Академический Документы
Профессиональный Документы
Культура Документы
Básicas
Introducción :
Todo proceso productivo es un sistema formado por personas, equipos
y procedimientos de trabajo. El proceso genera una salida (output),
que es el producto que se quiere fabricar. La calidad del producto
fabricado está determinada por sus características de calidad, es
decir, por sus propiedades físicas, químicas, mecánicas, estéticas,
durabilidad, funcionamiento, etc. que en conjunto determinan el
aspecto y el comportamiento del mismo. El cliente quedará
satisfecho con el producto si esas características se ajustan a lo que
esperaba, es decir, a sus expectativas previas. Por lo general, existen
algunas características que son críticas para establecer la calidad del
producto. Normalmente se realizan mediciones de estas
características y se obtienen datos numéricos. Si se mide cualquier
característica de calidad de un producto, se observará que los
valores numéricos presentan una fluctuación o variabilidad entre las
distintas unidades del producto fabricado.
Estratificación Diagramas
Hojas de Ishikawa
registro
Diagramas de
Cartas de Control Dispersión
Histogramas
CONCEPTO: Estratificación
Es un método consistente en clasificar los datos
disponibles por grupos con similares características.
A cada grupo se le denomina estrato.
Los estratos a definir lo serán en función de la
situación particular de que se trate, pudiendo
establecerse estratificaciones atendiendo a:
Personal.
Materiales
Maquinaria y equipo.
Áreas de gestión.
Tiempo.
Entorno.
Localización geográfica.
Otros.
Estratificación
Objetivos de la colección de datos (en control de calidad):
9 Inspección
9 Análisis de no conformidades
Estratificación
Estratificar:
Acción de agrupar los datos en categorías
llamadas estratos o clases, con base en criterios
adecuados al objetivo de su recolección.
Estratificación por forma y color.
Estratificación
Observación:
Estratificación
Ejemplos de criterios de
estratificación aplicados a
productos no conformes:
Por causas
Por tipos de de defectos
Por defectos
defectos
Estratificación
Las clases son
intervalos que no se
traslapan y que al
unirse incluyen la
totalidad de los datos.
Considere,
por ejemplo, 3 2 1
los siguientes 1 0
datos.
1 2
4 5 4 6
1 2 5
1 0
5
7
2 6 4 2 6 8 2
Estratificación
Tres formas distintas
de estratificarlos
serían:
[0,2],[3,4],
[0,2], [3,7], [-1,3], [4,9] [5,7], [8,9]
[8,10]
Estratificación
Yo formé Yo me
conformé ¡Yo tengo
tres estratos
con dos. cuatro!
[0,2], [3,4],
[0,2], [3,7], [-1,3],
[4,9] [5,7], [8,9]
[8,10]
VENTAJAS
Hojas de registro
Hoja de registro:
Formato manual o electrónico en el cual aparecen:
un encabezado general prediseñado
encabezados para
los rubros que se
van a registrar
espacios en
blanco para
registrar los datos
espacios para
gráficos de
apoyo
VENTAJAS:
•Supone un método que proporciona datos fáciles de
comprender y que son obtenidos mediante un proceso simple y
eficiente que puede ser aplicado a cualquier área de la
organización.
Las Hojas de Verificación reflejan rápidamente las tendencias y
patrones subyacentes en los datos.
UTILIDADES:
•En la mejora de la Calidad, se utiliza tanto en el
estudio de los síntomas de un problema, como en
la investigación de las causas o en la recogida y
análisis de datos para probar alguna hipótesis.
También se usa como punto de partida para la
elaboración de otras herramientas, como por
ejemplo los Gráficos de Control.
Hojas de registro
Hoja de registro de artículos defectuosos
Hojas de registro
Listas de verificación (Ejemplo: Examen Médico)
NOMBRE:
DIRECCION:
NO. DE CUENTA:
DESCRIPCION QUEJA
CAMBIO MEDIDOR SI ( ) NO ( )
CAMBIO DE ACOMETIDA 1+1 6A MTS._________
2+1 6A MTS._________
3+1 6A MTS._________
OTROS:
MTS._________
OBSERVACIONES:
DIAGRAMA DE PARETO
UTILIDADES
Diagramas Pareto
100%
El Diagrama Casos 90
de Pareto es
una gráfica en 80
donde se
organizan los 70
datos, 60
agrupados en Vilfredo Pareto
estratos, 50
(1848-1923)
por orden
descendente, 40
de izquierda a 30
derecha por
medio de 20
barras
sencillas. 10
0
Estratos
Diagramas Pareto
100%
J.M.Juran clasificó El principio
90 de acuerdo
los problemas de
80
al cual el
calidad en los
80% de los
“pocos vitales,
70 resultados
muchos triviales”,
se originan
y llamó a este 60 en el 20%
método Análisis
de los
Pareto. 50
elementos
40 que
contribuyen
30 a ellos
es llamado
20
“Principio
10 Pareto”.
Diagramas Pareto
100%
% acumulado
Costo, utilidad, 90
frecuencia
(número de 80
casos) o
70
porcentaje
60
50
Por medio del
40 Análisis Pareto
Otros es posible
30
utilizar los
20 recursos
necesarios con
10 un mínimo
desperdicio.
