2.2.

6 ESTRATIFICACIÓN
La estratificación es una técnica utilizada en combinación con otras herramientas
de análisis de datos. Cuando los datos, de una variedad de fuentes o categorías,
han sido agrupados su significado puede ser imposible de interpretar. Esta técnica
separa los datos para que los patrones de distribución de dos o más grupos se
puedan distinguir.
A cada grupo se le denomina estrato. El objetivo es aislar la causa de un problema,
identificando el grado de influencia de ciertos factores en el resultado de un
proceso.
La aplicación de esta técnica sigue el principio de Management que dice: "Un gran
problema no es nunca un problema único, sino la suma de varios pequeños
problemas". A veces, al analizar por separado las partes del problema, se observa
que la causa u origen está en un problema pequeño.
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.

En el planteamiento de una estratificación conviene tener presentes los siguientes

aspectos:
 La comprensión de un fenómeno resulta siempre más completa al aumentar
el número de factores de estratificación utilizados en el análisis (cuidar, no
obstante, de no excederse).
 Para comprender bien el problema que se está analizando, es preciso
estratificar según todos los factores útiles a la definición del fenómeno y a la
definición sucesiva de las causas que ejercen una mayor influencia sobre el
fenómeno.
La estratificación puede apoyarse en distintas herramientas de calidad, si bien el
histograma es el modo más habitual de presentarla.
¿Cómo estratificar los datos?

Paso 1: Clarifique los objetivos de estratificar los datos.

Paso 2: Clarifique los elementos que se estratificarán dentro del problema
Paso 3: Determine el método de recolección de datos.
Paso 4: Verifique y compare los datos estratificados.
Paso 5: Averigüe las causas, encontrando las grandes diferencias entre los datos.

Si no se encuentra alguna gran diferencia, regrese al procedimiento 2 y agregue

algunos otros elementos de estratificación para descubrir las peculiaridades obvias
entre los datos.

Si los resultados de la estratificación se presentan en forma de gráfico de barras,

es fácil examinar las categorías de una variable para ver si alguna o algunas de las
categorías destacan sobre el resto.
Después de la estratificación, si los resultados dan una indicación clara de la fuente
probable del fenómeno que se estudia, el equipo tendrá que validar sus resultados
iniciales o necesitará un mayor conocimiento de los detalles sobre la causa precisa.
Si inicialmente no se obtienen unos resultados útiles, se optará o bien por proceder
a una estratificación de segundo orden, o por estratificar según otras variables.

Algunas ventajas de la estratificación son las siguientes:

 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
 Destaca que la comprensión de un fenómeno resulta más completa

Ejemplo de Estratificación 1 - Gráfica Lineal

Un gerente utiliza una gráfica lineal para ver el número total de quejas o fallas en
la empresa y nota que algo raro pasó en abril: hubo un incremento muy marcado
de errores.
En virtud de que son tres los departamentos involucrados, decide construir gráficas
separadas para cada uno. Los departamentos 1 y 2 están bien pues no hay
incremento en los defectos. Vemos que es el departamento 3 el que ha
incrementado sus errores.

¿Qué hacer? Valdría la pena iniciar un análisis en este departamento.

Ejemplo de Estratificación 2 - Gráfica de Pareto

En este ejemplo tenemos unas piezas rechazadas por defectos. Recolectamos

datos y construimos una Gráfica de Pareto, pero al analizarla encontramos que los
problemas son más o menos igual de importantes y ninguno sobresale.
Sin embargo, al estratificar los datos con base en la semana en que fueron
producidas las piezas vemos claramente una diferencia.

De nuevo la Estratificación nos acerca a la solución. El siguiente

paso sería investigar qué sucedió esa semana.

