 1 H%.LH conten(a a la media.
V%($5
,a varianza es una medida primaria de variabilidad utilizada en varias pruebas estad#sticas.
Su c$lculo es simplemente elevar al cuadrado la desviacin est$ndar.
FUENTE: http://cosmech.tripod.com/Estadistica/medidas$.htm
ESTRATI"ICACI,N
Es lo que clasi&ica la in&ormaci%n recopilada sobre una caracterstica de calidad.
9oda la in&ormaci%n debe ser estrati&icada de acuerdo a operadores individuales
en m!quinas especi&icas y as sucesivamente, con el objeto de asegurarse de los
&actores asumidosA
+sted observara que despus de algn tiempo las piedras, arena, lodo y agua
puede separase, en otras palabras, lo que "a sucedido es una estratiti&acion de los
materiales, este principio se utili*a en manu&acturera. (os criterios e&ectivos para
la estrati&icaci%n son.
o 9ipo de de&ecto
o -ausa y e&ecto
o (ocali*aci%n del e&ecto
o )aterial, producto, &ec"a de producci%n, grupo de trabajo, operador, individual,
proveedor, lote etc.
6iagrama de dispersi%n
Es el estudios de dos variables, tales como la velocidad del pi4%n y las
dimensiones de una parte o la concentraci%n y la gravedad especi&ica, a esto se le
llama diagrama de dispersi%n. Estas dos variables se pueden embarcarse as.
o +na caracterstica de calidad y un &actor que la a&ecta,
o 6os caractersticas de calidad relacionadas, o
o 6os &actores relacionados con una sola caracterstica de calidad.
Para comprender la relaci%n entre estas, es importante, "acer un diagrama de
dispersi%n y comprender la relaci%n global.
-uadro de los datos de presi%n del aire de soplado y porcentaje de de&ectos de
tanque pl!stico.
Bec"a
Presi%n de
aire
(ag5cm>)
Porcentaje de
6e&ectos (G)
Bec"a
Presi%n de aire
(ag.5 cm>)
Porcentaje
de
6e&ectos (G)
0ct. =
>
7
@
<
E
D
=F
==
=>
=<
=N
=O
=E
=D
E.N
E.D
E.E
E.E
E.@
E.O
D.>
E.N
D.>
E.O
E.@
E.>
D.>
E.O
D.@
F.EED
F.EE@
F.EO@
F.ED=
F.EO@
F.EEN
F.D==
F.D=>
F.ED<
F.EDN
F.ED@
F.EN@
F.D>>
F.DFD
F.DF<
0ct. >>
>7
>@
><
>N
>D
7F
7=
=
>
<
N
O
E
D
E.O
E.<
D.>
E.<
E.7
E.O
D.7
E.D
E.D
E.7
E.O
E.D
E.O
D.=
E.O
F.ED>
F.EOO
F.EE<
F.ENN
F.EDN
F.EDN
F.D>E
F.EEN
F.DFE
F.EE=
F.EE>
F.DF@
F.D=>
F.D><
F.EO>
FUENTE: http://www.monogra!ias.com/traba"os#/herba/herba.shtml#estra
Concepto&
(a estrati&icaci%n es la separaci%n de datos en categoras o clases. Su utili*aci%n m!s &recuente se
da durante la etapa de 6iagn%stico, para identi&icar qu clases o tipos contribuyen al problema que
"ay que resolver. Podemos clasi&icar o separar una masa de datos en di&erentes grupos o categoras.
(os datos observados en un grupo dado comparten unas caractersticas comunes que de&inen la
categora. Este proceso de clasi&icaci%n recibe el nombre de estrati&icaci%n. (a estrati&icaci%n es la
base para otras "erramientas, como el /n!lisis de Pareto, y se utili*a conjuntamente con otras
"erramientas, como los 6iagramas de dispersi%n.
C.mo interpretar la estratificaci.n&
Si los resultados de la estrati&icaci%n se presentan en &orma de gr!&ico de barras, es &!cil e,aminar
las categoras de una variable para ver si alguna o algunas de las categoras destacan sobre el resto.
$9iene un proveedor un porcentaje de de&ectos particularmente elevado' $Hu tipos de pernos son
m!s propensos a error' 6espus de la estrati&icaci%n, si los resultados dan una indicaci%n clara de la
&uente probable del &en%meno que se estudia, el equipo tendr! que validar sus resultados iniciales o
necesitar! un mayor conocimiento de los detalles sobre la causa precisa. Si inicialmente no se
obtienen unos resultados tiles, se optar! o bien por proceder a una estrati&icaci%n de segundo
orden, o por estrati&icar segn otras variables.
C.mo elaborar una estratificaci.n&
=. Seleccionar las variables de estrati&icaci%n.
>. Establecer las categoras que se utili*ar!n en cada variable de estrati&icaci%n.
7. -lasi&icar las observaciones dentro de las categoras de la variable de estrati&icaci%n
@. -alcular el &en%meno que se est! midiendo en cada categora.
<. )ostrar los resultados. (os gr!&icos de barras suelen ser los m!s e&icaces.
N. Preparar y e,poner los resultados para otras variables de estrati&icaci%n.
O. Plani&icar una con&irmaci%n adicional.
FUENTE: http://www.ia!.es/publicaciones/articulo/cap$-.htm
HABILIDAD Y CAPACIDAD DEL PROCESO
%a capacidad de un proceso es el rango de variacin que en condiciones
normales un proceso tiene debido a las variables accidentales.
%os pasos para determinar la capacidad de un proceso son#
+. )eterminar la caracterstica de calidad.
-. &ontrolar el proceso. Eliminar todas las variables asignables o
atribuibles del proceso.
.. 3omar muestras del proceso. %a muestras no deben ser menos de
59 y mnimo con -59 elemento por cada una de ellas.
0. &alcular la media y de la desviacin estandar del proceso.




5. &alcular los lmites del proceso. &alcular la distribucin normal y la
capacidad del proceso de acuerdo con las siguientes frmulas#


De comparan los datos obtenidos del proceso con las especifcaciones
dadas#
%mite ,nferior de Especifcaciones ;%,E<
%mite Duperior de Especifcaicones ;%DE<
Di los lmites superior e inferior del proceso se encuentran dentro del
rango establecido por los lmites de las especifcaciones signifca que el
proceso analizado satisface completamente al cliente.



Di uno o ambos lmites del proceso se encuentran fuera del rango
establecido por las especifcaciones lmite superior e inferior signifca
que la diferencia entre los limites inferiores yOo superiores ;del proceso y
las especifcaciones< representan los productos defectuosos que se
obtienen con nuestro proceso.




&uando se presenta este caso se puden tomar diferentes medidas como
pueden ser#
+. &ambiar el proceso por uno que sea capaz de satisfacer
completamente las especifcaciones.
-. 6uscar mercados alternos en los que se puedan vender los
productos defectuosos a menor precio.
.. =eprocesar los productos defectuosos.
&on la informacin obtenida en los pasos anteriores se puede calcular la
P&apacidad o Habilidad Botencial del BrocesoQ ;HB< que nos permitir
saber si el proceso que aplicamos es capaz de satisfacer o no las
especifcaciones.
%a forma de calcular la &apacidad Botencial es la siguiente#


Di la &apacidad Botencial obtenida es mayor a + &BL+ signifca que
nuestro proceso s es capaz de satisfacer a nuestro cliente. Din embargo
en la industria se requiere de un margen de error por lo que se busca
que &B L +.5.
Ctra forma de analizar nuestro proceso es comparando la &apacidad del
Broceso ;&B< con la &apacidad Botencial ;HB< de la siguiente manera. Di#

