Herramientas

Las 7 Herramientas
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.
¿Para qué se miden las características

de calidad?
•El análisis de los datos medidos permite obtener información

sobre la calidad del producto, estudiar y corregir el
funcionamiento del proceso y aceptar o rechazar lotes de
producto. En todos estos casos es necesario tomar decisiones
y estas decisiones dependen del análisis de los datos. Como
hemos visto, los valores numéricos presentan una fluctuación
aleatoria y por lo tanto para analizarlos es necesario recurrir a
técnicas estadísticas que permitan visualizar y tener en cuenta
la variabilidad a la hora de tomar las decisiones.
Las 7 Herramientas Básicas
Diagramas
Pareto
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 Control del proceso de

producción
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:
Estratificar es la aplicación del principio

romano "divide y vencerás“.
• obtener mayor claridad;

Aquí se • comprender mejor la situación;
aplica con el • encontrar caminos para el análisis;
propósito • encontrar indicios sobre la información
de: contenida; y
• facilitar el procesamiento de los datos.
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.
Cuando los datos son

cuantitativos, es
conveniente estratificarlos
en “clases”.
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]
En los tres casos no

hay traslape e
incluyen la totalidad
de los datos.
VENTAJAS
Permite aislar la causa de un problema, identificando

el grado de influencia de ciertos factores en el
resultado de un proceso.
La estratificación puede apoyarse y servir de base en
distintas herramientas de calidad, si bien el histograma
es el modo más habitual de presentarla
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
espacios para registrar los resultados de

cálculos estadísticos
Una Hoja de Verificación (también llamada "de Control" o
"de Chequeo") es un impreso con formato de tabla o diagrama,
destinado a registrar y compilar datos mediante un método
sencillo y sistemático, como la anotación de marcas asociadas
a la ocurrencia de determinados sucesos. Esta técnica de
recogida de datos se prepara de manera que su uso sea fácil e
interfiera lo menos posible con la actividad de quien realiza el
registro.
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
Producto: _________ Fecha: _______ Sección: _________

Inspector: _________ Lote: _______ Tam. Muestra:_____
Observaciones: ________________________________________
Tipo Conteo Frecuencia

Mancha ///// ///// ///// ///// ////
Estrelladura ///// ///// ///// ////
Opacidad ///// ///// ///// ///// ///// ///// /
Burbujas ///// ///// ///// ///
Alineamiento ///
Total
Hojas de registro
Hoja de registro de localización de defectos
Producto: Llanta xYz Fecha: _______ Sección: _________

Inspector: _________ Lote: _______ Tam. Muestra:_____
Observaciones: ________________________________________
Tipo Conteo Frecuencia

Figura
Grabado
Hilos
Forma
Otros
Total
Hojas de registro
Listas de verificación (Ejemplo: Examen Médico)
Nombre: Juan Mtz. R. Fecha: _______ Edad:___ Sexo:___

¿Ha padecido alguna de las siguientes enfermedades?
Sí No Sí No
Asma Bronquial Migraña
Presión arterial elevada Lesiones en la espalda
Infarto Sangrado digestivo
Infecciones en los oídos Fracturas
Problemas de la piel Alergias
Agotamiento Enfermedades venéreas
COMISIÓN FEDERAL DE ELECTRICIDAD

DIVISIÓN CENTRO ORIENTE ZONA PUEBLA
CENTRO DE SERVICIO AL CLIENTE
FORMA: ATENCION DE SERVICIO.
NOMBRE:
DIRECCION:
NO. DE CUENTA:
DESCRIPCION QUEJA
MEDIDOR MEDIDOR MEDIDOR C/M C/M

NO. MEDIDOR
COD. MED.
COD. LOTE.
LECTURA
S. MECANISMO
S. CONEXIONES
CAMBIO MEDIDOR SI ( ) NO ( )
CAMBIO DE ACOMETIDA 1+1 6A MTS._________
2+1 6A MTS._________
3+1 6A MTS._________
OTROS:
MTS._________
Q14 IMPUTABLE AL USUARIO

T09 DES/CONEX LINEA
Q09 RECONEXION TARDIA
E07 SERV. IMPORTANTE
C16 REG. ILICITO
S09 CAMBIO DE MEDIDOR
Q08 CORTE INDEBIDO.
OBSERVACIONES:
DIAGRAMA DE PARETO
El Diagrama de Pareto constituye un sencillo y gráfico

método de análisis que permite discriminar entre las causas
más importantes de un problema (los pocos y vitales 20%)
y las que lo son menos (los muchos y triviales 80%).
VENTAJAS
Ayuda a concentrarse en las causas que tendrán mayor
impacto en caso de ser resueltas.
Proporciona una visión simple y rápida de la importancia
relativa de los problemas.
Ayuda a evitar que se empeoren alguna causas al tratar de
solucionar otras.e ser resueltas.
Su formato altamente visible proporciona un incentivo para
seguir luchando por más mejoras.
UTILIDADES
Determinar cuál es la causa clave de un problema,

separándola de otras presentes pero menos importantes.
Contrastar la efectividad de las mejoras obtenidas,
comparando sucesivos diagramas obtenidos en momentos
diferentes.
Pueden ser asimismo utilizados tanto para investigar
efectos como causas.
Comunicar fácilmente a otros miembros de la organización
las conclusiones sobre causas, efectos y costes de los
errores.
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”.
20% Pocos vitales Muchos triviales
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
20% Minoría vital Mayoría útil
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
eje vertical derecho

como referencia.
100%
Diagramas Pareto Casos
40 90
Resumen del Ejemplo
35 80
Problemas en la operación del 70

30
comité de calidad
60
25
No. de casos: 44
Período: Enero 1- Diciembre 31 del 2000 50
20
40
Hoja de Registro Tabla de Frecuencias
15
Estratos Casos Estrato f F% 30
Liderazgo 13 Técnicas 21 47.7 10
20
Disciplina 2 Liderazgo 13 77.3
5 10
Técnicas 21 Recursos 3 84.1
Temas 2 Temas 2 88.6 0 0
Liderazgo
Disciplina
Recursos 3 Disciplina 2 93.2
Recursos
Técnicas
Temas
Otros
Otros 3 Otros 3 100
Ejemplo Diagrama Pareto para xyzklmn
Diagrama Pareto 40
100%
90%
Hoja de Registro Tabla de Frecuencias 35 80%
Concentradora de Pareto 30 70%

(Afecte sólo los espacios (No afecte ningún dato. ¡Si lo hace hará
en blanco) inservible la tabla! 60%
25
Acu- % Acu- 50%
Rubro o estrato Casos Rubro o estrato Casos 20
mulado mulado 40%
Otros 3 Mayor 21 21 47.727 15
30%
En medio 13 En medio 13 34 77.273 10
20%
Siguiente 2 Otro más 3 37 84.091 5 10%
Mayor 21 Último 2 39 88.636 0 0%

r te tros
Último 2 Siguiente 2 41 93.182 yo dio
Ma me ien O
En S igu
Otro más 3 Otros 3 44 100
Ejemplo sobre taller mecánico

