HERRAMIENTAS BSICAS PARA SEIS SIGMA

Es una metodologa de calidad que utiliza herramientas para mejorar los procesos de
produccin en cadena. Reduciendo el nmero de unidades defectuosas y el tiempo del
ciclo y con ello generando una mayor confianza por parte de los clientes. Se basa en la
curva de la distribucin normal (para conocer el nivel de variacin de cualquier actividad),
que consiste en elaborar una serie de pasos para el control de calidad y optimizacin de
procesos industriales.
Se inicia en los 80s para mejorar la calidad y en definitiva como una estrategia de
negocio. Fue Motorola la primera en usar este tipo de perspectiva, que ahora han
adoptado empresas como Black & Decker, Toshiba, Ford y NASA entre otras. Su
aplicacin requiere el uso de herramientas y metodologas, con la finalidad de eliminar la
variabilidad de los procesos y con ello obtener el mnimo nmero de defectos y mayor
satisfaccin del cliente.
HERRAMIENTAS DE MEJORA DE CALIDAD
DIAGRAMA DE FLUJO DE PROCESOS
Con el cual se conocen las etapas del proceso por medio de una secuencia de
pasos, as como las etapas crticas. El diagrama de flujo o diagrama de actividades es la
representacin grfica del algoritmo o proceso. Se utiliza en disciplinas como
programacin, economa, procesos industriales y psicologa cognitiva. En Lenguaje
Unificado de Modelado (UML), un diagrama de actividades representa los flujos de trabajo
paso a paso de negocio y operacionales de los componentes en un sistema. Un diagrama
de actividades muestra el flujo de control general.




DIAGRAMA DE CAUSA-EFECTO
Es utilizado como lluvia de ideas para detectar las causas y consecuencias de los
problemas en el proceso.
Este diagrama causal es la representacin grfica de las relaciones mltiples de
causa - efecto entre las diversas variables que intervienen en un proceso. En teora
general de sistemas, un diagrama causal es un tipo de diagrama que muestra
grficamente las entradas o inputs, el proceso, y las salidas o outputs de un sistema
(causa-efecto), con su respectiva retroalimentacin (feedback) para el subsistema de
control.


DIAGRAMA DE PARETO
Se aplica para identificar las causas principales de los problemas en proceso de
mayor a menor y con ello reducir o eliminar de una en una (empezando con la mayor y
despus con las posteriores o con la que sea ms accesible). El diagrama facilita el
estudio de las fallas en las industrias o empresas comerciales, as como fenmenos
sociales o naturales psicosomticos, como se puede ver en el ejemplo de la grfica al
principio del artculo. Hay que tener en cuenta que tanto la distribucin de los efectos
como sus posibles causas no es un proceso lineal sino que el 20% de las causas totales
hace que sean originados el 80% de los efectos.


