UIA – 1er.

examen parcial de CEP Maestría en Ingeniería de Calidad

UIA

MAESTRÍA EN INGENIERÍA DE CALIDAD

CONTROL ESTADÍSTICO DEL PROCESO

1er. Examen Parcial 7 de mayo de 2004

Nombre: _________________________________________ Calif. ___

1. Explicar lo siguiente:
a. ¿Quién inventa y donde se desarrollan las cartas de control?
Las inventa Walter Shewart (doctor en física) en los laboratorios Bell Telephone, siendo miembro
del staff técnico. En 1924 propone a sus superiores los cuadros de control con el fin de detectar y
eliminar variaciones anormales.

b. ¿Cuáles son las causas especiales o asignables y cómo se reducen?

Causas que afectan un proceso de manera impredecible (fuera de lo esperado en una variabilidad
estable) provocadas por factores que pueden ser investigados y que son evitables; generalmente se
trata de errores en operación o materiales defectuosos (6 M’s).
La forma de reducirlas es con las personas cercanas al proceso, identificando las causas raíz
usando alguna de las herramientas estadísticas básicas (pareto, ishikawa, etc.) y estableciendo
soluciones (p.e. capacitación, checklists, mantenimientos preventivos, etc…).

c. ¿Cuáles son las causas comunes o normales y cómo se reducen?

Son las variaciones debidas al azar y que ocurren de manera natural en cualquier proceso, son
características del sistema trabajando tal y como está diseñado.
La forma de reducirlas tiene que ver con cambios de tecnología o de niveles de calidad de los
materiales. Se dice que requieren acciones de la dirección porque tiene que ver con inversiones o
uso de insumos más caros.

d. ¿Por qué se dice que el teorema del límite central es la base de las cartas de
control?
La distribución de probabilidad de las medias tiende a ser normal cuando el número de muestras
es grande para cualquier tipo de distribución de los datos de origen, y en caso de que provengan de
una distribución normal (caso común de las características de calidad) funciona aún para n = 4 ó 5.
El que este comportamiento de las medias sea normal es el supuesto para trazar una gráfica con un
valor central promedio (la media de medias) y esperar un 99.73% de datos dentro de tres
desviaciones estándar (o las que se desee) arriba y/o abajo de este valor central. La media de
medias es un estimador de la media del proceso, y la dispersión de las medias también guarda
relación con la dispersión de la variable medida.

e. ¿Cuál es el mecanismo por medio del cual las cartas de control previenen los
defectos y propician la mejora continua?
El operador la usa como una herramienta de fácil visualización para observar comportamientos
que anticipan un fuera de control (rachas, tendencias, adhesiones, periodicidad, etc); y en dado caso
para visualizar el “fuera de control” rápidamente y tomar acciones adecuadas. También, si la
variación es la esperada, el operador puede ver que está dentro de control y no tomará acciones
innecesarias. Para que esta herramienta sea efectiva se debe capacitar correctamente en la
interpretación y uso de las cartas. Con el tiempo y trabajando sobre las causas de variación se
observará cómo los límites de control se reducen (mejora continua), logrando mejor desempeño.

Página 1 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

2. Explicar brevemente el significado de los conceptos siguientes en relación

a los equipos de medición:
a. Error de repetibilidad
Se refiere al grado de exactitud inherente básica del instrumento.
b. Error de reproducibilidad
Se refiere a la variabilidad debida a diferentes operadores que utilizan el instrumento (o a
diferentes periodos de tiempo, diferentes condiciones en general)
c. Error de estabilidad
Variación debido a cuestiones ambientales.
d. Error de linealidad
Que no sigue directamente el valor real de la variable lineal; es la diferencia del valor leído en
relación al real.
e. Error de sesgo
Es la diferencia que existe entre el valor que indica un instrumento al medir un patrón (media
de varias mediciones repetidas bajo las mismas condiciones) y el valor verdadero de dicho
patrón.
f. Error de R&R
Es el error de Reproducibilidad y Repetibilidad, es decir el imputable a estos dos aspectos en
un sistema de medición creado para monitorear alguna variable. El error de R&R se debe
considerar para definir la capacidad real de medición de un sistema. El resto de la variación es
la variación de la parte medida.
g. ¿Qué cuidados y pasos se hacen para los estudios R&R?
Se tiene que hacer con los individuos que estarán normalmente usando el dispositivo. Se
usan 20 unidades que representen al menos un 80% de la variabilidad del proceso. Los
operadores harán 2 o 3 intentos de medición de la misma parte. En caso de que haya puntos
fuera de control en la carta de rangos, esa medición se tiene que repetir.
h. ¿Qué comportamiento debe tener la carta de medias?
Con 70% de los puntos fuera de control, que estarán indicando que el sistema es capaz de
discriminar entre diferentes unidades medidas.
i. ¿Qué comportamiento debe tener la carta de rangos?
Todos los puntos dentro de control, indicando que el operador no tiene problemas para medir
con el instrumento.
j. ¿Qué criterios en relación con la variación total o contra la tolerancia debe
cumplir el error R&R y cuando se seleccionan cada uno de estos?
Cuando se trata de liberación de producto terminado se debe observar especialmente el error
%R&R contra la tolerancia.
Cuando se trata de monitorear una variable para control del proceso se usa como criterio el %
de error R&R contra la variación total, y no debe ser mayor a un 10% (o hasta 30%
dependiendo de qué tan crítica es la variable) ya que nos interesa estar viendo mayormente la
variación de la parte.

3. Para una carta de control de Medias – Rangos X  R .

a) ¿Cómo se realiza su implantación para estabilizar el proceso? Considerar los
aspectos de la identificación de características críticas, entrenamiento, equipo de
medición, tamaño de muestra racional, frecuencia de inspección, codificación de
datos, bitácora.
- Definir la variable que se va a medir y la carta que conviene utilizar, teniendo claro que para
una carta X-R deberá tratarse de una variable aleatoria continua (con distribución normal si se
quiere extrapolar el valor de la media y la desv.est. como estimadores del proceso). Para esto se
pueden usar las herramientas estadísticas básicas (paretos, histogramas, Ishikawa). Una vez
justificada la necesidad de su medición, definir con qué sistema de medición se realizará. Debe
pensarse en la economía de la medición, la facilidad de muestrear, y la rapidez del análisis, por
ejemplo sería inconveniente establecer un análisis que dura 1 hora para un proceso que se quiere
muestrear cada 20 minutos.