&B L HB El proceso es capaz de satifacer ms yOo me"or al
cliente y deben por lo tanto
acoplarse las medias del proceso y de especifcaciones para
lograrlo.
&B K HB El proceso satisface adecuadamente las
especifcaciones del cliente.
&B N HB El proceso no es capaz de satisfacer las
especifcaciones del cliente.
FUENTE: http://www.geocities.com/calidad,cep/intro.htm
UNIDAD 2: GRA"ICAS DE CONTROL.
CONCEPTOS Y PRINCIPIOS DEL CEP:
TAMA6O Y "RECUENCIA DEL MUESTREO
Supongamos que nos interesa conocer el peso promedio de la poblaci%n &ormada
por los estudiantes de una universidad. Si la universidad tiene <7ON alumnos,
bastara pesar cada estudiante, sumar los <7ON pesajes y dividirlo por <7ON. Pero
este proceso puede presenta di&icultades dentro de las que podemos mencionar.
locali*ar y pesar con precisi%n cada estudiante.
escribir todos los datos sin equivocaciones en una lista.
e&ectuar los c!lculos.
(as di&icultades son mayores si en nmero de elementos de la poblaci%n es
in&inito, si los elementos se destruyen, si su&ren da4os al ser medidos o est!n muy
dispersos, si el costo para reali*ar el trabajo es muy costoso.
+na soluci%n a este problema consiste en medir solo una parte de la poblaci%n
que llamaremos muestra y tomar el peso medio en la muestra como una
apro,imaci%n del verdadero valor del peso medio de la poblaci%n.
El tama4o de la poblaci%n es la cantidad de elementos de esta y el tama4o de la
muestra es la cantidad de elementos de la muestra. (as poblaciones pueden ser
&initas e in&initas.
(os datos obtenidos de una poblaci%n pueden contener toda la in&ormaci%n que se
desee de ella. 6e lo que se trata es de e,traerle esa in&ormaci%n a la muestra, es
decir a los datos muestrales sacarle toda la in&ormaci%n de la poblaci%n.
"a muestra debe obtener toda la in&ormaci%n deseada para tener la posibilidad de
e,traerla, esto s%lo se puede lograr con una buena selecci%n de la muestra y un
trabajo muy cuidadosos y de alta calidad en la recogida de los datos.
Es bueno se4alar que en un momento una poblaci%n puede ser muestra en una
investigaci%n y una muestra puede ser poblaci%n, esto esta dado por el objetivo
del investigaci%n, por ejemplo en el caso de determinar la estatura media de los
estudiantes universitarios en -uba una muestra poda ser escoger algunas
universidades del pas y reali*ar el trabajo, si por el contrario se quiere saber la
estatura promedio de los estudiantes de una universidad en especi&ico en -uba,
entonces el conjunto &ormado por todos los estudiantes de esta universidad sera
la poblaci%n y la muestra estara dada por los grupos, carreras o a4os
seleccionado para real*ar el e,perimento.
%ar5metro & Son las medidas o datos que se obtienen sobre la distribuci%n de
probabilidades de la poblaci%n, tales como la media, la varian*a, la proporci%n,
etc.
Estad7stico . (os datos o medidas que se obtienen sobre una muestra y por lo
tanto una estimaci%n de los par!metros.
Error 0uestral, de estimaci%n o standard. Es la di&erencia entre un estadstico y
su par!metro correspondiente. Es una medida de la variabilidad de las
estimaciones de muestras repetidas en torno al valor de la poblaci%n, nos da una
noci%n clara de "asta d%nde y con qu probabilidad una estimaci%n basada en una
muestra se aleja del valor que se "ubiera obtenido por medio de un censo
completo. Siempre se comete un error, pero la naturale*a de la investigaci%n nos
indicar! "asta qu medida podemos cometerlo (los resultados se someten a error
muestral e intervalos de con&ian*a que varan muestra a muestra). Kara segn se
calcule al principio o al &inal. +n estadstico ser! m!s preciso en cuanto y tanto su
error es m!s peque4o. Podramos decir que es la desviaci%n de la distribuci%n
muestral de un estadstico y su &iabilidad.
Nivel de Confian:a. Probabilidad de que la estimaci%n e&ectuada se ajuste a la
realidad. -ualquier in&ormaci%n que queremos recoger est! distribuida segn una
ley de probabilidad (2auss o Student), as llamamos nivel de con&ian*a a la
probabilidad de que el intervalo construido en torno a un estadstico capte el
verdadero valor del par!metro.
*arian:a %oblacional. -uando una poblaci%n es m!s "omognea la varian*a es
menor y el nmero de entrevistas necesarias para construir un modelo reducido
del universo, o de la poblaci%n, ser! m!s peque4o. 2eneralmente es un valor
desconocido y "ay que estimarlo a partir de datos de estudios previos.
Cn&erencia estadstica. $rata el problema de la e'tracci.n de la informaci.n
sobre la poblaci.n contenida en las muestras.
Para que los resultados obtenidos de los datos muestrales se puedan e,tender a
la poblaci%n, la muestra debe ser representativa de la poblaci%n en lo que se
re&iere a la caracterstica en estudio, o sea, la distribuci%n de la caracterstica en la
muestra debe ser apro,imadamente igual a la distribuci%n de la caracterstica en la
poblaci%n.
(a representatividad en estadstica se logra con el tipo de muestreo adecuado que
siempre incluye la aleatoriedad en la selecci%n de los elementos de la poblaci%n
que &ormaran la muestra. 1o obstante, tales mtodos solo nos garanti*an una
representatividad muy probable pero no completamente segura.
6espus de estos preliminares imprescindibles es posible pasa a tratar algunas de
las &ormas que desde el punto de vista cient&ico se puede e,traer una muestra.
/l reali*ar un muestreo en una poblaci%n podemos "ablar de muestreos
probabilsticos y no probabilsticos, en nuestro caso nos re&eriremos a los
muestreos probabilsticos y dentro del mismo estudiaremos el muestreo aleatorio
simple ()/S), como mtodo b!sico en la estadstica, el muestreo estrati&icado y el
muestreo por racimos.
0uestreo aleatorio simple& Es aquel en que cada elemento de la poblaci%n tiene
la misma probabilidad de ser seleccionado para integrar la muestra.
+na muestra simple aleatoria es aquella en que sus elementos son seleccionados
mediante el muestreo aleatorio simple.
En la pr!ctica no nos interesa el individuo o elemento de la poblaci%n seleccionado
en general, sino solo una caracterstica que mediremos u observaremos en l y
cuyo valor ser! el valor de una variable aleatoria que en cada individuo o elemento
de la poblaci%n puede tomar un valor que ser! un elemento de cierto conjunto de
valores. 6e modo que una muestra simple aleatoria se puede
interpretar como un conjunto de valores de variables aleatorias
independientes, cada una de las cuales tiene la misma distribuci%n que es llamada
distribuci%n poblacional.
E,isten dos &ormas de e,traer una muestra de una poblaci%n. con reposici%n y sin
reposici%n.
0uestreo con reempla:o& Es aquel en que un elemento puede ser seleccionado
m!s de una ve* en la muestra para ello se e,trae un elemento de la poblaci%n se
observa y se devuelve a la poblaci%n, por lo que de esta &orma se pueden "acer
in&initas e,tracciones de la poblaci%n aun siendo esta &inita.
0uestreo sin reempla:o& 1o se devuelve los elementos e,trados a la poblaci%n
"asta que no se "allan e,trados todos los elementos de la poblaci%n que
con&orman la muestra.
-uando se "ace una muestra probabilstica debemos tener en cuenta
principalmente dos aspectos.
El mtodo de selecci%n.
El tama4o de la muestra
?.( 06todo de selecci.n&
+n procedimiento de e,traer una muestra aleatoria de una poblaci%n &inita es el de
enumerar todos los elementos que con&orman la poblaci%n, escribir esos nmeros
en bolas o papelitos ec"arlos en un bombo o bolsa me*clarlos bien removindolos
y sacar uno a uno tantos como lo indique el tama4o de la muestra. En este caso
los elementos de la muestra lo constituir!n los elementos de la poblaci%n cuyos
nmero coincidan con los e,trados de la bolsa o bombo.
0tro procedimiento para obtener una muestra de una poblaci%n ya sea el
muestreo con repla*o o sin reempla*o es mediante la utili*aci%n de la tabla de
nmeros aleatorios pero solamente para poblaciones &initas, la utili*aci%n de estas
tablas puede reali*arse de di&erentes modos pero en el presente trabajo solo
e,pondremos el que consideramos mas e&iciente ya que no se necesita de la
bsqueda de una gran cantidad innecesaria de nmeros aleatorios en la tabla, el
cual ser! ejempli&icado.
E,isten di&erentes tablas de nmeros aleatorios nosotros en nuestro trabajo
utili*aremos como re&erencia la tabla de ). 2. aendall y ;. ;abington Smit" que
se encuentra en el te,to de tablas estadsticas, la misma est! constituida por @
bloques de =FFF nmeros aleatorios dispuestos en >< &ilas y @F columnas.
Keamos como se procede para la utili*aci%n de la tabla. -onsideremos que se
desea e,traer de una poblaci%n de tama4o 1 una muestra de tama4o n se
selecciona el bloque, la &ila y la columna de la tabla que se va a comen*ar, a partir
de esta selecci%n (que la "ace el muestrista) se toman tantas columnas como
dgitos tiene 1. -omen*ando por el primer nmero de las columnas seleccionadas
se ir!n incluyendo en la muestra aquellos individuos que en la lista de la poblaci%n
( ya sea de &orma "ori*ontal o vertical) ocupa la posici%n de los n nmeros de las
columnas seleccionadas que resultan menores que 1, en los caso que al
seleccionar un nmero en la tabla de nmeros aleatorios sea mayor que 1 se
divide este por 1 y el resto de la divisi%n que ser! un nmero entre F y 13= ser! la
posici%n del individuo a seleccionar tomando el convenio de que el resto F
corresponde a la posici%n 1. Para la aplicaci%n de este procedimiento requiere
que se &ije previamente el mayor mltiplo de 1 que se considerar!, para as
garanti*ar que todos los restos desde F a 1 3= tengan la misma probabilidad de
ser seleccionados, por ejemplo si 1 ^ =<F y tomando 7 columnas se consideraran
s%lo aquellos nmeros menores o iguales que DFF, los nmeros mayores que DFF
no ser!n anali*ados en la selecci%n de la muestra.
Ejemplo ?.?& 6ada la siguiente poblaci%n &ormada por la edad del "ijo mayor de
>FF ncleos &amiliares de una cierta regi%n.
Seleccione una muestra aleatoria de tama4o =F (use la tabla de nmeros
aleatorios, escoja la tercera &ila, tercera columna del segundo bloque de a =FFF)
numere la poblaci%n "ori*ontalmente.
@E @D <F <= <F @N @O <N @O 7E
<7 <F @O @N @E @O @E @N @N <F
@> <= <= @D @O <= @E @O @> @D
@N @E <F @O @E @O <= <N @< @D
@< <@ N= @N @E @N @N @O <F 7@
@N @N <= 7D <7 << <> @D @O @N
77 @F <> @N @@ <> @@ <@ @= 77
@E @D <> @> @> @D @O @O 7E @E
@@ @7 @@ @F @@ @< @D @@ @7 @>
@D @D @E @= <= <= <> @> @F @O
7O @E @< @N <F @< @O <7 @7 @O
@@ @F @N @N @< @E @O @> @O @N
<> <7 @O @D @N @O @D @> @7 @>
@7 7E <> <F @@ <> @@ <7 @7 @<
@= <O @O @E <> <7 @F @D @F <F
@< @> @@ <7 <O @N N> @O <F @O
@< <= @7 @< 7D 7D @= @@ 7< @=
<@ @E <= <7 <@ @> @E <= 7O 7E
@> 7O <> <F @< << <= @N 7E @7
<7 @7 @> 7D @N <> <7 7D <= @F
Para e,traer la muestra lo primero que "acemos es disponer tres columnas en las
cuales la primera se ubicaran los nmeros aleatorios, es decir los nmeros
e,trados de la tabla de nmeros aleatoriosA en la segunda columna pondremos
los nmeros aleatorios recti&icados que ser!n aquellos nmeros aleatorios
menores que 1 ^>FF y los restos de las divisiones de los nmeros aleatorios
mayores que 1 ^>FF y menores que el mayor mltiplo de 1 es decir EFF y en la
tercera columna de encontrara los valores de la muestra.
En la tabla de nmeros aleatorios la tercera &ila, tercera columna del segundo
bloque de a =FFF le corresponde al nmero 7 pero como tenemos que coger el
nmero aleatorio de tres dgitos el primer nmero aleatorio sera el F=O, los dem!s
serian, DE@, D<<, =7F, E<F, 7O@, NN<, D=F, >EE, O<7, ON<, ND=, @DN, FF=, "emos
escogido =@ nmeros de la tabla de nmeros aleatorios debido a que "ay @ que
son mayores que EFF. Keamos a continuaci%n como e,traemos la muestra de la
poblaci%n.
Para el primer nmero aleatorio F=O se busca en la poblaci%n el valor que ocupa la
posici%n F=O leda la poblaci%n "ori*ontalmente que seria la edad de @E a4os, el
nmero aleatorio DE@ no se contempla dentro del an!lisis ya que es mayor que
EFF, al igual que el nmero D<<, el nmero =7F, le corresponde la edad de <>
a4os, al nmero E<F no se contempla dentro del an!lisis, el 7O@ como es mayor
que >FF se divide por >FF y se obtiene reto =O@ y este es el nmero aleatorio
recti&icado correspondindole la edad de <7 a4os, al nmero NN< se divide por >FF
y se obtiene resto N< que es el nmero aleatorio recti&icado correspondindole la
edad de @@ a4os en la poblaci%n, a continuaci%n presentaremos la tabla de las tres
columnas a la cual nos re&erimos anteriormente como una va &!cil y pr!ctica para
obtener la muestra deseada.
1mero aleatorio 1mero aleatorio
recti&icado
muestra
F=O F=O @E
DE@ 33
D<< 33
=7F =7F @>