Ejemplo de Estratificación 3 – Histograma

Muchas de las baterías que una empresa fabrica son rechazadas por dar un voltaje
incorrecto. Entonces registramos en una hoja de verificación los voltajes de 50
baterías seleccionadas al azar y construimos un Histograma.
Si queremos acercarnos más a la solución del problema, debemos estratificar. Al
hacerlo, los Histogramas nos muestran que el problema está en el turno matutino.

Nuevamente la Estratificación nos acerca al origen del problema. Ahora debemos

utilizar el Análisis de Causa y Efecto en el turno matutino.

Ejemplo de Estratificación 4 - Gráfico de Control

Una compañía tiene problemas en una etapa de su proceso, por lo que

deciden tomar muestras y analizarlas en un Gráfico de Control.

La materia prima proviene de dos proveedores. Al estratificar los

datos se hace evidente que el proveedor 2 está por debajo del proveedor 1.
De nuevo, la Estratificación nos da pistas valiosas para saber dónde debemos
analizar más profundamente.

Ejemplo de Estratificación 5 - Diagrama de Dispersión

El Gerente de Ventas elabora un Diagrama de Dispersión con base en dos variables

(cada punto representa un vendedor):

1) El número de prospectos visitados en el semestre

2) El número de unidades vendidas en el semestre

El Diagrama de Dispersión comprueba la hipótesis del Gerente (mientras más

prospectos visita un vendedor es mayor la cantidad de unidades vendidas). Sin
embargo, algunos puntos de la gráfica siguen un patrón extraño por lo que decide
separar el Diagrama en dos: Uno para los vendedores a quienes sí se les
dio capacitación y otro para los que no tomaron los cursos.
La Estratificación nos confirma el valor del entrenamiento. Incluso puede no ser
necesario investigar más a fondo el origen del problema.

Aplicación de la estratificación a la industria petrolera:

1.-Primero definiremos el problema analizar:

“SOLO EL 60% DE LA GASOLINA QUE SE VENDE EN EL PAÍS CUMPLE CON LA

NORMATIVIDAD NACIONAL DE CONTENIDO DE AZUFRE”

2.- Después de manera general, representar los datos relativos a dicho fenómeno.

AÑO MILES DE BARRILES DIARIOS

2006 1064
2007 1119
2008 1175
2009 1151
2010 1173
2011 1183
2012 1204
2013 1179
2014 1166
2015 1178

3.- Posteriormente se seleccionaran los factores de estratificación, y son los

siguientes:
“COMBUSTIBLES SUCIOS”
“COMBUSTIBLES LIMPIOS”
4.-El siguiente paso es clasificar los datos en grupos homogéneos en función de los
factores de estratificación seleccionados y en este caso serán dos.
5.-Representar gráficamente cada grupo homogéneo de datos.

6.- por ultimo analizar el histograma para observar las posibles diferencias entre
estratos y así poder determinas de manera fácil y clara los problemas presentados
y en qué tiempo se presentó de manera más considerable.
 2.3 CAPACIDAD Y HABILIDAD DEL PROCESO (CP Y CPK)
La tabulación o recopilación del número de veces en que se presenta una cierta
medición o dato de la característica o variable de calidad a analizar, para un
producto cualquiera que se esté examinando se conoce como Histograma de
Frecuencias. La tabulación u ordenación de datos se representa colocando sobre el
eje vertical la frecuencia en que ocurren los datos, y sobre el eje horizontal los
valores de la característica que se mide; estos valores se representan en pequeños
intervalos numéricos casi siempre definidos por el usuario, llamados intervalos de
clase.
Normalmente en dicho Histograma, se muestra también las marcas
correspondientes a la media nominal de toda la población, así como los valores de
los límites inferior y superior de especificación.