Página 2 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

- Se debe ahora definir si la capacidad del sistema de medición es la adecuada como para
poder hacer las cartas y las mediciones diarias. Para esto se realiza un estudio de R&R. De aquí
se evidenciará la necesidad de ajustes o compra de instrumentos, capacitación, etc.
- Definir los subgrupos de medición y la frecuencia de muestreo. Normalmente irán de 2 a 10
unidades por subgrupo. La cantidad más apropiada depende de las características del proceso,
buscando que la variación normalmente esperada esté influyendo a cada subgrupo de igual
manera y, por el contrario, los subgrupos sean un poco más pequeños que donde se piensa que
habrá variaciones de causa asignable, para poder ver esos efectos. La información para
determinarlos se puede obtener del análisis anterior realizado para definir la variable y es
recomendable ensayar varios tamaños de subgrupo y frecuencias al inicio del estudio. De aquí se
obtiene la frecuencia de inspección y tamaño de subgrupo que se van a fijar para ese proceso.
- Diseño del formato. Se elabora un formato para registrar la información necesaria (turno,
máquina, operador, espacio para observaciones, espacio de la gráfica X y gráfica R, unidades de
las gráficas, etc…), de la manera más clara y sencilla (sin omitir los datos importantes).
- Toma de datos y cálculo de límites de prueba. Se obtienen los primeros 20 o 25 subgrupos
para calcular la media y los límites preliminares. Debe haber una bitácora de proceso donde quede
registro de todas las intervenciones no naturales sobre el proceso. En algunos casos se pueden
tomar menos valores, se pueden también trazar como guía inicial las especificaciones del proceso
(por ejemplo si se sabe que un equipo X trabaja a una temperatura de set point y) pero no quedan
como límites definitivos, éstos se calculan siempre de los datos colectados. No es conveniente usar
datos históricos. Se trazan los valores en la gráfica. Se define si el proceso está o no en control.
Los puntos fuera de control deben investigarse (bitácora) y tomarse acciones para prevenir tales
causas (documentadas y sistematizadas). Los datos pueden ahora eliminarse y recalcularse los
límites.
- Comparación con los estándares. Ya con un proceso bajo control se debe revisar si el
proceso tiene la capacidad y el centramiento deseados. De ser posible ajustar el centramiento
antes de establecer el uso de las cartas, y advertir de la capacidad del proceso entendiendo que su
mejoramiento ya depende de acciones a mediano plazo.
- Todo lo anterior debe ser responsabilidad de una persona con conocimientos estadísticos
más amplios y que tendrá la tarea de dar la capacitación a los operadores en el uso e
interpretación adecuados de las cartas. El responsable debe establecer el procedimiento (a nivel
de los usuarios) y describir las medidas temporales para emergencias (el usuario/operador debe
saber si puede parar la línea o qué hacer).
- Ahora los operadores toman la responsabilidad del monitoreo diario de la variable y el
responsable del programa deberá vigilar estrechamente hasta verificar que el plan se ha
implantado correctamente: el formato es útil, se entienden las instrucciones, se detectan los
cambios, etc.
- El plan requiere mantenimiento por parte del responsable, recálculo de límites cada vez que
se hace una modificación al proceso o cada lapso predeterminado (30 muestras, 3 turnos, según la
estabilidad del proceso), revisión de las bitácoras y de las gráficas para ver si los datos están
siendo llenados correctamente y que no se vean tendencias anormales (datos falseados p.e))

b) ¿Bajo qué condiciones el proceso está en control estadístico?

Ningún punto fuera de los límites de control, el 68% de los datos en 1 S alrededor del valor central,
ningún punto fuera de los límites de la carta de rangos, ninguna evidencia de corridas atípicas
(rachas, adhesiones, tendencias, saltos bruscos)

c) ¿Cuáles son los patrones en la carta que muestran que el proceso no está en
control estadístico?
 un punto fuera de control arriba o debajo de los límites
corridas atípicas:
 tendencias o rachas. 7 puntos seguidos hacia arriba o hacia abajo (o aún menos puntos si la
tendencia es muy drástica)

Página 3 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

 adhesiones. 7 puntos seguidos muy cerca de los límites superior o inferior. Si son pegados al
valor central son indicio de falseo de datos o de que el sistema de medición no está discriminando
variación entre partes.
 Periodicidad. 7 puntos seguidos con un patrón repetitivo hacia arriba y hacia abajo de la gráfica
 Cambio repentino de nivel. 3 puntos que aunque no estén fuera de control se vayan muy cerca
de los límites arriba y luego abajo o viceversa.

d) ¿En qué casos se deben recalcular los límites para uso futuro de las cartas de
control?
Cada 30 nuevos subgrupos o cada periodo predeterminado por ejemplo cada 3 turnos (si en el
turno salen más de 30 subgrupos) o cada semana, después de los paros de limpieza. También
cada vez que se hace una modificación del proceso por ejemplo: nuevos estándares de materiales,
nuevos tiempos de residencia, mantenimientos mayores, o en la eliminación de causas especiales.

Si se tiene una carta X  100; R  20; n  5.

e) ¿Cómo se determinan los límites de control para  3 X ? ¿Cómo se determinan
para  2.5 X ?
Datos: Para  3 sigma: LIM X  X  A2 R LSCX = 100+(.577)(20) = 111.5
X  100; R  20; n  5. LICX = 100-(.577.)(20) = 88.46
De tablas (n=5): LSCR = (2.115)(20) = 42.3
LSC R  D4 R ; LIC  D3 R LICR = (0)(20) = 0
A2 = 0.577
d2 = 2.326
d3 = 0.864 LSCX=100+[(2.5)(20)]/[(2.326)(n)]= 109.6
D4 = 2.115 Para  2.5 sigma: LSCX=100+[(2.5)(20)]/[(2.326)(n)]= 90.39
D3 =0 2.5 R LSCR =(20)(1+2.5(0.864/2.326)) = 38.6
LIM X  X  LICR =(20)(1-2.5(0.864/2.326)) = 1.4
d2 n

 d 
LIM R  R 1  2.5 3 
 d2 

f) ¿Qué sensibilidad tiene para detectar falsas alarmas error (  ) en  2.8 X y en

 2.5 X ?
De la distribución normal estándar, el área de las colas inferior y superior:
con sigma de 2.8 = 0.0026 +0.0026 = 0.0052 (error )
con sigma de 2.5 = 0.0062 +0.0062 = 0.0124 (error )
es más probable tener una falsa alarma usando límites 2.5 sigma

g) ¿Cuáles son la ventajas y desventajas de las cartas X  S ?

