Primera edicin

Editorial Tecnolgica de Costa Rica, 1986

Segunda edicin
Editorial Tecnolgica de Costa Rica, 1996

658.568
A188c2

Acua Acua, Jorge

Control de Calidad: un enfoque integral y estadstico / Jorge
Acua Acua. 2 ed. Cartago: Editorial Tecnolgica de Costa
Rica, 1996.
PISBN 9977-66-076-X
1. Control de Calidad. I. Ttulo

EDITORIAL TECNOLOGICA DE COSTA RICA

Instituto Tecnolgico de Costa Rica
Apartado Postal 159-7050, Cartago
S (506) 551 -5333 Fax (506) 552-5354
ISBN 9977-66-076-X
(ISBN 9977-66-010-7 Primera edicin)
Hecho el depsito de ley
Impreso en Costa Rica

CONTENIDO

P resentacin

C A P IT U L O I. C on ceptos y definiciones
Definicin de control de calidad, 14
El sistema de control de calidad, 20
Beneficios del sistema de control de calidad, 31
Factores que controlan la calidad, 32
Responsabilidad de calidad, 35
La calidad en sistemas modernos de manufactura,37
Resumen, 38
Preguntas de repaso, 40
Problemas, 40

11

C A P IT U L O II. E stadstica
Anlisis de datos, 44
Concepto de probabilidad, 55
Pruebas de hiptesis, 81
Bondad de ajuste, 100
Anlisis de varianza, 108
Muestreo estadstico, 128
Resumen, 141
Preguntas de repaso, 141
Problemas, 142

43

elem ental

CONTROL DE CALIDAD

C A P I T U L O III. I n g e n ie r a d e c a lid a d
Caractersticas de calidad, 160
Normalizacin, 172
Metrologa, 179
Especificaciones, 180
Mtodo de Taguchi, 194
Diseo para la manufactura, 201
Conceptos de efectividad de sistemas, 206
Resumen, 215
Preguntas de repaso, 215
Problemas, 216

15 9

CAPITULO IV. G r f i c o s

223

d e c o n t r o l p a r a v a r ia b l e s

Definicin de grfico de control, 223

Etapas de un grfico de control, 224
Causas de variacin, 225
Grficos de control para variables, 228
Grfico de promedios e intervalos, 232
Utilizacin del grfico x, R para ajustar un proceso, 254
Grfico de promedios y desviacin estndar, 282
Grfico de medianas e intervalos, 301
Grfico de sumas acumuladas, 319
Aplicaciones de series de tiempo, 368
Resumen, 382
Preguntas de repaso, 383
Problemas, 384

CAPITULO V. G

r fic o s

de

c o n t r o l p ara a tr ib u to s

Defectuosos vrs disconformes, 400

Grfico para fraccin defectuosa o disconforme, 405
Grfico para nmero de defectuosos, 419
Grfico para defectos por unidad, 435
Grfico para demritos, 455
Resumen, 461
Preguntas de repaso, 462
Problemas, 463

397

JORGE ACUAACUA

CAPITULO VI. M u e s t r e o

d e a c e p t a c i n

475

Manual de inspeccin, 477

Definicin de muestreo de aceptacin, 479
Muestreo de aceptacin para atributos, 480
Planes simples de muestreo 481
Planes dobles de muestreo 503
Planes mltiples de muestreo 506
Planes de muestreo para variables, 551
Norma ISO 3951,556
Resumen, 590
Preguntas de repaso, 591
Problemas, 592

CAPITULO VIL A s p e c t o s

generales

609

DE LA ADMINISTRACIN DE LA CALIDAD

Organizacin de la funcin calidad, 610

Funciones del gerente de calidad, 613
Prevencin de producto fuera de especificaciones, 615
Coordinacin y control, 617
Economa de la calidad, 618
Indicadores de calidad, 633
Organizacin de la inspeccin, 639
Diseo de un sistema de control de calidad, 649: Resumen, 653
Preguntas de repaso, 654
Problemas, 655

APENDICES
APENDICE I. T a b l a s

d e d is t r ib u c i n d e p r o b a b il id a d

APENDICE II. D e m o s t r a c i n

d e o b t e n c i n d e f r m u l a s

669
69 1

PARA EL CLCULO DE LOS LMITES DE CONTROL

APENDICE III. F l u j o g r a m a s

p a r a g r f ic o s d e c o n t r o l

APENDICE IV. P e c u l i a r i d a d e s

70 2
713

del xito est en darle al consumidor los productos ne

cesarios para satisfacer sus requerimientos y lograr as
una excelente calificacin por parte de ste, la que se
reflejar en un incremento de ventas. Durante el desa
rrollo del texto se irn analizando diversos temas de or
ganizacin de calidad y de aplicaciones estadsticas,
cada captulo con ejemplos y abundantes problemas
para ser resueltos por el lector.
Agradezco a todas aquellas personas que con su
ayuda e impulso me dieron su apoyo para transmitir mis
conocimientos en este tema.
Jorge Acua A.
Cartago, Costa Rica

Captulo I

CONCEPTOS Y DEFINICIONES

uando se oye hablar de Control de Calidad se cree que

este es un concepto nuevo. Sin embargo, Control de
Calidad es un medio que las personas han utilizado
desde pocas prehistricas, con el fin de decidir entre lo
que es bueno y lo que es malo, de acuerdo con la utiliza
cin que se le vaya a dar al bien, servicio o actividad.
Esto lo ha hecho y lo hace el ser humano con el fin de
mejorar cada da ms su calidad de vida.
El hombre primitivo conoca cuando una fruta era
buena o mala de acuerdo con las caractersticas fijadas
por l mismo. Tambin, al fabricar sus utensilios de caza
y posteriormente de agricultura, se efectuaban controles
con el fin de garantizar que stos no fallaran al utilizar
los. Estos fueron los inicios de lo que actualmente se
conoce como demanda de calidad.
Durante la conquista y colonizacin de Amrica, el
nivel de calidad del armamento y de los navios jug un
papel muy importante en el xito de los planes trazados
por conquistadores y dems personajes de la poca.
Adems, un aspecto de gran relevancia en ese perodo
fueron los medios usados para conservar alimentos du
rante los largos viajes, no solo a Amrica sino tambin al
resto del mundo. Tampoco hay que olvidar que los vikin
gos, aos atrs, haban experimentado viajes de esta

12

CONTROL DE CALIDAD

naturaleza, para lo cual debieron contar con medios de transporte y de conser

vacin de alimentos que les permitieran los largos desplazamientos.
En el siglo XVIII, con el desarrollo de la Revolucin Industrial y a travs de
invenciones como la mquina de vapor, la industria sufri un cambio importante
en su nivel de productividad y muchas empresas pasaron de un nivel de orga
nizacin familiar a una administracin que se preocupaba ms por el desarrollo
del mercado por medio de la entrega de un producto de mayor calidad.
El sistema de produccin cambi de un modelo artesanal a uno en serie o
en lnea que oblig a estructurar mejor las operaciones de produccin, ponin
dole mayor atencin a los problemas de eficiencia y de variabilidad en las ca
ractersticas de los productos fabricados, problemas que en el sistema artesanal no eran prioritarios pues en la elaboracin de cada unidad del producto par
ticipaba solo una persona.
Como consecuencia del cambio en el sistema de produccin, se desarrolla
la divisin del trabajo, fenmeno que es sumamente importante para el con
cepto de calidad de proceso, pues el obrero se especializa en un sector de la
produccin lo que permite una mejor crtica y visualizacin de los problemas
propios de su rea de trabajo.
Cabe mencionar el aporte que ofreci a finales del siglo XVIII y principios
del XIX el llamado "Padre de la administracin cientfica, F. W. Taylor, quien con
sus teoras impuls la organizacin de la produccin. Esta reorganizacin con
carcter cientfico ayud a poner mayor atencin a la calidad del producto.
En la segunda mitad del siglo XIX, con las primeras explotaciones petrol
feras y ms tarde con el desarrollo de la tecnologa petroqumica, la industria
tom un gran auge, pues ya se poda producir en una forma ms eficiente con
materias primas de un nivel tecnolgico ms avanzado. Esto permiti a su vez
que las empresas aumentaran considerablemente el nivel de produccin, con lo
que el problema de calidad se agudiz. Poco a poco se fueron desarrollando
mtodos de inspeccin para verificar la calidad del producto final. Estos m
todos son los precursores de la tecnologa de calidad empleada por las empre
sas hoy en da.
Conforme pasaron los aos, las personas se preocuparon ms por aumen
tar el nivel de calidad de todo aquello que consuman o utilizaban. Sin embargo,

JORGEACUNAACUNA

13

no todo fue para bien de la humanidad pues mucha de esta tecnologa fue
usada para la fabricacin de material blico. Es as como con el transcurso de la
Primera Guerra Mundial (1914-1918) no solo se emplea la citada tecnologa
sino que sta es mejorada radicalmente. Obligadas por las circunstancias, las
industrias de la poca producen armamento ms perfeccionado. Aqu no solo
es im portante la cantidad producida sino tam bin la m inim izacin de la
probabilidad de falla.
Hasta esta poca, el hombre actu con instinto para conocer sobre el xito
del producto que fabricaba, pues todava no ideaba ningn medio que le permi
tiera cuantificar la eficacia de sus programas.
En 1931, Walter Schewart introduce conceptos estadsticos en la inspec
cin de procesos a travs de los llamados grficos de control o cartas de
control. La aplicacin de estos conceptos permitir luego el desarrollo de lo hoy
conocido como control estadstico de procesos.
Durante la Segunda Guerra Mundial (1939-1944), la tecnologa del control
de calidad alcanz un mayor auge debido a las exigencias de calidad del arma
mento requerido, el cual era radicalmente superior al usado en !a Primera Gue
rra Mundial. Para lograr esos niveles de calidad, las empresas metalmecnicas,
alimentarias y farmacuticas, entre otras, establecen departamentos de control
de calidad con profesionales altamente calificados, dedicados al diseo de un
producto capaz de hacer frente a las exigencias del momento. Esto permite el
desarrollo de la investigacin en este campo que genera entre otras cosas:
normas de muestreo conocidas como Normas Militares Estndar y tcnicas
de contabilidad para la investigacin de la probabilidad de falla del producto.
Finalizada la Segunda Guerra Mundial, las industrias, aprovechando y
perfeccionando los modelos generados durante el conflicto blico, desarrollan una
tecnologa ms eficiente. A inicios de la dcada de 1950-1960, grandes
estudiosos de la calidad como Edward Deming y J.M. Juran comparten sus
conocimientos fuera de los Estados Unidos. Es as como Japn, deseoso de salir
del desastre causado por la guerra, contrata los se rvicio s de estos dos
importantes personajes. Los conocimientos impartidos por ellos, sumados al gran
inters mostrado por los japoneses para aprender y mejorar sus sistemas de
calidad, dio paso al Japn industrializado que se tiene hoy en da. La importancia
que los japoneses dan a la calidad de los productos industriales as como el nivel
de motivacin y conciencia de sus trabajadores han permitido este gran desarrollo.

14

CONTROL DE CALIDAD

En la actualidad, con los sistemas de produccin automatizados, con la

aplicacin de los robots industriales a la produccin y con el desarrollo de la
tecnologa de visin de mquina, la inspeccin 100% es eficiente, con lo que se
reduce considerablem ente la cantidad d producto defectuoso que sale al
mercado.
En Costa Rica, se hacen grandes esfuerzos por desarrollar la calidad de
los productos fabricados, aspecto en el cual muchas empresas han tenido xito.
Sin embargo, la conciencia de calidad necesaria para producir ms y mejor an
no ha sido correctamente comprendida por el trabajador. Por otro lado, no hay
claridad en las polticas gubernamentales y empresariales, por lo que es difcil
establecer el camino por seguir.
En la actualidad muchas empresas nacionales requieren de un proceso de
reco nve rsi n en tre s planos: a d m in istra tivo , te cn o l g ico y m ental. La
reconversin mental permitir cambiar nuestra forma de pensar y preparar el
camino para los cambios tecnolgicos y administrativos que se requieren.
Por otro lado, se debe apoyar el Sistema Nacional de Metrologa, Normali
zacin y Control de Calidad el cual pretende ordenar todo lo referente a esta
materia tan importante.
Es de esperar que se renan los esfuerzos dispersos para que el pas su
pere los problemas que no le permiten exportar productos competitivos a mer
cados internacionales.

DEFINICION DEL CONTROL DE CALIDAD

Para definir mejor este concepto es importante analizar por separado los
conceptos de control y calidad.
Control
Al intentar definir este trmino, generalmente se hace mencin de una serie
de sinnimos, tales como verificacin, comparacin, registro, comprobacin y
confrontacin. Algunas definiciones comunes son:

JORGE ACUAACUA

15

a.

Control es el acto de verificar que algn material cumple con un patrn pre
viamente establecido con el fin de corregir cualquier desviacin.

b.

Control es un conjunto de actividades que se realizan con el fin de cercio

rarse de que un determinado proceso o tarea se est llevando a cabo de
acuerdo con los planes establecidos.