Repartir las hojas del ejercico
Diagramas Ishikawa
Estosdiagramas
Estos diagramassonsonutilizados
utilizados
para explorar
para explorartodas
todaslas
lascausas
causas
realesoo potenciales
reales potenciales(entradas)
(entradas)
queexplican
que explicanununefecto
efectode de
interés(salida).
interés (salida).
Kaoru Ishikawa
1915-1989
Diagramas Ishikawa
Estructura
Otras denominaciones:
Diagrama Espina de pescado
Diagrama Causa-Efecto
Diagrama de Árbol
Análisis de la Causa Raíz
El diagrama de Ishikawa, o Diagrama Causa-Efecto, es una

herramienta que ayuda a identificar, clasificar y poner de manifiesto
posibles causas, tanto de problemas específicos como de características
de calidad. Ilustra gráficamente las relaciones existentes entre un
resultado dado (efectos) y los factores (causas) que influyen en ese
resultado.
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
Identificar las causas-raíz, o causas principales, de un

problema o efecto.
Clasificar y relacionar las interacciones entre factores que
están afectando al resultado de un proceso.
Procedimiento para elaborar

Diagramas Ishikawa
clasificación en grupos predeterminados
1. Seleccione el efecto cuyas causas reales o potenciales desea
encontrar
Ejemplo: Problemas en la operación del comité de calidad
2. Forme un equipo de 3 a 6 personas relacionadas con el problema
3. Simplifique tanto como pueda el enunciado del problema,
enciérrelo en un rectángulo situado al lado derecho de la
hoja, y dibuje una flecha (eje principal) dirigida del lado
izquierdo de la hoja hacia el rectángulo.
Operación
Operación
del
delCC
CC

Diagramas Ishikawa
4. Haga una lista de los grupos o categorías predeterminadas
dentro de las cuales va a buscar las causas reales o
potenciales del efecto.
Ejemplos:
a. Mano de obra, métodos, materiales, medio ambiente y
maquinaria (recomendado para manufactura)
b. Políticas, Procedimientos, Personal, Provisiones
(recomendado para administración y servicios)
c. Comunicación, Conducción, Capacitación, Recursos (estos
son los grupos predeterminados para el problema de
operación del comité de calidad)
Diagramas Ishikawa
5. Enmarque las categorías en rectángulos situados alternadamente
arriba y debajo del eje principal y haga incidir, de cada rectángulo,
una flecha inclinada hacia la derecha, dirigida hacia el eje principal.
Recursos
Recursos Comunicación
Comunicación
Operación
Operación
del
delCC
CC
Capacitación
Capacitación Conducción
Conducción

Diagramas Ishikawa
6. Por cada categoría en rectángulo (o causa primaria) haga a los
miembros del equipo, la siguiente pregunta:
¿qué causas, relacionadas con
esta categoría, explican el efecto?
Bautice las respuestas como “causas secundarias” y hágalas
incidir, por medio de una flecha, hacia las flechas primarias.
Ejemplo: ¿Qué causas,

relacionadas con la comunicación,
pueden ocasionar problemas en la
operación del comité de calidad?

Diagramas Ishikawa
Si las respuestas son Puntualidad, Medios, Interés y Diferencias,
entonces el estado del diagrama quedará como sigue:
Recursos
Comunicación
Diferencias
Puntualidad
Medios Interés
Operación
Operación
del
delCC
CC
Capacitación
Conducción
Diagramas Ishikawa
Después de hacer la misma pregunta a los miembros del equipo para
las demás categorías, el diagrama podría lucir así:
Recursos
Comunicación
Bibliografía Tiempo Diferencias
Puntualidad
Software Espacio Interés
Medios
Asesoría
Operación
Operación
del
delCC
CC
Teoría
Presentaciones Disciplina
Exposición Políticas
Liderazgo
Temas Técnicas
Capacitación
Conducción

Diagramas Ishikawa
7. Por cada causa secunda repita a los miembros del equipo, la
pregunta:
¿qué causas, relacionadas con esta
causa secundaria, explican el efecto?
Bautice las respuestas como “causas terciarias” y hágalas
incidir, por medio de una flecha, hacia las flechas secundarias.
Ejemplo: ¿Qué causas,

relacionadas con el liderazgo,
pueden ocasionar problemas
en la operación del comité de
calidad?
Respondiendo esta serie de preguntas podríamos obtener lo siguiente:
Recursos
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
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
PERFIL LONGITUD DURACIÓN
VELOCIDAD TEMPERATURA PRESIÓN

ENFRIAMIENTO
EXTRUSIÓN DE LA CURADO DE LA LLANTA

CAPA
Hacer un diagrama causa - efecto del problema

de enseñanza – aprendizaje
Por equipos
HISTOGRAMA: GRAFICA QUE NOS PERMITE VISUALIZAR LA TENDENCIA

CENTRAL, LA DISPERSION Y LA FORMA DE LA DISTRIBUCION DE UN
CONJUNTO DE DATOS
EL USO SISTEMATICO DEL HISTOGRAMA FACILITA EL ENTENDIMIENTO

DE LA VARIABILIDAD Y FAVORECE EL PENSAMIENTO ESTADISTICO, YA
QUE DE UN VISTAZO SE LOGRA TENER UNA MEDIA Y SE DETECTAN
DATOS RAROS Y FORMAS ESPECIALES DE LA DISTRIBUCION DE LOS
DATOS.
Un histograma es un gráfico de barras verticales que representa la

distribución de un conjunto de datos.
VENTAJAS:
Su construcción ayudará a comprender la tendencia central, dispersión y
frecuencias relativas de los distintos valores.
Muestra grandes cantidades de datos dando una visión clara y sencilla de su
distribución.
UTILIDADES:
El Histograma es especialmente útil cuando se tiene un amplio número de
datos que es preciso organizar, para analizar más detalladamente o tomar
decisiones sobre la base de ellos.
• Es un medio eficaz para transmitir a otras personas información sobre un
proceso de forma precisa e inteligible.
• Permite la comparación de los resultados de un proceso con las
especificaciones previamente establecidas para el mismo. En este caso,
mediante el Histograma puede determinarse en qué grado el proceso está
produciendo buenos resultados y hasta qué punto existen desviaciones
respecto a los límites fijados en las especificaciones.
•Proporciona, mediante el estudio de la distribución de los datos, un
excelente punto de partida para generar hipótesis acerca de un
funcionamiento insatisfactorio.
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
Fase 1. Definición de los Intervalos de Clase

1. Registre los datos en una hoja de registro con la siguiente estructura
y calcule los valores mínimo y máximo del total de datos.
Rubro 1: _________ Rubro 2: _______ Rubro 3: __________

Rubro 4: _________ Rubro 5: _______ Rubro 6: __________
Etc.: _________
Dato No. Datos Mín Máx

1-8
9-16
17-24
25-32
33-40
41-48

Ejemplo:
Producto: _________ Fecha: _______ Sección: __________

Inspector: _________ Lote: _______ Tam. Muestra: ______
Observaciones: __________________________________________
Dato No. Datos Mín Máx

1-8 3.1 3.13 2.87 3.03 2.95 3.01 2.95 2.99 2.87 3.13
9-16 3.1 3.05 2.9 2.92 3.04 2.99 3.06 3.15 2.9 3.15
17-24 2.99 2.94 3.07 3.11 3.02 2.97 2.98 2.92 2.92 3.11
25-32 3.02 3.03 3.05 2.94 3.01 3.13 2.92 2.94 2.92 3.13
33-40 3.03 3.05 3 2.97 2.94 3.03 2.9 3.02 2.9 3.05
41-48 3.07 2.79 2.93 3.1 2.97 2.97 3.06 2.97 2.79 3.1
2.79 3.15
2. Calcule el rango R.
R = Máx - Mín
Siguiendo el ejemplo:
R = 3.15 – 2.79 = 0.36
3. Determine el número k de intervalos de clase y la amplitud A de

los intervalos.
Proponga para A una cantidad proporcional a 1, 2 o 5: por
ejemplo 100, 200, 500, 10, 20, 50, 1, 2, 5, 0.1, 0.2, 0.5, 0.01,
0.02, 0.05, etc.. La idea es que al dividir el rango R entre la
amplitud A se obtenga un número entre 5 y 20, el cual servirá
para determinar el número k de intervalos de clase.