Ventaja que con n grandes (8-10) se tendrá mejor sensibilidad de la variabilidad usando S que
usando rangos, además n puede ser variable si se necesita. Desventajas: el concepto de desviación
estándar no es tan sencillo de comprender como los rangos; dependiendo del nivel educativo de los
operadores esto puede ser una desventaja. Otra desventaja es que sea muy caro aumentar el
tamaño del subgrupo (n).

h) ¿Mostrar con un ejemplo, cómo se calculan sus límites de control a  3 X para

n constante y  desconocida?
Ver el inciso e) de esta pregunta. La constante A2 nos da la relación que conservan los rangos
respecto a sigma. El valor de la constante se busca en tablas de acuerdo al tamaño de n. La
ecuación sencillamente suma a la media (o le resta) 3 veces el valor de la desviación estándar (/n),
cuando las mediciones no son rangos sino desviación estándar la relación con el parámetro
poblacional es =DE/C4

Página 4 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

i) ¿Cuáles son las ventajas y desventajas de las cartas X  R de lecturas

individuales?
Para algunos tipos de proceso o de mediciones de las cuales no se pueden sacar subgrupos, el
recurso disponible es la carta de lecturas individuales (por ejemplo si es una medición en línea de
alguna variable de proceso). Una desventaja sería que los límites se calculan directamente de los
estimadores poblacionales (no de las medias maestrales) y los rangos están correlacionados;
además se calculan con menos datos en general.

j) ¿Mostrar con un ejemplo, cómo se calculan sus límites de control para  3 ?.

1. Si se 2. Los rangos se 3. Los promedios se calculan
tienen las obtienen a partir del n in
siguientes n segundo valor: valor n  abs( x i  xi 1 )
lecturas x: absoluto de la resta con X  i 1
; R i2
el anterior: n n 1
10 -
11 1 Los límites se calculan exactamente con las mismas fórmulas
13 2 que las mostradas en el inciso e) para 3 sigma, todas con las
9 4 constantes de tablas para n = 2
9 0 A2= 1.88 , D4= 3.276, D3=0
12 3 LSCX = 10.9+(1.88)(1.89) = 14.45
13 1 LICX = 10.9-(1.88)(1.89) = 7.35
11 2 LSCR = (3.276)(1.89) = 6.2
12 X =10.9 1 R =1.89
LICR = (0)(20) = 0
9… 3…

4. Capacidad del proceso a partir de cartas de control.

a) ¿Qué condiciones deben reunirse antes de hacer un estudio de capacidad de
proceso?
Evidenciar que el proceso se encuentra bajo control y estable (68% de los datos a 1 sigma, sin
tendencias especiales, sin puntos fuera de control). Todas las causas especiales de variación
detectadas deben haber sido eliminadas (tener planes concretos para evitarlas).

b) Mostrar con un ejemplo, cómo se calcula la desviación estándar del proceso ,

a partir de las cartas X  R, X  S , X  R(individuales ) .
El rango de las muestras y la desviación estándar de subgrupos guarda una relación con la
desviación estándar del proceso ; se pueden utilizar las constantes ya calculadas de acuerdo al
tamaño de n para estimarla.
Ejemplo 1. Se tiene una carta de Ejemplo 2. Se tiene una carta de En el caso de X-R individuales de
medias y rangos con subgrupos medias y rangos con subgrupos extensión 2, n es de tamaño 2.
de n=5, Rmedia=40 de n=9, Smedia=40 Ejemplo 3. Se tiene una corrida de
datos individuales con MR=10
De tablas, para n=5, d2 = 2.326 De tablas, c4 = 0.9693 De tablas, para n=2, d2=1.128

ˆ  R  40  16.9 ˆ  S c  30 0.9693  30.95 ˆ  MR  10  8.87

d 2 2.326 4 d 1.128
2

Si se tiene una carta en control estadístico con X  100; R  20; n  5. Límites de

especificación LIE=80 y LSE=120.
c) ¿Cuáles son los límites de tolerancia natural superior e inferior entre los que se
encuentra la variación del proceso a  3 ?
De n=5, d2=2.326,
ˆ  R  20  8.6 LTNS  X  3  100  (3)(8.6)  125.8 ;
d 2 2.326
LTNI  X  3  100  (3)(8.6)  74.2

Página 5 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

d) ¿Cuál es la fracción defectiva que está fuera de los límites de especificación?.

Estandarizando Z inf y sup:
Zinf=(80-100)/8.6 = -2.3256, (Zinf)= 0.01002
Zsup=(120-100)/8.6 = 2.3256, 1-(Zsup)= 0.01002

Fracción defectiva total = 0.02004

e) ¿Cuál es el índice de capacidad potencial Cp y Cpm y el índice de capacidad

real Cpk y Cpkm?
Cp = (LSE-LIC)/6 = (120-80)/6(8.6) = 0.7752 = Cp
(V=(100-100)/8.6)=0) Cpm = Cp/(1+V2) = 0.775/((1+0)) = 0.775 = Cpm
Cpk: Cpsup=(100-80)/3(8.6) = Cpinf = 0.775 = Cpk
Cpkm=Cpk/(1+V2) = 0.775/(1+0) = 0.775 = Cpkm

5. En las cartas de control por atributos p y np.

a) ¿Cuándo se dice que un producto o servicio es: defectivo o defectuoso o malo o
no conforme?
Para aceptar por atributos se usa únicamente el criterio de pasa/no pasa, un producto que no
sirve para lo que fue diseñado es “defectuoso”, “no conforme” o “malo”.
Un producto “defectuoso”, “malo” o “no conforme” no es aceptable y puede presentar varios
defectos al mismo tiempo.
La fracción “defectiva” es la proporción de defectuosos en el lote.

Si n = 100, fracción defectiva media p  0.05 y proceso en control

estadístico
b) ¿Cómo se determinan los límites de control a  3 p ?
p (1  p ) 0.05(1  0.05)
LIM P  p  3  0.05  3
n 100
LSC = 0.1154;
LIC = -0.015 = 0

c) ¿Cómo se determina la capacidad potencial Cp en la carta p en control?

En esta carta se mide la fracción disconforme del proceso. Si se considera que la media de esta carta
es la fracción que sale de la especificación del proceso, podemos saber (aproximando el
comportamiento a una desviación estándar) a qué valor de Z corresponde esta p: Si p=0.0027,
tomando la zona inferior de la distribución normal estándar, p se distribuye en la cola superior y la
inferior, la Z a la que corresponde p=(0.0027)/(2) es -3, por lo tanto este proceso tiene un Cp de 1.

d) ¿Cómo quedaría la carta np a partir de los datos anteriores y que ventajas

tendría?
Línea central = np = (100)(0.05) = 5
LIM np  np  3 np (1  p )
LSC = 11.5 ;
LIC = -1.5 = 0
La ventaja es que es el número directo que el operador contabiliza, por lo cual le puede resultar más
sencillo interpretarla.

e) Mostrar con un ejemplo de carta p para tamaño de muestra variable. ¿Cómo se

calculan sus límites de control?
Cuando el subgrupo puede cambiar de tamaño en cada muestreo (n variable) se tiene que construir
una de las siguientes cartas:

Página 6 de 26
 UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

- Límites de control de anchura variable

- Límites de control basados en tamaño promedio de la muestra
- Carta estandarizada

Como ejemplo se va a calcular una carta de límites de anchura variable:

Considerar los datos de ni y Di de la siguiente tabla. Se procede a calcular la fracción

disconforme ^p y la desviación estándar usando el valor promedio de ~p pero el tamaño de n
corresponde a la ni de esa muestra i.