0
Etapas en la
construcción de un
Diagrama Pareto
1. Seleccione el problema a ser abordado mediante:
a) Tormenta de ideas
b) Utilizando datos
existentes
Ejemplo: Problemas en la operación del comité de calidad
2. Decida qué datos va a necesitar
Ejemplo: Casos que ocasionaron problemas en la operación del
comité de calidad.
3. Seleccione la unidad de medida para comparación
(frecuencia, unidad monetaria, etc.)
Ejemplo:Frecuencia o número de casos
4. Seleccione el período a ser estudiado
Ejemplo:Enero 1o. al 31 de Diciembre del 2000
Etapas en la
construcción de un
Diagrama Pareto
5. Reuna los datos necesarios
6. Agrupe los datos en estratos e Hoja de Registro
incluya un estrato especial
llamado “otros”, en el cual Estratos Casos
reunirá los datos aislados de Liderazgo 13
mínima frecuencia y que por su
naturaleza no pudieron ser Disciplina 2
Ejemplo:Liderazgo, disciplina, técnicas,
agrupados de otra forma. Técnicas 21
temas, recursos, otros.
7. Construya una hoja de registro Temas 2
encabezada por los estratos y Recursos 3
el número de casos o frecuencia
Otros 3
dentro de cada estrato
8. Contabilice los datos dentro de cada estrato y
regístrelos en la hoja
Etapas en la
construcción de un
Diagrama Pareto
9. Construya otra hoja de registro bajo el título
de Tabla de Frecuencias, encabezada por los
estratos, el número de casos o frecuencia dentro
de cada estrato (f), y la frecuencia
Tablaacumulada
de Frecuencias
expresada en porciento (F%).
10.Llene las columnas de estratos Estrato f F%
y frecuencia (f) de la Tabla Técnicas 21 47.7
de Frecuencias colocando los
estratos y sus respectivas Liderazgo 13 77.3
frecuencias ordenadas de mayor Recursos 3 84.1
a menor, con excepción del
estrato “otros”, el cual Temas 2 88.6
deberá colocarlo en la última Disciplina 2 93.2
11.Calcule
posiciónla fecuencia acumulada
independientemente de
y exprésela
su porcentualmente.
frecuencia. Otros 3 100
Coloque estos cálculos en la
columna F%.
100%
Etapas en la 40 90
construcción de un
35 80
Diagrama Pareto
12.Dibuje 30 70
:
a) Un eje vertical 60
izquierdo marcado con 25
una escala desde 0
hasta el total 50
b) Un eje vertical derecho
general. 20
marcado con una escala 40
de 0 a 100%. 15
c) Un eje horizontal
dividido en tantos 30
intervalos como 10
estratos se hayan 20
13.Construya
definido.un diagrama
de barras 5 10
14.Dibuje la curva de 0 0
frecuencias
Liderazgo
Disciplina
Recursos
Técnicas
acumuladas utilizando
Temas
la columna de F% y el
Otros
Disciplina
Recursos 3 Disciplina 2 93.2
Recursos
Técnicas
Temas
Otros
Otros 3 Otros 3 100
Diagrama Pareto 40
100%
90%
Kaoru Ishikawa
1915-1989
Diagramas Ishikawa
Estructura
Otras denominaciones:
Diagrama Espina de pescado
Diagrama Causa-Efecto
Diagrama de Árbol
Análisis de la Causa Raíz
VENTAJAS
Permite que el grupo se concentre en el contenido del problema, no en la
historia del problema ni en los distintos intereses personales de los
integrantes del equipo.
Ayuda a determinar las causas principales de un problema, o las causas de
las características de calidad, utilizando para ello un enfoque estructurado.
Estimula la participación de los miembros del grupo de trabajo, permitiendo
así aprovechar mejor el conocimiento que cada uno de ellos tiene sobre el
proceso.
Incrementa el grado de conocimiento sobre un proceso.