¿Qué pasa si hay dos Si esto sucede selecciona la
distintas propuestas de amplitud menor si el número de
amplitud que conduzcan a datos es mayor a 100, y la
un número entre 5 y 20? amplitud mayor en caso contrario.

En estos dos casos obtenemos entre 5 y 20
Ejemplo: intervalos de clase. Puesto que tenemos
Rango=0.36 menos de 100 datos, nos quedamos con con
la amplitud mayor (A = 0.05) que conduce a
0.36
= 36 k=8 intervalos de clase.
0.01
0.36
= 18
0.02
0.36
= 7.2
0.05
4. Determine los límites de la clase.
El límite inferior de la primera clase debe ser menor en ½ de la

unidad de medida, al valor mínimo de los datos.
Ejemplo: Para Mín = 2.79, la unidad de medida es 0.01, y ½ de

0.01 es 0.005. Luego el límite inferior de la primera clase es
LI = 2.79 – 0.005 = 2.785
El límite superior de la primera clase es
LS = LIC + A = 2.785 + 0.05 = 2.835
A partir de aquí, el límite inferior de cualquier clase es igual al

límite superior de la clase que le precede, y su límite superior es
igual a su límite inferior más la amplitud.

Tenemos así:
El límite inferior de la primera clase
es igual al valor mínimo menos ½
de la unidad de medida.
Intervalo LI LS
1 2.785 2.835 El límitesuperior de cualquier clase
2 2.835 2.885 es igual a su límite inferior más la
3 2.885 2.935 amplitud de la clase.
4 2.935 2.985
5 2.985 3.035 El límite inferior de cualquier clase
es igual al límite superior de la
6 3.035 3.085
clase que le precede.
7 3.085 3.135
8 3.135 3.185
Fase 2. Construcción de la Tabla de Frecuencias

1. Prepare una tabla (hoja de registro) con el siguiente formato:

Observaciones: __________________________________________
Clase Marca Marcas de conteo frecuencia f rel %
En esta tabla se destacan las siguientes columnas:
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.

Las últimas dos columnas son las de la frecuencia y la frecuencia relativa
porcentual, respectivamente.
Las marcas de conteo de

cada clase, se cuentan
para determinar la
frecuencia de clase.
La frecuencia de clase es, Las frecuencias de clase se
por lo tanto, el número de multiplican por 100 y el resultados
datos que pertenecen a la se divide entre el total de datos.
clase. El resultado es la frecuencia
La suma de las relativa de clase expresada
frecuencias de clase debe porcentualmente, la cual nos dice
ser igual al total de datos qué porcentaje, del total de datos,
observados. pertenecen a la clase en cuestión.

2. Llene la tabla de frecuencias de manera adecuada. Ejemplo:

Observaciones: __________________________________________
2.785-2.835 2.810 / 1 2.08
2.835-2.885 2.860 / 1 2.08
2.885-2.935 2.910 / / / / / / 6 12.5
2.935-2.985 2.960 / / / / / / / / / / / / 12 25
2.985-3.035 3.010 / / / / / / / / / / / / / 13 27.08
3.035-3.085 3.060 / / / / / / / / 8 16.67
3.085-3.135 3.110 / / / / / / 6 12.5
3.135-3.185 3.160 / 1 2.08
Fase 3: Trazo de la
gráfica
1. Dibuje
:
a) Un eje vertical
izquierdo marcado con
una escala desde 0
hasta la máxima de las 25%
frecuencias de clase
b) Un eje vertical 10 20
derecho marcado con
una escala de 0 a la
frecuencia relativa 15
porcentual máxima de
clase
c) Un eje horizontal 5 10
dividido en tantos
intervalos como 5
intervalos de clase se
hayan definido.
2. Construya un diagrama 0 0
de barras sobre los
2.835
2.885
2.935
2.985
3.035
3.085
3.135
2.785
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
c) Tipo Sesgo d) Tipo Sesgo

Negativo Positivo
La media está localizada a la derecha (izquierda) del centro
del histograma. El tipo sesgo positivo es más común que el
sesgo negativo, y está asociado a poblaciones como vida útil
en horas de dispositivos electrónicos, resistencia a la ruptura
de materiales, y otras de amplia utilización en Confiabilidad.
Tipo de Histogramas
e) Tipo f) Tipo Pico

Bimodal Aislado
Muestra claramente la mezcla de Detecta la presencia de un conjunto
datos de dos poblaciones con pequeño de datos de una población
medias muy diferentes. diferente.
g) Tipo Precipicio h) Tipo Precipicio

Derecha Izquierda
Una posible causa de este tipo de histogramas es la
manipulación de los datos mediante la exclusión deliberada
de los valores mayores o menores a cierta cantidad.
EJEMPLO DE HISTOGRAMA
Se midió el tiempo de publicidad de cierto anunciante en el canal 13 de

México y durante ciertos días y los resultados fueron los siguientes:
1.081 1.156 1.129 1.096 1.064
1.042 1.059 1.214 1.036 1.123
1.113 1.129 1.132 1.155 1.083
1.101 1.093 1.106 1.057 1.227
1.14 1.195 1.014 1.084 1.164
1.119 1.032 1.164 1.122 1.095
1.225 1.143 1.063 1.074 1.191
1.125 1.071 1.13 1.187 1.025
1.053 1.119 1.079 1.23 1.139
1.172 1.174 1.156 1.162 1.127
Tomando en consideración de que el tiempo en televisión es muy costoso,

estos anuncios estuvieron al aire en la transmisión de los juegos de la NBA en
los play off de la temporada pasada. Se tiene estimado que el minuto en TV
cuesta aproximadamente $ 35,000.00. Calcular el tiempo promedio de que se
estuvo transmitiendo este comercial. También hacer un estudio estadístico
completo, con todas las herramientas vistas hasta la presente, para este
problema. Presentar conclusiones y alternativas.
Comparar con costos de otras televisoras y sacar los ahorros o gastos del
patrocinador, si se hubiera anunciado en otro lugar o medio de comunicación.
DIAGRAMAS DE DISPERSION
A veces interesa saber si existe algún tipo de relación

entre dos variables. Por ejemplo, puede ocurrir que dos
variables estén relacionadas de manera que al aumentar el
valor de una, se incremente el de la otra. En este caso
hablaríamos de la existencia de una correlación positiva.
También podría ocurrir que al producirse una en un sentido,
la otra derive en el sentido contrario; por ejemplo, al
aumentar el valor de la variable x, se reduzca el de la
variable y. Entonces, se estaría ante una correlación negativa.
Si los valores de ambas variable se revelan independientes
entre sí, se afirmaría que no existe correlación.
VENTAJAS
Se trata de una herramienta especialmente útil para estudiar

e identificar las posibles relaciones entre los cambios
observados en dos conjuntos diferentes de variables.
Suministra los datos para confirmar hipótesis acerca de si
dos variables están relacionadas.
Proporciona un medio visual para probar la fuerza de una
posible relación.
Diagramas de Dispersión
0.18
0.17
0.16
0.15
0.14
0.13
100 110 120 130 140 150 160 170 180
Diagramas de Dispersión
Los Diagramas de Dispersión se utilizan
para investigar la posible relación entre
dos variables cuantitativas.
Las variables bajo investigación pueden ser:
9 Dos características de calidad