Desde el punto de vista de los procesos de fabricacin, control se puede

definir como:
E l conjunto de actividades que se realizan sobre un proceso o produc
to con e l fin de verificar que ste se encuentra dentro de los lmites fi
jados p o r un patrn previamente establecido.
Al observar esta definicin, se puede notar que se habla de lmites de con
trol. La razn es muy simple: para hablar de control necesariamente se debe
hablar de lmites, pues stos son los que marcan el intervalo de comportamien
to del producto o proceso. En el plano del control de calidad estos lmites de
control se llaman normas o especificaciones.
La existencia de lmites de control es primordial, pues es imposible conocer
si un proceso o producto se est desempeando correctamente si no se tiene
un patrn de comparacin. En otras palabras debemos determinar qu es lo
que se considera como bueno o deseable para saber qu es lo contrario.
El control se identifica a travs de un ciclo. La Figura 1 muestra la represen
tacin de las actividades que componen este ciclo.
En la Figura 1 se puede notar que, para la ejecucin de un adecuado con
trol, se deben recolectar datos, analizarlos por mtodos cientficos, compararlos
con el patrn y obtener conclusiones y recomendaciones haciendo uso no solo
de los datos suministrados sino tambin de la experiencia generada por quien
toma las decisiones. Estas decisiones se revisarn constantemente con el fin de
verificar su acierto y tomar en cuenta los cambios dinmicos a que estn some
tidos los procesos. Por ello, el control se convierte en un ciclo.
Calidad
Al tratar de definir calidad se debe tener presente que la calidad es un gra
do y por lo tanto, la expresin popular que dice este producto es de calidad, es
imprecisa, pues el trmino calidad, en s mismo, no es sinnimo de bueno.

16

CONTROL DE CALIDAD

FIGURA 1.1. Representacin esquemtica delciclo de control

Calidad es adecuacin al uso (Juran, 1951). Esto significa que calidad se

define en trminos del uso dado al producto y del nivel de satisfaccin logrado.
A raz de este cambio radical en el concepto de calidad, es necesario definir el
trmino desde dos ngulos: el del productor y el del consumidor. Es as como
nacen los conceptos de calidad absoluta o de concordancia y calidad relativa
o de diseo.
Calidad absoluta es el grado en que un proceso es capaz de reproducir un
diseo, es decir existe una concordancia entre el producto y su diseo. Esta es
una definicin del productor y es vlida durante el proceso de fabricacin de un
producto.
Calidad relativa es el grado en que un producto cumple con el fin para el
cual fue creado. En otras palabras, la medida en que satisface las necesidades
o requerimientos del consumidor o cliente. Esta es la definicin del consumidor
y es la de ms importancia, pues todo esfuerzo que conlleve a mejorar la calidad
relativa se reflejar en el volumen de ventas.
Las necesidades del consumidor se plasman en el diseo; por lo que pode
mos afirmar que si existe calidad relativa es porque hubo calidad absoluta. Lo
contrario no siempre es cierto.

JORGE ACUA ACUA

17

Dos conceptos importantes en calidad relativa son disponibilidad y servi

cio. Disponibilidad es la accin mediante la cual el cliente utiliza el producto y
ste cumple con la funcin requerida. Servicio es el conjunto de beneficios que
se le otorgan al cliente con el fin de garantizar un adecuado funcionamiento del
producto durante el perodo de garanta.
Control de calidad
Definidos los anteriores trminos es necesario presentar las diversas for
mas que el control de calidad ha tomado en el pasado, en las que se aprecia la
evolucin que se ha tenido en esta materia. La Figura 1.2 muestra la pirmide
del control de calidad que representa este avance.

El primer nivel es la concepcin ms primitiva de control de calidad y viene

dada por la inspeccin final de producto. Esta actividad es la accin mediante
la cual se revisan las unidades producidas para evitar que producto defectuoso

18

CONTROL DE CALIDAD

salga al mercado. Esta accin es totalmente correctiva y su aporte a la mejora

de la calidad es nfimo pues la mayor parte del tiempo se dedica a separar pro
ducto bueno de malo.
El segundo nivel lo constituye la inspeccin de proceso, que es la accin
mediante la cual un sistema de inspeccin organizado detecta los problemas de
calidad en el lugar donde ocurren, controlando a travs de las lneas de produc
cin. Este control es ms preventivo que correctivo, pues la mayor parte del
tiempo se dedica a la bsqueda e identificacin de causas y efectos de los pro
blemas de calidad.
El tercer nivel de la pirmide lo constituye el control de calidad, control to
tal de calidad y aseguramiento de la calidad. Control de calidad se define
como la verificacin de que un producto se fabrica de acuerdo con el diseo
planteado, diseo que es el resultado de la interpretacin tcnica de las necesi
dades del consumidor, y que por lo tanto lo satisface. Para hacer frente a esta
concepcin de calidad, es necesario que todo el personal de la empresa tenga
muy claro su rol en el logro de ese importante objetivo.
Control Total de Calidad es el conjunto de esfuerzos efectivos de los di
ferentes grupos de una organizacin, para la integracin del desarrollo, del
mantenimiento y de la superacin de la calidad del producto, con el fin de ha
cer posible fabricacin y servicio, a satisfaccin completa del consumidor y
al nivel ms econmico (Feigenbaum,1977). En esa definicin hay varios trmi
nos que es necesario explicar ms a fondo. Son ellos:
-

Grupos de una organizacin: se refiere a que un nivel de calidad adecua

do solo se logra con el compromiso de todos los niveles de la empresa y
que todo miembro de la organizacin tiene tareas especficas para el logro
del objetivo.
Desarrollo: seala al hecho de que es necesario desarrollar la calidad, que
no es algo que funciona por s solo. Se deben establecer medios por los
cuales se estn revisando constantemente los procedimientos que garan
ticen el desarrollo de la calidad del producto.

Mantenimiento: la calidad no solo debe ser controlada sino tambin man

tenida y se deben establecer procedimientos para velar porque se manten
ga el rgimen de trabajo, de manera que se garantice un nivel de calidad
cada da mejor.

JORGE ACUAACUA

19

Superacin: es importante que el personal de la empresa se desarrolle y

se supere, como un medio para mejorar los niveles de calidad de los pro
ductos que se fabriquen.
-

Fabricacin y servicio: el viejo concepto de que la responsabilidad de la

calidad termina en la bodega de producto terminado queda obsoleto. La
empresa es responsable por cualquier falla de calidad ocurrida cuando el
producto se encuentra en manos del cliente. Para ello se deben establecer
medios de servicio que garanticen una atencin rpida a los problemas de
calidad detectados por el consumidor.
Satisfaccin completa del consumidor: el objetivo de calidad solo se lo
gra si hay completa satisfaccin del cliente al usar el producto adquirido.
Esto redunda en la posibilidad de nueva compra, lo cual constituye el obje
tivo nmero uno de toda empresa industrial.

Nivel ms econmico: deben realizarse los respectivos anlisis de costobeneficio con el fin de conocer el nivel de calidad al que aspira la empresa,
que no es, precisamente, producir cero por ciento defectuoso, que de por
s resulta tecnolgicamente imposible de lograr.

El control total de la calidad revoluciona el concepto popular de control de

calidad pues:
a.

Deja claro que el problema de calidad no es exclusivo de un departamen

to que lleva ese nombre, sino de todos los miembros de la empresa.

b.

Supera la creencia de que controlar la calidad es una tarea de inspeccin,

al establecer la calidad como un concepto de sistema que involucra a to
das las funciones empresariales,

c.

Cambia de un concepto especfico y simple de clasificar producto como

bueno o malo a un concepto de logro de satisfaccin del consumidor.

El aseguramiento de la calidad es el conjunto de acciones y actividades

que tienen como objetivo brindar los medios tcnicos y humanos que garanticen
la aplicacin y xito de los programas de calidad total. Esto incluye entre mu
chos aspectos: personal profesional, personal tcnico, anlisis cientfico de
decisiones y herramientas adecuadas de anlisis y control.

20

CONTROL DE CALIDAD

El cuarto nivel o cspide de la pirmide es autonomation. Este es el con

cepto ms moderno de control de calidad y consiste en un cambio total en la
concepcin de calidad. Con autonomation el obrero adquiere una alta motiva
cin y conciencia que le permite ser inspector de su trabajo. Esto se basa en el
principio de que la calidad del trabajo que una persona ejecuta, es el reflejo de
la calidad de persona que es. Se tiene una amplia conciencia de que el prximo
proceso es el cliente y que para que se pueda efectuar un buen trabajo se
necesita de una alta calidad de entrega. Quienes tienen una alta aplicacin de
este concepto son los japoneses, los resultados son evidentes.

EL SISTEMA DE CONTROL DE CALIDAD

Debido a la nueva concepcin de calidad como una responsabilidad de
todas las funciones de la empresa, es necesario establecer un sistema que sea
capaz de coordinar todas las actividades que deben llevarse a cabo.
El sistema de calidad es el engranaje que se encargar de planear, ejecu
tar, coordinar y controlar todas las actividades cuya realizacin tienen como
objetivo entregar al cliente un producto con la calidad requerida por l.
Uno de los aspectos que es necesario para concebir este sistema es el
establecimiento de polticas claras de calidad, que perfilen los lineamientos
por seguir, mostrando las intenciones de los niveles jerrquicos de dar prioridad
a proyectos y actividades que tengan como principal fin la conservacin y mejo
ra de la calidad del producto.
El implantar un sistema de control de calidad persigue una serie de objeti
vos que al cumplirse facilitan el desempeo de la empresa y aumentan su pres
tigio en el mercado. Los ms importantes objetivos son:
1. Brindar al consum idor un producto acorde con sus requerimientos de
calidad,
2. Disear un producto acorde con los requerimientos del consumidor y las
limitaciones de fabricacin,
3. Asegurar que los materiales suministrados por los proveedores cumplen
con los requerimientos de calidad fijados para la fabricacin,

JORGE ACUNAACUNA

21

4. Hacer un uso ms racional de equipos, maquinaria y mano de obra para

lograr niveles de calidad competitivos.
5. Disminuir al mximo la cantidad de producto defectuoso y reprocesable
con el fin de hacer un aporte importante a la disminucin de los costos de- rivados de productos de mala calidad,
6. Disminuir el tiempo y el costo de las actividades de inspeccin de materias
primas, materiales, producto en proceso y producto terminado,
7. Mejorar la moral del trabajador a travs de la solucin participativa de pro
blemas, lo que redundar en fabricacin de productos de ms alto nivel de
calidad,
8. Disminuir y si es posible eliminar, los reclamos del cliente y las devolucio
nes de producto,
9. Impulsar todas las actividades que conlleven al establecimiento de siste
mas de control preventivo y proyectivo ms que correctivo,
10. Impulsar la ejecucin de actividades cuyo fin sea analizar el comportamien
to del producto en el mercado,
11. Promover unas buenas relaciones con el proveedor con el fin de que se
suministren materiales de alta calidad.
Pueden existir diversas formas de visualizar este sistema. Sin embargo,
todas ellas convergen en que el sis te m a e st c o m p u e s to p o r c u a tro
subsistem as que abarcan el diseo de producto, el mercado de proveedo
res, el proceso y el mercado de consum idores, con los que se abarca tanto
a las actividades dentro de los procesos de fabricacin como fuera de l. La
Figura 1.3 esquematiza este sistema.
Subsistema Diseo de producto
Cuando se proyecta el lanzamiento de un nuevo producto al mercado o
cuando se desea retroalimentar uno ya establecido con opiniones de consumido
res y fabricantes, la revisin cuidadosa del diseo es de gran importancia. La in
tencin aqu es disear un producto acorde con las necesidades del consumidor

22

CONTROL DE CALIDAD

y con las limitaciones de fabricacin y no simplemente acorde con los gustos e

inventiva del diseador. Esto es comnmente conocido como diseo para la
manufactura.
Los requerimientos del consumidor deben ser transformados en especifica
ciones tcnicas que sirvan como base para la fabricacin del producto. Algunas

JORGE ACUA ACUA

de las actividades que se deben ejecutar con el fin de cumplir con ese importan
te objetivo son:
1. Planeacin de producto: se debe disear un producto bajo un plan ade
cuado que tome en cuenta la tecnologa ms apropiada y ms econmica.
Este plan involucra la organizacin de los mtodos, materiales, mquinas y
procesos que garantizan un mximo aprovechamiento de los recursos de la
empresa. Se debe planear un producto desde el punto de vista econmico,
lo que significa que ste debe cumplir con sus caractersticas de calidad a un
nivel econmico asequible para la empresa y para el consumidor.
2. Anlisis estadstico: en el anlisis de diversas opciones de diseo se ge
neran datos que deben ser estudiados a fondo con el fin de tomar decisio
nes. El diseo de experimentos se puede aplicar con el fin de encontrar el
mejor conjunto de caractersticas que beneficien la calidad del producto. En
la actualidad se aplica con xito el Mtodo de Taguchi, el cual se explicar
ms adelante.
3. Registro de proveedores: consiste en el desarrollo de un registro que
contenga informacin sobre niveles de calidad, tipos de materiales que
ofrecen y otras caractersticas que sirvan a los diseadores para analizar
opciones.
4. Estudios de capacidad de calidad: dentro de los requerimientos de ma
nufactura es necesario que el diseador conozca sobre la capacidad de ca
lidad de la maquinaria con el fin de que genere un diseo capaz de ser fa
bricado econmicamente.
5. Experiencia con producciones anteriores: en el caso de productos para
los cuales se tengan datos generados en producciones anteriores, se
pueden usar esas experiencias para que no ocurran contratiempos inne
cesarios.
6. Pruebas piloto: antes de producir a gran escala, se pueden efectuar prue
bas piloto que analicen las caractersticas del producto y retroalimenten los
procesos. Esta es una forma de lograr ms fcilmente los objetivos de ca
lidad que se persiguen.
7. Normalizacin: el diseo de un producto debe cumplir con las normas de
calidad fijadas en el mbito nacional o internacional. En el caso de que no

24

CONTROL DE CALIDAD

existan normas, el diseador debe fijarse metas alcanzables que en el fu

turo se puedan convertir en normas de empresa.
8. Simplificacin: todas las partes de un producto deben tener una funcin
especfica, y el conjunto de operaciones para fabricarlo debe basarse en
procedimientos simplificados y fciles de entender. El desarrollo de este
tipo de actividades facilitar el alcance del objetivo de calidad por medio de
un adecuado equilibrio costo-rendimiento.
9. Sistemas CAD. La aplicacin de la computacin a la industria se ha ido
incrementando da con da. El diseo asistido por computadora (CAD) es
un excelente medio para disear un producto que se encuentre an ms
cerca de los requerim ientos del cliente. Para ello, el diseador debe
retroalimentar al programa con todas aquellas caractersticas que el consu
midor desea que estn presentes en el producto.