HISTOGRAMA
Con el cual se observan los datos (defectos y fallas) y se agrupan en forma
gausiana conteniendo los lmites inferior y superior y una tendencia central. Provee la
forma de distribucin de los datos. La tendencia central y la variabilidad se pueden
estimar fcilmente y los limites de especificacin (inferior y superior), se pueden
sobreponer para estimar la capacidad del proceso.
GRFICA DE CORRIDA
Es utilizada para representar datos grficamente con respecto a un tiempo, para
detectar cambios significativos en el proceso Utilizado para mostrar tendencias en los
datos a travs del tiempo. Se observa el seguimiento de los defectos en un proceso.
GRFICA DE CONTROL
Identifica causas especiales que afectan el promedio o la variacin. Ayuda a
determinar que tipo de accin se debe tomar. DIAGRAMA DE DISPERSIN Con el cual
se pueden relacionar dos variables y obtener un estimado usual del coeficiente de
correlacin Permite hacer estimaciones a primera vista e Identifica puntos extraordinarios
MODELO DE REGRESIN
Es utilizado para generar un modelo de relacin entre una respuesta y una variable
de entrada. Permite la prediccin de respuestas en niveles fuera de donde se colectan
datos.
PROCESO DE MEJORA CONTINUA
Tecnologa que permite alcanzar la estabilidad de los procesos productivos y
administrativos. Busca que cada elemento tenga un Procedimiento Estndar
DISEO DE PROCESOS
Define la misin del servicio Identifica a los clientes y sus necesidades Identifica
procesos estratgicos, claves y de soporte Establece el Plan de Anlisis de datos Analiza
y mejora el proceso
ANLISIS DE VARIANZA
Es una tcnica estadstica de contraste de hiptesis. Con esta tcnica se manejan
ms de 2 variables y se complica la frmula matemtica segn el nmero de estas
variables.
DISEO DE EXPERIMENTOS
Son modelos estadsticos clsicos cuyo objetivo es averiguar si uno determinados factores
influyen en la variable de inters y, si existe influencia de algn factor, cuantificarla.
LA VOZ DEL CLIENTE (VOC)
Consiste en escuchar lo que nos demanda el cliente. Quien entiende al cliente, entiende su
negocio. Habr que incorporar un Sistema de Administracin de Quejas del Cliente (SAQ)
CONTROL ESTADSTICO DE PROCESOS (SPC)
Es la herramienta ms extendida para medir, controlar y disminuir la variabilidad en el
proceso. Identifica las causas de la variabilidad.
GERENCIA DE LOS PROCESOS
Aborda la cotidianidad de la empresa, implica el control de la rutina de trabajo. Su
propsito es garantizar el establecimiento, mantenimiento y mejora de los procesos repetitivos de
una empresa.
LOS SOPORTES DE SEIS SIGMA SON:
Identificacin de los elementos Crticos para la Calidad (CTQ), de los clientes Externos e
Internos Realizacin de los anlisis de los modos y efectos de las fallas (FMEA) Utilizacin del
Diseo de Experimentos (DoE), para la identificacin de variables crticas Hacer Benchmarking
permanentemente y establecer los objetivos a alcanzar, sin ambigedades .
Calidad Tradicional Vs. Seis Sigma
CALIDAD TRADICIONAL SEIS SIGMA Est centralizada. Su estructura es rgida y de
enfoque reactivo. Est descentralizada en una estructura constituda para la deteccin y solucin
de los problemas. No hay una aplicacin estructurada de las herramientas de mejora. Uso
estructurado de las herramientas de mejora y de las tcnicas estadsticas No se tiene soporte en la
aplicacin de las herramientas de mejora. Se provee toda una estructura de apoyo y capacitacin
al personal, para el empleo de las herramientas de mejora La toma de decisiones se efecta sobre
la base de presentimientos y datos vagos La toma de decisiones se basa en datos precisos y
objetivos: Slo en Dios creo, los dems traigan datos
Calidad Tradicional Vs. Seis Sigma CALIDAD TRADICIONAL SEIS SIGMA Se aplican remedios
provisionales o parches. Slo se corrige en vez de prevenir. Se va a la causa raz para implementar
soluciones slidas y efectivas y as prevenir la recurrencia de los problemas No se establecen
planes estructurados de formacin y capacitacin para la aplicacin de las tcnicas estadsticas
requeridas Se establecen planes de entrenamiento estructurados para la aplicacin de las tcnicas
estadsticas requeridas Se enfoca solamente en la inspeccin para la deteccin de los defectos
(variables clave de salida del proceso). Post-Mortem Se enfoca hacia el control de las variables
clave de entrada al proceso, las cuales generan la salida o producto deseado del proceso




CARTAS DE CONTROL PARA VARIABLES

Las cartas de control son la herramienta ms poderosa para analizar la variacin en la mayora de
los procesos.
Han sido difundidas exitosamente en varios pases dentro de una amplia variedad de situaciones
para el control del proceso.

Las cartas de control enfocan la atencin hacia las causas especiales de variacin cuando estas
aparecen y reflejan la magnitud de la variacin debida a las causas comunes.
Las causas comunes o aleatorias se deben a la variacin natural del proceso.
Las causas especiales o atribuibles son por ejemplo: un mal ajuste de mquina, errores del
operador, defectos en materias primas.
Se dice que un proceso est bajo Control Estadstico cuando presenta causas comunes
nicamente. Cuando ocurre esto tenemos un proceso estable y predecible.
Cuando existen causas especiales el proceso est fuera de Control Estadstico; las grficas de
control detectan la existencia de estas causas en el momento en que se dan, lo cual permite que
podamos tomar acciones al momento.