9 Una característica de calidad y un
factor que la afecta
9 Dos factores que afectan a una
misma característica de calidad
9 Cualquier par de variables de interés
Pasos para la construcción de un

Diagrama de Dispersión
1. Denote con X y Y a las variables cuya relación quiere
estudiar. Si es de suponer que una variable dependa de la
otra, denote con Y a la variable dependiente. Si las variables
son un factor y una característica de calidad, denote con X al
factor y con Y a la característica de calidad.
Ejemplo: Un entrenador de atletismo desea investigar la
relación entre la temperatura ambiente y el mejor tiempo en
100 mts. de uno de sus pupilos. Supone que el tiempo es
afectado por la temperatura.
X = Temperatura
(en grados centígrados)
Y = Tiempo (en segundos)
2. Para cada valor de X registre el correspondiente valor de Y
en una tabla apropiada.
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

3. Dibuje
: Un eje vertical
a)
marcado con una 15.0
escala que cubra
el mínimo y el
máximo de los 14.5
valores
b) Un eje de Y.
horizontal 14.0
marcado con una
escala que cubra 13.5
el mínimo y el
máximo de los
4. Registre
valoreslos datos
de X 13.0
en el gráfico.
Cuando se obtengan 12.5
pares de valores
iguales destaque
20
25
30
35
sus puntos con

símbolos adecuados.
Pasos para la construcción de un Diagrama

de Dispersión
Diagrama de Dispersión entre
5. Registre en rendimiento atlético y
un espacio temperatura ambiente
adecuado n= 10 10/01 al 15/05
aspectos 15.0 2001
como:
14.5
a) Título.
14.0
b) Período
Ti e mpo
( s e g. )
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.
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 )
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:
13.0 Caso 1 : r= 0.9927

Caso 2 : r= 0.9102
12.5
Caso 3 : r= 0.4009
20
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
Σ (X-X)(Y-Y) Σ (X-X)2 Σ (Y-Y)2
Interpretación del Diagrama de Dispersión

14.0 14.0
13.5 13.5
13.0 13.0
12.5 12.5
20
30
40
20
30
40
Correlación Positiva: Correlación Negativa:

Si X aumenta, Y aumenta. Si X aumenta, Y disminuye.
Relación Lineal: Relación Lineal:

Y Y
= Constante > 0 = Constante < 0
X X
Interpretación del Diagrama de Dispersión

14.0 14.0
13.5 13.5
13.0 13.0
12.5 12.5
20
30
40
20
30
40
Posible Correlación Positiva: Posible Correlación Negativa
14.0 14.0
13.5 13.5
13.0 13.0
12.5 12.5
20
40
30
20
30
40
Ausencia de Correlación Relación No Lineal

Otros ejemplos de Relación No Lineal
Ejemplo: Y=Rendimiento Ejemplo: Y=Crecimiento

X=Temperatura de reacción X=Tiempo
Ejemplo: Y=Ventas Ejemplo: Y=Ventas

X=Tiempo (mes del año) X=Inversión en publicidad
Cartas de Control
Conceptos: Límites de Control, Carta de Control,

Patrones de No aleatoriedad, Tipos de Cartas.
Cartas de Control
por Variables Contenido Cartas de Control
por Atributos
Revisión de las cartas

de control
Conceptos:
Carta de Control
Límites de Control
Patrones de no aleatoriedad
Tipos de Cartas.
Introducción
Es raro. Nunca había ¿Seguro que
sacado 10 en no copiaste?
Matemáticas.
GRAFICAS DE CONTROL
•En un proceso cualquiera, ya sea administrativo o de

producción, por más sencillo que sea, interviene una cantidad
considerable de variables que influyen sobre su capacidad
para lograr la calidad del producto.
•Debido a lo dinámico de los procesos, las variables son
constantemente modificadas por diversos factores, cual tiene
un efecto directo sobre la calidad del producto. A los factores
que provocan la variabilidad del proceso les llamaremos
"causas de variación". Las causas de variación pueden ser
comunes o especiales
Un gráfico de control es una herramienta estadística utilizada para evaluar la
estabilidad de un proceso. Permite distinguir entre las causas de variación.
Todo proceso tendrá variaciones, pudiendo éstas agruparse en:
Causas aleatorias de variación. Son causas desconocidas y con poca
significación, debidas al azar y presentes en todo proceso.
Causas específicas (imputables o asignables). Normalmente no deben estar
presentes en el proceso. Provocan variaciones significativas.
Las causas aleatorias son de difícil identificación y eliminación. Las causas
específicas sí pueden ser descubiertas y eliminadas, para alcanzar el objetivo
de estabilizar el proceso.
Los gráficos de control fueron ideados por Shewhart durante el desarrollo del
control estadístico de la calidad. Han tenido una gran difusión siendo
ampliamente utilizados en el control de procesos industriales. Sin embargo, con
la reformulación del concepto de Calidad y su extensión a las empresas de
servicios y a las unidades administrativas y auxiliares, se han convertido en
métodos de control aplicables a procesos llevados a cabo en estos ámbitos.
Determinar que tipo de Gráfica de Control se va a usar

Las gráficas de control pueden ser de 2 tipos:
• Para control de variables. Que a su vez pueden ser de media
y rango, mediana y rango, y valores medidos
individuales
• Control de atributos. Del estilo aceptable / inaceptable, sí
/ no,...
En el caso de gráficas de control de atributos existen cuatro tipos:
• La p o de fracción defectuosa
• La np para el número de unidades defectuosas
• La c para el número de defectos totales que tiene una pieza
• La u para la fracción de defectos totales. Estas 2 últimas son para
casos en que la especificación de un producto indica que cada pieza o
unidad no puede tener más de cierta cantidad de defectos; por
ejemplo, en un piso cerámico no puede haber más de dos defectos de
apariencia por unidad.
Las gráficas de control de variables son también de cuatro

tipos:
• La de promedio de rangos X –R
• La de promedio desviación estándar X – S
• La de medianas rangos X – R
• La de lecturas individuales X – R.
•Cada tipo de gráfica tiene sus ventajas y desventajas y es
más apropiada para ciertos tipos de proceso o condiciones
de operación con respecto a las otras. La decisión de
utilizar una u otra debe basarse en el sesgo que exista en
los parámetros de estimación de la media y desviación
estándar, con respecto a los costos que implique obtener
un estimador con menor sesgo.
Determinar el tamaño de la muestra
En el caso de gráficas por variables, el tamaño de la

muestra es de 2 a 20 piezas, pero el más común es de
5.
Por otro lado la gráfica de control de atributos se

utilizan muestras de entre 50 y 200 piezas, aunque la
fracción defectuosa que contienen los lotes es menor,
el tamaño de la muestra debe aumentar por razones
estadísticas.
Determinar la frecuencia de toma de