La capacidad potencial del proceso o Cp: se define como la relación entre los
límites de especificación o tolerancia y la variabilidad total del proceso dada por el
cálculo de la desviación estándar.
Matemáticamente se expresa de la siguiente forma:
Especificación Superior - Especificación Inferior
Cp = __________________________________________________
6 veces la desviación estándar
Donde “σ” o “s” es la desviación estándar de la calidad del producto

El índice Cp permite calificar la variabilidad tanto del producto como del proceso,
siendo mayor la capacidad de cumplir con la especificación, mientras mayor es el
valor de Cp.
Cp < 1 el procesos no está cumpliendo con las especificaciones
Cp > 1 el proceso es capaz de cumplir con las especificaciones
Por lo cual el Cp se utiliza para conocer las decisiones que se deben tomar en un
proceso y si al analizar el proceso se encuentra que su capacidad no es compatible
con las tolerancias se debe de:

 Modificar el proceso
 Cambiar las tolerancias
 Inspeccionar 100% de los productos

La habilidad del proceso (cpk): proporciona una predicción cuantitativa de qué

tan adecuado es un proceso. La habilidad del proceso es la variación medida,
inherente del producto que se obtiene en ese proceso. En este contexto, la habilidad
permite entre otras cosas establecer límites de especificación realistas.
Se usa un índice más significativo que toma en cuenta la posición del centro de la
distribución con respecto a la de la especificación, que llamamos Habilidad de
Proceso (Cpk), matemáticamente se expresa así:

Especificación Superior - Promedio LSE - X

Cpk lse = ------------------------------------------------ = -----------
3 veces la desviación estándar 3·s

Especificación inferior - Promedio LIE - X

Cpk lie = ------------------------------------------------ = -----------
3 veces la desviación estándar 3·s

De los valores que se obtengan, se toma en cuenta el que resulte menor.

Cpk = Min (Cpklie, Cpklse)

Valores resultantes:
Cpk > 1 el proceso esta fabricando artículos que cumplen con las especificaciones
Cpk < 1 se están produciendo artículos fuera de las especificaciones
Cpk = 0 o negativo la media del proceso están fuera de las especificaciones

Ejemplo:
Suponiendo que al recopilar un numero de datos, obtenemos lo siguiente
Límite superior de especificación: 5.00 % de humedad
Límite inferior de especificación: 3.00 % de humedad
Desviación estándar del proceso: 0.40 %
Sustituyendo estos valores en la formula se tiene:
5-3
Cp = -------------- = 0.83
6 x 0.40
El denominador es mayor que el numerador y resulta un valor menor a la unidad,
esto significa que el proceso tiene mayor variabilidad de lo que permite la
especificación.
Ahora, se toma acción correctiva sobre una de las causas comunes para reducir la
variabilidad y entonces la nueva desviación estándar del proceso es igual a 0.25
%, por lo que se tiene un nuevo valor de Cp:
 5–3
Cp = ------------ = 1.333
6 x 0.25

Esto indica que la variabilidad de la humedad que da el proceso es menor que la

de la tolerancia establecida, por lo que el proceso tiene la capacidad potencial de
cumplir la especificación.
Como se ve, el índice Cp permite calificar la variabilidad tanto del producto como
del proceso, siendo mayor la capacidad de cumplir con la especificación, mientras
mayor es el valor de Cp.
Es evidente que en el caso "B" hay más valores fuera de especificación y en el caso
"C", aunque en menor cantidad, la distribución muestra que los valores también
tienden a salirse del límite superior de la especificación; sin embargo, de acuerdo
a la fórmula de Cp, en los 3 casos "A", "B" y "C", el valor numérico sería de 1.33.
Aplicando la fórmula al caso "A" en que el promedio de distribución = 4 se tiene:
5-4
Cpk lse = ---------- = 1.333
3 x 0.25
4-3
Cpk lie = ---------- = 1.333
3 x 0.25

En este caso, el promedio de distribución coincide con el centro de los límites

especificados, por eso los valores de Cpk lse, Cpk lie y Cp son iguales y por lo tanto
el Cpk también es igual.