Fracc. Disconforme Desviación estándar

Tamaño de Número de muestral
LIC LSC
#muestra muestra disconformidades
Di p (1  p ) (0.099)(0.901 )
i
ni Di pˆ  ˆ p   pˆ 3ˆ p
 pˆ  3ˆ p
ni ni ni
1 100 12 0.12 0.030 0.01 0.189
2 80 8 0.1 0.033 0 0.200
3 80 6 0.075 0.033 0 0.200
4 100 9 0.09 0.030 0.01 0.189
5 110 10 0.091 0.029 0.014 0.185
6 100 12 0.109 0.030 0.01 0.189

La carta queda:

f) ¿Cómo se transforman a constantes estos límites de control?

Usando la carta de tamaño de muestra promedio donde simplemente se sustituye n i por npromedio. Para
el caso anterior:
nmedia= 570/6 =95;
 (es constante) = [(0.099)(0.901)/95] = 0.031,
LSC = 0.193,
LIC = 0.193

6. En las cartas de control por atributos c y u.

a) ¿Cuándo se dice que un producto o servicio tiene: defectos o no conformidades.
Dar un ejemplo de lo que es una unidad de inspección.
Un defecto o disconformidad es una característica no satisfactoria que presenta una unidad de
producto. Para un tipo de producto pueden existir más de una característica definida y por lo tanto
más de un defecto o disconformidad. Un artículo llamado disconforme tiene al menos un defecto,
pero no necesariamente estará rechazado. Depende de la gravedad o cantidad de defectos que
presente el producto podrá ser aceptable o defectuoso.
Una unidad de inspección es el elemento que se revisa que puede presentar todas las
disconformidades posibles con una oportunidad (probabilidad) de ocurrencia igual cada vez. Puede
tratarse simplemente de una unidad de producto o un grupo de 5, 10 o n productos; es una entidad
para la que convenga llevar registros. Por ejemplo un motor, 50 tornillos, 10 m de manguera.

Si c  10 defectos y el proceso está en control estadístico

Página 7 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

b) ¿Cómo se determinan los límites de control para las cartas c a  3 c ?

LSC  c  3 c  10  3 10  19.48 ; LIC  c  3 c  10  3 10  0.51

Si u  5 defectos por unidad, n = 5 y el proceso en control estadístico

c) ¿Cómo se determinan los límites de control para la carta u a  3 u ?
u 5 u 5
LSC  u  3  53 8 ; LIC  u  3  53 2
n 5 n 5

d) Dar un ejemplo de carta u para tamaño de muestra variable. ¿Cómo se calculan

los límites de control?
Considerar los datos de la tabla siguiente. Se inspeccionaron lotes completos para determinar la
carta de control del proceso de disconformidades por unidad. Se establece que la unidad sea 30 m
de manguera. La línea central de la carta deberá ser el número promedio de disconformidades por
unidad de inspección.

Núm. de Metros # total de # Unidades de # Disconf. Por LSC LIC

lote totales disconformidades nspección por lote unidad de inspec. u  3 u ni u  3 u ni
1 320 12 10.7 1.13 2.22 0.18
2 350 16 11.7 137 2.16 0.24
3 305 13 10.2 1.28 2.23 0.17
4 310 12 10.3 1.16 2.22 0.18
5 295 14 9.8 1.42 2.25 0.15
6 300 13 10 1.3 2.24 0.16
7 297 11 9.9 1.11 2.24 0.16
8 309 12 10.3 1.17 2.22 0.18
9 315 9 10.5 0.86 2.21 0.19
10 300 12 10 1.2 2.24 0.16
 124 103.37

u
disc
 124  1.2
 unid inspec 103.37
La carta queda:

e) ¿Cómo se transforman a constantes estos límites de control para n variable?

m
Utilizando n promedio n   ni m  103.37 10  10.337 Los límites quedan: LSC=2.22,
i 1
LIC=0.18

7. Explicar lo siguiente:

Página 8 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

a) ¿Cuál es la ventaja del control estadístico por variables?.

Las variables aleatorias continuas pueden ser monitoreadas con buena precisión (no solo definidas
como pasa/no pasa). Las variables monitoreadas nos permiten conocer el comportamiento del
proceso, si se presentan causas especiales, si las acciones tomadas reducen la variabilidad. El
control del proceso ahorrará dinero al evitar que un problema se presente (antes de fuera de control),
llegue hasta el final de la línea (o peor aún, hasta el cliente)

b) ¿Cuál es la ventaja del control estadístico por atributos?.

Los atributos no numéricos también pueden controlarse en un proceso, llevando esta información a
números y a cartas de control. Se puede conocer y monitorear la ocurrencia de defectos para
encontrar sus causas y trabajar sobre ellas. Se toman criterios concretos para vigilar la operación y
reaccionar cuando es necesario.

c) ¿Qué condiciones son necesarias para implantar el control estadístico?

Se necesita un responsable del programa con conocimiento de las bases estadísticas y el
facultamiento (y habilidad) para crear un grupo con gente que tenga el conocimiento sobre el
proceso. Se necesitan tener claros los objetivos para definir bien las variables que ameritan este
control y tener recursos asignados para analizar los procesos y desarrollar la implementación. Es
indispensable que se tenga apoyo de la gerencia, y que se dé capacitación a todos los niveles.
Generalmente debe formar parte de un esfuerzo global de calidad de la empresa (p.e. TQM) o se
enfrentará con muchos obstáculos con otras áreas.

d) ¿Para qué sirve un diagrama de Causa – Efecto y el diagrama de Pareto?

El diagrama causa efecto sirve para encontrar las causas raíz relacionadas con algún problema
definido. Ayuda a entender la relación entre causas y los factores que la afectan, y a clasificarlos.
El diagrama de Pareto sirve para identificar los “pocos vitales” (problemas o defectos) que provocan
la mayoría de las pérdidas, separándolos de los “muchos triviales” para poder enfocarse a la
solución de los primeros.