Subsistema Mercado de Proveedores

Es importante recalcar que no es posible fabricar un producto de un alto
nivel de calidad si no se cuenta con materiales que cumplan los requerimientos
para tal fin. Esto implica que se deben desarrollar mtodos que garanticen la
obtencin de materiales que cumplan con las condiciones adecuadas de fabri
cacin. La empresa receptora debe ser lo suficientemente exigente para obligar
al proveedor o proveedores a enviar los productos con la calidad solicitada.
Algunas de las tcnicas que pueden ser aplicadas para lograr el citado
objetivo son:
1. Relaciones con proveedores: mantener una buena relacin entre pro
veedor y comprador facilita el envo de materiales de alta calidad. Esta re
lacin se puede enriquecer a travs de visitas recprocas que evidencien
tanto capacidades como limitaciones de ambas partes.
2. Mantenimiento de instrumentacin: la ejecucin de mediciones con ins
trumentos que no tienen adecuadas condiciones de almacenaje ni adecua
dos programas de mantenimiento representa un alto riesgo de tomar me
diciones errneas que conllevan a decisiones igualmente errneas.

JORGE ACUAACUA

25

3. Educacin y entrenamiento para la inspeccin: el inspector es la perso

na que con criterios objetivos o subjetivos decide sobre la aceptacin o re
chazo de producto. Para ello, debe ser adecuadamente entrenado con el fin
de que sus decisiones sean tan acertadas como sea posible. Los manuales
de inspeccin son de gran ayuda para unificar criterios entre inspectores.
4. Anlisis de especificaciones: la aplicacin de una especificacin tiene
como principal objetivo tener un patrn de comparacin que permita tomar
decisiones acertadas. A su vez es posible someter esa especificacin a un
proceso de anlisis, de tal manera que se concluya acerca de la eficacia de
su aplicacin.
5. Control de inventarios: conviene desarrollar modelos de inventario que
tomen en cuenta no solo la cantidad sino tambin la calidad, pues as se
pondr atencin tanto a la cantidad que se va a comprar y a cundo com
prarla, como a la calidad de los lotes recibidos.
6. Manejo de materiales: no basta con recibir los materiales en buen estado,
sino que es necesario desarrollar eficientes programas de almacenamiento
y sistemas de manejo que eviten el deterioio de los mismos.
7. Muestreo de aceptacin: esta tcnica, que se ver detalladamente ms
adelante, consiste en la aceptacin de lotes con base en el anlisis de ca
lidad efectuado sobre muestras sacadas de ellos.
8. Cotizaciones y rdenes de compra: la comunicacin de los requerimien
tos del comprador se hace utilizando cotizaciones y rdenes de compra. Si
estos documentos son mal preparados, se corre el riesgo de que se enven
mercaderas que no cumplen con los requisitos de fabricacin, con las con
siguientes prdidas econmicas y de tiempo.
9. Estimacin de la actuacin de la inspeccin: la inspeccin, como activi
dad de produccin, puede ser sometida al estudio de tiempos y movimien
tos con el fin de estandarizar mtodos y calificar la actuacin del inspector.
Esto se puede hacer no solo en trminos de la cantidad de produccin que
es capaz de inspeccionar sino tambin en funcin de su capacidad para
detectar defectuosos y defectos.
10. Certificacin de calidad: la posibilidad de entregar al proveedor un certifi
cado de calidad es una opcin que debe estar presente. Esta opcin ayudar

28

CONTROL DE CALIDAD

8. M anejo de m ateriales en proceso: el m anejo de producto en proceso es

una de las actividades que m s tiem po consum e (aproximadamente de 65
a 70% del tiem po total de fabricacin), con lo que la probabilidad de que el
producto se deteriore en esta actividad es alta. Por ello, se debe disear un
sistem a de m anejo de m ateriales que se ajuste a los requerim ientos esta
blecidos por las caractersticas fsicas y qum icas del producto que se va a
transportar.
9. Planeacin d e m to d o s de inspecci n : la inspeccin de producto no
puede ser una actividad im provisada, sin o que, po r el contrario, debe ser
planeada de ta l m anera que se fije n los de b e re s y responsabilidades de
inspeccin y se asignen a las diversas personas. El captulo VII profundiza
al respecto.
10. Utilizacin d e grficos de control: el grfico de control es una buena he
rramienta para controlar en form a correctiva y preventiva el comportam ien
to de una determ inada caracterstica de calidad. Este tem a se ver deteni
dam ente en los C aptulos IV y V.
11. M u e s tre o d e a c e p ta c i n : ta l y c o m o se e x p lic a n te rio rm e n te , este
m u e s tre o c o n s is te en la a c e p ta c i n d e lo te s co n b a s e en la c a lid a d
detectada en m uestras extra d as de l. El C a ptulo VI ahondar en esta
im portante tcnica.
12. Reproceso y desecho d e producto: el reproceso de producto es una ac
tividad que debe ser considerada. Si la em presa no cuenta con esta posibi
lidad e s im portante la ejecucin de un proyecto que analice la factibilidad
t c n ic a y e co n m ica d e rep roce sar. P o r o tro lado, se d e b e d isp o n e r de
re a s c la ra m e n te id e n tific a d a s con el fin d e que ta n to e l pro d u cto po r
reprocesar com o el que se va a de sech ar sean colocados. Esto ordenar
las lneas de produccin y evitar los errores al tom ar producto defectuoso
com o producto bueno o viceversa.
13. Auditoras de calidad: en ocasiones el trabajo de inspeccin y control no
se ejecuta adecuadam ente. A travs de auditoras de calidad es posible in
vestigar si lo s m todos y pro ced im ie nto s d e control de proceso se estn
aplicando en la form a fijada. Con esto se pueden hacer los cam bios nece
sarios para lograr los objetivos y metas.

JO R G E A C U A A C U A

29

Subsistem a M ercado de consum idores

Este subsistem a est relacionado con todas aquellas actividades que tie
nen com o objetivo estudiar las necesidades del consum idor y retroalim entar al
sistem a acerca de la efectividad del producto para cum plir con esas necesida
des.
Este subsistema se puede llamar tam bin Control de Producto o Control
Post-proceso, pues todas sus actividades son ejecutadas fuera de los proce
sos de fabricacin.
C uando el producto ha sido fabricado, es alm acenado para su posterior
transporte y distribucin. Es im portante que la em presa tenga presente que la
m xim a responsabilidad de calidad se in icia a pa rtir de este m om ento, pues
ste es el perodo de tiem po en que se pondrn a prueba las caractersticas de
calidad y se evaluar si el producto satisface las necesidades del consumidor.
Para esto es necesario estructurar cuidadosamente el transporte y distribu
cin de producto, con el fin de que haya un manejo adecuado que garantice que
ste no se deterior antes de llegar a m anos del consumidor.
A lgunas de las activida de s que pueden ayu da r en el desarrollo de este
subsistem a son:
1. Anlisis de reclamos: es importante ponerle especial atencin a los recla
m os efectuados po r el cliente, pues en ellos se pueden encontrar motivos
para buscar soluciones a los problem as de calidad.
2. Anlisis de devoluciones: al igual que en el caso anterior, las causas de
devoluciones deben ser cuidadosam ente estudiadas y no sim plem ente li
m itarse a cam biar producto. Se deben llevar registros que perm itan reco
lectar toda la informacin posible acerca de las razones que el cliente tiene
para rechazar el producto. El objetivo es tom ar las medidas correctivas del
caso y las medidas preventivas necesarias para reducir y en lo posible eli
m inar este problema.
3. Seguim iento de producto: un adecuado plan de seguim iento de produc
to, instaurado desde el instante en que el producto sale de la empresa, per
mitir recolectar todo aquel producto que saldr fuera de especificaciones
antes de que lo ha g a y llegue a m anos del consum idor. A lgunas de las

26

CONTROL DE CALIDAD

al proveedor a superarse con el fin de mejorar su calidad generando un his

torial que lo puede hacer acreedor a un diploma de esta naturaleza. Este
tipo de premiacin es un medio de incentivar al proveedor pues constituye
para l una estupenda carta de presentacin cuando participe en nuevas
ofertas.
11. Destino de material rechazado: se deben fijar reas destinadas a recibir
el material que ha sido rechazado. Se debe evitar al mximo la probabilidad
de que este producto defectuoso ingrese a las lneas de produccin. Para
ello se deben etiquetar con colores llamativos que faciliten su discrimina
cin a los encargados del manejo y distribucin de materiales.
Subsistema Proceso
Si se ha logrado obtener un buen diseo de producto y se han podido ad
quirir materiales que renen los requerimientos, la siguiente etapa es proceder
a la fabricacin del producto.
El control de proceso debe ejecutarse a lo largo de todas las etapas de pro
duccin y no al final, ya que sta ltima debe ser una actividad preventiva y no
correctiva. El control preventivo es el que brinda las oportunidades de mejorar,
detectando fallas en el momento en que ocurren, evitando altos volmenes de
produccin defectuosa o no conforme con los requrimientos. Tambin con con
trol preventivo se pueden investigarlas causas de las fallas de calidad, generan
do resultados que permiten eliminar o reducir considerablemente la produccin
defectuosa.
Al igual que los sistemas de control de produccin, los sistemas de control
de proceso se clasifican en control por proceso y control por producto. El sis
tema de control por producto se basa en procedimientos y mtodos cuya
funcin principal es dar un seguimiento al producto a travs de las lneas de
produccin chequeando que sus caractersticas estn acordes con las espe
cificaciones tcnicas establecidas. El sistema de control por proceso no se
ocupa del producto y sus partes sino de las operaciones de fabricacin. Aqu
lo importante es mantener bajo control la ejecucin de la operacin de tal
manera que se cumpla con los estndares de calidad fijados para la mquina
o mano de obra utilizada.

JORGE ACUA ACUA

27

Algunas de las tcnicas que pueden aplicarse para el logro de los objetivos
del control de proceso son:
1. Anlisis del proceso: para que se tenga un control de proceso adecuado
se debe hacer un estudio de las diversas operaciones que lo componen.
Este estudio puede ser apoyado por diagramas de operaciones y de flujo
que identifiquen y resalten los puntos crticos de calidad.
2. Anlisis de operaciones: con base en el estudio anterior se procede a es
tudiar operacin por operacin identificando materiales, mtodos y otros
factores que influyan en la calidad del proceso ejecutado ah.
3. Clasificacin de caractersticas de calidad: cada operacin del proceso
genera una o ms cara ctersticas de calidad, las cuales deben s e r
clasificadas de acuerdo con su frecuencia de ocurrencia y con su impacto
en la calidad.
4. Anlisis del nivel de calidad: el nivel de calidad que mejor conviene a la
empresa no es cero defectuosos, puesto que si fuese posible lograrlo se
necesitara de alta tecnologa. Esto lgicamente encarecera el producto
hacindolo no competitivo en el mercado. Ante ello, se debe investigar cul
es el nivel ms econmico.
5. Control de herramientas y dispositivos: el diseo de sistemas adecua
dos de revisin y reemplazo de equipo constituye una de las armas ms im
portantes puesto que ste es, en muchas ocasiones, el origen de los pro
blemas de calidad.
6. Estudio de capacidad de proceso: no es posible exigir a un proceso que
produzca bajo una capacidad para la cual no est diseado. Por ello, se de
ben hacer estudios con el fin de conocer esa capacidad y as hacer un uso
ms eficiente de ella.
7. Entrenamiento y adiestramiento de personal: la mano de obra es otra
fuente importante de fallas de calidad. Por ello, se deben establecer progra
mas de entrenamiento y adiestramiento que minimicen esta situacin. La
capacitacin, la motivacin y la conciencia de calidad son excelentes me
dios para lograr un buen desempeo de la mano de obra.