UTILIDADES
Operación
Operación
del
delCC
CC
Operación
Operación
del
delCC
CC
Capacitación
Capacitación Conducción
Conducción
Recursos
Recursos Comunicación
Comunicación
Diferencias
Puntualidad
Medios Interés
Operación
Operación
del
delCC
CC
Capacitación
Capacitación Conducción
Conducción
Procedimiento para elaborar
Diagramas Ishikawa
clasificación en grupos predeterminados
Después de hacer la misma pregunta a los miembros del equipo para
las demás categorías, el diagrama podría lucir así:
Recursos
Recursos Comunicación
Comunicación
Bibliografía Tiempo Diferencias
Puntualidad
Software Espacio Interés
Medios
Asesoría
Operación
Operación
del
delCC
CC
Teoría
Presentaciones Disciplina
Exposición Políticas
Liderazgo
Temas Técnicas
Capacitación
Capacitación Conducción
Conducción
Recursos
Recursos Comunicación
Comunicación
Diferencias
Tiempo
Diferencias
Bibliografía Puntualidad Rencillas
Espacio Fax Interés
Software
Medios
Asesoría Internet Operación
Operación
del
delCC
CC
Teoría
Presentaciones
Exposición Disciplina
Mecánicas Institucionales
Motivación
Técnicas Políticas
Temas Liderazgo
Departamentales
Estadísticas
Visión
Capacitación
Capacitación Conducción
Conducción
EJEMPLO DE BURBUJAS EN LAS CAPAS DE LLANTAS DE AUTOMOVILES
COMPUESTO
ENSAMBLE DE
DE HULE LA LÍNEA
PRESIÓN
USO DE DISOLVENTE ESTIRAMIENTO DE LA CAPA
FORMULACIÓN
APLICACÓN DE LA CAPA
TEMPERATURA DURACIÓN
PROBLEMA: BURBUJAS
EN LA CAPA 552
Histogramas
Gráfico de barras
frecuencia
10
0
A B C D E
Estratos
Histogramas
frecuencia
10
0
A B C D E
Intervalos de Clase
Histogramas
Dispersión
Los histogramas nos brindan
frecuencia
10
información sobre:
5
Concentración 0
A B C D E
Forma Intervalos de Clase
frecuencia
frecuencia
10 10
5 5
0 0
A B C D E A B C D E
Intervalos de Clase Intervalos de Clase
Fases para la construcción de un Histograma
2. Construya 3. Trace la
1. Defina los la Tabla de gráfica
intervalos Frecuencias
de clase
0.36
= 18
0.02
0.36
= 7.2
0.05
Fase 1. Definición de los Intervalos de Clase
4. Determine los límites de la clase.
La marca de clase se
define como el
promedio entre el Los datos registrados en
límite inferior y el primer paso de la fase 1
superior de la clase. son representados, uno a
uno, en esta columna por
En esta columna se medio de una marca “/”
colocan los límites colocada en la fila de la
inferior y superior de clase a la que pertenecen.
cada una de las clases,
separados por un guion.
3.185
intervalos de clase
Fase 3: Trazo de la
gráfica Diámetro (en cm.) del tubo xyZ
3. Anote en un espacio N=48 X=3.002 s=0.074 R=0.36
libre, información Lecturas del 14/05 al 18/05 del 2000
adicional tal como:
a) Variable sujeta a
medición o conteo 25%
b) Total N de datos 10 20
c) Medidas numéricas de
tendencia central y de 15
dispersión como la
media aritmética,
aritmética la 5 10
desviación estándar y
el rango
d) Período en el que se 5
recolectaron los datos
0 0
2.835
2.885
2.935
2.985
3.035
3.085
3.135
2.785
3.185
Tipo de Histogramas
a) Tipo b) Tipo
General Planicie
Tipo de histograma más frecuente. Las clases tienen aproximadamente
Los valores se concentran la misma frecuencia, excepto las de
alrededor de su media y los extremos. Generalmente resulta
disminuyen suavemente hacia los de una mezcla de poblaciones con
extremos. medias diferentes pero cercanas.
Tipo de Histogramas
Tipo de Histogramas
DIAGRAMAS DE DISPERSION
VENTAJAS
0.17
0.16
0.15
0.14
0.13
Diagramas de Dispersión
Los Diagramas de Dispersión se utilizan
para investigar la posible relación entre
dos variables cuantitativas.
X Y
Temperatura (oC) Tiempo (seg.)
25.8 13.4
27.8 13.7
26.2 13.7
19.5 12.8
28.1 14.0
23.6 13.3
30.1 14.1
24.6 13.1
26.4 13.4
36.8 14.8
25
30
35
13.5
b) No. de pares
de datos
13.0
b) Título y
unidades de 12.5
cada eje
20
25
35
30
Temperatura
oC
Coeficiente de Correlación
14.0 14.0
13.5 13.5
13.0 13.0
12.5 12.5
20
30
40
20
30
40
Correlación alta Correlación mediana
Tres situaciones:
14.0
Las tres muestran el mismo tipo
13.5 de relación entre X y Y: Cuando
X crece, Y crece.