E<F 33
7O@ =O@ <7
NN< FN< <7
D=F 33
>EE FEE @@
O<7 =<7 @@
ON< =N< 7D
ND= FD= @D
@DN FDN <=
FF= FF= @E
1ota. obsrvese que en la muestra e,isten edades que se repiten esto puede
pasar si el muestreo es con reempla*o si el muestreo es sin reempla*o debemos
seguir buscando de la misma manera en la tabla de nmeros aleatorios seguido
del nmero FF=, "asta lograr tener la muestra con =F valores de la poblaci%n no
repetidos.
Este muestreo se puede reali*ar utili*ando )icroso&t E,cel siguiendo los pasos
siguiente.
a. Se instala la opci%n de an!lisis de datos para ello se va a "erramienta luego a
complemento y se activa en la ventana complemento la opci%n "erramienta para an!lisis.
b. Se abre una "oja E,cel y se introducen los datos de la poblaci%n en columna.
c. Se va a "erramienta y se elige an!lisis de datos y en esta ventana se selecciona la opci%n
muestra.
d. En la ventana muestra se introduce el rango de entrada que sera seleccionar todos los
valores de la poblaci%n, si al suministrar en la "oja E,cel los datos de la poblaci%n al inicio
se le designan a estos alguna variable o comentario debe activarse la opci%n r%tulo de lo
contrario no debe ser activada, se activa la casilla de muestreo aleatorio y se introduce el
tama4o de muestra deseado.
e. Se selecciona el rango de salida que consiste en seleccionar una celda en la "oja E,cel
que no est a&ectada por ninguna in&ormaci%n ni "acia abajo ni a la derec"a de la misma.
&. Se selecciona aceptar en esta ventana y saldr! el resultado deseado que sera las
muestras elegidas por el programa en la poblaci%n.
@.( El tamao de la muestra&
/l reali*ar un muestreo probabilstica nos debemos preguntar $-u!l es el nmero
mnimo de unidades de an!lisis ( personas, organi*aciones, capitulo de
telenovelas, etc), que se necesitan para con&ormar una muestra ( que me
asegure un error est!ndar menor que F.F= ( &ijado por el muestrista o
investigador), dado que la poblaci%n es apro,imadamente de tantos elementos.
En el tama4o de una muestra de una poblaci%n tenemos que tener presente
adem!s si es conocida o no la varian*a poblacional.
Para determinar el tama4o de muestra necesario para estimar con un error
m!,imo permisible pre&ijado y conocida la varian*a poblacional ( ) podemos
utili*ar la &ormula.