muestras
En el CEP (Control Estadístico de Procesos) se toma una muestra

del tamaño que se haya definido como apropiado cada cierto
tiempo; por ejemplo se toman 5 piezas cada 15 minutos. Esta
frecuencia debe basarse en el conocimiento del proceso acerca de
los intervalos en que puede manifestarse un cambio en la media o
desviación estándar del mismo.
No existe una regla general para la determinación de la frecuencia
de muestreo.
Determinar la longitud del periodo inicial de

recolección de datos
Se debe considerar el tiempo suficiente para que se mezclen

todos los factores que intervienen en el proceso. Este periodo
inicial debe ser por lo menos suficiente para recolectar
cuando menos de 35 a 40 muestras, debido a razones
estadísticas se necesitan al menos 25 muestras asociadas a
condiciones comunes de operación para poder realizar los
cálculos.
VENTAJAS
Permite distinguir entre causas aleatorias y específicas de
variación de los procesos, como guía de actuación de la
dirección.
Los gráficos de control son útiles para vigilar la variación de
un proceso en el tiempo, probar la efectividad de las
acciones de mejora emprendidas, así como para estimar la
capacidad del proceso.
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.
Ejemplo:supongamos que se tiene un proceso de llenado de botellas

de 0.355 litros y se tienen los datos siguientes:
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
Al obtener sus promedios y calcular su gráfica de

promedios y rangos se tienen los siguientes gráficos:
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
Carta de Control y Límites

Naturales de Variación
Carta
Carta de Control: Herramienta
de Control: Herramienta estadística para el
estadística para el estudio
estudio yy control
control dede
procesos. Consiste de
procesos. Consiste de una
una línea central yy un
línea central un par de límites
par de límites de
de control,
control, llamados
llamados
límites naturalesde variación.
límites naturales ResumeResume
de variación. la información
la información sobre las
sobre las características
características de calidad
de calidad de interés, de del
obtenida interés, obtenida
proceso del proceso
de producción de producción
mediante muestreo.
mediante
Permite distinguir entre la variación natural (debida al azar) y la (debida
muestreo. Permite distinguir entre la variación natural variaciónal
azar) y la (aquella
sistemática variación
consistemática (aquella
una causa factible de con una causa yfactible
ser descubierta de ser
controlada).
descubierta y controlada).
14.0
13.5
13.0
12.5
5 10 15 20 25 30
Número de muestra
¿CÓMO Y CUÁNTAS UNIDADES MUESTREAR?

NO EXISTEN REGLAS ÚNICAS. PARA MUESTREAR ES
USUAL APLICAR UN MUESTREO SISTEMÁTICO, EN DONDE
CADA DETERMINADO TIEMPO O CADA DETERMINADA
CANTIDAD DE UNIDADES PRODUCIDAS SE TOMA UN
SUBGRUPO DE UNIDADES. POR EJEMPLO: CADA 5 A 10
PIEZAS CADA MEDIA HORA, PARA MONITOREAR EL
PORCESO.
SEGÚN LA MILITRY STANDARD 414, SUGIERE QUE EL
NUMERO DE PIEZAS A INSPECCIONAR POR LOTES ESTA
DADO POR:
TAMAÑO DEL LOTE % A MUESTREAR
60 A 300 10
301 A 1000 5
1001 A 5000 2
MAS DE 5000 1
Límites de Control y Límites de Tolerancia
Los Límites de Control se calculan Los Límites de Tolerancia son las
de tal forma que con una alta especificaciones hechas (por el
probabilidad dentro de ellos tome cliente del proceso) a la
valores el estimador del parámetro característica de calidad que se está
sujeto a control cuando sólo el azar examinando.
gobierna su comportamiento.
LTi LTs
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
Ejemplo de un proceso fuera de control

Este es el típico caso de un
proceso fuera de control. El
proceso marcha como debiera.
De pronto un punto cae fuera de
sus límites narurales de variación
probablemente debido a una
causa factible de ser descubierta
y controlada.
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.
Sesgo Sesgo
Racha de 7 puntos Racha de 10 o más de 11 puntos

consecutivos de un mismo lado. consecutivos, de un mismo lado.
Sesgo Sesgo
Racha de 12 o más de 14 puntos Racha de 16 o más de 20 puntos

consecutivos, de un mismo lado. consecutivos, de un mismo lado.
Tendencia Tendencia
Racha ascendente o descendente de Racha ascendente o descendente

7 puntos consecutivos de 10 o más de 11 puntos
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
Marcha extrema Marcha central
Dos de tres puntos en franjas Rachas dentro de la franja

extremas central
Zig zag Perioricidad
Rachas de zigzag alrededor Repetición de patrones (por

de la línea central. estacionalidad o ciclos).
Pues sí y no. Si atendemos pocos
¿Se debe estar podríamos no darnos cuenta oportunamente
atento a la de desviaciones del proceso.
aparición de
muchos patrones Y si atendemos muchos
de no podríamos volvernos
aleatoriedad? paranoicos declarando
problemas donde no los hay.
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 X – R (promedio – rango)

Por Variables
Cartas X (unidades individuales)
Cartas
de
Control Cartas p (fracción defectuosa)
Cartas np (número de unidades

Por Atributos defectuosas)
Cartas c (número de defectos)
Cartas u (número de defectos

por unidad)
Cartas de Control
por Variables
Control Estadístico
de Procesos
Gráficos X-R
Gráficos X-R
• Los gráficos X-R se utilizan cuando la

característica de calidad que se desea
controlar es una variable continua.
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
• Para entender los gráficos X-R, es necesario

conocer el concepto de Subgrupos (o
Subgrupos racionales).
Gráficos X-R
• Trabajar con subgrupos significa agrupar

las mediciones que se obtienen de un
proceso, de acuerdo a algún criterio.
Gráficos X-R
• Los subgrupos se realizan agrupando las

mediciones de tal modo que haya la
máxima variabilidad entre subgrupos y la
mínima variabilidad dentro de cada
subgrupo.
Gráficos X-R
• Por ejemplo, si hay cuatro turnos de trabajo

en un día, las mediciones de cada turno
podrían constituir un subgrupo.
Gráficos X-R
• Supongamos una fábrica que produce

piezas cilíndricas para la industria
automotriz. La característica de calidad que
se desea controlar es el diámetro de las
piezas.
Gráficos X-R
Medición del
Proce Diámetro
so
50.0
4
50.0
8
50.0
9
50.1
0
-
-
Gráficos X-R
• Hay dos maneras de obtener los subgrupos.