Ventajas:

Es una herramienta simple y efectiva para lograr un control estadstico.
El operario puede manejar las cartas en su propia rea de trabajo, por lo cual puede dar
informacin confiable a la gente cercana a la operacin en el momento en que se deben de
tomar ciertas acciones.
Cuando un proceso est en control estadstico puede predecirse su desempeo respecto a las
especificaciones. En consecuencia, tanto el productor como el cliente pueden contar con
niveles consistentes de calidad y ambos pueden contar con costos estables para lograr ese
nivel de calidad.
Una vez que un proceso se encuentra en control estadstico, su comportamiento puede ser
mejorado posteriormente reduciendo la variacin.
Al distinguir ente las causas especiales y las causas comunes de variacin, dan una buena
indicacin de cundo un problema debe ser corregido localmente y cuando se requiere de una
accin en la que deben de participar varios departamentos o niveles de la organizacin.


Cartas de control por variables y por atributos.-

En Control de Calidad mediante el trmino variable se designa a cualquier caracterstica de
calidad medible tal como una longitud, peso, temperatura, etc. Mientras que se denomina
atributo a las caractersticas de calidad que no son medibles y que presentan diferentes estados
tales como conforme y disconforme o defectuoso y no defectuoso.

Segn sea el tipo de la caracterstica de calidad a controlar as ser el correspondiente Grfico de
Control que, por tanto, se clasifican en Cartas de Control por Variables y Cartas de Control por
Atributos.


Comparacin de las cartas de control por variables vs. atributos


Cartas de Control por variables Cartas de control por atributos
Ventajas significativas Conducen a un mejor
procedimiento de control.

Son potencialmente aplicables
a cualquier proceso
Proporcionan una utilizacin
mxima de la informacin
disponible de datos.

Los datos estn a menudo
disponibles.
Son rpidos y simples de
obtener.
Son fciles de interpretar.

Son frecuentemente usados en
los informes a la Gerencia.

Ms econnomicas
Desventajas significativas No se entienden a menos que
se de capacitacin; puede
causar confusin entre los
limites de especificacin y los
lmites de tolerancia.
No proporciona informacin
detallada del control de
caractersticas individuales.
No reconoce distintos grados
de defectos en las unidades de
producto.



Campos de aplicacin de las cartas


VARIABLES

Carta Descripcin Campo de aplicacin.
R X Medias y Rangos Control de caractersticas individuales.
S X
Medias y desviacin
estndar.
Control de caractersticas individuales.
I Individuales Control de un proceso con datos variables que no pueden ser
muestreados en lotes o grupos.



ATRIBUTOS

Carta Descripcin Campo de aplicacin.
P Proporciones Control de la fraccin global de defectuosos de un proceso.
NP Nmero de
defectuosos
Control del nmero de piezas defectuosas
C Defectos por unidad Control de nmero global de defectos por unidad
U Promedio de
defectos por unidad
Control del promedio de defectos por unidad.

Elaboracin de Cartas de control R X (variables)

Paso 1: Colectar los datos.
Los datos son el resultado de la medicin de las caractersticas del producto, los cuales deben de
ser registrados y agrupados de la siguiente manera:
Se toma una muestra(subgrupo) de 2 a 10 piezas consecutivas y se anotan los resultados de
la medicin( se recomienda tomar 5). Tambin pueden ser tomadas en intervalos de tiempo de
- 2 hrs., para detectar si el proceso puede mostrar inconsistencia en breves periodos de
tiempo.
Se realizan las muestras de 20 a 25 subgrupos.

Paso 2: Calcular el promedio R y X para cada subgrupo

N
X X X
X
N
....
2 1




menor mayor
X X R

Paso 3: Calcule el rango promedio R y el promedio del proceso X .

K
R R R
R
K
......
2 1

K
X X X
X
K
.......
2 1

Donde K es el nmero de subgrupos, R
1
,R
2..
es el rango de cada subgrupo;
.... 2 1
, X X son el
promedio de cada subgrupo.

Paso 4: Calcule los limites de control
Los lmites de control son calculados para determinar la variacin de cada subgrupo, estn
basados en el tamao de los subgrupos y se calculan de la siguiente forma:

R D LSC
R 4

R A X LSC
X 2

R A X LIC
X 2


Donde D
4,
D
3,
A
2
son constantes que varan segn el tamao de muestra. A continuacin se
presentan los valores de dichas constantes para tamaos de muestra de 2 a 10.

n 2 3 4 5 6 7 8 9 10
D
4
3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D
3
0 0 0 0 0 0.08 0.14 0.18 0.22
A
2
1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31







Paso 5: Seleccione la escala para las grficas de control
Para la grfica X la amplitud de valores en la escala debe de ser al menos del tamao de los
lmites de tolerancia especificados o dos veces el rango promedio R .
Para la grfica R la amplitud debe extenderse desde un valor cero hasta un valor superior
equivalente a 1 - 2 veces el rango.