En el caso "B" donde el promedio de distribución = 3.2, se tiene:

5-3.2
Cpk lse = ---------- = 2.4
3 x 0.25
 3.2-3
Cpk lie = ---------- = 0.267
3 x 0.25

En este caso, al usar sólo el valor de Cpk lse parecería que el proceso está perfecto,
pero el valor de Cpk lie = 0.267, que es el valor que se tomará como Cpk, es muy
bajo, lo que indica que una gran cantidad de datos están fuera del límite inferior,
lo cual se aprecia en la figura anterior.
En el caso "C" se tiene que el promedio de la distribución = 4.35 y por lo tanto:
5-4.35
Cpk lse = ---------- = 1.0
3 x 0.25

4.35-3
Cpk lie = ---------- = 1.666
3 x 0.25

En este caso, no se tienen problemas con el límite inferior, pero

por el otro lado, el valor de Cpk lse indica que está en la frontera
del límite superior especificado.
Lo anterior permite concluir que mientras más alto es el valor
de Cpk, la variabilidad es menor y el promedio de la distribución
se acerca al valor central de la especificación y por consiguiente es más alta la
probabilidad de cumplir con las condiciones que se establecen para un proceso
dado, para insumo, parte, producto, etc., o sea, que a mayor Cpk tenemos mayor
calidad.
Los índices Cp y Cpk ayudan a enfatizar la necesidad de mejoras para reducir la
variabilidad del proceso también facilita la comparación del desempeño de distintos
proveedores o procesos ya que no tienen unidades y proporcionan una idea
aproximada del porcentaje de artículos que no cumplen con especificaciones
 2.7 GRÁFICAS DE CONTROL.
Creado por Walter Andrew Shewhart en 1920, el diagrama o gráfico de control,
también conocido como diagrama de Shewhart, carta de control o diagrama de
comportamiento de proceso, es una de las 7 herramientas de calidad definidas por
Ishikawa.
Básicamente consiste en los datos de un proceso plasmados de forma cronológica
en una gráfica con límites establecidos, lo que permite determinar cuándo una
variación no es normal.
Una de las herramientas de análisis y solución de problemas es la gráfica de
control. Es un diagrama que muestra los valores producto de la medición de una
característica de calidad, ubicados en una serie cronológica. En él establecemos
una línea central o valor nominal, que suele ser el objetivo del proceso o el
promedio histórico, junto a uno o más límites de control, tanto superior como
inferior, usados para determinar cuándo es necesario analizar una eventualidad.
Tipos de gráficos de control.
La característica de calidad a medir determina el tipo de diagrama de control.
Inicialmente encontramos dos clasificaciones:
Gráfica de control por variables.
La característica de calidad que se mide es una variable continúa (peso, pulgadas,
temperatura, etc). Si ese es el caso, podemos encontrar gráficos basados en la
tendencia central (𝑋̅) y en el rango.
 Gráfica 𝑿 ̅ : Qué tanto se están alejando las mediciones de la tendencia
central, que en este caso es la media o promedio. Por ejemplo un nuevo
trabajador o nuevos instrumentos de trabajo harán que las mediciones se
alejen más de línea central.
 Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la dispersión
de un proceso dentro de una muestra. En otras palabras, el rango es la resta
del valor más grande con el valor más pequeño de una muestra, lo que nos
permite determinar la variabilidad. El valor resultante es plasmado en un
gráfico de control para ser comparado con el rango de otra serie de muestras.
Con esto logramos ver si hay presencia de uniformidad en los puntos
ubicados o si no, para intervenir.
 Gráfica 𝑿̅ -R: Utilizamos ambos tipos de gráficas cuando se miden la relación
de las especificaciones de calidad con la tendencia central y la dispersión. En
este sentido, ubicamos una gráfica ligeramente encima de la otra y
analizamos el comportamiento de cada punto.
Gráfica de control por atributos.
Piensa en una característica de calidad basada en atributos como el cumplimiento
con respecto a una especificación. Lo hacemos con variables discretas. De aquí se
derivan cuatro tipos de gráficos:
 Gráfico p: En él medimos el porcentaje de defectos por muestra. Por ejemplo
si tenemos una muestra de 100 productos y 10 de ellos tienen al menos un
defecto, hay una fracción defectuosa de 0,1. Este valor se ubica en el gráfico
sobre el eje y.
 Gráfico np: A diferencia de p, este valor no es una fracción. Es el número
de unidades defectuosas en una muestra. Si es una muestra de 100
productos, 10 de ellos tienen al menos un defecto, 10 será el valor a ubicar
en el gráfico sobre el eje y.
 Gráfico c: Es el número de defectos por unidad de producción durante un
período de muestreo. En este caso, los defectos por producto se cuentan, y
establecemos un valor para definir a partir de cuántos defectos una unidad
es defectuosa. Por ejemplo, el número de zonas desgastadas que tenga una
chaqueta de cuero, si la chaqueta tiene más de 5 zonas desgastadas, se
considera una unidad no conforme.
 Gráfico u: Similar a p pero parte del gráfico c. En él medimos el porcentaje
de defectos en una unidad durante un período de muestreo.
Cómo hacer un gráfico de control: Paso a paso.
Hay diversidad de softwares que tienen funciones para hacer montones de cosas
con cartas de control. Incluso, en empresas de producción, hay maquinarias que
elaboran a medida que producen las cartas de control según la configuración
asignada. Pero como este no es el caso y de lo que hablamos en Ingenio Empresa
es de aprendizaje, vamos a explicar cómo hacer un gráfico de control.
Aun cuando es un paso a paso, si es importante que complementes lo aprendido
aquí con otras fuentes, pues el diagrama de control y en general el control
estadístico de procesos es un tema mucho más grande, que incluye distribuciones
de probabilidad, fórmulas, niveles de sigma, etc.
En todo caso, el control estadístico de procesos es un tema próximo a desarrollar
en detalle en Ingenio Empresa.
 Paso 1. Antes que nada, determina cuál es el proceso a trabajar y cuál es la
característica de calidad que vas a medir. ¿Acaso es peso, longitud, número
de defectos o volumen?
  Paso 2: Ahora que tienes el tipo de datos a recolectar, define el tipo de gráfico
de control a usar basándote en lo explicado anteriormente, y no te quedes
solo con eso, investiga más.
 Paso 3: Determina el tiempo en el que estarás capturando los datos y define
con base en el tipo de gráfico que vas a trazar, cuestiones como la cantidad
de muestras a considerar (considera al menos 20) y el tamaño de cada una.
 Paso 4: Recopila los datos.
 Paso 5: Determina la línea central y el límite de control superior e inferior.
 Paso 6: Representa los datos en la gráfica.
 Paso 7: Analiza el resultado. Interpreta el gráfico.