CONTROL DE CALIDAD

tcnicas que se utilizan aqu son pruebas de anaquel, cdigos de fabrica

cin, y equipo de recoleccin. Las pruebas de anaquel consisten en mues
tras de producto que la empresa conserva con el fin de estar evaluando
constantemente su calidad. En el momento en el que esta calidad no sea
satisfactoria, se ordena la recoleccin de los remanentes en el mercado. La
identificacin se hace usando cdigos de fabricacin. La recoleccin la lle
va a cabo el equipo de recoleccin, que es un grupo de personas que visi
tan constantemente al distribuidor en busca de producto rechazado.
Servicio: en algunos productos ms que en otros, se debe poner nfasis
en programas de servicio al cliente, con el fin de hacer frente a posibles
eventualidades que provoquen descontento en el cliente. El servicio debe
ser rpido y eficaz de tal manera que el cliente no pierda su grado de satis
faccin para con el producto.
Garanta: la garanta es un medio de proteccin al cliente que ninguna
empresa debe pasar por alto. Existen dos formas de garanta: comercial e
industrial. La garanta comercial es la que comnmente ofrecen las casa
comerciales cuando se compra determinado producto. Esta consiste de un
lapso de tiempo dentro del cual la empresa responder por ciertas fallas del
producto. La garanta industrial es aquel perodo de vida til forjada en el
producto por medio de un diseo que permite evaluar la duracin de deter
minado producto. Esta consiste de un lapso de tiempo dentro del cual la
empresa responder por ciertas fallas del producto. La garanta industrial
es aquel perodo de vida til forjada en el producto por medio de un diseo
que permite evaluar la duracin de determinado producto. Esta garanta
define la capacidad de nueva compra, siempre y cuando el grado de satis
faccin del cliente sea favorable.
Auditoras de calidad: estas auditoras son procedimientos diseados
para evaluar el grado en que el producto satisface los requerimientos fija
dos por el consumidor.
Encuestas de mercado: una encuesta de mercado puede servir como un
medio para evaluar el impacto que el producto est teniendo en el mer
cado. Se pueden hacer preguntas que retroalimenten el diseo, el proceso
o la calidad de materiales usados.

JORGE ACUAACUA

31

8. Visitas ai cliente: un programa de visitas al cliente puede servir como me

dio para recolectar de la fuente, informacin relevante sobre el desempeo
del producto. Este puede ser un medio para demostrarle al cliente la res
ponsabilidad de la compaa.

BENEFICIOS DEL SISTEMA DE CONTROL DE CALIDAD

Con la implantacin de un sistema de control de calidad, la empresa podr
obtener una serie de beneficios, dentro de los cuales se pueden citar:
1. Mejoramiento de la calidad del diseo y por consiguiente del producto, gra
cias al estudio de las causas de los problemas.
2. Reduccin de los costos de operacin, al detectar los defectos y defectuo
sos en el momento preciso en que ocurren y no en etapas posteriores.
3. Reduccin de prdidas econmicas y materiales debido a una utilizacin
ms adecuada de materiales y mquinas.
4. Mejoramiento de la moral del trabajador al producir con un nivel ms alto de
calidad.
5. Reduccin de tropiezos en las lneas de produccin, al ejecutarse un con
trol ms preventivo que correctivo.
6. Mejoramiento de los mtodos de inspeccin, al existir guas ms claras y
procedimientos que ayuden a los inspectores a tener un criterio unificado
en la toma de decisiones.
7. Establecimiento racional de verdaderas razones de produccin, al tomar en
cuenta los defectuosos encontrados.
8. Oportunidad para acumular datos verdicos que pueden ser utilizados para
propaganda veraz.
9. Clculo ms objetivo de costos de reproceso y desperdicio que ayudan a
determinar un costo ms real de produccin y por ende un precio ms cer
cano a la realidad.
10. Mejoramiento de la organizacin del trabajo.

CONTROL DE CALIDAD
Un enfoque integral y estadstico
Jorge Acua A.
2a edicin

T
EDITORIAL TE C N O LO G IC A DE C O S TA RICA

32

CONTROL DE CALIDAD

i 1. Concientizacin y motivacin hacia la calidad que deben tener los diferen

tes niveles de organizacin de la empresa.
A travs de estos beneficios se puede llegar a demostrar que la calidad
lejos de ser un costo es una valiosa inversin.

FACTORES QUE CONTROLAN LA CALIDAD

La obten cin de un pro du cto de buena o m ala calid ad , no es un
acontecimiento de buena o mala suerte, sino que es el resultado directo de las
polticas de calidad que gobiernen la empresa. Estos resultados se deben al
comportamiento de una serie de factores que se denotan factores de la calidad.
Los factores de la calidad, conocidos como las siete emes de la calidad
(debido a sus iniciales en ingls), son los siguientes:

1.

Mercado (Marketing)

El mercado juega un papel muy importante en la calidad de un producto. En

el estudio del mercado se conjugan tres frentes que son las necesidades del
consumidor, las necesidades de la sociedad y el espacio de soluciones que
ofrece la empresa.
Las necesidades del consumidor surgen de la vida cotidiana y especial
mente de los recursos necesarios para agilizar las actividades de las personas.
Esto permite la ejecucin de tareas en forma ms eficiente. En este sentido po
demos mencionar las diferencias entre el ama de casa del pasado y el ama de
casa de hoy en da. El ama de casa del pasado basaba el desempeo de sus
labores en su esfuerzo fsico. El ama de casa actual ha recibido el beneficio de
la tecnologa industrial, que le ha permitido agilizar sus oficios domsticos, de
tal manera que le ha quedado ms tiempo para dedicarlo a otras labores. Las
necesidades de la sociedad, enmarcadas dentro del Tringulo de Necesidades
de Maslow, pueden ser cubiertas por la industria a travs de cuatro de sus prin
cipales componentes como son vivienda, alimentacin, vestido y medicinas, es
decir aquellas que determinan su subsistencia.

33

JORGE ACUAACUA

Las soluciones de la empresa se dan en trminos de diseos que recojan

las necesidades del consumidor y de la sociedad para convertirlas en producto
terminado. En realidad, este proceso es bastante complejo, pues las necesida
des tanto de la sociedad como del consumidor son amplias y muy variadas,
mientras que las posibilidades de solucin que se ofrecen son escasas. Esto se
puede representar en la Figura 1.4.

S:
Nso

Nso:
N:

Soluciones que brinda la empresa

Necesidades de la sociedad
Necesidades del consumidor

N
FIGURA 1.4. Representacin esquemtica de las necesidades del mercado en funcin
de las soluciones de la empresa.

Se puede observar en la Figura 1.4 que solamente una pequea porcin de

las necesidades del consumidor y de la sociedad pueden ser abastecidas por la
empresa (zona sombreada). De ah la importancia de investigar a fondo las ne
cesidades del consumidor.
2.

Hombre (Man)

El hombre constituye el principal factor de calidad, pues de su grado de

motivacin y conciencia dependen los dems factores. No se logra nada si las
personas no cooperan, ni tienen conciencia de calidad en la labor que se les enco
mienda. Por ms eficientes y eficaces que sean los medios tcnicos propuestos, si

34

CONTROL DE CALIDAD

el ser humano no colabora no se obtendrn buenos resultados. Para ello, se

deben buscar los medios que logren una adecuada capacitacin de los diferen
tes niveles de la empresa, de tal manera que las polticas de calidad se cum
plan.

3.

Capital de trabajo (Money)

Como en toda labor de tipo comercial o industrial, el capital de trabajo es

absolutamente necesario. Para llevar a cabo las actividades planeadas es ne
cesario invertir. Cualquier recurso econmico utilizado en el sistema de control
de calidad debe verse como una inversin y no como un gasto.
En control de calidad debe tenerse muy presente el siguiente pensamiento:
La buena c a lid a d cu e sta , p e ro la m ala c a lid a d cue sta m s
(IMMECA, 1979).

4.

Material (Material)

Los materiales y materias primas juegan un papel primordial en la calidad

final de un producto. No es posible obtener alta calidad con materiales medio
cres, pues el proceso de produccin no es capaz de generar calidad. Ante esto
el objetivo clave es suministrarle al proceso los materiales que necesita para un
desempeo eficaz de sus actividades.
5.

Mquina (Machine)

Las mquinas constituyen el medio de transformacin de materiales en

productos terminados. Cualquier desperfecto o desajuste que stas sufran, se
visualizar en defectos en los productos que se fabriquen. Por esto es de impor
tancia tener adecuados programas de mantenimiento preventivo que garanti
cen baja p ro b a b ilid a d de d e sajustes y d e s p e rfecto s. Adem s, debe
concientizarse al operador de la importancia de vigilar los diferentes controles
que la mquina tenga, con el fin de tomar acciones preventivas en el momento
preciso.

JORGE ACUA ACUA

6.

35

Mtodo (Method)

Los mtodos de trabajo que se utilicen en operaciones de produccin y en

operaciones de carga, descarga y manejo de materiales, si no son adecua
damente diseados, son fuente de fallas de calidad.
El analista de mtodos debe contemplar en sus diseos los requerimientos
de calidad de la operacin. Una forma de hacer sto es a travs de dispositivos
que faciliten la operacin eliminando toda posibilidad de que el producto sea
defectuoso por causa de un mal mtodo de trabajo.
Adems, es labor del analista lograr, mediante una adecuada motivacin,
que el operario desarrolle su trabajo siguiendo el mtodo establecido, de tal ma
nera que la ejecucin de su operacin se produzca en el nivel ms alto de calidad.
7.

Administracin (Management)

La administracin de la empresa es la primera que debe de estar conven

cida de los beneficios de un sistema de control de calidad. La razn es que son
ellos los encargados de dictar las polticas, de aprobar los planes y de asignar
los recursos. Sin este convencimiento es muy poco lo que pueden hacer los
departamentos y secciones de la organizacin.
La forma de medir el desempeo del sistema es a travs de un diagnstico
de estos factores. Es as como nos daremos cuenta de las fallas de la organi
zacin en la consecucin del objetivo de calidad.

RESPONSABILIDAD DE CALIDAD
Se puede afirmar que la responsabilidad de la calidad del producto termina
do recae en todos los niveles de la organizacin. Sin embargo, existen diferentes
grados de responsabilidad, siendo los ms altos para el equipo diseador, el
equipo proveedor, el equipo productor y el cuadro gerencial de la empresa.
El equipo diseador tiene la enorme responsabilidad de traducir los requeri
mientos del cliente en especificaciones tcnicas de acuerdo con limitaciones de
fabricacin. El equipo proveedor es responsable de entregar a produccin los
materiales que renen los requerimientos de fabricacin. El equipo productor es

36

CONTROL DE CALIDAD

responsable de fabricar el producto de acuerdo con los requisitos del diseo

conservando el nivel de calidad de los materiales suministrados. El cuadro
gerencial es responsable de dictar las polticas y facilitar los recursos para que
los equipos de trabajo puedan cumplir con su funcin. Lo anterior implica que la
estructura organizativa no solo debe ajustarse a los niveles jerrquicos ya esta
blecidos sino tambin al flujo de informacin vertical y horizontal, necesario para
coordinar actividades. Esto se puede visualizar mejor en la Figura 1.5, en la que
se observa cmo las diversas unidades se coordinan. As, por ejemplo, Ventas
tiene una clara interrelacin con el consumidor en su trabajo con el mercado
mientras Personal -usando programas de reclutamiento y seleccin de perso
n a l- brinda a las lneas de produccin el personal idneo.

Informacin

Responsabilidad

Autoridad

FIGURA 1.5. Representacin grfica de responsabilidades de calidad

JORGEACUAACUA

LA CALIDAD EN SISTEMAS MODERNOS DE

MANUFACTURA
Al igual que los sistemas de produccin, los sistemas de control de proceso
tambin han evolucionado. Esta evolucin se ha dado a travs de la generacin
y aplicacin de sistem as modernos de m anufactura tales como robots,
sensores de mquina, visin de mquina y sistemas CAD/CAM.
La aplicacin de robots al ambiente industrial ha permitido la ejecucin de
operaciones con ms altos niveles de exactitud y precisin, lo que ha favorecido
la calidad de lo fabricado. Esta se da puesto que es ms factible cada da produ
cir con tolerancias ms angostas o sea con especificaciones ms cerca del
valor objetivo.
Los sensores de mquina han favorecido el desarrollo de instrumentos que
facilitan la inspeccin reduciendo el tiempo de recoleccin y anlisis de informa
cin. Los sensores electrnicos son capaces de detectar diferencias y en algu
nos casos accionar mecanismos que permiten tomar medidas correctivas y
preventivas. Esta accin es una clara ventaja para el control de los procesos.
La visin de mquina ha dado grandes aportes a la inspeccin visual pues a
travs de este sistema se pueden obtener conclusiones ms rpidas y ms efi
cientes. Este sistema ayuda adems a sustituir al hombre en la labor de inspec
cin visual, la cual es montona y perjudicial a la vista en la mayor parte de los
casos. Una explicacin general del sistema se presenta en la Figura 1.6. En esta
figura se tiene una cmara de televisin que toma imgenes del producto, las tra
duce a seales digitales, para que sean interpretadas por una computadora la
cual tiene alimentados los diferentes patrones contra los cuales compara. De
acuerdo con la decisin tomada la computadora puede enviar una seal al siste
ma de manejo de materiales para que rechace la unidad en estudio.
Los sistemas CAD/CAM (Computacin Aplicada al Diseo/Computacin
Aplicada a la Manufactura) combinan el diseo de producto con la manufactura
del mismo, convirtindose en una garanta para reducir el eterno problema de
traducir especificaciones y requerimientos de diseo en productos terminados.
En un sistema de esta naturaleza, el diseador ejecuta su labor y almacena
en una base de datos todo tipo de instrucciones y caractersticas de diseo.