Paso 6: Trace la grfica de control
Dibuje las lneas de promedios y lmites de control en las grficas.
Los lmites de Control se dibujan con una lnea discontinua y los promedios con una lnea continua
para ambas grficas.
Marcar los puntos en ambas grficas y unirlos para visualizar de mejor manera el comportamiento
del proceso.

Paso 7: Analice la grfica de control

Ejemplo 1

Se toman las medidas de los dimetros de una pieza cilndrica, el tamao de muestra de cada
subgrupo es de cinco, y se toman 25 subgrupos a intervalos de 1 hr.
Realice la carta de control R X .





R D LIC
R 3

muestra subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13
1 0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2 0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3 0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4 0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5 0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70

















Calculando el rango y el promedio para cada subgrupo obtenemos:











Calculando el Rango promedio, promedio del proceso y lmites de control:

198 . R
X = .71
R D LSC
R 4

= 2.11* 0.198 = 0.41

= 0
muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
muestra subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13
1 0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2 0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3 0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4 0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5 0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70
Promedio 0.70 0.77 0.76 0.68 0.75 0.73 0.61 0.72 0.78 0.67 0.75 0.76 0.72
Rango 0.20 0.20 0.10 0.15 0.20 0.25 0.65 0.20 0.20 0.20 0.40 0.20 0.05
muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
Promedio 0.71 0.82 0.75 0.76 0.67 0.70 0.62 0.66 0.69 0.70 0.64 0.66
Rango 0.25 0.15 0.15 0.15 0.15 0.20 0.05 0.30 0.20 0.15 0.10 0.10
R D LIC
R 3

R A X LSC
X 2
= .71+(.58)(.198) = .82
R A X LIC
X 2
= .71-(.58)(.198) = .59










La carta de control R muestra un punto fuera de los limites de especificaciones, por lo cual el
proceso se encuentra fuera de control, en este caso es necesario investigar las causas y tomar las
acciones correctivas para eliminar el problema. En la siguiente parte se muestran los criterios para
determinar las situaciones en las cuales un proceso puede estar fuera de control.


Interpretacin del control del proceso.
El objeto de analizar una grfica de control es identificar cul es la variacin del proceso, las
causas comunes y causas especiales de dicha variacin y en funcin de esto tomar alguna accin
apropiada cuando se requiera.
Juran
1
sugiere un conjunto de reglas de decisin para detectar patrones no aleatorios en las cartas
de control. Cuando se detecta alguno de los patrones siguientes se puede decir que el tomar
alguna accin para corregir el problema ya que el proceso puede estar fuera de control.


PATRONES FUERA DE CONTROL









1
Anlisis y planeacin de la calidad, J.M. Juran ,F.M Gryna, Tercera Edicin, McGrawHill.
25 20 15 10 5 Subgroup 0
0.8
0.7
0.6
S
a
m
p
l
e

M
e
a
n
Mean=0.7112
UCL=0.8254
LCL=0.5970
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
S
a
m
p
l
e

R
a
n
g
e
1
R=0.198
UCL=0.4187
LCL=0
Xbar/R Chart for C1













Grficas de control S X (variables)

El procedimiento para realizar las cartas de control S X es similar al de las cartas R X La
diferencia consiste en que el tamao de la muestra puede variar y es mucho ms sensible para
detectar cambios en la media o en la variabilidad del proceso.
El tamao de muestra n es mayor a 9.La Carta X monitorea el promedio del proceso para vigilar
tendencias.
La Carta S monitorea la variacin en forma de desviacin estndar.