Una de ellas es retirar varias piezas juntas a
intervalos regulares, por ejemplo cada hora:
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
• La otra forma es retirar piezas individuales

a lo largo del intervalo de tiempo
correspondiente al subgrupo:
Gráficos X-R
7:1
0
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
• Por cualquiera de los dos caminos,

obtenemos grupos de igual número de
mediciones. Para cada subgrupo calculamos
el Promedio y el Rango (Diferencia entre el
valor máximo y el valor mínimo).
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
50.04+ 50.08+ 50.09+ 50.10+ 50.24+ 50.04

X=
6
R = (50.24− 50.04
)
Gráficos X-R
• Como ya se ha visto, para calcular los

Límites de Control es necesario obtener un
gran número de mediciones, divididas en
subgrupos. En nuestro ejemplo, podríamos
obtener 30 subgrupos de 6 datos cada uno.
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
2 50.0
6 50.0
4 3
50.1 50.1
4 0
49.9 50.1
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
• Después de calcular el Promedio y el Rango

de cada subgrupo, tendríamos una tabla
como la siguiente:
Gráficos X-R
N ºSubgrupo Xp R
1 50.10 0.20
2 50.05 0.17
3 50.08 0.19
4 50.10 0.15
5 50.06 0.17
6 50.10 0.07
7 50.04 0.16
- - -
- - -
Gráficos X-R
• A partir de esta tabla, se calculan el

promedio general de promedios de
subgrupo y el promedio de rangos de
subgrupo:
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
• La desviación standard del proceso se puede

calcular a partir del rango promedio,
utilizando el coeficiente d2, que depende del
número de mediciones en el subgrupo:
Gráficos X-R
R
s=
d2
Gráficos X-R
• Con esto podemos calcular los Límites de

Control para el gráfico de X:
Gráficos X-R
Línea =X
Central
s
LSC = X + 3⋅
n
s
LIC= X − 3⋅
n
Gráficos X-R
• La desviación standard del rango se puede

calcular utilizando el coeficiente d3, que
también depende del número de mediciones
en el subgrupo:
Gráficos X-R
d3 ⋅ R
sR =
d2
Gráficos X-R
• Y así podemos calcular los Límites de

Control para el Gráfico de R:
Gráficos X-R
Línea =R
Central
LSR = R + 3⋅ sR
LIR= R − 3⋅ sR
Gráficos X-R
• La tabla siguiente muestra los coeficientes

d2 y d3 para subgrupos de hasta 10
mediciones:
Gráficos X-R Ver hoja

entregada en
n d2 d3 clases
2 1.128 0.853 anterioriores
sobre valores
3 1.693 0.888
4 2.059 0.880
5 2.326 0.864
6 2.534 0.848
7 2.704 0.833
8 2.847 0.820
9 2.970 0.808
10 3.078 0.797
Control de Calidad Estadístico -
Douglas Montgomery
Gráficos X-R
• Construímos entonces un Gráfico X de

prueba y representamos los promedios de
los subgrupos:
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
• Y un Gráfico R de prueba, donde

representamos los rangos de los
subgrupos:
Gráficos X-R
Gráfico de 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
• Si no hay puntos fuera de los límites de

control y no se encuentran patrones no
aleatorios, se adoptan los límites calculados
para controlar la producción futura.
Cartas X – R (promedio – rango)

Diagramas de dispersión de valores individuales
de características cuantitativas
5 10 5 10
Número de muestra Número de muestra
Tendencia central bajo control Tendencia central en descenso

Dispersión en aumento Dispersión bajo control
Y para asegurarnos Es muy fácil aplicar
Para asegurarnos
que la dispersión estas fórmulas. Por
que la tendencia
permanece estable ejemplo, el
central permanece
controlamos el rango R promedio de
estable controlamos
8,3,4,9 es
el promedio X.
8+2+5+9
X= =6
4
Y su rango es
R= 9-2=7
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
5. Calcule las líneas

de control para X.
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).
DIAGRAMAS DE CONTROL PARA

ATRIBUTOS
DESVENTAJAS:
• NO INDICAN A QUE GRADO SE ESTAN

CUMPLIENDO LAS ESPECIFICACIONES.
• NO DETECTAN UN POSIBLE "FUERA DE
CONTROL" EN EL FUTURO PROXIMO.
• SE REQUIEREN TAMAÑOS DE MUESTRA
MAYORES.
DEFINICIONES
• NO CONFORMIDAD (DEFECTO): FALTA DE CONFORMIDAD A
ALGUNA ESPECIFICACIÓN, O FALLA, DE UN PRODUCTO (UNA
MISMA UNIDAD DE PRODUCTO PUEDE PRESENTAR VARIOS
DEFECTOS A LA VEZ).
• NO CONFORMANTE (DEFECTUOSO): UNIDAD DE PRODUCTO O
ARTÍCULO CON UNO O MAS “DEFECTOS”.
• NÚMERO DE DEFECTUOSOS: NÚMERO D DE ARTÍCULOS
DEFECTUOSOS OBSERVADOS EN UNA MUESTRA CON N
OBSERVACIONES.
• NÚMERO DE DEFECTOS: NÚMERO C DE NO CONFORMIDADES

PRESENTES EN UNA MUESTRA QUE TIENE N UNIDADES DE
PRODUCTO O ESPECÍMENES.
• FRACCIÓN O PROPORCIÓN DEFECTUOSA: PROPORCIÓN p ENTRE

EL NÚMERO DE ESPECÍMENES DEFECTUOSOS Y EL NÚMERO
TOTAL DE ESPECÍMENES DE LA MUESTRA.
p=
TIPOS DE GC PARA ATRIBUTOS

A) PARA UNIDADES DEFECTUOSAS:
• GRÁFICA DE CONTROL p → FRACCIÓN DEFECTUOSA

• GRÁFICA DE CONTROL np → NÚMERO DE
ARTÍCULOS NO CONFORMANTES.
B) PARA DEFECTOS:
• GRÁFICA DE CONTROL c → NÚMERO DE DEFECTOS.

• GRÁFICA DE CONTROL u → NÚMERO DE DEFECTOS
POR UNIDAD.
ATRIBUTOS EN UNA MUESTRA
3 GRIETAS NÚMERO DEFECTOS=11

6 HOYOS NÚMERO DE UNIDADES
DEFECTUOSAS=6
1 REBABA FRACCIÓN DE UNIDADES
DEFECTUOSAS=6/10
1 DESGASTE NÚMERO DE DEFECTOS POR
UNIDAD=11/10
Gráficos np
Muchas características de calidad se evalúan

dando resultados como: conforme o
disconforme, defectuoso o no defectuoso.
Estas características de calidad se conocen
como atributos.
Gráficos np
Supongamos un proceso que

fabrica tornillos. Una manera de
ensayar cada tornillo sería
probarlo con una rosca calibrada.
Gráficos np
El resultado de este ensayo sólo tiene dos

posibles resultados: Defectuoso-No
Defectuoso (ó Conforme-Disconforme ). Si el
tornillo no entra en la rosca, se lo considera
defectuoso o disconforme.
Gráficos np
Para controlar este proceso, se puede tomar

una muestra de tornillos y contar el número de
defectuosos presentes en la muestra.
Gráficos np
Test
Proceso
Tornillo
OK
Gráficos np
La variable aleatoria número de defectuosos

es una variable aleatoria discreta, porque
puede tomar un número finito de valores, o
infinito numerable.
Gráficos np
Los gráficos np se utilizan para controlar el

número de defectuosos en una muestra.
Gráficos np
Entonces, para controlar este proceso, un

inspector se coloca al final de la línea de
producción y cada hora retira una muestra de
n= 50 tornillos (por ejemplo), comprueba cada
uno con la rosca y anota el número de
defectuosos.
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
Este resultado se anota en un gráfico hora por

hora y se denomina gráfico np.
Gráficos np
Si se tomara del proceso un sólo tornillo, cuál

es la probabilidad de que sea defectuoso?
Gráficos np
Imaginando la población de tornillos que

podría fabricar el proceso trabajando siempre
en las mismas condiciones, una cierta
proporción p de estos serían defectuosos.
Gráficos np
Entonces, la probabilidad de tomar un tornillo

y que sea defectuoso es p.
Gráficos np
En una muestra de n tornillos, la probabilidad

de encontrar:
0 defectuosos
1 defectuoso
2 defectuosos
...
n defectuosos
está dada por una distribución binomial con
parámetros n y p.
Gráficos np
Como sabemos, el promedio de la población

es n.p y la varianza es n.p.(1-p)
Gráficos np
Para construir los gráficos de control np, en

una primera etapa se toman N muestras (más
de 20 ó 25) a intervalos regulares, cada una
con n tornillos.
Gráficos np
Se cuenta en cada muestra el Número de