(=)
que se obtiene de reconocer que es el error est!ndar o error m!,imo pre&ijado y
est! dado por la e,presi%n para el nivel de con&ian*a y
constituye una medida de la precisi%n de la estimaci%n, por lo que podemos in&erir
adem!s que .
Ejemplo ?.@
Se desea estimar el peso promedio de los sacos que son llenados por un nuevo
instrumento en una industria. Se conoce que el peso de un saco que se llena con
este instrumento es una variable aleatoria con distribuci%n normal. Si se supone
que la desviaci%n tpica del peso es de F,< Lg. 6etermine el tama4o de muestra
aleatoria necesaria para determinar una probabilidad igual a F,D< de que el
estimado y el par!metro se di&erencien modularmente en menos de F,= Lg.
Soluci%n.
Evidentemente un tama4o de muestra no puede ser &raccionario por lo que se
debe apro,imar por e,ceso. El tama4o de muestra sera de DO.
Si la varian*a de la poblaci%n es desconocida, que es lo que mas &recuente se ve
en la pr!ctica el tratamiento ser! di&erente, no es posible encontrar una &%rmula
cuando la varian*a poblacional es desconocida por lo que para ello aconsejamos
utili*ar el siguiente procedimiento3
Primeramente, se toma una peque4a muestra, que se le llama muestra piloto, con
ella se estima la varian*a poblacional ( ) y con este valor se evala en la
&ormula (=), sustituyendo ( ) por su estimaci%n ( ). El valor de obtenido ser!
apro,imadamente el valor necesario, nuevamente con ese valor de se e,trae
una muestra de este tama4o de la poblaci%n se le determina la varian*a a esa
muestra, como una segunda estimaci%n de ( ) y se aplica de nuevo la &ormula
(=), tomando la muestra con el obtenido como muestra piloto para la siguiente
iteraci%n, se llegar! a cumplir con las restricciones pre&ijadas. Se puede plantear
esta a&irmaci%n ya que la de tiende a estabili*arse a medida que aumenta
alrededor de la por lo que llegar! el momento en que se encuentre el tama4o
de muestra conveniente, sin embargo, en la pr!ctica es muc"o m!s sencillo pues,
a lo sumo con tres iteraciones se obtiene el tama4o de muestra deseado, este
procedimiento para obtener el tama4o de muestra deseado se puede reali*ar
utili*ando en )icroso&t E,cel en la opci%n an!lisis de datos las opciones
estadstica descriptiva para ir "allando la varian*a de cada una de las muestras y
la opci%n muestra para ir determinado las muestras pilotos. Para obtener el
tama4o de la muestra utili*ando este mtodo recomendamos la utili*aci%n de un
paquete de computo como por ejemplo el )icroso&t E,cel, aplicando las opciones
muestra y estadstica descriptiva.
Para determinar el tama4o de la muestra cuando los datos son cualitativos es
decir para el an!lisis de &en%menos sociales o cuando se utili*an escalas
nominales para veri&icar la ausencia o presencia del &en%meno a estudiar, se
recomienda la utili*aci%n de la siguiente &ormula.
(>)
siendo sabiendo que.
es la varian*a de la poblaci%n respecto a determinadas variables.
es la varian*a de la muestra, la cual podr! determinarse en
trminos de probabilidad como
es error estandar que est! dado por la di&erencia entre ( ) la
media poblacional y la media muestral.
es el error estandar al cuadrado, que nos servir! para
determinar , por lo que ^ es la varian*a poblacional.
Ejemplo ?.A
6e una poblaci%n de = =ON adolescentes de una ciudad Z se desea conocer la
aceptaci%n por los programas "umorsticos televisivos y para ello se desea tomar
una muestra por lo que se necesita saber la cantidad de adolescentes que deben
entrevistar para tener una in&ormaci%n adecuada con error estandar menor de
F.F=< al DF G de con&iabilidad.
Soluci%n.
^ = =ON
^ F,F=<
por lo que
Es decir para reali*ar la investigaci%n se necesita una muestra de al menos >DE
adolescentes.
)uestreo Estrati&icado.
El pasado ejemplo corresponde a una muestra probabilstica simple.
6eterminamos en este caso que el tama4o de muestra sera n ^>DE adolescentes
muestreados. Pero supongamos que la situaci%n se complica y que esta n la
tendremos que estrati&icar a &in de que los elementos muestrales o unidad de
an!lisis posean un determinado atributo. En nuestro ejemplo este tributo es los
di&erentes canales de televisi%n. Es decir, cuando no basta que cada uno de los
elementos muestrales tengan la misma probabilidad de ser escogidos, sino que
adem!s es necesario estrati&icar la muestra en relaci%n a estratos o categoras
que se presentan en la poblaci%n y que aparte son relevantes para los objetivos
del estudio, se dise4a una muestra probabilstica estrati&icada. (o que aqu se
"ace es dividir a la poblaci%n en subpoblaciones o estratos y se selecciona la
muestra para cada estrato. (a estrati&icaci%n aumenta la precisi%n de la muestra e
implica el uso deliberado de di&erentes tama4os de muestra para cada estrato, Y a
&in de lograr reducir la varian*a de cada unidad muestral Y (ais", =DN< ), en su libro
de muestreo que en un nmero determinado de elementos muestrales n ^ la
varian*a de la media muestral puede reducirse al mnimo si el tama4o de la
muestra para cada estrato es proporcional a la desviaci%n est!ndar dentro del
estrato.
Esto es,
(7 )
En donde es la &racci%n del estrato, el tama4o de la muestra, el tama4o de
la poblaci%n, es la desviaci%n est!ndar de cada elemento del estrato , y es
una proporci%n constante que nos dar! como resultado una %ptima para cada
estrato.
Siguiendo nuestro ejemplo de los adolescentes tenemos que la poblaci%n es de
==ON adolescentes y que el tama4o de la muestra es ^ >DE. la &racci%n para
cada estrato &" ser! .
(@)
6e manera que el total de la subpoblaci%n se multiplicar! por esta &racci%n
constante a &in de obtener el tama4o de muestra para el estrato. Sustituyendo
tenemos que.
(<)
0E,$)! %)O2!2#"B,$#C! E,)$)!$#F#C!D! DE "! !CE%$!C#9N DE
!DO"E,CEN$E, %O) "O, %)O1)!0!, -0O)B,$#CO, $E"E*#,#*O, DE
"! C#D!D C.
Estratos ?epartos de la ciudad Z
9otal
poblaci%n]
(&") ^ F.><7@
)uestra
1" (&") ^ n"
= <7 =7
> =FD
7 >=< <<
@ EO >>
< DE ><
N ==F >E
O E= >F
E >>= <N
D =<= 7E
=F <= =7

^ ==ON

Por ejemplo .
^ <7 directores de empresas e,tractivas corresponde a la poblaci%n total de
este giro.
^ F.><7@ es la &racci%n constante.
^ =7 es el nmero redondeado de directores de empresa del giro Estractivo
que tendr!n que entrevistarse.
0E,$)EO %)O2!2#"B,$#CO %O) )!C#0O,&
En algunos casos en donde el investigador se ve limitado por recursos &inancieros,
por tiempo, por distancias geogr!&icas o por una combinaci%n de estos y otros
obst!culos, se recurre a otra modalidad de muestreo llamado por racimos. En este
tipo de muestreo se reducen costos, tiempo y energa al considerar que muc"as
veces nuestras unidades de an!lisis se encuentran encapsuladas o encerradas en
determinados lugares &sicos o geogr!&icos que denominamos racimos. Para dar
algunos ejemplos tenemos la tabla E.7., en donde en la primera columna se
encuentran unidades de an!lisis que &recuentemente vamos a estudiar en ciencias
sociales. En la segunda columna, sugerimos posibles racimos en donde se
encuentran dic"os elementos.
EDE0%"O, DE )!C#0O,
+nidad de /n!lisis Posibles ?acimos
/dolescentes Preparatorias
0breros Cndustrias
/mas de casa )ercados
1i4os -olegios
Personajes de televisi%n Programas de televisi%n
El muestrear por racimos implica di&erencias entre la unidad de an!lisis y la unidad
muestral. (a unidad de an!lisis 3 como lo indicamos al principio de este captulo J
se re&iere a quines van a ser medidos, o sea , el sujeto o sujetos a quienes en
ltima instancia vamos a aplicar el instrumento de medici%n . la unidad muestral J
en este tipo de muestra J se re&iere al racimo a travs del cual se logra el acceso a
la unidad de an!lisis. El muestreo por racimos supone una selecci%n en dos
etapas, ambas con procedimientos probabilsticos. En la primera, se seleccionan
los racimos, siguiendo los ya rese4ados pasos de una muestra probabilstica
simple o estrati&icada. En la segunda, y dentro de estos racimos se seleccionan a
los sujetos u objetos que van a ser medidos. Para ello se "ace una selecci%n que
asegure que todos los elementos del racimo tienen la misma probabilidad de ser
elegidos. / continuaci%n daremos un ejemplo que comprenda varios de los
procedimientos descritos "asta a"ora y que ilustra la manera como
&recuentemente se "ace una muestra probabilstica en varias etapas.
EDE0%"O
$-%mo "acer una muestra probabilstica estrati&icada y por racimos'
Problema de investigaci%n. +na estaci%n de radio local necesita saber con
precisi%n J a &in de planear sus estrategias J c%mo usan la radio los adultos de
una ciudad de > <FF FFF "abitantes. Es decir, qu tanto radio escuc"an, a qu
"oras, qu contenidos pre&ieren y sus opiniones con respecto a los programas
noticiosos.
Procedimientos. Se dise4ar! un cuestionario que indague estas !reas sobre uso
del radio. (os cuestionarios se aplicar!n por entrevistadores a una muestra de
sujetos adultos.
Poblaci%n. 9odos aquellos sujetos J "ombres o mujeres J de m!s de >= a4os de
edad, y que vivan en una casa o departamento propio o rentado de la ciudad Z.
6ise4o por conglomerado. los directivos de la estaci%n de radio desconocen el
nmero total de sujetos con las caractersticas arriba se4aladas. Sin embargo, nos
piden que dise4emos una muestra que abarque a todos los sujetos adultos de la
ciudad, adultos por edad cronol%gica y por ser je&es de &amilia , es decir, e,cluye a
los adultos dependientes. Se recurre entonces a la estrategia de seleccionar
conglomerados y se considera el uso de un mapa actuali*ado de la ciudad y que
demuestra que en dic"a ciudad "ay < FFF cuadras. (as cuadras se utili*an como
conglomerados, es decir, como unidades muestrales a partir de las cuales
obtendremos en ltima instancia a nuestros sujetos adultos. (o primero entonces
es determinar $-u!ntas cuadras necesitaremos muestrear, de una poblaci%n de
una poblaci%n total de < FFF cuadras, si queremos que nuestro error est!ndar sea
no mayor de F.=< y con una probabilidad de ocurrencia del <F G '.
9enemos entonces que para una muestra probabilstica
simple.
(N)
1ecesitaremos una muestra de DFD cuadras de ciudad Z para estimar los valores
de la poblaci%n con una probabilidad de error menor a F.= .
Sabemos que la poblaci%n 1 ^ < FFF cuadras de la ciudad, est! dividida por
previos estudios de acuerdo a @ estratos socioecon%micos , que categori*ar las <
FFF cuadras segn el ingreso mensual promedio de sus "abitantes de manera que
se distribuyen como sigue .
Estrato 1mero de cuadras
= >OF
> =D@F
7 >FFF
@ ODF
9 ^ < FFF
Estrati&icaci%n de la muestra.