13.0
Sin embargo la relación es muy
12.5 alta en el primer caso,
podría decirse que mediana en el
segundo,
20
30
40
y es apenas perceptible en el
Correlación baja tercero.
Coeficiente de Correlación
14.0 14.0
13.5 13.5
13.0 13.0
12.5 12.5
20
30
40
20
30
40
Caso 1 Caso 2
Para medir qué tan fuerte es la
14.0 relación entre pares de variables
13.5
Karl Pearson desarrolló el
Coeficiente de Correlación:
13.0
_ _
12.5
( X − X )(Y − Y )
r = ∑ _ _
20
30
40
2 2
Caso 3
(X X) (Y Y )
Coeficiente de Correlación
14.0 14.0
13.5 13.5
13.0 13.0
12.5 12.5
20
30
40
20
30
40
r = 0.9927 r = 0.9102
Al aplicarlo a los datos de las
14.0 gráficas se obtuvieron los
13.5
siguientes resultados:
30
40
r = 0.4009
Cálculo del Coeficiente de Correlación
X Y X-X Y-Y (X-X)(Y-Y) (X-X)2 (Y-Y)2 ΣX=268.9 ΣY=136.3
25.8 13.4 -1.09 -0.23 0.2507 1.188 0.0529 ΣX 268.9
X= =
27.8 13.7 0.91 0.07 0.0637 0.828 0.0049 n 10
26.2 13.7 -0.69 0.07 -0.0483 0.4761 0.0049 = 26.89
19.5 12.8 -7.39 -0.83 6.1337 54.612 0.6889 ΣY 136.3
Y= =
28.1 14.0 1.21 0.37 0.4477 1.464 0.1369 n 10
23.6 13.3 -3.29 -0.33 1.0857 10.824 0.1089 = 13.63
30.1 14.1 3.21 0.47 1.5087 10.304 0.2209 Σ (X-X)(Y-Y)
r=
24.6 13.1 -2.29 -0.53 1.2137 5.244 0.2809 Σ (X-X)2 Σ (Y-Y)2
26.4 13.4 -0.49 -0.23 0.1127 0.240 0.0529 22.363
=
36.8 14.8 9.41 1.17 11.5947 98.208 1.3689 (183.39) (2.921)
268.9 136.3 22.363 183.39 2.921
= 0.96622
13.5 13.5
13.0 13.0
12.5 12.5
20
30
40
20
30
40
13.5 13.5
13.0 13.0
12.5 12.5
20
30
40
20
30
40
14.0 14.0
13.5 13.5
13.0 13.0
12.5 12.5
20
40
30
20
30
40
Cartas de Control
Cartas de Control
por Variables Contenido Cartas de Control
por Atributos
Introducción
Es raro. Nunca había ¿Seguro que
sacado 10 en no copiaste?
Matemáticas.
GRAFICAS DE CONTROL
UTILIDADES
Ayudan a la mejora de procesos, de forma que se comporten
de manera uniforme y previsible para una mayor calidad,
menores costos y mayor eficacia.
Proporcionan un lenguaje común para el análisis del
rendimiento del proceso.
X1 X2 X3 X4 X5 Promedio Rangos
.65 .70 .65 .65 .85 0.7 0.2
.75 .85 .75 .85 .65 0.77 0.2
.75 .80 .80 .70 .75 0.76 0.1
.60 .60 .70 .75 .65 0.65 0.15
.70 .75 .65 .85 .80 0.75 0.2
.60 .75 .75 .85 .70 0.73 0.25
.75 .80 .65 .75 .70 0.72 0.15
.60 .70 .80 .75 .75 0.72 0.2
.65 .80 .85 .85 .75 0.78 0.2
.60 .70 .60 .80 .75 0.67 0.2
.80 .75 .90 .50 .80 0.75 0.4
.85 .75 .85 .65 .70 0.76 0.2
.70 .70 .75 .75 .70 0.72 0.05
.65 .70 .85 .75 .60 0.71 0.25
.90 .80 .80 .75 .85 0.82 0.15
.75 .80 .75 .80 .65 0.75 0.15
.75 .70 .85 .70 .80 0.76 0.15
.75 .70 .60 .70 .60 0.67 0.15
.65 .65 .85 .65 .70 0.7 0.2
.60 .60 .65 .60 .65 0.62 0.05
.50 .55 .65 .80 .80 0.66 0.3
.60 .80 .65 .65 .75 0.69 0.15
.80 .65 .75 .65 .65 0.7 0.15
Grafica de Promedios
Punto fuera del rango
0,9
LSC Promedio
0,8
0,7 LIC
Nª de Muestra
0,6
0,5
0,4
0,3
0,2
0,1
0
11
13
15
17
19
21
23
25
1
Promedios
Grafica de Rangos
0,5
No de Muesttra
0,4
LSC
0,3
0,2 Promedio
0,1
LIC
0
11
13
15
17
19
21
23
25
1
Rangos
13.5
13.0
12.5
5 10 15 20 25 30
Número de muestra
14.0 LCs
13.5
13.0
12.5 LCi
6.9
6.4
6.5
6.6
6.7
6.8
7.0
7.1
7.2
5 10
Número de muestra
Patrones de No Aleatoriedad
No basta que todos los puntos Un comportamiento no
caigan dentro de sus límites aleatorio de los mismos
de control para concluir que el también es un aviso de
proceso está bajo control. que algo anormal sucedió.