Defectuosos y se registra. Se obtendría una
Tabla como la siguiente:
Gráficos np
Muestra Nº Defectuosos
1 3
2 2
3 4
4 3
5 4
6 2
7 5
- -
- -
- -
Gráficos np
En cada muestra, la fracción de defectuosos

es:
Nº Defectuosos en
Muestra i
Número de elementos en
la Muestra
Gráficos np
Entonces, a partir de la tabla podemos

calcular p como promedio de las fracciones
de defectuosos en las muestras:
Gráficos np
Número de
Muestras
Gráficos np
y luego la Desviación Standard:
Número de elementos en
la Muestra
Gráficos np
Con esto podemos calcular los Límites de

Control para el gráfico np:
Gráficos np
Gráficos np
Construímos entonces un Gráfico np de

prueba y representamos el número de
defectuosos en las muestras:
Gráficos np
Gráfico np
12
10
0
0 5 10 15 20 25 30
M ue s t ra
Gráficos np
Si no hay puntos fuera de los límites de

control y no se encuentran patrones no
aleatorios, se adoptan los límites calculados
para controlar la producción futura.
GRAFICO u
IMPLANTACIÓN DEL DIAGRAMA

np (np: NÚMERO DE ARTÍCULOS DEFECTUOSOS)
2. DETERMINE LC, LSC Y LIC:
LC= npˆ
LSC= npˆ + 3 npˆ (1− pˆ
LIC = npˆ − 3 n pˆ (1 − pˆ )

1. ESTIME p m
p$ ∑
j= 1
d j
m
n j
∑
j 1
m : total de subgrupos observados.

di : número de artículos no conformantes en el subgrupo i.
ni : tamaño del subgrupo i.
3. PARA EL SUBGRUPO i, GRAFIQUE EL NÚMERO DE
ARTÍCULOS DEFECTUOSOS CORRESPONDIENTE:
npi
4. IDENTIFIQUE PUNTOS FUERA DE CONTROL Y

RECALCULE, SI ES NECESARIO.
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
SELECCIÓN ENTRE DIAGRAMA p Y

DIAGRAMA np
SIMILITUDES
AMBOS DIAGRAMAS SUPONEN UNA DISTRIBUCIÓN BINOMIAL.
PARA SUBGRUPOS CON MISMO TAMAÑO, AMBOS DIAGRAMAS

SON SIMILARES, CON ESCALA DIFERENTE EN EJE DE LAS y (1/n).
CRITERIOS DE SELECCIÓN
SI LOS SUBGRUPOS TIENEN TAMAÑOS DIFERENTES, USE

DIAGRAMA p.
SI LOS SUBGRUPOS TIENEN TAMAÑOS IDÉNTICOS, USE

CUALESQUIERA DE LOS DIAGRAMAS.
VENTAJAS DE USAR EL DIAGRAMA np
AHORRO DE UN CÁLCULO POR CADA UNO DE LOS

SUBGRUPOS (DIVISIÓN DE di ENTRE n PARA OBTENER
pi).
MEJOR COMPRENSIÓN POR PARTE DEL PERSONAL QUE

USA LOS DIAGRAMAS.

p
(p: PROPORCIÓN DEFECTUOSA)
1. ESTIME p:
m
∑ dj
p$ j= 1
m
∑ nj
j= 1
m : total de subgrupos observados.

dj : número de artículos no conformantes en el subgrupo j.
nj : tamaño del subgrupo j.

p
2. DETERMINE LC, LSC Y LIC:
LC =
$
LSCj = $ + 3 p$ ( 1 − p$ )
nj
LICj = - 3 p$ ( 1 − p$ )
$ nj
IMPLANTACIÓN DEL DIAGRAMA p
3. PARA EL SUBGRUPO j, GRAFIQUE LA

PROPORCIÓN DEFECTUOSA
CORRESPONDIENTE:
dj
pj =
nj
4. IDENTIFIQUE PUNTOS FUERA DE CONTROL

Y RECALCULE, SI ES NECESARIO.
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.
A) DETERMINE LC, LSC Y LIC.

B) IDENTIFIQUE LOS PUNTOS FUERA DE CONTROL.
C) RECALCULE, SI ES NECESARIO.
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
CARTAS c Y u (PARA DEFECTOS)

ES FRECUENTE QUE EN LOS PROCESOS INDUSTRIALES
EXISTAN VARIABLES DE ATRIBUTOS COMO LAS
SIGUIENTES: NÚMERO DE DEFECTOS POR ARTÍCULO
(ROLLO FOTOGRÁFICO, ZAPATO, PRENDA DE VESTIR,
CIRCUITO ELECTRÓNICO); EN LAS QUE EN CADA
PRODUCTO SE PUEDE TENER MÁS DE UN DEFECTO O
ATRIBUTO NO SATISFECHO, Y SIN EMBARGO NO
CATOLOGAR A TAL PRODUCTO COMO DEFECTUOSO.
POR EJEMPLO, UN MUEBLE PUEDE TENER ALGUNOS
DEFECTOS EN SU TERMINADO Y SE PUEDE UTILIZAR
CON RELATIVA NORMALIDAD. ES DECIR, SON
VARIABLES DE ATRIBUTOS QUE AL ESTAR PRESENTES
EN UN ARTÍCULO NO NECESARIAMENTE IMPLICA QUE
NO SIGA O NO PASE A LA SIGUIENTE ETAPA DEL
PROCESO, CONTRARIAMENTE A LAS CARTAS n, np
OTRO TIPO DE VARIABLES QUE TAMBIÉN SON

IMPORTANTES EVLUAR SON: NÚMERO DE ERRORES
POR TRABAJADOR, CANTIDAD DE ACCIDENTES,
NÚMERO DE QUEJAS POR MAL SERVICIO, NÚMERO DE
NUEVOS CLIENTES, CANTIDAD DE LLAMADAS
TELEFÓNICAS, CLIENTES ATENDIDOS, ERRORES
TIPOGRÁFICOS, NÚMERO DE FALLAS DE UN EQUIPO,
ETC.
CARTAS c
ESTA CARTA PARA EL NÚMERO DE DEFECTOS, SU
OBJETIVO ES ANALIZAR LA VARIABILIDAD DEL
NÚMERO DE DEFECTOS POR SUBGRUPO.
LOS LÍMITES DE CONTROL SE OBTIENEN
SUPONIENDO QUE EL ESTADÍSTICO ci SIGUE UNA
DISTRIBUCIÓN DE PISSON, POR LO TANTO LA
ESTIMACIÓN DE LA MEDIA Y LA DESVIACIÓN
ESTÁNDAR DE ESTE ESTADÍSTICO ESTÁN DADAS
POR:
U ci = c =
TOTAL DE DEFECTOS
TOTAL DE SUBGRUPOS
σc = c i
LC = c ±3 c
VER ARCHIVO EXCEL