Aplicación de diagrama de control en la industria petrolera.

Vamos a imaginar una empresa que produce equipo de perforación. Ellos quieren
monitorear el número de defectos en sus tuberías de revestimiento incluyendo el
99,73% (tres desviaciones estándar) de la variación aleatoria del proceso, por lo
que revisan que la resistencia de la tubería, su flexibilidad y la anchura estén en
óptimas condiciones.
Paso 1: Se van a contar el número de defectos encontrados en las tuberías por
lote. Los lotes pueden variar levemente de tamaño.
Paso 2: Se van a trabajar lotes que pueden tener diferente tamaño, y se va a contar
el porcentaje de defectos encontrados por lote (el lote es la muestra), razón por la
cual vamos a trabajar con una gráfica de control por atributos tipo p.
Paso 3: Los datos se van a capturar durante 10 días de producción. Se van a
considerar 20 muestras (20 lotes), el tamaño de cada lote lo tienes en el paso 4.
Paso 4: Estos son los datos recopilados. La fracción defectuosa es el resultado de
dividir el número de errores por el tamaño del lote.
Paso 5: Vamos a determinar la línea central y los límites de control superior e
inferior. Vale la pena aclarar que cuando hicimos el ejemplo, consideramos todos
los decimales, sin embargo en los gráficos y fórmulas que mostramos a
continuación, solo consideramos dos cifras decimales, por lo tanto seguramente si
reproduces el ejemplo como se muestra a continuación, los resultados van a variar
levemente.
Para tener la línea central calculamos p promedio:

Observa la última fila del paso 4. El número de errores es 99, el número total de
registros examinados es 1859 y resulta de la sumatoria del número de escritorios
por lote.
La desviación estándar para la distribución de la muestra se calcula así:

p promedio es el número que calculamos anteriormente, y n es 92,96 que es el

tamaño de la muestra, en este caso el tamaño de los lotes. Como se aprecia en la
tabla del paso 4, el tamaño del lote varia, por lo tanto 92,95 es el resultado del
promedio de escritorios por lote. La desviación estándar es igual a 0,02.
El cálculo de los límites se hace así:

El número de desviaciones estándar se conoce como z. La empresa limita los

valores a 3 desviaciones estándar de la media, lo que equivale a 99,73%. Es por
eso que en el cálculo de los límites de control, z es igual a 3. Los otros datos ya los
conoces, fueron calculados anteriormente.
¿Podemos tener un número de defectos negativo? No. Es por eso que el límite
central inferior se redondea a 0.
Paso 6: Procedemos a representar los datos en una carta de control.
Con los cálculos hechos, este es el resultado de la gráfica de control de Mesfir.

Paso 7: Analizamos el resultado.

Basándonos en las pistas antes mostradas, podemos ver que:
 El punto 12 está fuera de control. Aunque es una probabilidad pequeña, bien
vale la pena entrar a mirar porqué ocurrió esto.
 Evidentemente algo ocurrió en los lotes 4 a 9. Fija que hay un aumento
constante desde el punto 4 hasta el punto 9, y aunque se ve corregido en el
punto 10, se debe de revisar cómo se trabajaron estos lotes.
 ¿Qué ocurrió en los puntos 11,12 y 13? Hubo algún suceso que afectó sobre
todo al punto 12 y después fue corregido; es lo más probable.
 BIBLIOGRAFÍA

 Aiteco Consultores. (2017). Estratificación. Herramienta para la mejora -

Aiteco Consultores. [online] Available at:
https://www.aiteco.com/estratificacion/ [Accessed 28 Mar. 2017].

 Anon, (2017). [online] Available at:

http://administracionhermoso.blogspot.mx/2010/06/graficas-de-
estratificacion.html [Accessed 28 Mar. 2017].

 IVÁN JOSÉ TURMERO ASTROS, M. (2017). Estratificación: herramienta para

el control de calidad - Monografias.com. [online] Monografias.com.
Available at: http://www.monografias.com/trabajos98/estratificacion-
herramienta-control-calidad/estratificacion-herramienta-control-
calidad.shtml [Accessed 28 Mar. 2017].

 Anon, (2017). [online] Available at:

http://controlestadisticocarloscastillo.weebly.com/166-
estratificacioacuten.html [Accessed 28 Mar. 2017].

 Anon, (2017). [online] Available at:

http://www.calidad.com.mx/articulos_detalle.php?articulo=81 [Accessed 28
Mar. 2017].

 Ingenioempresacom. 1. Ingenioempresacom. [Online]. Available from:

http://www.ingenioempresa.com/grafico-de-control/ [Accessed 28 March
2017].

 Spcgroupcommx. 1. SPC Consulting Group. [Online]. Available from:

http://spcgroup.com.mx/grafica-de-control/ [Accessed 28 March 2017].

 Aitecocom. 1. Aiteco Consultores. [Online]. Available from:

https://www.aiteco.com/graficos-de-control/ [Accessed 28 March 2017].