Patrones de No Aleatoriedad
Sesgo Sesgo
Patrones de No Aleatoriedad
Tendencia Tendencia
4 + 2 + 6 = 12 3 + 5 + 5 + 3 = 16
Racha ascendente o descendente Racha ascendente o descendente
de 12 o más de 14 puntos de 16 o más de 20 puntos
Patrones de No Aleatoriedad
Marcha extrema Marcha central
A manera de
resumen podremos
•• No
No hayhay puntos
puntos fuera
fuera de
de los
los decir que un proceso
límites de
límites de control.
control. está bajo control si ...
•• Hay
Hayaproximadamente
aproximadamente los los
mismos puntos
mismos puntos arriba
arriba yy abajo
abajo de
de
la línea
la línea central.
central.
•• Los
Los puntos
puntos dan
dan lala impresión
impresión de
de
estar
estar aleatoriamente
aleatoriamente distribuidos
distribuidos
Tipos de Cartas
Cartas
de
Control Cartas p (fracción defectuosa)
Control Estadístico
de Procesos
Gráficos X-R
Gráficos X-R
Muestras del
Proce Producto
Mediciones
so
125.0
4
126.5
0
123.0
3
127.4
0
127.5
2
127.3
1
125.7
7
125.1
7
-
-
-
Gráficos X-R
Gráficos X-R
Gráficos X-R
Gráficos X-R
Medición del
Proce Diámetro
so
50.0
4
50.0
8
50.0
9
50.1
0
-
-
Gráficos X-R
Gráficos X-R
7:0
0
Proce
so
Muestra de
6 Piezas
Gráficos X-R
8:0
0
Proce
so
Muestra de
6 Piezas
Gráficos X-R
9:0
0
Proce
so
Muestra de
6 Piezas
Gráficos X-R
Proce
so
1a Pieza
Gráficos X-R
7:2
0
Proce
so
2a Pieza
Gráficos X-R
7:3
0
Proce
so
3a Pieza
Gráficos X-R
Gráficos X-R
50.0
4
Mediciones 50.0
8
50.0
9
50.1
0
50.2
4
Subgrupo de 50.0
4
6 Piezas
X R
Gráficos X-R
R = (50.24− 50.04
)
Gráficos X-R
Gráficos X-R
50.0 50.0
4 6
50.0 50.0
Subgrupo 8 Subgrupo 1
1 50.0 5 50.0
9 6
50.1 50.0
0 3
50.2 50.1
Subgrupo 4 Subgrupo 8
2 50.0
6 50.0
4 3
50.1 50.1
4 0
49.9 50.1
Subgrupo 7 Subgrupo 4
3 50.0
7 50.0
7 7
49.9 50.1
7 2
50.0 50.0
Subgrupo 3 8
4 50.1 50.1
0 0
49.9 50.1
9 1
Gráficos X-R
Gráficos X-R
Gráficos X-R
X=
∑X i
Xi Promedio de
Subgrupo
N Número de
Subgrupos
Gráficos X-R
• o también:
X=∑ i
x
N ⋅n
xi Mediciones
individuales
N Número de
Subgrupos
n Número de mediciones dentro
del Subgrupo
Gráficos X-R
R=
∑R i
Ri Rango del
Subgrupo
Gráficos X-R
R
s=
d2
Gráficos X-R
Gráficos X-R
Línea =X
Central
s
LSC = X + 3⋅
n
s
LIC= X − 3⋅
n
Gráficos X-R
Gráficos X-R
d3 ⋅ R
sR =
d2
Gráficos X-R
Línea =R
Central
LSR = R + 3⋅ sR
LIR= R − 3⋅ sR
Gráficos X-R
Gráficos X-R
Gráfico de Xp
50.20
50.15
50.10
Xp
50.05
50.00
49.95
0 5 10 15 20 25 30
Nº subgrupo
Gráficos X-R
0.50
0.45
0.40
0.35
0.30
0.25
R
0.20
0.15
0.10
0.05
0.00
0 5 10 15 20 25 30
Nº subgrupo
Gráficos X-R
5 10 5 10
Número de muestra Número de muestra
X = ΣX
n
R = Máx - Mín
Muestra X1 X2 X3 X4 Nota 1:
Elaboración de 1 29 31 20 30 El número de
la Carta de 2 29 34 29 31 muestras debe ser
3 34 28 36 23 grande para
Control X - R 4 31 25 33 30 representar el
5 30 27 26 36 comportamiento del
6 27 28 25 32 proceso; y pequeño
1. Recoja 20, 25 o 30 7 25 36 32 30 para reflejar su
muestras del 8 24 31 32 28 estado actual.