Terminologa
k = nmero de subgrupos
n = nmero de muestras en cada subgrupo
X = promedio para un subgrupo
X = promedio de todos los promedios de los subgrupos
S = Desviacin estndar de un subgrupo
S

= Desviacin est. promedio de todos los subgrupos

N
X X X
X
N
....
2 1



K
X X X
X
K
.......
2 1

S A X LSC
X 3

S A X LIC
X 3

S B LSC
S 4

S B LIC
S 3


Ejemplo 2

Se registra el peso diariamente durante dos semanas. Realizar la grfica de control S X










88 . 10 X
46 . 1 S

Se calculan los limites de control para cada subgrupo, ya que al tener tamaos de muestra
diferentes estos son variables.
Grfica S X

con lmites constantes:

Para la realizacin de los diagramas de control con lmites constantes utilizamos las frmulas
siguientes:


Da Muestra1 Muestra2 Muestra3 Muestra4 Muestra5 S
1 10 12 8
10.00 2.00
2 12 11 7 9 13
10.40 2.41
3 5 6 4 9
6.00 2.16
4 8 8 6
7.33 1.15
5 17 15 16 18 20
17.20 1.92
6 22 24 22
22.67 1.15
7 8 9 7
8.00 1.00
8 6 5 6 5
5.50 0.58
9 10 10 10 11 9
10.00 0.71
10 13 10 12
11.67 1.53
10.88 1.46
X
Los parmetros para el grfico X son:

S A X LIC
X 3


y para el grfico S :

S B LSC
S B LIC
S
S
3
4

Ejemplo 3:

Las siguientes cifras son la medias y las desviaciones estndar de muestras de 5 observaciones
correspondientes a los dimetros de una pieza metlica:

S A X LIC
X 3


10 9 8 7 6 5 4 3 2 1 Subgroup 0
25
15
5
S
a
m
p
l
e

M
e
a
n
Mean=10.87
UCL=13.70
LCL=8.033
4
3
2
1
0
S
a
m
p
l
e

S
t
D
e
v
S=1.451
UCL=3.725
LCL=0
Xbar/S Chart for C1-C5
muestra X-bar Si muestra X-bar Si
1 74.01 0.0148 14 73.99 0.0153
2 74.001 0.0072 15 74.006 0.0073
3 74.008 0.0106 16 73.997 0.0078
4 74.003 0.0091 17 74.001 0.0106
5 74.003 0.0122 18 74.007 0.007
6 73.996 0.0087 19 73.998 0.0085
7 74 0.0055 20 74.009 0.008
8 73.997 0.0123 21 74 0.0053
9 74.004 0.0055 22 74.002 0.0074
10 73.998 0.0063 23 74.002 0.0119
11 73.994 0.0029 24 74.005 0.0087
12 74.001 0.0042 25 73.998 0.0162
13 73.998 0.0105 PROMEDIOS 74.001 0.0090

De la tabla tenemos que: 001 . 74 X y S = .0090
Calculamos los limites de control:
S A X LIC
X 3
= 74.001 + (1.427)(.0090) = 74.014
S A X LIC
X 3
= 74.001 (1.427)(.0090) = 73.998

S B LIC
S
4
= (2.089)(.0090) = 0.019
S B LSC
S
3
= (0)(.0090) = 0

Carta de control de lecturas Individuales I-MR (Datos variables).

A menudo esta carta se llama I o Xi.
Esta Carta monitorea la tendencia de un proceso con datos variables que no pueden ser
muestreados en lotes o grupos.
Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales de una
unidad o pieza.
Este tipo de grfica es utilizada cuando las mediciones son muy costosas(Ej. Pruebas
destructivas), o cuando la caracterstica a medir en cualquier punto en el tiempo es
relativamente homognea (Ej. el PH de una solucin qumica)
La lnea central se basa en el promedio de los datos, y los lmites de control se basan en la
desviacin estndar (+/- 3 sigmas)

Terminologa

k = nmero de piezas
n = 2 para calcular los rangos
X = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos



R E X LSC
X 2

R E X LIC
X 2

R D LSC
R 4

R D LIC
R 3


Donde D
4,
D
3,
E
2
son constantes que varan segn el tamao de muestra usado para agrupar los
rangos mviles como se muestra en la tabla siguiente:

n 2 3 4 5 6 7 8 9 10
D
4
3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D
3
0 0 0 0 0 0.08 0.14 0.18 0.22
E
2
2.66 1.77 1.46 1.29 1.18 1.11 1.05 1.01 0.98

* Generalmente se utiliza n = 2

Ejemplo 3: La longitud de un tramo de tubo se registra para cada producto. Realice la grfica de
control individual.
















Parte Longitud
1 12.02
2 11.85
3 11.98
4 11.72
5 11.88
6 12.07
7 12.03
8 12.13
9 12.16
10 12.16
11 12.16
12 12.21
13 12.19
14 11.93
15 11.89


Se calcula el rango mvil de la siguiente manera: diferencia entre 1 y 2 lectura, 2 y 3 y as
hasta n-1.