38

CONTROL DE CALIDAD

SEAL
ANALOGICA

CONTROL
DE CAMARA

CAMARA

DIGITADOR

/ \
SEAL
DIGITAL

n n n n n n n n n

COMPUTADORA
CENTRAL

LINEA DE PRODUCCION

FIGURA 1.6. Sistema de visin de mquina usada en inspeccin visual

Posteriormente, esos requerimientos son transmitidos mediante programas

computacionales desde un computador central hasta uno en la lnea de produc
cin y de ah a la mquina. La retroalimentacin controla el proceso. La Figura
1.7 muestra un ejemplo de este sistema.

RESUMEN
Se han esbozado hasta el momento algunos principios sobre los que se
basa el verdadero concepto de calidad. Estos principios son:
1. El control de calidad no es nicam ente inspecr-n, sino que va ms all,
hacia la investigacin de causas y correccin de las mismas, con el fin de
que no se vuelvan a presentar en el futuro. Esto obliga a analizar la calidad
en forma sistmica, involucrando a la organizacin en su totalidad.

JORGEACUAACUA

39

FIGURA 1.7. Sistema Integrado de Manufactura

2. El problema de la calidad del producto es competencia de todos los niveles

de la empresa. En la medida en que haya conciencia de esta responsa
bilidad se lograrn los niveles establecidos.
3. La calidades intrnseca del producto, el control no agrega calidad al mismo
pues es solo un medio de investigar problemas y reducirlos.
4. El control debe ejecutarse en etapas, responsabilizando a las diferentes
secciones de la ejecucin de las actividades fijadas en cada una de ellas.
5. La calidad debe entenderse com o e l grado en que un cliente se siente
satisfecho con las funciones que realiza el producto que adquiere.

40

CONTROL DE CALIDAD

6. Se pueden automatizar los procesos de inspeccin, sin embargo la respon

sabilidad de calidad ser siempre del factor humano.

PREGUNTAS DE REPASO
1. Comente el aporte del desarrollo histrico del control de calidad a la con
cepcin moderna.
2. Defina los conceptos de control, calidad, calidad total y control de calidad.
3. Explique el ciclo del control.
4. Explique la pirmide del control de calidad.
5. Qu es un sistema de control de calidad y cmo est estructurado?
6. Explique detalladamente cada uno de los componentes del sistema de
control de calidad.
7. Cules son los objetivos de implantar un sistema de control de calidad?
Qu beneficios genera un sistema de control de calidad?
8. Explique los factores que gobiernan la calidad de un producto.
9. Analice las responsabilidades de calidad en los sistemas industriales.
10. Qu nuevos conceptos de calidad se manejan en sistemas modernos de
produccin?

PROBLEMAS
1. Seleccione una empresa industrial o de servicios y analice su sistema de
control de calidad. Haga un diagnstico inicial.
2. Evale en una empresa la incidencia de cada uno de los factores de calidad
en la calidad del producto final.
3. Enumere las actividades por realizar para implantar un sistema de control
total de calidad en una empresa del sector alimentario.

JORGEACUAACUA

41

4. Seleccione el organigrama de una empresa industrial e identifique clara

mente la responsabilidad de calidad de cada uno de los niveles jerrquicos
ah representados.
5. Investigue los aspectos relacionados con control de calidad tomados en
cuenta en el Plan de Reactivacin Industrial en nuestro pas.

Captulo II

ESTADISTICA ELEMENTAL
.

n los ltimos aos se ha ampliado la gama de aplica

ciones de la estadstica en el ambiente industrial, y va
desde la re co le cci n y a n lis is de datos hasta la
inferencia estadstica y el diseo de experimentos.

Una de las reas de la industria en la que ms se

ha ap licado es en la inspeccin de calidad de los
productos fabricados. Esto ha dado origen a lo que se
conoce como control estadstico de la calidad. En
estos casos se selecciona una muestra, se analiza y con
base en los resultados obtenidos se infiere la situacin
real del p ro ce so p ro d u c tiv o . La a p lic a c i n de la
estadstica al control de procesos y de materiales es
solamente un arma para la toma de decisiones y no la
solucin a los problemas.
En este captulo se presentarn algunos conceptos
y tcnicas de anlisis de datos, para luego entrar en el
tema de inferencia estadstica, que constituye la base
fundam ental para el establecim iento de un control
estadstico de la calidad.
Se supone de antemano que el lector tiene conoci
mientos generales de estadstica.

44

CONTROL DE CALIDAD

ANALISIS DE DATOS
El primer paso en la aplicacin de la estadstica a procesos industriales
consiste en el registro y anlisis de la informacin proveniente de las diferentes
pruebas fsicas y qumicas que se hacen a los productos con el fin de verificar
su estado.
Del anlisis de los datos provenientes de esas pruebas se derivarn las
acciones preventivas, con las que se procurar reducir y si es posible eliminar
los problemas de mala calidad que se presentan en las lneas de produccin.
Para lograr un adecuado anlisis es necesario agrupar los datos de tal
manera que se puedan visualizar comportamientos y tendencias histricas de
los procesos.

DISTRIBUCION DE FRECUENCIAS
Una de las formas que permite disponer los datos para su anlisis es la dis
tribucin de frecuencias de datos agrupados, que consiste en el agrupamiento
del conjunto de datos en intervalos, de tal manera que generen una distribucin.
Esta distribucin puede ser comparada con distribuciones estadsticas tericas
y as inferir soluciones al problema planteado. Existen tambin las distribucio
nes de frecuencia de datos no agrupados, que se usan para el anlisis de datos
de variable discreta, tales como nmero de defectuosos y nmero de defectos.
Dos de las claves importantes para tener una distribucin de frecuencias
eficiente y eficaz son la escogencia de un mtodo que considere las cifras
significativas de los datos y la escogencia de un nmero de clases que refleje
una adecuada distribucin.
Antes de entrar a presentar un mtodo de elaboracin de una distribucin
es recomendable dar algunas definiciones.
Frecuencia
Es el nmero de veces que se repite un dato en un conjunto de datos, o en
un intervalo determinado. Existen varios tipos de frecuencia, stas son:

JORGE ACUA ACUA

a.

Frecuencia absoluta

b.

Frecuencia absoluta acumulada

c.

Frecuencia relativa

d.-

Frecuencia relativa acumulada

45

La frecuencia absoluta es el nmero absoluto de veces que se encuentra

un dato en un conjunto de datos o intervalo. Se denota por n.cuando los datos
no estn agrupados y por nkcuando estos datos estn agrupados. Se encuentra
por inspeccin del conjunto de datos.
La frecuencia absoluta acumulada es la suma acumulada de la frecuencia
absoluta. Se denota por N,en datos no agrupados y por Nken datos agrupados.
La frecuencia relativa es una forma de representar porcentualmente el
nmero de veces que se repite un dato o el nmero de datos que se encuentran
en un intervalo. Se denota por 1, para datos no agrupados y por fk, para datos
agrupados. Se calcula como:
Frecuencia absoluta
Frecuencia relativa = -----------------------------------------------Nmero total de datos

x 100

La frecuencia relativa acumulada es la suma acumulada de la frecuencia

re la tiva . Se denota por F(para datos no agrupados y por Fkpara datos
agrupados. Se calcula como:
Frecuencia absoluta acum ulada
Frecuencia relativa acumulada = ---------------------------------------------- x 100
Nm ero total de datos

Clase
La clase es un intervalo dentro del cual se encuentra un conjunto de datos.
Sus valores extremos se llaman lmites de clase. El nmero de clases se denota
con la letra k.
Los lmites de clase representan a los datos. En este caso son conocidos
como lmites reales de clase y estn denotados por L( y Ls. En caso contrario,

46

CONTROL DE CALIDAD

los lmites de clase se denotan por I, y ls y su funcin se reduce exclusivamente

al conteo de los datos para obtener la frecuencia absoluta.
La am plitud de clase o intervalo de clase es la diferencia entre los lmites
reales de clase. Se denota con la letra i.
Histograma
Un histograma es un grfico de barras verticales continuas, en donde se
representan los lmites reales de clase en el eje x y la frecuencia absoluta o
relativa en el eje y. La escala del eje x debe graduarse de tal manera que todas
las barras sean de igual tam ao, m ientras que la escala del eje y, debe
graduarse con base en la frecuencia relativa o absoluta ms grande.
Para el desarrollo de la distribucin de frecuencias se puede hacer uso de
paquetes de computacin. Uno de stos es STADGRAPHICS, paquete que
tiene un sinnmero de herramientas estadsticas no solo para distribucin sino
tambin para inferencia estadstica.
A pesar de ser un m edio gil para elab ora r d istrib u cio n e s, ste no
considera cifras significativas que son muy importantes cuando se analizan
datos con fines de anlisis de calidad.
Para garantizar el cuidado de cifras significativas se puede aplicar el
siguiente procedimiento:
1. Recolectar los datos (x.) de acuerdo con el tamao de muestra previamente
calculado. Esta recoleccin debe ser ordenada de tal form a que se
entienda posteriormente la informacin. Para ello se puede usar un formato
tal como el que presenta en el Ejemplo 2.1. Este formato no solo sirve para
a n ota r la in fo rm a ci n re co le cta d a sino tam bin la d is trib u c i n de
frecuencias correspondiente.
2. Ordenar los datos de menor a mayor. Es opcional; si no se hace, se ejecuta
el paso 11b.
3. Calcular el rango, restando al dato mayor, el dato menor. Sea:
R = Xlmix-Xwn

JORGE ACUA ACUA

47

4. Fijar el nmero de clases (k), es conveniente que est entre 5 y 20. Se

puede utilizar la regla de STURGES para obtener un aproxim ado al
nmero de clases. Esta regla es:
k = 1 + 3,3 log n

donde n = tamao de la muestra

5. Calcular el intervalo de clase (i), as:

i = R/k
El valor de i debe ser redondeado siem pre hacia arriba y a la misma
cantidad de decimales que tienen los datos.
6. Calcular el rango propuesto (Rp) mediante la multiplicacin del intervalo
redondeado (r) por el nmero de clases, sea:

Rp=l,*k
7. Calcular la diferencia (d) entre el rango y el rango propuesto:
d = Rp- R
Este valor es un nmero cuya ltima cifra significativa debe ser un cinco. Si
no lo es, se debe devolver al paso 5 y hacer el clculo con otro nmero de
clases, hasta que se cumpla la condicin.
8. Calcular la mitad de la diferencia (md)
md=d /2
9. Fijar los lmites reales de clase (L,, Ls), usando el siguiente procedimiento:
a. Tomar el valor del dato menor y restarle el valor de md; el valor obtenido
es el primer L,.
L.i l = ximin - m .d
b. Sumar i al valor de Ln, para obtener el primer Ls.
LSi = Lll, + i
c.

Hacer el L* igual al Ls{k1)y repetir el paso 9b. hasta completar las k

clases. Al final se debe cumplir con:
Lrt= x lm4x+m d

48

CONTROL DE CALIDAD

donde Lsk= ltimo lmite real superior.

10. Fijar los lmites de clase (l|t ls), sumando cinco unidades decimales a los
lmites inferiores reales de clase y restndoselas a los lmites superiores de
clase. As por ejemplo:
Si L,y Lstienen solo un decimal, se suma y se resta 0,5
Si L y Lstienen dos decimales, se suma y se resta 0,05
I.de = Lik + 5 unidades decimales
lsk= Lsk- 5 unidades decimales
11. Completar el cuadro de frecuencias de datos agrupados, para ello
a. Calcular el punto medio (xk)
L
+ LS

\ = ----------------

L+l
I
s
o

XK=----------------

b. Obtener el valor de la frecuencia absoluta (nk) usando lo obtenido en el

punto 2 o a travs de conteo que consiste en ir contando dato por dato
y poniendo una rayita en el intervalo correspondiente.
c. Obtener la frecuencia absoluta acumulada (Nk)
Nk=Acumulado de nk
d. Calcular la frecuencia relativa (f.)
1%

n
e. Obtener la frecuencia relativa acumulada (Fk)

n
12. Construir el histograma para observar la distribucin del conjunto de datos.