proceso, 9 33 29 33 27
El número práctico
10 35 29 28 34
de 4 o 5 datos conciliatorio es
11 30 32 24 32
cada una, 12 26 28 30 26 entre 20 y 30.
y regístrelas en 13 36 35 39 34
orden cronológico. 14 25 26 30 27 Nota 2:
15 38 23 32 30 El número de datos
16 29 29 26 27 en cada muestra
17 31 27 24 32 podría extenderse
18 28 29 38 30 hasta 10 o
19 30 32 23 33 disminuir hasta 2.
20 26 33 29 30
Muestra X1 X2 X3 X4 ΣX X
Elaboración de 1 29 31 20 30 110 27.5
la Carta de 2 29 34 29 31 123 30.75
3 34 28 36 23 121 30.25
Control X - R 4 31 25 33 30 119 29.75
5 30 27 26 36 119 29.75
2. Calcule los
6 27 28 25 32 112 28
promedios de cada 7 25 36 32 30 123 30.75
muestra: 8 24 31 32 28 115 28.75
9 33 29 33 27 122 30.5
X = ΣX
n 10 35 29 28 34 126 31.5
Aquí n es el 11 30 32 24 32 118 29.5
número de datos 12 26 28 30 26 110 27.5
de cada muestra. 13 36 35 39 34 144 36
14 25 26 30 27 108 27
Nota: 15 38 23 32 30 123 30.75
El promedio se 16 29 29 26 27 111 27.75
redondea a una 17 31 27 24 32 114 28.5
o dos cifras 18 28 29 38 30 125 31.25
decimales más 19 30 32 23 33 118 29.5
que las de los 20 26 33 29 30 118 29.5
datos originales.
Muestra X1 X2 X3 X4 ΣX X
Elaboración de 1 29 31 20 30 110 27.5
la Carta de 2 29 34 29 31 123 30.75
3 34 28 36 23 121 30.25
Control X - R 4 31 25 33 30 119 29.75
5 30 27 26 36 119 29.75
3. Sume los
6 27 28 25 32 112 28
promedios 7 25 36 32 30 123 30.75
y divida el 8 24 31 32 28 115 28.75
resultado entre el 9 33 29 33 27 122 30.5
número k de 10 35 29 28 34 126 31.5
muestras 11 30 32 24 32 118 29.5
12 26 28 30 26 110 27.5
X = ΣXk 13 36 35 39 34 144 36
14 25 26 30 27 108 27
= 594.8
20 15 38 23 32 30 123 30.75
16 29 29 26 27 111 27.75
= 29.74 17 31 27 24 32 114 28.5
18 28 29 38 30 125 31.25
19 30 32 23 33 118 29.5
20 26 33 29 30 118 29.5
ΣX 594.8
X 29.74
Muestra X1 X2 X3 X4 Σ X X R
Elaboración de 1 29 31 20 30 110 27.5 11
la Carta de 2 29 34 29 31 123 30.75 5
3 34 28 36 23 121 30.25 13
Control X - R 4 31 25 33 30 119 29.75 8
5 30 27 26 36 119 29.75 10
4. Calcule el rango
6 27 28 25 32 112 28 7
de cada muestra 7 25 36 32 30 123 30.75 11
R = Máx - Mín 8 24 31 32 28 115 28.75 8
9 33 29 33 27 122 30.5 6
Sume los rangos 10 35 29 28 34 126 31.5 7
11 30 32 24 32 118 29.5 8
Σ R = 161 12 26 28 30 26 110 27.5 4
13 36 35 39 34 144 36 5
Calcule el 14 25 26 30 27 108 27 5
promedio de los 15 38 23 32 30 123 30.75 15
rangos 16 29 29 26 27 111 27.75 3
17 31 27 24 32 114 28.5 8
ΣR 18 28 29 38 30 125 31.25 10
R=
k 19 30 32 23 33 118 29.5 10
20 26 33 29 30 118 29.5 7
Suma 594.8 161
Promedio 29.74 8.05
Elaboración de
la Carta de
Control X - R
1. Recoja 20, 25 o 30
muestras del
proceso,
de 4 o 5 datos
cada una,
y regístrelas en
orden cronológico.