8. Una estación de FM es sintonizada un tiempo promedio de 15 minutos con una

desviación estándar de 3.5 minutos, ¿cuál es la probabilidad de que un radioyente
la sintonice:
a. Durante 20 minutos o más
 20  15 
p x  20  1  p x  20  1      0.0765
 3.5 
b. Menos de 16 minutos
 16  15 
p x  16      0.612
 3 .5 
c. Entre 10 y 12 minutos
 12  15   10  15 
p10  x  12         0.1957  0.0766  0.119
 3.5   3. 5 
d. Entre 14 y 17 minutos
 17  15   14  15 
p14  x  17         0.716  0.387  0.328
 3.5   3.5 
e. Menos de 8 minutos
 8  15 
p x  8      0.023
 3.5 
f. Entre 10 y 20 minutos
 20  15   10  15 
p10  x  20         0.923  0.077  0.847
 3.5   3.5 

Página 9 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

9. Una máquina expendedora de refresco se ajusta para servir 7 onzas de líquido

por vaso, si la desviación estándar es de 0.10 onzas. ¿Cuál es la probabilidad de que
la máquina sirva:
g. 7.25 onzas o más?
 7.5  7 
p x  7.25  1  p x  7.25  1      1  0.9938  0.006
 0.10 
h. Entre 7.1 y 7.25 onzas?
 7.2  7   7 .1  7 
p 7.1  x  7.2         0.994  0.841  0.152
 0. 10   0.10 
i. Entre 6.8 y 7.2 onzas?
 7.2  7   6.8  7 
p 6.8  x  7.2         0.977  0.023  0.954
 0.10   0.10 
j. Menos de 6 onzas?
67
p x  6    0
 0.10 
k. Entre 6.5 y 7.5 onzas?
 7.5  7   6.5  7 
p 6.5  x  7.5         1 0  1
 0.10   0.10 

10. Dibujar una carta de control p de fracción defectiva o fracción de productos

no conformes con los datos siguientes:

Dia m Muestra inspeccionada n Defectuosos encontrados Di

1 196 39
2 210 25
3 210 28
4 210 43
5 210 15
6 210 6
7 174 14
8 180 3
9 196 10
10 181 25
11 184 15
12 130 6
13 190 22
14 180 8
15 180 8
16 196 9
17 208 5
18 204 5
19 210 7
20 180 15
21 180 19
22 190 15
23 180 2
24 185 8
25 190 7
a. Dibujar una carta de control p con límites variables. ¿Está el proceso de
control estadístico?

Página 10 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

El proceso no está bajo control, hay puntos fuera de los límites

b. Asumir que se pueden identificar las causas asignables, eliminar los puntos
que salen de control y recalcular los límites de control
Se eliminaron los puntos 1, 3, 4, 10 y 23 que salen de los límites de la primera gráfica,
considerados causas asignables. Se recalcularon límites y volvieron a quedar puntos fuera (se
omite gráfica)

c. Repetir el paso b tantas veces como sea necesario hasta tener un proceso
estable.
Se eliminaron finalmente los puntos: 1, 2, 3, 4, 10, 13, 21 y 23

(se mantuvo la misma escala que la gráfica anterior pero se omitieron los puntos para mejor visualización)

d. Considerando el valor de la p media, ¿Es capaz el proceso para +- 3

desviaciones estándar, si no lo es, para cuantas desviaciones estándar
equivalentes es capaz el proceso?
De los datos: pmedia = 0.0491 (>0.0027), No es capaz para  3 desviaciones estándar.
De la distribución normal estándar Z (p: 0.0245) = -0.967. Es capaz para  0.967 desviaciones
estándar, esto es un Cp menor a 1.

e. Con estos mismos datos dibujar la carta p considerando el promedio de n.

Página 11 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

f. Dibujar la carta p con límites de control estandarizados en + - 3 graficando los

valores de Zi.

11. Dibujar una carta de control np de número de defectuosos o número de

productos no conformes, considerando un tamaño n de muestra constante de 200
piezas. Al inspeccionar m = 24 muestras se encontraron los siguientes productos
defectuosos en cada una respectivamente:
6, 6, 6, 5, 0, 0, 6, 14, 4, 0, 1, 8, 2, 4, 7, 1, 3, 1, 4, 0, 4, 15, 4, 1

Página 12 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

a) ¿Está el proceso en control estadístico?

No, hay 2 puntos fuera de control

b) Asumir que se pueden identificar las causas asignables, eliminar los puntos
que salen de control y recalcular los límites de control. Repetir tantas veces
como sea necesario hasta tener un proceso estable.
Se eliminaron los datos 8 y 22, y quedó dentro de control, aunque el dato 12 parece estar muy
cera del límite

c) Considerando el valor de la p media ¿Es capaz el proceso para +- 3

desviaciones estándar, o para cuántas desviaciones equivalentes es capaz el
proceso?
De los datos: pmedia = 0.01659 (>0.0027), No es capaz para  3 desviaciones estándar.
De la distribución normal estándar Z (p: 0.0083) = -2.39. Es capaz para  2.39 desviaciones
estándar, esto es un Cp menor a 1.

12. Dibujar una carta de control c para el número de defectos o no

conformidades encontradas en 25 radios (5 radios = 1 unidad de inspección)
respectivamente:70, 64, 81, 105, 40, 62, 53, 48, 82, 90, 110, 54, 88, 40, 21, 56, 91, 70,
65, 50, 28, 24, 60, 75, 25

Página 13 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

a) ¿Está el proceso en control estadístico?.

Todos los puntos están dentro de los límites, por lo tanto está dentro de control estadístico

b) Asumir que se pueden identificar las causas asignables, eliminar los puntos
que salen de control y recalcular los límites de control. Repetir tantas veces
como sea necesario hasta tener un proceso estable.
No se eliminaron valores

c) Considerando ahora que se toman 10 radios a un tiempo, ¿cuáles serían los

nuevos límites de control ampliados en este caso?

Carta anterior (n=1) Nueva carta (n=2)

Valor central (c) 12.41 = nc = 24.82
LSC 22.98 =nc + 3nc = 39.76
LIC 184 =nc – 3nc = 9.87

13. Dibujar una carta u para el número de defectos o no conformidades por

unidad utilizando los datos siguientes:
Día
Unidades inspeccionadas n Defectos encontrados Di
M
1 60 13
2 43 12
3 29 7
4 55 19
5 44 14
6 20 9
7 55 18
8 40 13
9 20 6
10 61 24
11 49 15
12 29 6
13 66 16
14 41 11
15 25 20
16 43 16
17 42 29
18 22 3
19 61 21
20 42 20
21 18 2
22 39 14
23 29 10
24 10 3

a) Dibujar una carta de control u con límites variables. ¿Está el proceso en

control estadístico?

Página 14 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

El proceso no está dentro de control, hay 2 puntos fuera de límites

b). Asumir que se pueden identificar las causas asignables, eliminar los puntos
que salen de control y recalcular los límites de control
Se eliminaron los puntos 15 y 17 considerándolos como causas asignables.

a) Repetir el paso b tantas veces como sea necesario hasta tener un proceso
estable.
No se repitió la operación (ver inciso b)

b) Con estos mismos datos dibujar la carta u considerando el promedio de n.

Página 15 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

c) .Dibujar la carta u con límites de control estandarizados en + - 3 graficando

los valores de Zi.