Parte Longitud Rangos
1 12.02 0.17
2 11.85 0.13
3 11.98 0.26
4 11.72 0.16
5 11.88 0.19
6 12.07 0.04
7 12.03 0.10
8 12.13 0.03
9 12.16 0.00
10 12.16 0.00
11 12.16 0.05
12 12.21 0.02
13 12.19 0.26
14 11.93 0.04
15 11.89
12.03 0.10

10 . 0
03 . 12

R
X

R E X LSC
X 2
=12.03+(2.66)(.10) = 12.29
R E X LIC
X 2
=12.03 (2.66)(.10) = 11.76
R D LSC
R 4
= 3.27(.10)= .327
R D LIC
R 3
= 0
























15 10 5 0
12.35
12.25
12.15
12.05
11.95
11.85
11.75
11.65
Observation Number
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
I Chart for C1
1
Mean=12.03
UCL=12.30
LCL=11.75
15 10 5 0
0.4
0.3
0.2
0.1
0.0
Observation Number
M
o
v
i
n
g

R
a
n
g
e
Moving Range Chart for C1
R=0.1036
UCL=0.3384
LCL=0
Interpretacin del proceso:

Revisar la grfica de rangos para puntos fuera de los lmites de control como signo de la
existencia de causas especiales. Note que los rangos sucesivos estn correlacionados, debido
a que tienen un punto en comn y debido a esto se tiene que tener cuidado al interpretar
tendencias.
Las grficas por lecturas individuales pueden ser analizadas para puntos fuera de los lmites de
control, dispersin de puntos dentro de los lmites de control y para tendencias o patrones.
Cabe hacer notar que si la distribucin de proceso no es simtrica, las reglas mostradas
anteriormente para grficas X podrn dar seales de causas especiales sin que stas existan.

Grficas de control por atributos

Cualquier caracterstica de calidad que pueda ser clasificada de forma binaria: cumple o no
cumple, funciona o no funciona, pasa o no pasa, etc., a los efectos de control del proceso, ser
considerado como un atributo y para su control se utilizar un Grfico de Control por Atributos.
:
Los criterios de aceptacin al utilizar grficas de control por atributos deben estar claramente
definidos y el procedimiento para decidir si esos criterios se estn alcanzando es producir
resultados consistentes a travs del tiempo. Este procedimiento consiste en definir
operacionalmente lo que se desea medir. Una definicin operacional consiste en:

1 . Un criterio que se aplica a un objeto o a un grupo
2. Una prueba del objeto o del grupo y
3. Una decisin, s o no: El objeto o el grupo alcanza o no el criterio.

Grfica P para fraccin de Unidades Defectuosas (atributos)

La grfica p mide la fraccin defectuosa o sea las piezas defectuosas en el proceso. Se puede
referir a muestras de 75 piezas, tomada dos veces por da; 100% de la produccin durante una
hora, etc. Se basa en la evaluacin de una caracterstica (se instalo la pieza requerida?) o de
muchas caractersticas (se encontr algo mal al verificar la instalacin elctrica?). Es importante
que cada componente o producto verificado se registre como aceptable o defectuoso (aunque una
pieza tenga varios defectos especficos se registrar slo una vez como defectuosa).

Pasos para la elaboracin de la grfica:
Paso 1- Frecuencia y tamao de la muestra:
Establezca la frecuencia con la cual los datos sern tomados (horaria, diaria, semanal). Los
intervalos cortos entre tomas de muestras permitirn una rpida retroalimentacin al proceso ante
la presencia de problemas. Los tamaos de muestra grandes permiten evaluaciones ms estables
del desarrollo del proceso y son ms sensibles a pequeos cambios en el promedio del mismo. Se
aconseja tomar tamaos de muestra iguales aunque no necesariamente se tiene que dar esta
situacin, el tamao de muestra debera de ser mayor a 30. El tamao de los subgrupos ser de 25
o ms.

Paso 2- Calculo del porcentaje defectuoso (p) del subgrupo:

Registre la siguiente informacin para cada subgrupo:
El nmero de partes inspeccionadas n
El nmero de partes defectuosas np

Calcule la fraccin defectuosa (p) mediante:
n
np
p

Paso 3 Calculo de porcentaje defectuoso promedio y lmites de control
El porcentaje defectuoso promedio para los k subgrupos se calcula con la siguiente frmula:

k
k
n n n
np np np
p

.....
....
2 1
2 1


n
p p
p LSC
p
) 1 (
3



n
p p
p LIC
p
) 1 (
3



donde n es el tamao de muestra promedio.