$ -%mo distribuiremos los DFD elementos muestrales de , para optimi*ar nuestra
muestra , de acuerdo a la distribuci%n de la poblaci%n en los @ estratos
socioecon%micos'.
Estrato No. de cuadras f8 = E.?F?F
= >OF (F.=E=E ) <F
> =D@F (F.=E=E ) 7<7
7 >FFF (F.=E=E ) 7N7
@ ODF (F.=E=E ) =@7
1 ^ <FFF n ^ DFD
9enemos que en principio, de <FFF cuadras de la ciudad se seleccionar!n <F del
estrato =, <<7 del estrato >, 7N7 del estrato 7 y =@7 del estrato @. Esta comprende
la selecci%n de los conglomerados, los cuales se pueden numerar y elegir
aleatoriamente "asta completar el nmero de cada estrato. En una ltima etapa se
seleccionan a los sujetos dentro de cada conglomerado. Este procedimiento
tambin se "ace de manera aleatoria, "asta lograr un nmero de sujetos
determinados en cada conglomerado.
Estrato Nh cuadras N8 n>mero de
8o/ares G
sujeto en
cada cuadra
$otal de
8o/ares por
estrato
= >OF <F >F =FFF
> =D@F 7<7 >F OFNF
7 >FFF 7N7 >F O>>F
@ ODF =@7 >F >ENF
1 ^ <FFF n ^ DFD ==E@F
1ota. El procedimiento para reali*ar el muestreo en cada conglomerado se "ace
de &orma aleatoria utili*ando la tabla de nmeros aleatorios o mediante )icroso&t
E,cel tal como se e,plico en el ejemplo ;?.?<
FUENTE: http://www.monogra!ias.com/traba"os1$/muestam/muestam.shtml
EL PLAN DE CONTROL 7CONTROL PLAN8 GRA"ICOS DE
VARIABLES
+n gr!&ico de control es una carta o diagrama especialmente preparado donde se van anotando los
valores sucesivos de la caracterstica de calidad que se est! controlando. (os datos se registran
durante el &uncionamiento del proceso de &abricaci%n y a medida que se obtienen.
El gr!&ico de control tiene una "7nea Central que representa el promedio "ist%rico de la
caracterstica que se est! controlando y "7mites ,uperior e #nferior que tambin se calculan con
datos "ist%ricos.
Por ejemplo, si las =< ltimas mediciones &ueron las siguientes.
Entonces tendramos un 2r!&ico de -ontrol como este (Cmagen 7>).
E,isten di&erentes tipos de 2r!&icos de -ontrol. 2r!&icos Z3?, 2r!&icos -, 2r!&icos np, 2r!&icos
-usum, y otros. -uando se mide una caracterstica de calidad que es una variable continua se
utili*an en general los 2r!&icos Z3?. Estos en realidad son dos gr!&icos que se utili*an juntos, el de
C (promedio del subgrupo) y el de ) (rango del subgrupo). En este caso se toman muestras de
varias pie*as, por ejemplo < y esto es un subgrupo. En cada subgrupo se calcula el promedio C y
el rango ) (6i&erencia entre el m!,imo y el mnimo).
/ continuaci%n podemos observar un tpico gr!&ico de Z (Cmagen 77). # lo que
sigue es un gr!&ico de ? (Cmagen 7@).
El gr!&ico de Z permite controlar la variabilidad entre los sucesivos subgrupos y el de ? permite
controlar la variabilidad dentro de cada subgrupo.
7@!Q6: %
C)/2E1 7>
C)/2E1 77
C)/2E1 7@
FUENTE: http://www.gestiopolis.com/recursos/documentos/!ulldocs/ger1/ctabud.htm
El grfco RM= nos ayuda a conocer si nuestro proceso se encuentra
dentro de las especifcaciones. %a medicin de las variables y de los
rangos de estas nos indican si nuestro proceso es constante o no. Di !ay
una gran variacion en nuestros valores signifca que el proceso esta
fuera de contro o en otras palabras que eIisten variables asignables o
atribuibles que estan ocasionando una variacin.
Pro"eso #e Implanta"in #el ,r*+"o - . R

+. )efnir caracterstica de calidad ;*ariable<. Deleccin de la
caracterstica que se deba controlar# longitud rea dureza etc.
-. &ontolar condiciones de proceso. Eliminar todas las variables
asignables o atribuibles.
.. 3oma de muestras y tama1o de muestra. 3omar S muestras deben
ser ms de -5 muestras ;SLK -5< el tama1o de muestra es el nmero
de piezas que se van a tomar en cada muestra ;n<. El tama1o ms
efectivo que se se !a determinado en diversas aplicaciones industriales
!a sido el de 5 unidadesJ pero puede variar de - a +9 unidades. El
tama1o de todas las muestras debe ser constante.
%as muestras deben tomarse a intervalos regulares de tiempo y se van
registrando los datos de cada una en el mismo orden en que sean
seleccionadas y medidas.
0. &alcul del valor promedio y de la amplitud de la muestra. &lculo
de los promedios R y del rango de las muestras =.


5. &alcul de R y =





@. Establecer los lmites de control
%mite superior de &ontrol ;%D&< %mite &entral de &ontrol ;%&&< y
lmite ,nferior de &ontrol ;%,&<

%mites para la grfca R


%mites para la grfca =

8. :rafcar
7. 4nalizar los datos y modifcar los lmites en caso de que !aya
puntos fuera de los lmites. 4nalizar los promedios y las amplitudes de
cada muestra con relacin a los lmites de cotrol. 4"ustar los lmites
eliminando los puntos que se encuentran fuera de los lmites y volviendo
a calcular estos ltimos.
A. &alcular la capacidad del proceso
+9. &omparar el proceso con los lmites de especifcaciones. 4nalizar
los datos para ver si no eIiste un punto fuera de los lmites de control y
revisar si eIisten variables asignables o atribuibles en el proceso.