14. Dibuje una carta de Medias – Rangos X-R, con los siguientes datos
correspondientes a la vida promedio de focos en horas. Cada subgrupo evaluado
consta de n = 5 focos.
Subgrupo X -Media Rango
1 1080 420
2 1390 670
3 1460 180
4 1380 320
5 1090 70
6 1230 690
7 1370 950
8 1310 380
9 1630 1080
10 2120 350
11 1230 580
12 1600 680
13 2290 470
14 2050 270
15 1580 170
16 1510 670
17 1270 420
… 32 1170… 310…
a) Dibujar una carta de control X-R de medias rangos. ¿Está el proceso en
control estadístico?.

Página 16 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

No, el proceso no está en control estadístico

b) Asumir que se pueden identificar las causas asignables, eliminar los puntos
que salen de control y recalcular los límites de control
Ver siguiente inciso con los valores finales de control, después de varios recálculos. (ELIM: 9, 10,
12, 14, 30 y 31)

c) Repetir el paso b tantas veces como sea necesario hasta tener un proceso
estable.

d) Calcular la desviación estándar del proceso.

^ = R/d2 = 484.16/2.326 = 208.15

Página 17 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

e) Si los límites de especificación de la vida de los focos es de 1200 horas como

mínimo.
a. Determinar el límite de tolerancia natural del proceso.
Si ^ = 208.15; Xpromedio=1330
LTNS = 1330 + 3(208.15) = 1954.5,
LTNI = 1330 - 3(208.15) = 705.54

b. ¿Cuál es el valor de la fracción defectiva total fuera de

especificaciones?
Si: LIE =1200, x = 1275.3 y DEproceso= 208.15, :
Estandarizando: Z = (1200-1275.3)/ 208.15 = -0.6245
 (-0.6245) = 0.26614, es la fracción defectiva total

c. ¿Cuál es el valor del Cp? Es potencialmente hábil el proceso.

Con límites unilaterales: Cp = (x-LIE)/3 = (1275.3-1200)/3(208.15) = 0.208
El proceso no tiene habilidad potencial, tiene mucha más variación que lo que permiten las
especificaciones

d. ¿Cuál es el valor del Cpk? Es realmente hábil el proceso

En este caso es igual a Cp: Cpk = 0.208, No es tampoco realmente hábil.

e. ¿Qué recomendaría para mejora capacidad del proceso?.

Hacer un análisis de las causas de variabilidad normal del proceso para intentar reducirlas

15. Con los datos siguientes de dimensiones de una parte, dibujar una carta de
control de Medias Desviaciones Estándar X-S, con n = 10.

Subgrupo X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 15 11 8 15 6 14 16 11 14 7
2 13 6 9 5 10 15 15 9 15 7
3 9 12 9 3 23 25 24 11 12 5
4 13 12 9 6 10 10 15 12 4 6
5 8 12 14 9 10 10 10 9 14 14
6 13 16 12 15 18 7 10 9 11 16
7 11 7 16 10 14 11 7 10 10 7
8 13 9 12 13 17 17 10 11 9 8
9 4 14 5 11 11 8 9 6 13 9
10 9 10 7 10 13 15 10 12 12 16

a) Dibujar una carta de control X-S de medias desviaciones estándar. ¿Está el

proceso en control estadístico?.

Página 18 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

El proceso no está bajo control, las medias quedan dentro pero uno de los puntos en la
carta de rangos está fuera de límites.

b). Asumir que se pueden identificar las causas asignables, eliminar los puntos que
salen de control y recalcular los límites de control

c) Repetir el paso b tantas veces como sea necesario hasta tener un proceso
estable.
El proceso queda dentro de control en el paso anterior (ver gráfica)

Página 19 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

e) Calcular la desviación estándar del proceso.

 = DEcarta/c4 = 3.23/0.9727 = 3.325

f) Si los límites de especificación de las dimensiones son 8 y 16.

a. Determinar los límites de tolerancia natural del proceso.
Media del proceso estimada = 10.9
^ = 3.325
LTNS = 10.9 + (3)(3.325) = 20.87
LTNI = 10.9 – (3)(3.325) = 0.926

b. ¿Cuál es el valor de la fracción defectiva total fuera de

especificaciones?
ZSuperior = (16-10.9)/3.325 = 1.534; 1-(Z) =0.0625
Zinfeerior = (10.9-8)/3.325 = -.8723; (Z) = 0.1915
Defectivos totales = 0.0625 + 0.1915 = 0.254

c. ¿Cuál es el valor del Cp? Es potencialmente hábil el proceso.

Cp = (16 – 8 ) / 6(3.325) = 0.401
No, el proceso tiene una variabilidad más alta que la deseada

d. ¿Cuál es el valor del Cpk? Es realmente hábil el proceso

El Cp menor es el inferior: Cpk=(10.9-8)/3(3.325) = 0.29
No el proceso no es hábil

e. .¿Qué recomendaría para mejora capacidad del proceso?.

Analizar las causas de variación para reducir la variabilidad y además centrar
el proceso (probablemente ajustando condiciones de operación)

16. Dibujar una carta de lecturas individuales con las variaciones respecto al
estándar que se produjeron durante un periodo de 30 días como sigue:
Día m Variación Xi
1 -12
2 26
3 -36
4 -30
5 -34
6 8
7 34
8 -24
9 40
10 -26
11 69
12 -38
13 0
14 84
15 32
16 7
17 24
18 5
19 -3
20 -44
21 -45
22 1
23 -12
24 18
25 -27
26 -48
27 -57
28 23
29 98

Página 20 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad
30 -32
a) Dibujar una carta de control I-MR de valores individuales y rango móvil. ¿Está el
proceso en control estadístico?.

Los valores están dentro de los límites pero en la carta de rangos hay una corrida de datos
debajo de la media, indicando una condición atípica, fuera de control estadístico.

b). Asumir que se pueden identificar las causas asignables, eliminar los puntos que
salen de control y recalcular los límites de control
En este caso no se eliminó la corrida pero se tendría que averiguar la causa de esto y corregirla para
eliminar los datos

c) Repetir el paso b tantas veces como sea necesario hasta tener un proceso estable.
(No se recalcularon)

d) Calcular la desviación estándar del proceso.

 = R/d2 = 44.9/1.128 = 39.8

g) Si los límites de especificación de las dimensiones son –90 y +90.

a. Determinar los límites de tolerancia natural del proceso.
LTNS = 0.0333 + (3)(39.8) = 119.44
LTNI = 0.0333 – (3)(39.8) = -119-37

b. ¿Cuál es el valor de la fracción defectiva total fuera de

especificaciones?
ZSuperior = (90-0.033)/39.8 = 2.26; 1-(Z) =0.011899
Zinferior = (-90-0.033)/39.8 = -2.262; (Z) = 0.011848
Defectivos totales = 0.02375

c. ¿Cuál es el valor del Cp? Es potencialmente hábil el proceso.