En una fábrica de muebles se inspeccionaron con detalle el acabado de las mesas cuando salen del
departamento de laca. La cantidad de defectos que son encontrados en cada mesa son registrados con
el fin de conocer y mejorar el proceso. En la tabla 1 se muestran los defectos encontrados en las últimas
30 mesas. es claro que estamos anta una variable a ser analizada con la carta c, debido a que una
misma mesa puede tener varios defectos y de diferente tipo, además los defectos son relativamente
menores, y aunque influyen en la calidad final, no causan que la msa sea rechazada.
Mesa Defectos c i LCS LC LCI

1 7 13.9 6.37 0
2 5 13.9 6.37 0 16
3 10 13.9 6.37 0 14
4 2 13.9 6.37 0 12 Serie2
5 6 13.9 6.37 0 10
6 5 13.9 6.37 0 Serie3
8
7 4 13.9 6.37 0 6
Serie4
8 9 13.9 6.37 0 4 Serie5
9 7 13.9 6.37 0 2
10 5 13.9 6.37 0 0
13
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)
CUANDO EN LAS CARTAS c EL TAMAÑO DE SUBGRUPO

NOS ES CONSTANTE O AUN CUANDO LO SEA SE
PREFIERE CUANTIFICAR EL NÚMERO PROMEDIO DE
DEFECTOS POR ARTÍCULO O UNIDAD, EN LUGAR DEL
TOTAL DE DEFECTOS EN EL SUBGRUPO; SE USA LA
CARTA u. EN LA CUAL PARA CADA SUBGRUPO, SE
GRAFICA EL NÚMERO PROMEDIO DE DEFECTOS POR
UNIDAD ui , QUE SE OBTIENE AL DIVIDIR EL TOTAL DE
DEFECTOS ENCONTRADOS EN EL SUBGRUPO ENTRE
EL TOTAL DE ARTÍCULOS EN EL SUBGRUPO.
ui = ci / ni
ci ES LA CANTIDAD DE DEFECTOS EN EL SUBGRUPO i
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
Técnicas de mejoramiento de procesos

complejos:
7 Herramientas Nuevas
De acuerdo con Ishikawa las 7 herramientas básicas ayudan a
resolver la mayoría de los problemas que enfrenta una empresa,
algunos de ellos, principalmente los de naturaleza intangible y
compleja por su alto grado de interrelación con otros problemas,
no pueden ser resueltos con estas técnicas y su metodología de
solución. Problemas de calidad de Tipo Estratégico requieren del
uso de lo que se ha dado a llamar las 7 Nuevas Herramientas
Administrativas, que en general son más del tipo cualitativo y
más complejas de utilizar que las básicas. Las siete nuevas sirven
para apoyar a la función de liderazgo de la calidad, mientras que
las 7 básicas son para usar más en problemas operativos.
Las 7 herramientas nuevas fueron desarrolladas por los japoneses

mediante la incorporación de otras técnicas que ya eran
ampliamente usadas dentro del área de planeación estratégicay,
según ellos, son el medio necesario para enfrentar la nueva era de
Calidad (Mizuno, 1979). Esta nueva era tiene 2 requisitos:
.La creación del valor agregado para la satisfacción de
necesidades de los clientes.
.Y la prevención en lugar de la corrección en todas las
operaciones de la organización.
Las 7 nuevas herramientas administrativas son:
.Diagrama de afinidad o método Kj
.Diagrama de Relaciones
.Diagrama de Árbol
.Diagramas Matriciales
.Matriz de Análisis de Datos
.Gráfica de Programación de Decisiones de Proceso
.Diagrama de Flechas

Herramientas

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Herramientas

Загружено:

Авторское право:

Доступные форматы

Las 7 Herramientas

¿Para qué se miden las características

•El análisis de los datos medidos permite obtener información

9 Control del proceso de

Estratificar es la aplicación del principio

• obtener mayor claridad;

Cuando los datos son

En los tres casos no

Permite aislar la causa de un problema, identificando

espacios para registrar los resultados de

Producto: _________ Fecha: _______ Sección: _________

Tipo Conteo Frecuencia

Producto: Llanta xYz Fecha: _______ Sección: _________

Tipo Conteo Frecuencia

Nombre: Juan Mtz. R. Fecha: _______ Edad:___ Sexo:___

COMISIÓN FEDERAL DE ELECTRICIDAD

CENTRO DE SERVICIO AL CLIENTE

FORMA: ATENCION DE SERVICIO.

MEDIDOR MEDIDOR MEDIDOR C/M C/M

Q14 IMPUTABLE AL USUARIO

El Diagrama de Pareto constituye un sencillo y gráfico

Determinar cuál es la causa clave de un problema,

20% Pocos vitales Muchos triviales

20% Minoría vital Mayoría útil

eje vertical derecho

Problemas en la operación del 70

Ejemplo Diagrama Pareto para xyzklmn

Hoja de Registro Tabla de Frecuencias 35 80%

Concentradora de Pareto 30 70%

Siguiente 2 Otro más 3 37 84.091 5 10%

Mayor 21 Último 2 39 88.636 0 0%

Ejemplo sobre taller mecánico

El diagrama de Ishikawa, o Diagrama Causa-Efecto, es una

Identificar las causas-raíz, o causas principales, de un

Procedimiento para elaborar

Procedimiento para elaborar

Procedimiento para elaborar

Ejemplo: ¿Qué causas,

Procedimiento para elaborar

Procedimiento para elaborar

Ejemplo: ¿Qué causas,

Respondiendo esta serie de preguntas podríamos obtener lo siguiente:

PERFIL LONGITUD DURACIÓN

VELOCIDAD TEMPERATURA PRESIÓN

EXTRUSIÓN DE LA CURADO DE LA LLANTA

Hacer un diagrama causa - efecto del problema

HISTOGRAMA: GRAFICA QUE NOS PERMITE VISUALIZAR LA TENDENCIA

EL USO SISTEMATICO DEL HISTOGRAMA FACILITA EL ENTENDIMIENTO

Un histograma es un gráfico de barras verticales que representa la

Fase 1. Definición de los Intervalos de Clase

Rubro 1: _________ Rubro 2: _______ Rubro 3: __________

Dato No. Datos Mín Máx

Fase 1. Definición de los Intervalos de Clase

Producto: _________ Fecha: _______ Sección: __________

Dato No. Datos Mín Máx

R = 3.15 – 2.79 = 0.36

3. Determine el número k de intervalos de clase y la amplitud A de

Fase 1. Definición de los Intervalos de Clase

Fase 1. Definición de los Intervalos de Clase

El límite inferior de la primera clase debe ser menor en ½ de la

Ejemplo: Para Mín = 2.79, la unidad de medida es 0.01, y ½ de

LI = 2.79 – 0.005 = 2.785

El límite superior de la primera clase es

Producto: _____ Fecha: _ Sección: _______

Producto: Llanta xYz Fecha: _ Sección: ___

Nombre: Juan Mtz. R. Fecha: _____ Edad:_ Sexo:___

Rubro 1: _____ Rubro 2: _ Rubro 3: ________

Producto: _____ Fecha: _ Sección: ________

Producto: _____ Fecha: _ Sección: ________

Producto: _____ Fecha: _ Sección: ________