FUENTE: http://www.geocities.com/calidad,cep/xr.htm
Un proceso de fabricacin es un conjunto de equipos,
materiales, personas y mtodos de trabajo que genera
un producto fabricado.
Para analizar el comportamiento del proceso, se toman
muestras de producto fabricado y se realizan ensayos
para determinar el valor de una caracterstica de
calidad seleccionada previamente. Desde el punto de
vista del control estadstico, es conveniente incluir
la etapa de muestreo y ensayo dentro del proceso
mismo.
Cualquier modificacin en las condiciones del proceso
(Modificacin en el equipo, cambio de materias primas,
etc.) conceptualmente debe considerarse como que se
trata de otro proceso, diferente del anterior.
El primer paso para aplicar una tcnica estadstica es
definir la caracterstica de calidad que se va a medir
en el producto fabricado. Desde el punto de vista
estadstico, esta caracterstica de calidad constituye
una variable aleatoria, porque an despus de realizar
una serie de mediciones, el valor que se obtendra en
la siguiente medicin no puede predecirse por clculo.
El conjunto de todos los resultados de mediciones que
pueden obtenerse es nuestro universo o poblacin.
Cualquier subconjunto de mediciones extrado del
universo constituye una muestra. Con respecto al
concepto de universo o poblacin, cuando se aplica a
resultados de mediciones en un proceso, es necesario
puntualizar lo siguiente: La poblacin o universo de
resultados es el conjunto de datos que se obtuvieron
hasta ese momento mas aquellos que se obtendran si el
proceso continuara funcionando siempre bajo las mismas
condiciones. Esto se conoce como Universo Hipottico
de mediciones de la caracterstica de calidad.
Antes de aplicar cualquier tcnica estadstica, es
necesario establecer algunas hiptesis bajo las cuales
se va a desarrollar el anlisis. En primer lugar,
vamos a suponer que la caracterstica de calidad
(Variable aleatoria) es continua y de distribucin
normal. En segundo lugar, consideraremos que el
proceso est bajo control estadstico, es decir que la
variabilidad se debe solamente a un sistema constante
de causas aleatorias (No intervienen causas
asignables).
Al realizar una sucesin de mediciones de la
caracterstica de calidad sobre muestras del producto
fabricado, encontramos que los valores fluctan
alrededor de un valor central. Esto es lo que llamamos
la fluctuacin natural y esperable del proceso. Esta
variacin de la caracterstica de calidad medida se
debe a un conjunto muy grande de causas que afectan el
proceso, cuyo efecto individual es pequeo y que
actan en forma aleatoria (Sistema constante de causas
aleatorias). La fluctuacin natural del proceso es
inherente al mismo y no puede eliminarse, slo puede
reducirse realizando modificaciones al proceso mismo,
lo cual significa, como ya hemos dicho, trabajar con
otro proceso. La fluctuacin natural de un proceso
puede cuantificarse a travs de la desviacin standard
del mismo, con la cual podemos calcular Lmites de
Tolerancia Natural del proceso. Se debe insistir en
que estos lmites no pueden fijarse voluntariamente,
dependen del proceso y de las variables no
controlables del mismo. Generalmente se toma un rango
para la fluctuacin natural de 6 sigmas.
Los Lmites de Especificacin de un producto son
fijados voluntariamente por el cliente, por el
fabricante o por alguna norma. Estos lmites
constituyen un requisito a cumplir por el producto y
no deben confundirse en ningn caso con los Lmites de
Control o con los Lmites de Tolerancia Natural del
proceso.
La Capacidad de un proceso es la aptitud para generar
un producto que cumpla con determinadas
especificaciones. En el mejor de los casos, es
conveniente que los Lmites de Tolerancia Natural del
proceso se encuentren dentro de los Lmites de
Especificacin del producto. De esta manera nos
aseguramos que toda la produccin cumplir con las
especificaciones.
Para analizar la capacidad del proceso se puede
utilizar un histograma de frecuencias. Si se
dispusiera de todos los datos del universo para la
caracterstica de calidad medida y se hiciera un
histograma este permitira tener una idea exacta de la
fluctuacin natural del proceso. Como esto es
imposible, es necesario tomar un cierto nmero de
mediciones (Mnimo 100-200) y efectuar con ellas un
histograma de frecuencias.
Este es el histograma de una muestra y por lo tanto es
slo una estimacin del verdadero histograma del
universo. Si representamos en las abscisas los Lmites
de Especificacin del producto, podemos ver
grficamente si el proceso tiene aptitud (Capacidad)
para fabricar dicho producto.
Para cuantificar la Capacidad de Proceso se utilizan
coeficientes que permiten comparar el rango de
especificaciones con la fluctuacin natural del
proceso. Uno de ellos es Cp:
donde
LSE es el Lmite Superior de Especificacin
y
LIE es el Lmite Inferior de Especificacin
Si el proceso tiene capacidad para fabricar el
producto, entonces Cp > 1. En general se exige Cp >
1.30 para mayor seguridad.
Este coeficiente tiene el inconveniente de que para
poder aplicarlo el centro de gravedad del rango de
especificaciones debe coincidir con la tendencia
central de las mediciones del proceso. Cuando esto no
ocurre se emplea el Cpk:
Donde:
En el grfico podemos observar que una buena parte del
producto est por encima del Lmite Superior de
Especificacin (LSE). An as resulta Cp > 1,
indicando errneamente que el proceso tiene capacidad
suficiente. En este caso se debe usar el segundo
coeficiente que muestra claramente que el proceso no
tiene capacidad suficiente (Cpk < 1), tal como se
puede observar en el grfico.
El uso de un histograma para analizar la capacidad de
un proceso tiene la ventaja de que se puede apreciar
la forma de la distribucin, con lo cual se puede
confirmar o rechazar la hiptesis de que la misma es
normal. Pero el problema es que no se puede detectar
la presencia de patrones no aleatorios, con lo cual no
es posible confirmar o rechazar la hiptesis de que el
proceso est bajo control estadstico. Si el proceso
no est bajo control estadstico los resultados del
anlisis de la capacidad de proceso no sern vlidos y
pueden llevar a conclusiones equivocadas.
Otra manera de analizar la capacidad de un proceso es
por medio de los grficos de control. La
implementacin de grficos de control exige
necesariamente colocar al proceso bajo control
estadstico. En consecuencia, se puede utilizar la
desviacin standard utilizada para calcular los
Lmites de Control para calcular los coeficientes de
capacidad de proceso Cp o Cpk. Si este es el caso, se
debe hacer una aclaracin muy importante. Cuando se
utilizan grficos X-R, en el grfico de X se
representan los promedios de subgrupos, es decir,
promedios muestrales. No se debe confundir la
desviacin standard del proceso con la desviacin
standard de los promedios muestrales. Si la desviacin
standard del proceso es s y cada subgrupo tiene m
mediciones, la desviacin standard entre subgrupos es:
Si se utiliza por error la desviacin standard entre
subgrupos para calcular los coeficientes de capacidad
del proceso, se obtendrn valores ms altos que los
que corresponden a la verdadera capacidad del proceso.
FUENTE: http://www.calidad.com.ar/controe1$.html
GRA"ICOS DE ATRIBUTOS
QR!E7/* P
El grfco B sirve para detectar artculos defectuosos cuando se estan
analizando variables por atributos nos proporcionar la fraccin o
porcenta"e de artculos defectuosos en la poblacin que se encuentra
ba"o estudio.


/os pasos para o0tener el gr*+"o P
+. )efnir la caracterstica de calidad ;atributo< que se desea analizar.
Clor sabor medida especfca etc. %o tiene o no lo tiene.
-. &ontrolar las condiciones del proceso. Eliminar las variables
asignables o atribuibles del proceso.
.. 3omar un nmero S de muestras. El tama1o de la muestra debe de
ser variable es decir las muestras no son del mismo tama1o. El nmero
de muestras no debe ser menor a -9 y cada muestra debe tener por lo
menos 59 elementos.
0. 3abular resultados de acuerdo a la siguiente tabla#


>mero
de
muestra
3ama1o
de
muestr
a ;n<
>mero de
productos
defectuoso
s ;np<
/raccin de
defectuoso
s ; p <
pK npOp
+ n+ np+ p+
- n- np- p-
.... .... .... ....
T nT npT pT


5. &lculo de .4 continuacin se calcula la media ;promedio< del
tama1o de las T muestras.


@. De genera un rango alrededor de la media de U-9?.
a< Di todas las muestras se encuentran dentro de este rango
continuamos con el paso 8
b< Di solamente una de las muestras no se encuentra dentro de
este rango dic!a muestra se elimina y se vuelve al paso nmero 5
c< Di ms de una muestra se encuentra fuera del rango establecido
entonces a partir del paso. 8 todo se !ar de manera independiente
para cada muestra.
8. &lculo de los valores promedio. Bosteriormente se calcula la
media ;promedio< de la fraccin de defectuosos ;p<.




7. &lculo del los lmites de control del proceso. El siguiente paso es el
clculo de los lmites de control de nuestro proceso.
)ado que se est realizando el anlisis de los atributos ; se tiene o no se
tiene< se utiliza una distribucin binomial para calcular los lmites de
control. %os cuales estan dados por#
%mite superior de &ontrol ;%D&< %mite &entral de &ontrol ;%&&< y
lmite ,nferior de &ontrol ;%,&<



A. :rafcar. 4 continuacin se realiza la grfca en la cual se marcan
los lmites de control y en relacin a ellos se grafca el nmero de
defectuosos de cada una de las muestras.
+9. &omparar el proceso con los lmites de especifcaciones. Cbservar
el comportamiento del proceso de acuerdo con la grfca y sacar
conclusiones.
FUENTE: http://www.geocities.com/calidad,cep/p.htm
QR!E7/* :P
El grfco np sirve para detectar la fraccin de artculos defectuosos
cuando se estan analizando variables por atributos nos proporcionar la
fraccin o porcenta"e de artculos defectuosos en la poblacin que se
encuentra ba"o estudio.


/os pasos para o0tener el gr*+"o np
+. )efnir la caracterstica de calidad ;atributo< que se desea analizar.
-. &ontrolar las condiciones del proceso. Eliminar todas las variables
asignables o atribuibles del proceso.
.. 3omar un nmero S de muestras. %as muestras deben de ser de
tama1o constante es decir todas las muestras son del mismo tama1o. El
nmero de muestras no debe ser menor a -9 y cada muestra debe
tener por lo menos 59 elementos.
0. 3abular resultados de acuerdo a la siguiente tabla


>mero
de
muestra
3ama1o
de
muestr
a ;n<
>mero de
productos
defectuoso
s ;np<
/raccin de
defectuoso
s ; p <
pK npOp
+ n np+ p+
- n np- p-
.... .... .... ....
T n npT pT


5. &lculo de

Bosteriormente se calcula la media ;promedio< del nmero de
artculos defectuosos de todas las muestras.



@. &lculo de los %mites de &ontrol del Broceso.
)ado que se est realizando el anlisis de los atributos ; se tiene o no se
tiene< se utiliza una distribucin binomial para calcular los lmites de
control. %os cuales estan dados por#
%mite superior de &ontrol ;%D&< %mite &entral de &ontrol ;%&&<
y lmite ,nferior de &ontrol ;%,&<



A. :rafcar. 4 continuacin se realiza la grfca en la cual se marcan
los lmites de control y en relacin a ellos se grafca el nmero de
defectuosos de cada una de las muestras.
+9. &omparar el proceso con los lmites de especifcaciones. Cbservar
el comportamiento del proceso de acuerdo con la grfca y sacar
conclusiones.