Cp = (90 – (-90))/6(39.8) = 0.754

Página 21 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

El proceso no llega a un Cp de 1 pero es relativamente bueno, habrá bastantes

elementos dentro de especificación.

d. ¿Cuál es el valor del Cpk? Es realmente hábil el proceso

El Cp mínimo es el inferior : Cpk=(0.033-(-90))/3(398) = 0.753
Está ligeramente corrido de la media hacia abajo
e. ¿Qué recomendaría para mejora capacidad del proceso?
Tomar acciones para centrar la media a 0 y después trabajar en la reducción de la
variabilidad

17. En relación con el muestreo simple por atributos:

a) ¿Qué condiciones deben reunir los lotes y las muestras?
Lote debe entenderse como un conjunto de productos que se elaboraron bajo las mismas condiciones:
materiales operadores, condiciones de operación, máquinas. Presenta así características homogéneas.
Muestra debe ser un subgrupo de dicho lote tomado aleatoriamente y que sea representativo de todo
el lote muestreado.

b) ¿Qué nos indica la curva característica de operación OC?

Indica la potencia discriminatoria del plan de muestreo: cuál será la probabilidad de aceptar (eje y) un
lote malo dado que tenga una fracción defectuosa real de p (eje x).

c) ¿Cómo se efectúan los muestreos simple y doble?.

En el muestreo simple se toma la muestra del lote una sola vez (de manera aleatoria, hay varios
métodos), se inspecciona y se decide de acuerdo al criterio preestablecido. No se debe repetir el
muestreo para tomar otra decisión bajo los mismos criterios.
En el muestreo doble se toma una primera muestra y se inspecciona. Si el número de defectos es igual
o menor que el criterio de aceptación el lote se acepta; si el número es mayor al valor de aceptable (del
primer muestreo) pero menor al de rechazable (del primer muestreo) se debe tomar otra muestra del
lote y revisar esta nueva muestra; el número de rechazados se suma de la muestra anterior y la nueva y
se revisa el criterio de aceptado o rechazado del segundo muestreo; si es igual o menor al de aceptar
se acepta y si es igual o mayor al de rechazar se rechaza.

18. Explicar como funciona la inspección rectificadora y:

Inspección rectificadora: Si un lote es rechazado bajo el plan estándar de muestreo, éste puede ser
inspeccionado al 100% para extraer los defectuosos y “corregir” la calidad del lote. Esta inspección
100% la puede llevar a cabo el proveedor (mejor opción) o de ser necesario en la misma planta.

a) ¿Qué nos indica la curva AOQ y que significa el AOQL?

Calidad de salida promedio. A un mismo nivel de calidad de entrada habrá lotes que se aceptaron con
una p inaceptable; el AOQ es el promedio de salida diluyendo los defectos aceptados con los lotes que
regresan con p=0 de la inspección 100%.

b) ¿Qué nos indica la curva ATI?

Inspección promedio total. El promedio de unidades que se inspeccionarán dado un plan de muestreo
para lotes de tamaño N. Dependiendo del nivel de calidad entrante (eje y) habrá una cantidad de lotes
que se reinspeccionen 100% y otra que se acepte en el muestreo normal.

c) ¿En el caso del muestreo doble qué indica la curva de ASN?

La probabilidad de tener que sacar una segunda muestra varía con la fracción defectuosa del lote
entrante (eje y). La curva ASN es el número promedio de unidades que se revisarán considerando que
unos lotes se aceptarán o rechazarán a la primera y otros a la segunda muestra.

19. Encontrar los planes de muestreo utilizando la norma 105E para N = 10,000,
AQL = 1% y nivel de inspección II:

Página 22 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

a). Muestreo simple normal, reducido y estricto. ¿En que momento se cambia de
planes normal, reducido y estricto?
Para N=10,000, el código para inspección II general es L; para un AQL=1%, de las tablas
correspondientes:
N Ac Re
Rigurosa 200 3 4
Normal 200 5 6
reducida 80 2 5

Se cambia de plan de acuerdo a lo siguiente:

- De normal a rigurosa con 2 de 5 lotes consecutivos rechazados
- De rigurosa a normal con 5 lotes consecutivo aceptados
- De normal a reducida con 10 lotes consecutivos aceptados, si la característica no es crítica
- De reducida a normal si hay un lote rechazado, si está entre el criterio de rechazado y aceptado, si la
producción es irregular o se retrasa.

b). Muestreo doble normal

N Ac Re
Primera 125 2 5
Segunda 125 6 7

20. En relación con el muestreo simple por variables:

a) ¿Qué condiciones deben reunirse para que este método sea confiable?
Que la distribución de probabilidad de la característica de calidad que se está revisando sea de tipo
normal.
Que un plan sea diseñado para cada característica (no se pueden agrupar)

b) ¿Explicar la mecánica de aceptación con el método I y el método II?

En el método 1 se toma una muestra aleatoria de n artículos del lote y se calcula el estadístico Z
(Xmedia-LSL)/ que se puede comparar contra una distancia crítica (valor k), que controla la fracción
defectuosa permitida (el valor de Z que corresponda a la probabilidad de defectuosos permitida)
En el método 2 se toma la muestra, se calcula el estadístico Z y se calcula de éste directamente la
fracción disconforme y se compara contra un m especificado.

21. Encontrar los planes de muestreo utilizando la norma Z1.9 para variabilidad
desconocida. Si en lote es de 5,000 piezas, el AQL = 0.65% y un nivel de inspección
II:
a). Muestreo normal y estricto con el método I (k)
Para N=5,000, el código es L; para un AQL=0.65%, de las tablas correspondientes (método 1, k):
N K
Normal 75 2.12
estricta 75 2.27

b). Muestreo normal y estricto con el método II (M)

N M
Normal 75 1.59
estricta 75 1.06

22. Se recibe un lote y se aplica el plan de muestreo anterior, si la media en la

muestra es de 210 con desviación estándar 5 y las especificaciones del cliente son de
180 a 220. ¿Qué disposición se deberá dar al lote bajo los niveles de inspección
normal y estricta?

Página 23 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

Zsup = (220-210)/5 = 2; 1-(Zsup)=0.02275 , Zinf = (180-210)/5 = -6; (Zsup)=9x10-10

Prob. defectiva total: 0.0228

De acuerdo a esto el valor de Z es menor a k crítica (en cualquiera de los dos planes), por lo tanto se
acepta. También con el plan M ya que 0.0228<1.06.

23. Explicar los pasos que se siguen y herramientas que se utilizan para la
realización de proyectos de mejora por medio de la metodología de la Ruta de la
calidad (se puede utilizar un ejemplo):
Selección del problema
El tema de trabajo que se elige está ligado a las directrices que marca la dirección, de acuerdo con los
objetivos de la empresa. De este tema general indicado se debe llegar a un problema en particular. Se
puede recurrir a estratificación, a diagramas de Pareto, a histogramas, para obtener información
general clara y seleccionar los problemas de mayor impacto, de una dimensión manejable.