ΣR
R=
k
14.0 LCs
13.5
13.0
12.5 LCi
5 10
Número de muestra
f(x) f(x)
x x
Gráficos np
GRÁFICAS DE CONTROL:
ATRIBUTOS
SE UTILIZAN PARA:
• IDENTIFICAR Y CLASIFICAR PIEZAS FUERA DE ESPECIFICACIONES
(DEFECTUOSAS).
• ENCONTRAR PROBLEMAS CUANDO NO EXISTE INFORMACIÓN
HISTÓRICA.
• SITUACIONES EN LAS QUE SE REQUIEREN RESUMENES
(GERENCIA).
VENTAJAS:
• HAY VECES EN QUE UNA CC PUEDE MEDIRSE COMO UNA
VARIABLE (MEDIBLE) PERO SE TOMA COMO ATRIBUTO PORQUE
CUESTA MENOS, TOMA MENOS TIEMPO, ETC.
• SE PUEDEN MEDIR UNA O VARIAS CARACTERISTICAS DE
CALIDAD EN UNA SOLA GC.
• ATRIBUTOS: SE ENCUENTRAN EN TODOS LOS NIVELES DE UNA
ORGANIZACIÓN: COMPAÑÍA, PLANTAS, TALLERES, CENTROS DE
TRABAJO, ETC. GENERAL → PARTICULAR (VS. VARIABLES).
B) PARA DEFECTOS:
Gráficos np
Gráficos np
Gráficos np
Test
Proceso
Tornillo
OK
Gráficos np
Gráficos np
Gráficos np
7:0
0
Muestra de
Proceso n Tornillos
Prueba
Tornillo 1 OK
Tornillo 2 OK
Tornillo 3
Defectuoso
Tornillo 4 OK
Tornillo 5
Defectuoso
Tornillo 6 OK
Tornillo 7 OK
-
-
Tornillo n
Gráficos np
Gráficos np
Gráficos np
Gráficos np
Gráficos np
Gráficos np
Gráficos np
Muestra Nº Defectuosos
1 3
2 2
3 4
4 3
5 4
6 2
7 5
- -
- -
- -
Gráficos np
Nº Defectuosos en
Muestra i
Número de elementos en
la Muestra
Gráficos np
Gráficos np
Número de
Muestras
Gráficos np
Número de elementos en
la Muestra
Gráficos np
Gráficos np
Gráficos np
Gráficos np
Gráfico np
12
10
0
0 5 10 15 20 25 30
M ue s t ra
Gráficos np
LC= npˆ
LIC = npˆ − 3 n pˆ (1 − pˆ )
p$ ∑
j= 1
d j
m
n j
∑
j 1
EJEMPLO
ELABORE EL DC PARA NÚMERO DE ARTÍCULOS
DEFECTUOSOS PARA EL PROCESO DEL EJEMPLO
ANTERIOR
npi 50
40
30
20
10
0
1 4 7 10 13 16 19
D IA
CRITERIOS DE SELECCIÓN
LC =
$
LSCj = $ + 3 p$ ( 1 − p$ )
nj
LICj = - 3 p$ ( 1 − p$ )
$ nj
IMPLANTACIÓN DEL DIAGRAMA p
EJEMPLO
UNA COMPAÑÍA FABRICA DIFERENTES TUBOS DE
RAYOS CATÓDICOS A ESCALA MASIVA. EL MES
PASADO, EL PROCESO DE FABRICACIÓN DIO MUCHOS
PROBLEMAS. LA SIGUIENTE TABLA MUESTRA LOS
DATOS OBTENIDOS DE LAS INSPECCIONES
REALIZADAS LOS 21 DÍAS DEL MES PASADO.
DIARIAMENTE SE INSPECCIONARON 100 UNIDADES.