FUENTE: http://www.geocities.com/calidad,cep/np.htm
El grVafco de control para el nVumero de defectos por unidad de
inspecciVon o grVafco u
tambiVen es utilizado para controlar el nVumero de defectos que genera
el proceso. El grVafco
u se diferencia del grVafco c en que el tamaWno muestral no es
necesariamente constante y
en que el estadVXstico a representar es el nVumero de defectos por
unidad muestreada u en
vez de la cantidad total de defectos en la muestra.
Utilizando la aproIimaciVon a la normal de la variable de Boisson y que ui
K Ci=ni
donde ci es el nVumero medio de defectos en una muestra de tamaWno ni
cuando el proceso
estVa ba"o control.
Di llamamos p al nVumero de defectos por unidad inspeccionada que
genera el proceso
cuando Veste estVa ba"o control se tiene que ci K ni p con lo que la
ecuaciVon anterior puede
eIpresarse
4sVX si p es conocido el grVafco u tendrVa los siguientes lVXmites de
control
Di p es desconocido la estimaciVon del nVumero de defectos por unidad
inspeccionada es
y los lVXmites de control serVan
E"emplo. En una fVabrica de te"idos se inspeccionan telas teWnidas para
detectar los
defectos en 59 metros cuadrados. %os datos para diez rollos de tela se
presentan en la
tabla 0.
%a lVXnea central del grVafco u debe ser el nVumero de defectos por
unidad de inspecciVon
es decir el nVumero de defectos por 59 metros cuadrados estimada
mediante
4sVX los lVXmites de control quedarVXan con k K .
2initab. Brocedimiento Stat / Control Charts / U . . .
E"emplo. Fichero telas.mt
FUENTE: http://www.una&arra.es/estadistica/./0E/1.2../gra!,cont,3.pd!
Grficos C y U
En algunos procesos interesa medir la cantidad de
defectos que presentan las unidades de producto que se
estn fabricando. Por ejemplo, se fabrican telfonos
celulares y entonces se toma uno de ellos y se cuenta
el nmero total de defectos. Estos podran ser:
Rayaduras en la superficie.
Rajaduras en el plstico
Antena defectuosa
Botn defectuoso.
Etc.
Los defectos pueden ser de diferentes tipos y se
cuenta el total de todos estos defectos en la unidad
inspeccionada. Obtenemos un resultado que es el Nmero
de Defectos por unidad de inspeccin.
A medida que el proceso genera las unidades (Telfonos
celulares), retiramos una unidad a intervalos
regulares y contamos el nmero total de defectos. En
cada unidad podemos encontrar:
0 defectos
1 defecto
2 defectos
3 defectos
...
n defectos
Los resultados que obtenemos al contar el Nmero de
Defectos en unidades de inspeccin retiradas a
intervalos regulares constituyen una variable
aleatoria discreta, porque puede tomar valores 0, 1,
2, 3, ... n.
Esta variable aleatoria tiene una distribucin de
Poisson:
Los grficos C se utilizan para controlar el nmero de
defectos en una muestra del producto o unidad de
inspeccin. Entonces, para controlar este proceso, un
inspector se coloca al final de la lnea de produccin
y cada hora retira una unidad de inspeccin (En este
caso un telfono celular), verifica y anota el nmero
total de defectos.
Este resultado se anota en un grfico hora por hora y
se denomina grfico C. De acuerdo a la Distribucin de
Poisson, si denominamos C al parmetro de la funcin
de distribucin, el promedio de la poblacin es C y la
varianza tambin es C.
Para construir los grficos de control C, en una
primera etapa se toman N unidades de inspeccin (ms
de 25 30) a intervalos regulares. Se cuenta en cada
unidad de inspeccin el Nmero de Defectos y se
registra. Se obtendra una Tabla como la siguiente:
Fnidad de
7nspeccin
:;m.
Defectos
%
" "
% )
) 5
H
I
J H
L "
1 1
1 1
Entonces, a partir de la tabla podemos calcular C como
promedio del Nmero de Defectos en las muestras
(Unidades de Inspeccin):
n
i
Cantidad de Defectos por Unidad de Inspeccin
N Nmero de Unidades de Inspeccin
y luego la Desviacin Standard:
Con esto podemos calcular los Lmites de Control para
el grfico C:
En caso de que el Lmite Inferior de Control resulte
negativo, se le asigna valor cero. Construmos
entonces un Grfico C de prueba y representamos el
nmero de defectos en las muestras:
Si no hay puntos fuera de los lmites de control y no
se encuentran patrones no aleatorios, se adoptan los
lmites calculados para controlar la produccin
futura.
Otro ejemplo sera controlar el nmero de defectos a
la salida de una lnea de ensamblado de licuadoras. De
igual manera podra ser una lnea de ensamblado de
computadoras personales, cafeteras automticas,
televisores, etc.
Cuando se fabrican pinturas y barnices, un ensayo muy
comn es hacer un extendido sobre una placa de vidrio,
dejar secar el producto y luego inspeccionar los
defectos en la superficie. Se pueden aplicar los
grficos C para controlar este tipo de procesos,
contando el nmero de defectos sobre la superficie del
recubrimiento.
En la industria textil tambin es necesario controlar
defectos superficiales en las telas. Se pueden aplicar
los grficos C para controlar el nmero de defectos
sobre la superficie de un rea rectangular de tela.
Muchas veces ocurre que las unidades que produce el
proceso presentan una tasa de defectos muy baja. Por
ejemplo, supongamos un proceso automatizado que
fabrica tarjetas de sonido. A la salida del mismo se
inspecciona una tarjeta a intervalos de media hora y
se cuenta el nmero de defectos. El resultado
seguramente ser algo como esto:
+arjeta :;m.
Defectos
5
" 5
% 5
) 5
H 5
I
J 5
L 5
etc 1
Esto se debe a que la fabricacin se realiza por medio
de un proceso totalmente automatizado donde ocurren
pocos errores. Por lo tanto, el promedio de defectos
ser cercano a cero y el Lmite Inferior de Control
seguramente ser negativo. Para evitar esto, es
conveniente redefinir la Unidad de Inspeccin. Por
ejemplo, se puede tomar como unidad de inspeccin la
cantidad de 100 tarjetas de sonido. Es decir, cada
media hora se retiran del proceso 100 tarjetas y se
cuentan los defectos del total de las mismas. De esta
manera la cantidad de defectos promedio por unidad de
inspeccin ser mas alta. Y es posible tambin que el
LIC sea mayor que cero.
Supongamos que se est controlando el nmero de
defectos en un proceso de ensamblado de licuadoras y
se define una unidad de inspeccin de 5 licuadoras. En
este caso es posible trabajar con un grfico C, como
ya hemos visto. Pero tal vez se desea controlar el
promedio de defectos por cada licuadora (unidad de
produccin) en lugar de el total de defectos para las
5 licuadoras (unidad de inspeccin):
n
i
Cantidad de Defectos por Unidad de Inspeccin
m Nm. de Unidades de Produccin en la Unidad de
Inspeccin