NOTA: Cuando p y/o n es pequeo, el lmite de control inferior puede resultar negativo, en estos
casos el valor del lmite ser = 0
Paso 4- Trace la grfica y analice los resutados.
Ejemplo 4

Un fabricante de latas de aluminio registra el nmero de partes defectuosas, tomando muestras
cada hora de n = 50, con 30 subgrupos. Realizar la grfica de control para la siguiente serie de
datos obtenida durante el muestreo.












Calcule la fraccin defectuosa para cada muestra:











2313 . p

n
p p
p LSC
p
) 1 (
3

=
50
77 . * 23 .
3 2313 . =.4102

n
p p
p LIC
p
) 1 (
3

=
50
77 . * 23 .
3 2313 . =.05243
Muestra Latas defectuosas Fraccin defectuosa Muestra Latas defectuosas Fraccin defectuosa
np p np p
1 12 0.24 16 8 0.16
2 15 0.30 17 10 0.20
3 8 0.16 18 5 0.10
4 10 0.20 19 13 0.26
5 4 0.08 20 11 0.22
6 7 0.14 21 20 0.40
7 16 0.32 22 18 0.36
8 9 0.18 23 24 0.48
9 14 0.28 24 15 0.30
10 10 0.20 25 9 0.18
11 5 0.10 26 12 0.24
12 6 0.12 27 7 0.14
13 17 0.34 28 13 0.26
14 12 0.24 29 9 0.18
15 22 0.44 30 6 0.12
Muestra Latas defectuosas Muestra Latas defectuosas
np np
1 12 16 8
2 15 17 10
3 8 18 5
4 10 19 13
5 4 20 11
6 7 21 20
7 16 22 18
8 9 23 24
9 14 24 15
10 10 25 9
11 5 26 12
12 6 27 7
13 17 28 13
14 12 29 9
15 22 30 6

Trazando la grfica













Grfica np Nmero de defectivos

La grfica np es basada en el nmero de defectuosos en vez de la proporcin de defectuosos. Los
lmites son calculados mediante la siguientes frmulas.

p np np LSC 1 3

p np np LIC 1 3

Ejemplo 5:

Utilizando los datos del diagrama anterior, construya la grfica np e interprete los resultados.

De la tabla obtenemos 2313 . 0 p , n = 50.
Calculando los lmites de control tenemos:

30 20 10 0
0.5
0.4
0.3
0.2
0.1
0.0
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart for C1
1
1
P=0.2313
UCL=0.4102
LCL=0.05243
LSC = 510 . 20 7687 . 0 2313 . 0 50 3 ) 2313 . 0 )( 50 (
LIC = 620 . 2 7687 . 0 2313 . 0 50 3 ) 2313 . 0 )( 50 (















Grfico de Control C.
Grfica C para nmero de defectos

Se utiliza para determinar la ocurrencia de defectos en la inspeccin de una unidad de producto.
Esto es determinar cuantos defectos tiene un producto. Podemos tener un grupo de 5 unidades de
producto, 10 unidades, etc.
Los lmites de control se calculan mediante las siguientes frmulas:

c c LSC 3
c c LSC 3

Donde:
c = total de defectos/ nmero de unidades de producto.

30 20 10 0
25
20
15
10
5
0
Sample Number
S
a
m
p
l
e

C
o
u
n
t
NP Chart for cantidad
1
1
NP=11.57
3.0SL=20.51
-3.0SL=2.621
Ejemplo:
En la siguiente tabla tenemos el nmero de unidades de defectos observados en 26 muestras
sucesivas de 100 filtros de seguridad.

muestra defectos muestra defectos
1 21 14 19
2 24 15 10
3 16 16 17
4 12 17 13
5 15 18 22
6 5 19 18
7 28 20 39
8 20 21 30
9 31 22 24
10 25 23 16
11 20 24 19
12 24 25 17
13 16 26 15