EJEMPLO
EJEMPLO
21
∑ dj =
j= 1
pi 0 .5
0 .4
0 .3
0 .2
0 .1
0
1 4 7 10 13 16 19
D IA
U ci = c =
TOTAL DE DEFECTOS
TOTAL DE SUBGRUPOS
σc = c i
LC = c ±3 c
17
21
25
29
11 6 13.9 6.37 0
1
12 7 13.9 6.37 0
13 8 13.9 6.37 0
14 4 13.9 6.37 0 6.36666667 c
15 5 13.9 6.37 0 13.936343 LCS
16 12 13.9 6.37 0 -1.20300968 LCI SE TOMA 0
17 8 13.9 6.37 0
18 10 13.9 6.37 0
19 4 13.9 6.37 0
20 7 13.9 6.37 0
21 3 13.9 6.37 0
22 10 13.9 6.37 0
23 6 13.9 6.37 0
24 6 13.9 6.37 0
25 7 13.9 6.37 0
26 4 13.9 6.37 0
27 5 13.9 6.37 0
28 6 13.9 6.37 0
29 8 13.9 6.37 0
30 5 13.9 6.37 0
191
CARTA u (NÚMERO DE DEFECTOS POR UNIDAD)
LC = u ±3 u
n
ARTICULOS ELECTRONICOS
EN UNA FÁBRICA SE ENSAMBLAN ARTÍCULOS ELECTRÓNICOS Y AL FINAL DEL PROCESO SE HACE UNA
INSPECCIÓN POR MUESTREO PARA DETECTAR DEFECTOS RELATIVAMENTE MENORES, Y ASÍ
RETROALIMENTAR EL PROCESO PARA ENFOCAR BIEN LAS ACCIONES DE MEJORA. EN PARTICULAR, SE
PRESENTAN UN NÚMERO DE DEFECTOS EN MUESREOS REALIZADOS SOBRE 24 LOTES
CONSECUTIVOS DE PIEZAS ELECTRÓNICAS. EL NÚMERO DE PIEZAS INSPECCIONADAS EN CADA LOTE
ES VARIABLE, POR LO QUE NO ES APROPIADO ANALIZAR EL NÚMERO DE DEFECTOS POR MUESTRA,
ci, MEDIANTE UNA CARTA c. ES MEJOR ANALIZAR EL NÚMERO PROMEDIO DE DEFECTO POR PIEZA, ui,
MEDIANTE LA CARTA u
TAMAÑO
DE DEFECTOS
MUESTRA ENCONTRA
LOTE ni DOS, c i ui = c i/ni
1 20 17 0.85 u= 1.04571429
2 20 24 1.2
3 20 16 0.8 LCS 1.70163862
4 20 26 1.3 LC 1.04571429
5 15 15 1 LCI 0.38978995
6 15 15 1
7 15 20 1.33333333
8 25 18 0.72
9 25 26 1.04
10 25 10 0.4
11 25 25 1
12 30 21 0.7
13 30 40 1.33333333
14 30 24 0.8
15 30 46 1.53333333
16 30 32 1.06666667
17 30 30 1
18 30 34 1.13333333
19 15 11 0.73333333
20 15 14 0.93333333
21 15 30 2
22 15 17 1.13333333
23 15 18 1.2
24 15 20 1.33333333
SUMA 525 549
n= 21.875
TAMA
ÑO DE DEFECTOS
MUES ENCONTRA
LOTE ui = ci/ni LCS LC LCI TRA ni DOS, c i
1 0.85 1.70163862 1.04571429 0.39 20 17
2 1.2 1.70163862 1.04571429 0.39 20 24 2.5
3 0.8 1.70163862 1.04571429 0.39 20 16
4 1.3 1.70163862 1.04571429 0.39 20 26
2
5 1 1.70163862 1.04571429 0.39 15 15
6 1 1.70163862 1.04571429 0.39 15 15
1.5
7 1.33333 1.70163862 1.04571429 0.39 15 20
8 0.72 1.70163862 1.04571429 0.39 25 18 u
9 1.04 1.70163862 1.04571429 0.39 25 26 1
10 0.4 1.70163862 1.04571429 0.39 25 10
11 1 1.70163862 1.04571429 0.39 25 25 0.5
12 0.7 1.70163862 1.04571429 0.39 30 21
13 1.33333 1.70163862 1.04571429 0.39 30 40 0
14 0.8 1.70163862 1.04571429 0.39 30 24
1
10
13
16
19
22
15 1.53333 1.70163862 1.04571429 0.39 30 46 LOTE
16 1.06667 1.70163862 1.04571429 0.39 30 32
17 1 1.70163862 1.04571429 0.39 30 30
18 1.13333 1.70163862 1.04571429 0.39 30 34
19 0.73333 1.70163862 1.04571429 0.39 15 11
20 0.93333 1.70163862 1.04571429 0.39 15 14
21 2 1.70163862 1.04571429 0.39 15 30
22 1.13333 1.70163862 1.04571429 0.39 15 17
23 1.2 1.70163862 1.04571429 0.39 15 18
24 1.33333 1.70163862 1.04571429 0.39 15 20