En nuestro ejemplo, si encontramos n
i
defectos en la
unidad de inspeccin (5 licuadoras), la cantidad
promedio de defectos por licuadora ser:
Se debe tener en cuenta que x es una nueva variable
aleatoria discreta que toma valores 0, 1/m, 2/m, 3/m,
4/m, .....etc., y cuya distribucin de probabilidades
se puede calcular a partir de la Distribucin de
Poisson.
Como en el caso de los grficos C, en una primera
etapa se toman N unidades de inspeccin (ms de 25
30) a intervalos regulares. Se cuenta en cada unidad
de inspeccin el Nmero de Defectos y se registra.
Luego se divide el Nmero de Defectos de cada unidad
de inspeccin por m (Nmero de unidades de produccin
en cada unidad de inspeccin).
En nuestro ejemplo (m = 5) la Tabla quedara as:
Fnidad de
7nspeccin
:;m.
Defectos
:;m.
Defectos por
,icuadora
H .5
" L .I
% I ."
) 5 ".5
H H .5
I H %.5
J " ".)
L H .5
1 1 1
1 1 1
Entonces, a partir de la tabla podemos calcular el
parmetro U como promedio del Nmero de Defectos por
licuadora:
n
i
Cantidad de Defectos por Unidad de Inspeccin
m Nm. de Unid. de Produccin en la Unidad de
Inspeccin
N Nmero de Unidades de Inspeccin
y luego la Desviacin Standard:
Con esto podemos calcular los Lmites de Control para
el grfico U:
FUENTE: http://www.calidad.com.ar/controe11.html
UNIDAD 9: TEORIA GENERAL DE LA
CALIDAD Y HERRAMIENTAS BASICAS.
CONCEPTOS BASICOS DEL MUESTREO
NIVEL E !"LI" "!E#$"%LE &"!E#$"%LE '("LI$) LEVEL* "'L+
"'L E, EL #-.!EN$"/E 012I0- E E3E!$-, - IN!(0#LI0IEN$-, '(E #(EE
,E. !-N,IE."- ,"$I,3"!$-.I- !-0- 0EI" EN EL #.-!E,-
EV"L("-. L'L E, (N NIVEL IN"!E#$"%LE* EL L40I$E '(E E3INE (N"
!"LI" !L"."0EN$E IN,"$I,3"!$-.I".
(N" !L"." $."(!!I5N EL !-N!E#$- E "'L E, L" EL E,$1N". '(E
'(E.E0-, #"." EL INI!"-. " 0-NI$-.I6".* ) #"." EL L'L EL E
(0%."L #"." E,E INI!"-. '(E !-N,IE."0-, E3INI$IV"0EN$E
#.-%LE01$I!- ) '(E E%E LLEV".N-, NE!E,".I"0EN$E " EV"L(". E
IN$E.VENI.
7
.
EN N(E,$.- E,$(I-* ) $ENIEN- EN !(EN$" N(E,$.-, #.-#I-,
.E,(L$"-, E 0-NI$-.I6"!I-NE, #.EVI",* !-N,IE."0-, '(E EL
NIVEL E !"LI" "!E#$"%LE E%4" LLE8". "L 9:; ) EL NIVEL E
!"LI" LI0I$"N$E E%4" ,E. EL <:;.
"E01, E $ENE. EN !(EN$" E,$-, 4NI!E, E !"LI"* EL N=0E.- E
E!I,I5N ,E E,!-8E E 0"NE." '(E L" #.-%"%ILI" &.IE,8-+ E
.E!>"6". L-$E, ?%(EN-,@ &E, E!I.* .E!>"6". L-$E, '(E EN
.E"LI" $EN8"N EL NIVEL E !"LI" E,E"-A .IE,8- "L3"+ ) E
"!E#$". L-$E, ?0"L-,@ &.IE,8- %E$"+ E,$BN " (N NIVEL !-NVENIEN$E
) #.EE$E.0IN"-.
FUENTE: http://www.um.es/eglobal/4/)4d)1.html
PLAN DE MUESTREO DE ACEPTACION POR ATRIBUTOS
EN$.- EL -%/E$IV- 8ENE."L E L" 0E/-." !-N$IN(" E L" !"LI"* L",
IVE.,", "!$IVI"E, " .E"LI6". ,E #(EEN "8.(#". ,E8=N ,(,
$.E, #.IN!I#"LE, #(N$-, E #".$I" EN $-.N- " L-, '(E #(EE
3(N!I-N". (N #.-8."0" E !"LI"A L" IEN$I3I!"!I5N E
-#-.$(NI"E, E 0E/-."* L" EL"%-."!I5N E INI!"-.E, ) ,(
0-NI$-.I6"!I5N ) EL I,EC- E N(EV-, ,E.VI!I-,.
",4* L" 0-NI$-.I6"!I5N E INI!"-.E, E, (N" "!$IVI" !-N(!EN$E "
V"L-.". ,I E,$"0-, " (N-, NIVELE, #.EE,$"%LE!I-, E !"LI" )
#-E. E$E!$". L" E2I,$EN!I" E ,I$("!I-NE, #.-%LE01$I!",.
"!$("L0EN$E* L-, #.-3E,I-N"LE, E L" !"LI" E%EN "N"LI6". EL
!(0#LI0IEN$- E L-, INI!"-.E, 0EI"N$E L" ,ELE!!I5N* "
0EN(- E0#4.I!"* E !(1LE, E%EN ,E. 0-NI$-.I6"-,
,I,$E01$I!"0EN$E
D
.
L", EV"L("!I-NE, #E.I5I!", ,-%.E EL !(0#LI0IEN$- E INI!"-.E,
0EI"N$E 0B$--, E 0(E,$.E- $."I!I-N"LE,* -NE ,E #L"N$E"
L" -%$EN!I5N E E,$I0"!I-NE, #.E!I,",* E, (N" L"%-. '(E
.E'(IE.E E (N" I0#-.$"N$E !"N$I" E .E!(.,-, EN $B.0IN-,
E $IE0#- ) E,3(E.6-, E L-, #.-3E,I-N"LE,
E
.
E,8."!I""0EN$E* E 3-.0" >"%I$("L N- ,E I,#-NE E .E!(.,-, #"."
"N"LI6". EL #.-8.E,- E $--, L-, INI!"-.E, I,#-NI%LE, )"
'(E E,$" $".E" #.E!I," E,$(I-, !-N 0(E,$.", 8."NE,
F
.
E,$" LI0I$"!I5N 0E$--L58I!" #(EE ,E. ,(#E."" !-N "V"N!E, !-0-
EL 0(E,$.E- E "!E#$"!I5N #-. L-$E, &LOT QUALITY ACCEPTANCE
SAMPLING O LQAS+. E,$E 0B$--* '(E #.-!EE E L" IN(,$.I"* ,E
%"," EN EV"L(". (N" #E'(EC" #".$E E (N L-$E E (N
E$E.0IN"- #.-(!$- !-N EL 3IN E "!E#$". - .E!>"6". $-- EL
L-$E EN 3(N!I5N EL .E,(L$"-
7
.
!-0- >E0-, I!>-* EL LQAS ,E E,"..-LL5 EN L-, "C-, VEIN$E EN EL
10%I$- E L" IN(,$.I"* #E.- ,( ($ILI6"!I5N EN ,E.VI!I-, E ,"L(
E, .EL"$IV"0EN$E .E!IEN$E* "L I8("L '(E -$.", $B!NI!", !-0- L-,
8.13I!-, E !-N$.-L E0#LE"-, EN L" EV"L("!I5N E,$"4,$I!" E
#.-!E,-,. ,5L- " #".$I. E 0EI"-, E L-, -!>EN$" ,E N-$5 (N
IN$E.B, !.E!IEN$E #-. E,$", $B!NI!",* #E.- >" ,I- 0")-. L"
"#LI!"!I5N #.1!$I!" EN EL 1.E" E L" VI8IL"N!I" E#IE0I-L58I!"
'(E EN EL !",- E L" EV"L("!I5N E ,E.VI!I-, E ,"L( - EN EL E
L" 8E,$I5N E L" !"LI".
EL !-N$.-L E,$"4,$I!- E L" !"LI" #.E!I," E 0EI!I-NE,
3.E!(EN$E, #"." ,E. =$IL* 0IEN$.", '(E EL L'", ) -$.-, 0B$--,
E EV"L("!I5N .1#I" %","-, EN L" I,$.I%(!I5N %IN-0I"L #(EEN
,E. "#LI!"-, " #L"NE, E 0EI!I-NE, 01, E,#"!I"",.
" L" >-." E ($ILI6". EL LQAS E%E0-,* EN #.I0E. L(8".* !-N,IE.". ,I
L" ,I$("!I5N " EV"L(". !(0#LE L-, .E'(I,I$-, EN L-, '(E E,
"#LI!"%LE L" I,$.I%(!I5N %IN-0I"L
7
A
L- '(E ,E EV"L=" &L" V".I"%LE '(E 0IE EL INI!"-.+ $IENE
,5L- -, V"L-.E, #-,I%LE, &!(0#LEGN- !(0#LE+
!"" (N" E L", (NI"E, E E,$(I- &!",-, " EV"L(".+ E,
INE#ENIEN$E E L" -$."
EV"L("0-, EN (N" 0(E,$." "LE"$-.I" E ?N@ !",-,
L" #.-%"%ILI" 8ENE."L '(E E2I,$E E EN!-N$.". (N V"L-.
( -$.- &!(0#LEGN- !(0#LE+ E, L" 0I,0" #"." !"" (N- E L-,
!",-, E L" 0(E,$.". E,$" =L$I0" !-NI!I5N ,E !(0#LE
,IE0#.E '(E EL $"0"C- E L" 0(E,$."* N* ,E" IN3E.I-. "L DH;
EL (NIVE.,- - 0".!- 0(E,$."L E -NE L" >E0-,
E2$."4-.
E%E0-, (,". L" 35.0(L" E #.-%"%ILI"E, E L" I,$.I%(!I5N
%IN-0I"L* #"." !"L!(L". L" #.-%"%ILI" '(E N-, IN$E.E,"A
#E.- E,$E !1L!(L- N- E, #.E!I,- .E"LI6".L- ) ,5L- ,E #.E!I,"
EN$ENE. ) 0"NE/". (N", $"%L", )" !-N,$.(I", #"." 3I/". !(1L
E, EL N=0E.- 012I0- E IN!(0#LI0IEN$-, EL INI!"-. '(E E,
"!E#$"%LE EN (N" 0(E,$." E$E.0IN"" &) N-.0"L0EN$E #E'(EC"+
#"." "!E#$". " ,( VE6 (N E$E.0IN"- NIVEL E !(0#LI0IEN$- EL
INI!"-..
EN EL $."%"/- '(E ,E E2#-NE ,E >"N "#LI!"- $B!NI!", E !-N$.-L E
!"LI" IN(,$.I"L !-0- ,-N L-, LQAS* L-, !("LE, -3.E!EN L"
#-,I%ILI" E ($ILI6". 0(E,$.", #E'(EC",* .E#.E,EN$"N- (N
0B$-- E EV"L("!I5N "L$E.N"$IV- ) !-0#LE0EN$".I- " L-,
$."I!I-N"L0EN$E E0#LE"-, EN ,E.VI!I-, E ,"L(.
FUENTE: http://www.um.es/eglobal/4/)4d)1.html
Plan #e M!estreo Simple para Inspe""in Normal
De inspeccionan todas las unidades de la muestra correspondiente al plan elegido ;n<
Di el nmero de unidades defectuosas en la muestra es menor o igual al nmero de aceptacin
se aceptar el lote
Di el nmero de unidades defectuosas en la muestra es igual o mayor al nmero de rec!azo se
rec!azar el lote
FUENTE: http://www.estrucplan.com.ar/5roducciones/Entrega.asp6identrega7+38