67 . 19
26
516
c
37 . 6 67 . 19 3 67 . 19
97 . 32 67 . 19 3 67 . 19


LIC
LSC


20 10 0
40
30
20
10
0
Sample Number
S
a
m
p
l
e

C
o
u
n
t
C Chart for C1
1
1
C=19.85
3.0SL=33.21
-3.0SL=6.481



Grafica U Defectos por Unidad


El diagrama u se basa en el promedio de defectos por unidad inspeccionada:

u =
n
c


donde
c = nmero de defectos
n = cantidad de piezas inspeccionadas

Para determinar los limites de control utilizamos las frmulas siguientes:

n
u
u LSC 3
n
u
u LIC 3

Ejemplo 6
2

Una compaa que fabrica computadoras personales desea establecer un diagrama de control del
nmero de defectos por unidad. El tamao de muestra es de cinco computadoras. En la tabla se
muestran el numero de defectos en 20 muestras de 5 computadoras cada una. Establecer el
diagrama de control u


2
Statistical Quality Control, Douglas C. Montgomery, Second Edition pp.181
muestra tamao de muestra Nmero de defectos, c promedio de defectos por unidad u
1 5 10 2
2 5 12 2.4
3 5 8 1.6
4 5 14 2.8
5 5 10 2
6 5 16 3.2
7 5 11 2.2
8 5 7 1.4
9 5 10 2
10 5 15 3
11 5 9 1.8
12 5 5 1
13 5 7 1.4
14 5 11 2.2
15 5 12 2.4
16 5 6 1.2
17 5 8 1.6
18 5 10 2
19 5 7 1.4
20 5 5 1
Total 193 38.6


93 . 1
20
60 . 38


n
u
u
i


Los lmites de control son los siguientes:

79 . 3
5
93 . 1
3 93 . 1 LSC

07 . 0
5
93 . 1
3 93 . 1 LIC








20 10 0
4
3
2
1
0
Sample Number
S
a
m
p
l
e

C
o
u
n
t
U Chart for C1
U=1.930
3.0SL=3.794
-3.0SL=0.06613
CAUSAS COMUNES Y ESPECIALES DE VARIACIN
Las causas comunes y las causas especiales son dos tipos distintos de origen de
variacin en un proceso, como est definido en el pensamiento y mtodos estadsticos de
Walter A. Shewhart y W. Edwards Deming. Brevemente, causa comn es la variacin
usual, histrica, cuantificable en un sistema, mientras que causa especial son las
variaciones inusuales, previamente no observadas, no cuantificables.
La distincin es fundamental en la filosofa de las estadsticas y la filosofa de la
probabilidad, con diferentes tratamientos de estos temas siendo un problema clsico de
las interpretaciones de la probabilidad, esto fue reconocido y discutido tan tempranamente
como en 1703 por Gottfried Leibniz; sin perjuicio de se han usado varios nombres
alternativos a travs de los aos.
La distincin ha sido particularmente importante en el pensamiento de los economistas
Frank Knight, John Maynard Keynes y G. L. S. Shackle.
Variacin de causa comn
La variacin de causa comn est caracterizada por:
Fenmeno constantemente activo al interior del sistema;
Variacin predecible probabilsticamente;
Variacin irregular dentro de una base de experiencia histrica; y
Carencia de significancia de valores individuales altos o bajos.
Variacin de causa especial
La variacin de causa especial se caracteriza por:
Fenmeno nuevo, sin anticipar, emergente o previamente ignorado dentro del
sistema;
Variacin inherentemente impredecible, incluso probabilsticamente;
Variacin fuera de la base de experiencia histrica; y
Evidencia de algn cambio inherente en el sistema o de nuestro conocimiento de
l.
EJEMPLOS
Causas comunes
Procedimientos inapropiados
Pobre diseo
Pobre mantenimiento de mquinas
Carencia de procedimientos estndares de operacin claramente definidos
Pobres condiciones de trabajo, por ejemplo, iluminacin, ruido, polvo, temperatura,
ventilacin
Materia prima subestndar
Aseguramiento del error
Error en el control de calidad
Vibracin en procesos industriales
Temperatura y humedad ambiental
Desgaste y roturas normales
Variabilidad en los ajustes
Tiempo de respuesta de los computadores
Causas especiales
Pobre ajuste del equipo
Operador se queda dormido
Controladores defectuosos
Malfuncionamiento de las mquinas
Malfuncionamiento de los computadores
Lote de materia prima de mala calidad
Variaciones de energa
Alta demanda de cuidados mdicos por los ancianos
Trfico anormal (fraude de clicks) en los avisos de internet
4

Tiempo de duracin de las pruebas de laboratorio extremadamente grandes
debido al cambio a un nuevo sistema de computadores
Ausencia del operador
5