JORGE ACUA ACUA

49

EJEMPLO 2.1
Se toman doce grupos de cinco unidades de una mquina llenadora de
latas de pasta de tomate y se pesan, originando los datos que se presentan en
el Cuadro 2.1.
Construir una distribucin de frecuencias de datos agrupados.
SOLUCION
1. Los datos se recogen en el formato definido. El Cuadro 2.1 presenta la
informacin recolectada para este ejemplo.
2. Se usar el mtodo de conteo.
3. R = x.im .x - x.im fn.
R = 25,0 -1 8 ,0 = 6,5

CUADRO 2.1. Informacin recolectada en decigramos

HOJA DE DATOS - DISTRIBUCION DE FRECUENCIAS

Artculo: Pasta de tomate
Caracterstica: Peso
Operacin: Llenado
Operario: M. Matamoros
Fecha:02-12-84
Tumo: 1

#
1
2
3
4
5

22,0 23,0
20,5 19,0
20,0 21,5
21,0 21,0
22,5 21,5

Cdigo: XY-987
Especificacin: 20,0 2,5
Mquina: Llenadora
Inspector: M. Coto
Hora de inicio: 8 am

Hoja # 1de 1

10

11

12

20,0
19,0
19,5
20,0
22,5

21,5
19,0
21,0
20,0
22,0

19,0
21,5
22,5
22,5
18,5

21,5
24,0
19,5
22,0
22,0

22,5
20,0
21,0
22,5
22,0

25,0
20,5
21,5
21,5
22,5

21,5
23,0
22,5
23,5
21,0

24,5
24,0
23,5
22,0
22,0

22,5
22,5
20,5
22,0
19,5

23,5
20,0
20,5
22,5
23,0

50

CONTROL DE CALIDAD

4. k = 1 + 3 ,3 lo g n
k = 1 + 3,3 log 60
k=7
R
6,5
5. i = ------ = ---------- = 0,923=1,0
k
7
6. Rp= if* k = 7 * 1 ,0 = 7,0
7. d = Rp- R = 7,0 - 6,5 = 0,5
0,5
8. md= d/2 = -----2

=0,25

9- ^ i = ximfn_md= 1 8 ,5 -0 ,2 5 = 18,25
LS1= L,, + i = 18,25 + 1,0 = 19,25
La= L = 19,25
L 2= L 2+ = 19,25+ 1,0 = 20,25
Y as sucesivamente hasta completar las siete clases.
Esto se puede observar mejor en el Cuadro 2.2.
El resto se obtiene de igual forma.
El conteo se obtiene anotando una rayita por cada dato que se ubica en la
clase respectiva.
A travs de las frecuencias se puede observar alguna caracterstica
importante, por ejemplo el anlisis de posicin para algn valor especial tal
como una especificacin.
12. El histograma correspondiente a este ejemplo se puede observar en la
Figura 2.1. En l, se puede ver que el peso de los tarros de pasta de tomate
se distribuye en una forma aproximadamente simtrica, o sea una gran
frecuencia en el centro que disminuye hacia los lados.

51

JORGE ACUA ACUA

CUADRO 2.2. Cuadro de distribucin de frecuencias para el Ejemplo 2.1

HOJA DE DATOS - DISTRIBUCION DE FRECUENCIAS

Artculo: Pasta de tomate
Caracterstica: Peso
Operacin: Llenado
Operario: M. Matamoros
Fecha:02-12-84

Tumo: 1

L,

L.

18,25
19,25
20,25
21,25
22,25
23,25
24,25

19,25
20,25
21,25
22,25
23,25
24,25
25,25

18,3
19,3
20,3
21,3
22,3
23,3
24,3

19,2
20,2
21,2
22,2
23,2
24,2
25,2

Cdigo: XY-987
Especificacin: 20,0 2,5
Mquina: Llenadora
Inspector M. Coto
Hoja#1 d e i
Hora de inicio: 8 am

CONTEO
mu
iiiiniii
iiiniiii
iiiiiiiiiiiinii
iiniiiiiiiiii
mu
ii

nh
5
9
9
16
14
5
2

18,75
19,75
20,75
21,75
22,75
23,75
24,75

5
14
23
39
53
58
60

K
8,33
8,33
15,00 23,33
15,00 38,33
26,67 65,00
23,33 88,33
8,33 96,67
3,33 100

l(1= L + 0,05 = 18,25 + 0,05 = 18,30

l = L - 0,05 = 19,25 - 0,05 = 19,20
El resto se obtiene de igual forma.

El conteo se obtiene anotando una rayita por cada dato que se ubica en la clase respectiva.

MEDIDAS DE LA DISTRIBUCION
No es fcil obtener conclusiones de un conjunto de datos sueltos o de
cuadros calculados a partir de ellos. Debido a esta limitacin es necesario
calcular medidas que los representen. Las medidas de mayor importancia son
la media aritmtica y la desviacin estndar.
Tam bin pueden c a lc u la rs e la m oda, la m ediana, los p e rc e n tile s
requeridos y varios coeficientes com o el coeficiente de variacin y el de
kurtosis. Estas medidas no se presentan en este momento.
La media aritmtica se calcula en datos no agrupados como:

52

CONTROL DE CALIDAD

16
14
12

n k

1 0

8
6

4
2 -U

18,25

19,25 20,25 21,25

22,25

23,25

Lm ites reales de clase (L(,Ls)

FIGURA 2.1. Histograma para e l Ejemplo 2.1

(Peso de tarros de pasta de tomate)

Ix ,
=i

X = ---------------

n
donde:
x: valores de la variable en estudio
n: tamao de la muestra
En datos agrupados se calcula as:

24,25

25,25

JORGE ACUA ACUA

53

nc

(I

nk* d ) * i

x =A+
n
donde:
d:

desviacin del punto m edio con respecto a la posicin de la media

supuesta (clase de mayor frecuencia, d=0). Es medida en unidades de
intervalo de clase.

i:

amplitud o intervalo de clase

A:

punto medio de la clase que contiene la media supuesta (clase de d=0)

nc: nmero de clases

La desviacin estndar, para datos no agrupados, se calcula usando la
siguiente frmula:

Para datos agrupados se tiene:

EJEMPLO 2.2
Para el Ejemplo 2.1, calcular la media aritmtica y la desviacin estndar
para datos no agrupados y agrupados.

54

CONTROL DE CALIDAD

SOLUCION
Para datos no agrupados:
1292,5
x = x/n =

= 21,54
60

I x = 1292,5

I x 2= 27972,75 n= 60

i=1,0

(1292,5)
27972,75 60
s=

= 1,485

59

En datos agrupados y usando el Cuadro 2.2 se obtiene la informacin que

se presenta en el Cuadro 2.3.
El factor d se establece con valores enteros negativos hacia arriba y
positivos hacia abajo de la clase de mayor frecuencia.
Para el ejemplo los valores de la media y la desviacin son:
A= 21,75 parad = 0

-12
x = 21,75+ (

) * 1,0 = 21,6 decigramos

60

Esto significa que el conjunto de datos se distribuye con un promedio de

21,6 decigramos con una desviacin estndar de 1,52 decigramos.
Un aspecto muy importante que se debe considerar es que la mayor parte
de las pruebas en las que se requiera el uso de esta tcnica necesitan ser

JORGE ACUA ACUA

55

CUADRO 2.3. Clculos interm edios p ara obtener X y s

XR

- 18,75
19,75
20,75
21,75
22,75
23,75
24,75
TOTAL

5
9
9
16
14
5
2
Ii\*d = -1 2

n*d

-3
-2

-15
-18
- 9
0
14

-1

0
1
2

10
6

n k*da

45
36
9
0
14
20
18

In /(f= 1 4 2

ejecutadas en el menor tiempo posible. Ante ello es necesario confeccionar

formatos que agilicen la recoleccin y anlisis de la informacin. La Figura 2.2
presenta un formato que puede ser usado en estos casos. Con este formato se
pueden hacer estudios futuros para evaluar el comportamiento de una variable.
En estos casos se dejan fijos los lmites de clase y se toman nuevas muestras.

CONCEPTO DE PROBABILIDAD
Muchas pueden ser las definiciones que se den al trmino probabilidad. En
ocasiones se asocia con la palabra posibilidad, lo cual parece en alguna medida
aceptable si se cuantificara. Tres de las definiciones ms comunes son las
siguientes:
1.

Probabilidad es el estudio de experimentos aleatorios o libres de determi

nacin, con el fin de asignar un valor a su ocurrencia futura.

EJEMPLO 2.3 Ilustracin del concepto de probabilidad

Si un dado es lanzado al aire, se tiene la certeza de que va a caer, pero no
se puede afirmar con certeza que la cara que quedar hacia arriba ser la que

56

CONTROL DE CALIDAD

O)

.. o

2y
OU
QJO

c/>5=
a
:u
L
j
s

"
Q)

ll

.<0

O3 2

1es
Q)
2
Ci.

S
CU
i

C\i
Osi

5
CD
c
03)
T
VIi
Tn
03
0
E

<
s)
L/>
U0
Z
2
o 2

>
a: Q)
3

w E

57

JORGE ACUA ACUA

contiene el nmero 6. Si este experimento se repite n veces podemos llamar n

al nmero total de lanzamientos y s al nmero de aciertos por un nmero
determinado, lgicamente entre 1 y 6. Para ilustrar el concepto de probabilidad
se puede asociar con la frecuencia relativa que se obtiene de la relacin f = s/n.
Este valor tiende a estabilizarse conforme el nmero de lanzamientos tiende a
infinito y por lo tanto puede asignarse como el valor para la ocurrencia futura del
acierto.
2.

Probabilidades un valor numrico que debe llenar ciertas condiciones y

que se asocia con un evento dado para expresar el grado de confianza que
se tiene en la verificacin futura del experimento que le dio origen. Esta es
una definicin dada desde el punto de vista matemtico.

3.

Probabilidades la fraccin n(E,)/n que se origina si un suceso puede ocurrir

de n-maneras mutuamente excluyentes e igualmente posibles, de tal
manera que n(E ) de ellas poseen un atributo (E).
n(E.)
P(E() = ----------n

Para entender ms claramente esta definicin se deben definir algunos

conceptos claves tales como:
Espacio m uestral: es el conjunto S de todos los resultados posibles, al
ejecutar un experimento. Este nmero total de eventos se denotan de la
siguiente manera:
Nmero de eventos de S = p"
donde:
p: nmero de posibilidades del experimento
n: nmero de veces que se repite el experimento.
Evento simple es uno de los resultados Edel espacio muestral S.
Evento compuesto es el conjunto de resultados Ecdel espacio muestral S
que cumplen con cierta caracterstica.

58

CONTROL DE CALIDAD

EJEMPLO 2.4
Se lanza un dado dos veces.
a. Identifique los eventos que conforman el espacio muestral y el nmero
de ellos.
b. D un ejemplo de un evento simple.
c. Cuntos eventos componen el evento compuesto X + Y > 4?
SOLUCION
a.

Con el fin de determinar el nmero total de eventos del espacio muestral se

utilizar un grfico de coordenadas donde se colocarn las posibilidades
del primer lanzamiento en el eje x y las del segundo en el eje y. La Figura
2.3 muestra este grfico.
El nmero de posibilidades p es seis y el nmero de veces que se repite el
experimento es dos por lo tanto:
Nmero de eventos de S = 62= 36 eventos simples
En la Figura 2.3 se pueden observar los 36 eventos simples del espacio
muestral representados por asteriscos en el reticulado del grfico.

b.

Un ejemplo de evento simple es (1,6) el cual significa que en el primer

lanzamiento el resultado es uno y en el segundo lanzamiento es seis.

c.

El evento compuesto X + Y > 4 est conformado por todos aquellos eventos

simples que originan una suma mayor que cuatro entre el valor del primer
lanzamiento y el valor del segundo lanzamiento. Estos eventos son todos
menos (1,1), (1,2), (1,3), (2,1), (2,2) y (3,1). Es decir, 30 eventos conforman
este evento compuesto.

En general, se puede decir que la probabilidades el resultado de dividir el

nmero de ocurrencias de un evento determinado, entre el nmero total de
eventos que componen el espacio muestral.
La probabilidad tiene las siguientes propiedades:

59

JORGE ACUA ACUA

(1,6)

(2,6)

(3,6)

(4,6)

(5.6)

(6.6)

L
a
n
z
a
m
i
e
n
t
o

(1.5)

(2.5)

(3.5)

(4.5)

(5.5)

(6.5)

(1.4)

(2.4)

(3.4)

(4.4)

(5.4)

(6,4)

(1.3)

(2.3)

(3.3)

(4.3)

(5.3)

(6.3)

(1.2)

(2.2)

(3.2)

(4.2)

(5.2)

( 6.2)

(1.1)

(2.1)

(3.1)

(4.1)

(5.1)

( 6 .1 )

3
Primer
Lanzamiento

FIGURA 2.3. Representacin grfica del espacio muestral

1. La probabilidad es un nmero o cantidad no negativa.

P(E) > 0
2. La probabilidad es un nmero o cantidad menor o igual a 1.
P(E) S 1
3. La suma de las probabilidades correspondientes a cada uno de los eventos
del espacio muestral es igual a 1.
P(E,) + P(E2) + P(E3) + .........+ P(En) = 1
4. La probabilidad de un evento y su complemento suman 1.
P(E) = 1 - P(E,)C
La probabilidad considera dos leyes principales llamadas la ley de la suma
y la ley del producto.