Especificación del problema

Un problema es “el resultado no deseado de una tarea”. Es fundamental definir el problema con claridad:
- demostrar que el problema que se está tratando es mucho más importante que cualquier otro
- mostrar cuál es el contexto del problema y qué curso ha seguido hasta el momento
- expresar en términos concretos los resultados no deseados del desempeño deficiente.
Demostrar cuál es la pérdida en el actual desempeño y cuánto necesita mejorarse.
Aquí se puede recurrir a muchas herramientas: lluvia de ideas, diagramas de causa-efecto, paretos,
estratificación, histogramas, etc.

Establecimiento de metas
Se requiere una meta objetiva, alcanzable, si es necesario dividiendo el problema original en
subtemas. Se debe incluir también en esto un cronograma con fecha para cumplir el objetivo. Por lo
general,si se comprende bien la necesidad, la cuestión de si se debe solucionar el problema también será
clara.
Estandarización
El objetivo es eliminar permanentemente las causas del problema. Las acciones correctivas deben
estandarizarse para evitar que el problema recurra permanentemente Hay dos razones principales para la
estandarización. La primera es que sin estándares, las acciones tomadas para solucionar un problema,
gradualmente revertirán a las formas antiguas. La segunda es que sin estándares claros, es probable
que el problema vuelva a presentarse cuando nuevas personas se involucren en el proceso
- Para el trabajo mejorado debe identificarse claramente: quién, cuándo, dónde, qué, porqué
y cómo, y usarse como estándar.
- Las preparaciones y comunicaciones necesarias respecto a los estándares deben realizarse
correctamente.
- Deben implementarse la educación y el entrenamiento.
- Debe diseñarse un sistema de responsabilidad para verificar si los estándares se están
observando.
- La estandarización no se logra solo con documentos, requiere educación, entrenamiento,
disciplina, para convertirse en un hábito

Reconocimiento
En este punto radica el éxito del segundo programa en adelante solucionados en las empresas. El
reconocimiento personal es un incentivo determinante para la moral de los colaboradores y para su
disponibilidad de trabajar en estas acciones. Una manera de reconocimiento es que vean que sus
soluciones se toman en cuenta, y por otro lado el darles algo que impacte en sus necesidades básicas es
muy importante, así como que la dirección los distinga especialmente ante sus compañeros o familiares.

Página 24 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

24. Explicar las fases que se siguen y las herramientas que se utilizan para la
realización de proyectos por medio de la metodología de Seis Sigma

Fase de definición
Este es el primer paso del ciclo DMAIC dentro de la metodología seis sigma.
El objetivo de esta fase se debe tener: una definición clara y específica del problema, identificación de
los clientes afectados, definición de las CTQ’s, definición del alcance del proyecto específico y
documentación de la asignación del proyecto.

- Definir el problema. Tiene que colectarse la información que ayude a acotar correctamente
el problema. Determinar las variables dependientes e independientes involucradas en el problema.
- Identificar al cliente. Aquí se dan a la tarea de conocer el (los) grupo(s) específico(s) a quien
va dirigido el producto
- Identificar la voz del cliente (CTQ’s). Conocer la o las características críticas desde el
punto de vista del cliente.
- Hacer el mapa del proceso. La secuencia lógica que permitirá visualizar qué variables
relacionan a cuáles.
- Afinar el alcance del proyecto. Definir con más precisión qué asunto se va a resolver.
- Documentar la asignación del proyecto.
Herramientas:
Análisis FADO
Estratificación de cada Y en función de X
Entrevistas no estructuradas
Participación de procesos
Observación de los clientes
Diagramas causa – efecto

Fase de Medición
El objetivo de esta fase es plantear el problema: qué es y qué no es, cuándo, dónde, cuánto, análisis de
costos. Se debe aquí asegurar el compromiso de la gerencia y de la dirección, obtener el diagrama de
flujo del proceso, capacidades de proceso, DPMOinicial y a largo plazo y crear una base de datos para el
proyecto
- Identificar las métricas del proceso de interés.
- Identificar las fuentes de variabilidad en el proceso.
- Análisis de procesos con el AMEF.
- Utilizar benchmarking para mejoras
Herramientas:
Métricas del negocio
Diagramas de flujo
Histogramas
Análisis Multi Vari
Metrología e incertidumbre
AMEF
Matrices causa-efecto
QFD
Cartas de control
Capacidades de proceso

Fase de Análisis
El objetivo de esta fase analizar la influencia de las variables clave (KIPV’s). Determinar las
capacidades de proceso a corto y largo plazo, identificar las fuentes de variabilidad a través del Diagrama
sistemático de variabilidad y preparación de la fase de Mejora así como actualización de la base de datos
y reportes de ajustes.
Herramientas:
Las 7 herramientas estadísticas básicas (Histogramas, pareto, causa-efecto, cartas de control,
estratificación, diagramas de dispersión, diagramas de flujo)
Pruebas estadísticas (t, F, 2, no paramétricas)

Página 25 de 26
UIA – 1er. examen parcial de CEP Maestría en Ingeniería de Calidad

Intervalos de confianza
Análisis de varianza
Análisis de cartas Multi Vari
Análisis de confiabilidad
Tablas de contingencia
AMEF
Correlación y regresión
Capacidad de procesos
Análisis de tolerancias lineales

Fase de Mejora
El objetivo es proponer actividades de mejora y evaluar su factibilidad. Verificar la validez del
sistema de medición, el % de contribución de cada una de las variables. Identificación de los valores de
las variables para que tengan su mejor influencia en la variable de respuesta Y. Planes para pasar de la
solución estadística a la solución práctica. Deberá también definirse la planeación, desarrollo e
implantación de las acciones de mejora en el proceso piloto. Deben darse los parámetros de control para
las variables críticas. Además estudiar perfectamente el costo-beneficio; determinar los DPMo’s. Se
hacen los correspondientes reportes.
Herramientas:
Diseño de experimentos
Análisis de regresión
Lluvia de ideas
Operaciones evolutivas
Optimización estadística (superficies de respuesta)
Ingeniería de calidad de Taguchi
Redes neuronales para procesos multi-respuesta
Búsqueda de variables
Análisis B vs. C

Fase de Control
Se trata de la aplicación de métodos estadísticos para evaluar el desempeño de un proceso
vs estándares establecidos para controlar la variación y centrado. También aquí se
desarrolla el plan de control del proceso en función de lo relevante para el cliente y las
características del proceso que afectan su variabilidad.
Herramientas:
Cartas de control
Control avanzado de procesos
Planes de muestreo
Poka Yokes
Estudios R&R

Página 26 de 26