CONTROL DE CALIDAD

60

Ley de la suma
La ley de la suma dice que si se tienen dos eventos simples E, y E2, la
probabilidad de que ocurra uno u otro se representa por la suma de las
probabilidades de ocu rre n cia de cada uno de esos eventos m enos la
probabilidad de que ocurran ambos. Sea:
P(E, U E2) = P(E,) + P(EZ) - P(Et n E2)
Si los eventos ocurren en forma independiente entonces la probabilidad de
ocurrencia de E, o de E2se calcula com o la suma de las probabilidades
correspondientes a cada uno de ellos. As:
P(E1U E 2) = P(E1) + P(E2)

Ley del producto

Si los resultados de un suceso aleatorio pueden tener a la vez los atributos
E, y E2, la probabilidad de que ocurran ambos es igual a la probabilidad de que
suceda E, multiplicada por la probabilidad de que suceda E2dado que sucedi
E2. Sea:
P(E, y E2) = PEj/E,)

/: dado que sucedi

Si los sucesos ocurren en forma independiente entonces la probabilidad de

ocurrencia de am bos sucesos se ca lcu la com o la m ultiplicacin de las
probabilidades correspondientes a ambos eventos.
As:
P(E, y E2) = P(E,) * P(E2)
EJEMPLO 2.5
Una caja contiene ocho canutos de hilo azul, cuatro de hilo blanco y uno de
hilo rojo.
1. Si se extrae un canuto al azar, hallar la probabilidad de que sea:

61

JORGE ACUA ACUA

a. azulo blanco
b. blanco o rojo
2.

Si se extraen dos canutos, cul es la probabilidad de que el primero sea

. azul y el segundo rojo?
SOLUCION

1.

Sea:

E,:

evento en el que se extrae un canuto azul

E2:

evento en el que se extrae un canuto blanco

E:

evento en el que se extrae un canuto rojo

n(E,): nmero de canutos de hilo azul

n(E2): nmero de canutos de hilo blanco
n(E3): nmero de canutos de hilo rojo
Dado que n(E,) = 8, n(E2) = 4 y n(Ej) = 1
a. P (E ,o E 2) = P (E ,U E 2)

= P (E ,) + P (E 2) - P ( E 1n E 2)
n(E,)

n (E2)
+

- 0

4
+

13

- 0
13

= 12/13
Es decir, la probabilidad de que el canuto extrado sea azul o blanco es
12/13, sea 0,9. La probabilidad de que ocurran ambos eventos es cero por
cuanto no hay hilos de color combinado.

62

CONTROL DE CALIDAD

b. P(E2o E ) = P(E2U E ) = P(E2) + P(E ) - P(E2n E3)

3

n(E2)

n(Eg)

+
13

0
13

= 5/13
La probabilidad de que el canuto extrado sea rojo o blanco es 5/13, sea
0,38.
2.

Si se extraen dos canutos se pueden dar dos situaciones:

a. Caso A. Con reposicin, lo que significa que el canuto se retorna a la
c a ja de spu s de la prim era e xtra cci n . E sto co n v ie rte am bas
extracciones en eventos independientes.
P(E, y E3) = P(E,) * P(E3)
n(E,)

n(E3)

13

13

8
P(E,y E3) = -------- = 0,047
169

b. Caso B. Sin reposicin, lo que significa que el canuto no se retoma a la

caja despus de la primera extraccin.

JORGE ACUNA ACUNA

63

P(E, Y E3) = P(E,) * P(Eg/Et)

n(E,)

________

n(E3)
*

- 1

8
1
8
P(E,y E3) = --------- * ---------- + ----------= 0,051
13
12
156

La probabilidad de que al extraer dos canutos de la caja, el primero sea

azul y el segundo sea rojo es 0,047 si se hace con reposicin y 0,051 si se
hace sin reposicin.
DISTRIBUCIONES DE PROBABILIDAD
Las distribuciones de probabilidad constituyen la base terica para
investigar fenmenos aleatorios cuyo comportamiento es anormal. Este estudio
consiste en la bsqueda de un ajuste que permita efectuar el anlisis acorde
con lo expresado por la teora de probabilidades.
Las distribuciones de probabilidad pueden ser de variable aleatoria
continua o de variable aleatoria discreta y su aplicacin al control estadstico de
la calidad depender de la clasificacin efectuada sobre las caractersticas de
calidad, de lo que se hablar en el siguiente captulo.
Una funcin matemtica f(x) ser una funcin de probabilidad si cumple
con las siguientes dos condiciones:
Si es de variable aleatoria discreta
b
2. F(x) = I f ( x ) = 1

1. 0 < f(x )< 1

Si es de variable aleatoria continua

< f(x) >

2. F(x) = f(x) dx = 1

64

CONTROL DE CALIDAD

Se vern a c o n tin u a c i n asp e cto s g e n e ra le s de las p rincipales

distribuciones de probabilidad.
D

is t r ib u c io n e s d e p r o b a b il id a d d e v a r ia b l e a l e a t o r ia c o n t in u a

Existen diversas distribuciones de probabilidad que comnmente son

usadas para analizar poblaciones que generan variables dimensionales. Estas
dim ensiones son e stu d ia d a s a trav s del m uestreo y an aliza da s con
distribuciones tericas con el fin de inferir resultados mustrales hacia la
poblacin. A continuacin se vern algunas de las principales.
1.

Distribucin normal

Es la distribucin de probabilidad de variable aleatoria continua ms

importante, pues los datos distribuidos normalmente se originan en numerosos
experimentos. La caracterstica ms sobresaliente de esta distribucin es que
gran cantidad de datos se agrupan alrededor del promedio, decreciendo su
frecuencia conforme se alejan de l.
La funcin densidad de esta distribucin es:
1
f(X) = --------------e -l,X-M)2/2o2)
o JaT

-oo < X > o

Esta distribucin posee entre otras las siguientes caractersticas:

a.

El rea total bajo la curva normal evaluada de -oo hasta + es igual a 1.

b.

La curva normal es simtrica: el rea a la derecha y el rea a la izquierda

de la media aritmtica son iguales.

c.

La curva que representa la distribucin es la Campana de Gauss

d.

Esta distribucin puede estandarizarse con el fin de hacer ms fcil el

clculo de probabilidades. En esta estandarizacin se usa el estadstico
X -| l

Z = --------a

JORGE ACUA ACUA

65

e.

La curva queda perfectam ente determinada cuando se conocen los

parmetros p y a.

f.

Las tcnicas usadas en el clculo de probabilidades a partir de curvas

unimodales, pueden ser usadas en otras curvas aunque stas no sean
. normales.

g.

La distribucin muestral obtenida a partir de una poblacin cualquiera se

distribuye normalmente.

Debido a que cada valor de p y de o originan una forma de distribucin

distinta, es necesario acudir a la estandarizacin con el fin de convertir la curva
normal en una curva normal estndar. Esta estandarizacin permite calcular
probabilidades usando tablas en lugar de integrar la funcin.
La curva normal estandarizada se caracteriza por tener p=0 y a2= 1 y se
obtiene a travs de la transformacin de la variable x en el estadstico
x -p
Z = --------- . As, la distribucin se convierte en:
a
1

f (Z) =

e *a

-o < Z > +oo

\| t?
2

Con esta curva normal estandarizada, lo que se hace es encontrar el valor

de la variab le transform ada Z y con ese nmero acu dir a la Tabla I en
APENDICE I, donde se encontrar el valor de N(Z) que corresponde a la
probabilidad acumulada buscada.
EJEMPLO 2.6
Una fbrica especifica que el peso de los tarros de frutas que produce debe
obedecer a un peso medio de 2,00 kg con una desviacin estndar de 0,05 kg.
Cul es la probabilidad de que un determinado tarro pese entre 1,90 y 2,06 kg,
sabiendo que esta variable se distribuye normalmente?

CONTROL DE CALIDAD

66

SOLUCION
Representando esta probabilidad segn la Figura 2.4 se tiene que:
/2 ,0 6 - 2 ,0 0 \
A = P(1,9<x<2,06) = N ------------------j - N
\
0,05
/
= N(1,2) N(-2,0)
= 0,8849-0,0228
= 0,8621
Se ha determinado que la probabilidad de que un determinado tarro pese
entre 1,90 y 2,06 kg es 0,8621.
Los valores de N(Z) se extraen de la Tabla I en el Apndice I.
Tal y como se indic al desglosar las caractersticas de la distribucin
normal, la disiibucin que le corresponde a un conjunto de muestras llamada
distribucin muestral se distribuye normalmente. Esto obedece a un teorema
llamado teorema del lm ite central, el cual dice:
Si se toman muestras aleatorias de tamao n de una poblacin que tiene
media p y desviacin estndar o, la distribucin de muestreo correspondiente a

FIGURA 2.4. Curva normal del Ejemplo 2.6

JORGE ACUA ACUA

67

los promedios de m muestras ser aproximadamente normal, con media p

igual a p y desviacin muestral oxigual a o/'lT
El trmino OjSe conoce como error estndar y se calcula as:
Oj

o
>lN-n
--------------- --
\l
'M

o
Oj = ---------N

Si la poblacin es finita y su
tamao se denota como N.

Si la poblacin es infinita

En control estadstico de la calidad este teorema es muy aplicado cuando

se extraen muestras sucesivas de los procesos y se desea conocer el compor
tamiento de los mismos a travs de los promedios. En el Captulo IV se ana
lizarn estas aplicaciones.
EJEMPLO 2.7
Un proceso de llenado de bolsas de cacao en polvo origina un peso medio
de 50,10 g y una desviacin estndar de 5,25 g. Si se toma una muestra de 40
bolsas, cul es la probabilidad de que su media se encuentre entre 48,10 y
50,90 g?
SOLUCION
De acuerdo con la Figura 2.5 se tiene:
A = P(48,10 < x < 50,9)=N((50,90-50,10)/0,83)-N((48,10-50,10)/0,83)
A = N(0,96) - N(-2,41)
A = 0,83147 - 0,00798 Obtenidos de Tabla I en Apndice I
A = 0,82349

68

CONTROL DE CALIDAD

FIGURA 2.5. Curva norm al para e l Ejemplo 2.7

La probabilidad de que la media de peso de una muestra de 40 bolsas se

encuentre entre 48,10 y 50,90 gramos es 0,82349.
2.

Distribucin t-student

En muchas ocasiones no es posible obtener muestras grandes debido a

razones de costo o a razones tecnolgicas propias de los procesos, entonces
es necesario utilizar una distribucin de probabilidad para pequeas muestras
que permita hacer estimaciones confiables. El tamao de muestra que se consi
dera como lmite entre muestras grandes y pequeas es 30. La distribucin
usada en este caso se conoce com o distribu cin t-student y su funcin
densidad es:
Yo
f(x) = --------------------+ (t /v))v+,V
( 1

donde:
Y0= constante que depende del tamao de la muestra
v = nmero de grados de libertad
La distribucin t-student permite definir la distribucin muestral de t, con el
estadstico t definido por:

JORGE ACUA ACUA

t=

69

X ^ \Jr
n <
s
- 1

La forma que tiene la curva de esta distribucin es parecida a la curva

normal, siendo ms achatada conforme el tamao de la muestra tiende a cero.
EJEM PLO 2.8
Se fabrican productos que deben tener un peso medio comprendido entre
10,049 y 10,095 g. Se toma una muestra de 15 unidades, originndose un
promedio de 10,072 g y una desviacin estndar de 0,100 g. Cul es la
probabilidad de cumplir con el peso fijado?
SOLUCION
Si se usa la Figura 2.6 para el clculo se tiene:
P(10,049 < x <10,095) = T(( 10,095-10,072)/(0,100/ \p4))
-T((10,049-10,072)/(0,100/ \f4))
= T (0,861) - T (-0,861)
= 0,80 = 0,60
0

, 2

FIGURA 2.6. Clculo de probabilidades

70

CONTROL DE CALIDAD

La probabilidad de cumplir con el peso fijado es 0,60.

Los valores de T(0,861) y T(-0,861) sirven para calcular las probabilidades
usando la Tabla II del Apndice I.
3.

Distribucin Chi-cuadrado

As como existen distribuciones para el promedio se tiene una distribucin

para la variabilidad, especficamente para la varianza. Esta distribucin es la
distribucin chi-cuadrado, representada por ae2. Tiene la siguiente funcin
densidad:
f(x) = Y (ae2)1/2<v2) e
0

' 1 /2

ae

donde:
Y0: constante que depende del tamao de la muestra
v : nmero de grados de libertad y equivale a n

- 1

Esta distribucin tiene la forma que se presenta en la Figura 2.7.

El estadstico ae2se calcula como:

FIGURA 2.7. Curvas Chi-cuadrado segn grados de libertad

71

JORGE ACUA ACUA

n*s
( X, - X + ( Xg - X + .... + ( xn- X
ae2 = ---------- ----------------------------------------------------o
o
2

) 2

) 2

) 2

EJEM PLO 2.9

Una mquina llenadora ha ejecutado su operacin con una varianza de
0,83 g2. Si se toma una muestra de 15 unidades, cul es la probabilidad de
tener una varianza:
a. Superior a 1,31 g2?
b. Inferior a 0,56 g2?
SOLUCION
Utilizando la Figura 2.8 se obtienen los siguientes resultados:
n*s
15(1,31)
ae = ---------- =-------------- = 2 3 ,7
o
0,83
2

a.

n *s
15(0,56)
b. ae2= ----------- = ------------- =10,1
o
0,83
2

FIGURA 2.8. Curvas Chi-cuadrado para e l Ejemplo 2.9

CONTROL DE CALIDAD

72

Los valores de la probabilidad se encuentran en la Tabla III del Apndice I.

En conclusin, la probabilidad de obtener una varianza superior a 1,31 g es
0,05 y la de obtener una varianza inferior a 0,56 g2es 0,25.
2

4.

Distribucin F-Fisher

En ocasiones es de im portancia estudiar la relacin de varianzas

pertenecientes a dos poblaciones distintas. Para analizar esta situacin se usa
la distribucin F- Fisher que es una distribucin de probabilidad para la razn de
varianzas. El estadstico por utilizar es:

F = --------s

, 2

es igual a o

si

, 2

no es igual a o

2 2

22

s, /o
2

si

,2

F = ---------

2 2

Esta distribucin se origina al extraer muestras sucesivas de cada una de

las poblaciones y al calcular el respectivo valor de F y de su probabilidad.
EJEMPLO 2.10
En un proceso de corte de varillas para un ensamble especial, existen dos
mquinas cortadoras tecnolgicam ente parecidas aunque diferentes en
antigedad. Esta similitud hace pensar que las varianzas de corte generadas
por ambas mquinas puedan ser comparadas.
Si se toma una muestra de 16 elementos de cada mquina, calcular la
probabilidad de que la razn de varianzas sea:
a. Mayor a 1,43
b. Menor a 0,7

 's

JORGE ACUA ACUA

73

SOLUCION
Utilizando la Figura 2.9 y la Tabla IV del Apndice I se puede calcular esta
probabilidad.
v, = nr 1 = 1 6 -1 =15
v = n 2-1 = 16-1 = 15
2

Como respuesta al problema se tiene que la probabilidad de que la razn

de varianzas sea superior a 1,43 es 0,25 y de que sea inferior a 0,7 es tambin
0,25.

=1.43
a1=0,25

= 0 7

F v1y2.n2

F,5,15*2 =0.7
a2=0,25

FIGURA 2.9. Curvas Fpara e l Ejemplo 2.10

CONTROL DE CALIDAD

74

is t r ib u c io n e s d e p r o b a b il id a d d e v a r ia b l e a l e a t o r ia d is c r e t a

Cuando el estudio de poblaciones no se hace a travs de mediciones sino

a travs del conteo o separacin por atributos, las distribuciones tericas que se
usan para la inferencia son ms generales y se basan en la calificacin del pro
ducto como bueno o como defectuoso. Algunas de las distribuciones ms
importantes se vern a continuacin.
1.

Distribucin binomial

En m uchas ocasiones no es posible o rentable con trola r procesos

mediante variables, por lo que es necesario tomar decisiones con base en los
atributos que caractericen a un producto como bueno o como malo. Esta
calificacin depende de si cumple con lo especificado por el cliente. Una de las
distribuciones que se utiliza como medio de inferencia estadstica es la
distribucin binomial.
La distribucin binomial es la distribucin que se ajusta a experimentos que
cumplen con las siguientes cuatro condiciones:
a. El experimento consiste de n pruebas.
b. Los resultados del experimento se enmarcan de forma que existe una
probabilidad de xito denotada por p y una probabilidad de fracaso
denotada por q y que se calcula como q = 1-p.
c. Las pruebas ejecutadas deben ser independientes.
d. En cada prueba interesan x casos del total de casos.
La funcin densidad de esta distribucin es:
n!
b (x,n,p) = ---------------- px * qn-x
x! (n-x)
x

P (x < X) = B (X.n.p) = X b(xi,n,p)

1 * 0

JORGE ACUNA ACUA

75

donde:
b(x,n,p): p ro b a b ilid a d de o b te n e r x ca so s, en n pruebas si la
probabilidad de xito es p
B(X,n,p): probabilidad de obtener menos de X casos, en n pruebas si la
probabilidad de xito es p
1 B(X,n,p): probabilidad de obtener ms de X casos, en n pruebas si la
probabilidad de xito es p
n: nmero de pruebas ejecutadas en el experimento
x: nmero de casos exactos deseados
X: nmero de casos deseados ( implica <X o > X )
p: probabilidad de xito del experimento
q: probabilidad de fracaso del experimento
n-x: nmero de fracasos
Las probabilidades pueden ser calculadas mediante la evaluacin de la
frmula o utilizando la Tabla V del Apndice I.
La distribucin binomial tiene un valor esperado (p) igual a n*p y varianza
(o2) igual a n*p*q.
EJEMPL0 2 . i l
Un cliente establece que para aceptar un lote de producto que le enva el
fabricante, ste debe cumplir con el contrato firmado. Este contrato establece
que el lote se acepta si una muestra de
unidades extrada de l, contiene dos
o menos defectuosos.
2

Si el fabricante enva un lote 10% defectuoso, cul es la probabilidad de

que sea rechazado?
SOLUCION
Primero que todo se debe analizar si se cumple con las cuatro condiciones
fijadas para la distribucin binomial.

74

CONTROL DE CALIDAD

is t r ib u c io n e s d e p r o b a b il id a d d e v a r ia b l e a l e a t o r ia d is c r e t a

Cuando el estudio de poblaciones no se hace a travs de mediciones sino

a travs del conteo o separacin por atributos, las distribuciones tericas que se
usan para la inferencia son ms generales y se basan en la calificacin del pro
ducto como bueno o como defectuoso. Algunas de las distribuciones ms
importantes se vern a continuacin.
1.

Distribucin binomial

En muchas ocasiones no es posible o rentable con trola r procesos

mediante variables, por lo que es necesario tomar decisiones con base en los
atributos que caractericen a un producto como bueno o como malo. Esta
calificacin depende de si cumple con lo especificado por el cliente. Una de las
distribuciones que se utiliza com o m edio de inferencia estadstica es la
distribucin binomial.
La distribucin binomial es la distribucin que se ajusta a experimentos que
cumplen con las siguientes cuatro condiciones:
a. El experimento consiste de n pruebas.
b. Los resultados del experimento se enmarcan de forma que existe una
probabilidad de xito denotada por p y una probabilidad de fracaso
denotada por q y que se calcula como q = 1-p.
c. Las pruebas ejecutadas deben ser independientes.
d. En cada prueba interesan x casos del total de casos.
La funcin densidad de esta distribucin es:
n!
b (x,n,p) = ---------------- px * q"-*
x! (n-x)
X

P (x < X) = B (X.n.p) = Z b( xjPn ,p )

i

=0

JORGE ACUA ACUA

75

donde:
b(x,n,p): p ro b a b ilid a d de o b te n e r x casos, en n pruebas si la
probabilidad de xito es p
B(X,n,p): probabilidad de obtener menos de X casos, en n pruebas si la
probabilidad de xito es p
1 - B(X,n,p): probabilidad de obtener ms de X casos, en n pruebas si la
probabilidad de xito es p
n: nmero de pruebas ejecutadas en el experimento
x: nmero de casos exactos deseados
X: nmero de casos deseados ( implica <X o > X )
p: probabilidad de xito del experimento
q: probabilidad de fracaso del experimento
n-x: nmero de fracasos
Las probabilidades pueden ser calculadas mediante la evaluacin de la
frmula o utilizando la Tabla V del Apndice I.
La distribucin binomial tiene un valor esperado (p) igual a n*p y varianza
(o2) igual a n*p*q.
EJEMPL0 2 .i l
Un cliente establece que para aceptar un lote de producto que le enva el
fabricante, ste debe cumplir con el contrato firmado. Este contrato establece
que el lote se acepta si una muestra de
unidades extrada de l, contiene dos
o menos defectuosos.
2

Si el fabricante enva un lote 10% defectuoso, cul es la probabilidad de

que sea rechazado?
SOLUCION
Primero que todo se debe analizar si se cumple con las cuatro condiciones
fijadas para la distribucin binomial.

76

CONTROL DE CALIDAD

1. n = 20

3. Hay independencia

2. p = 0,10

4. x < 2

Por leyes de probabilidad se tiene que la probabilidad de rechazo es igual

al complemento de la probabilidad de aceptacin.
Sea:
P(X > 2) = 1 - P (X < 2)
2

P(X < 2) = B(2,20,0,10) = X b(xi,n,p)

i=0

P(X < 2) = b(0,20,0,10) + b(1,20,0,10) + b(2,20,0,10)

20!
20!
20!
P(X < 2) = -------- 0,10o* 0,9020+ ---------- 0,10 *0,9019+ -----------0,102*0,9018
20! *0!
19! *1!
18! *2!
1

P(X<2) = 0,1216+0,27+0,2853 = 0,6769

Probabilidad de rechazo = P(X>2) = 1 - P(X<2) = 1-0,6769 = 0,3231
Si se utiliza la Tabla V del Apndice I se tiene que:
P(X<2) = B (2,20,0,10) = 0,6769
P(X>2) = 1 - P(X<2) = 1 - 0,6769 = 0,3231
Por lo tanto la respuesta es que si se enva un lote 10% defectuoso la
probabilidad de que sea aceptado es 0,3231.
2.

Distribucin de Poisson

Esta es otra distribucin de variable discreta que puede ser utilizada como
aproximacin de la distribucin binomial cuando se tienen muestras muy
grandes y probabilidades de xito muy pequeas. La regla dice que la aproxi
macin es mejor cuando el valor esperado (n*p) es menor que cinco. En control
estadstico de la calidad se prefiere usar la distribucin binomial para el control
de defectuosos y la distribucin de Poisson para el control de defectos.

JORGE ACUNA ACUA

77

La funcin densidad de esta distribucin es:

e 'i'f
f(x) = p(x, ) = -----------x!
7

La funcin acumulada se expresa as:

F(x) = P(X, y) = I p (x y)
M>
donde:
P(*.Y): probabilidad de x xitos en n pruebas
P(X,y) : probabilidad de hasta X xitos en n pruebas
x : nmero de xitos
y : media de la distribucin ( y= n *p )
e : constante exponencial con valor 2,71828
EL valor esperado del promedio y la varianza de esta distribucin es Y=n*p.
Las probabilidades correspondientes a esta distribucin pueden ser localizadas
en la Tabla VI del Apndice I.
EJEMPLO 2.12
Una compaa farmacutica afirma que existe una probabilidad de 0,005
de que un paciente que ingiere un nuevo medicamento, sufra una reaccin
secundaria. Si 2000 pacientes com pran este m edicam ento, cul es la
probabilidad de que ocho sufran efectos secundarios?
SOLUCION
p = 0,005

n = 2000

x=

Utilizando la frmula se tiene:

y = 2000 *0,005 = 10

CONTROL DE CALIDAD

78

108
p( ,
8

)= e

= 0,1126

1 0

8!
Utilizando la Tabla VI del Apndice I.
p (8,10)

= P (8,10) - P (7,10)
= 0,333

-0 ,2 2 0 = 0,113

Por lo tanto, la probabilidad de que ocho de los 2000 pacientes sufran

efectos secundarios al ingerir el medicamento es 0,113.
Estim acin de intervalos
En inferencia estadstica, no es confiable hacer estimaciones puntuales al
analizar los parm etros poblacionales. Ante ello, es necesario calcular
intervalos en los cuales se espera que se encuentren esos parmetros, con un
nivel de confianza ( -a) establecido.
1

Es as como basndose en las distribuciones de probabilidad antes vistas,

se pueden estimar intervalos tanto para p como para o2. La estimacin de un
intervalo para p se construye con base en la distribucin normal, cuando cr es
conocida y con base en la distribucin t-student cuando a es desconocida.
Los lmites de confianza para p, se calculan as:
a
LC = x ZOJc * --------i
Nn

si o es conocida

s
LC = x ta/2 * --------i----------sn-l

si a es desconocida

Los lmites de confianza para a2, se calculan as:

ns
Llc = -------------2

or\2
1-o/2

ns
LSC= ----2

oq2

/2

Llc= lmite inferior de confianza LSC= lmite superior de confianza

/)

JORGE ACUA ACUA

79

EJEM PLO 2.13

Se toman 30 varillas cortadas por una mquina cortadora. Si se tiene una
longitud promedio de 5,35 cm, con una desviacin tpica de 0,85 cm
a.

Cules son los lmites de confianza para p, con 95% de confianza?

b.

Cules son los lmites de confianza para o2, con 95% de confianza?

c.

Si se conociera que a es igual a 1,58 cm2, cul es la respuesta a la

pregunta a?
2

SOLUCION
a.

La Figura 2.10 representa el intervalo de confianza.

n = 30

x = 5,35cm

s = 0,85cm

(1-a) = 0,95

s
LlC= x - t (i/2
_

s
L S C = X +

\I n

a = 0,05

ta *

v[rKf

- 1

0,85

0,85

= 5,3 5-2 ,0 35

= 5,35 + 2,035
'2 9

= 5,02 cm

\29*
= 5,67 cm

= t0025/2= 2,045 de Tabla II en Apndice I

FIGURA 2.10. Limites de confianza para p (a desconocida)

80

CONTROL DE CALIDAD

Esto significa que se puede afirmar con 95% de confianza que el proceso
de corte de varillas tiene un promedio de corte comprendido entre 5,02 cm y
5,67 cm.
b.

s2=0,852= 0,7225 cm

La Figura 2.11 permite representar el intervalo de confianza.

ns

30 (0,7225)
21,675
= ------------------ = -----------------=0,474 cm

L l=
^

0 .9 7 5

- 7

5.7

ns
30(0,7225)
21,675
LS = --------- = ---------------- = --------------= 1,35 cm
2

16

16

Los valores de chi-cuadrado estn en la Tabla III del Apndice I.

Esto significa que se puede afirmar con 95% de confianza que el proceso
de corte de varillas tiene una varianza de corte comprendida entre 0,474 cm2y
1,35 cm2.
c.

Si o2= 1,58 cm entonces o = 1,257 cm.

2

El intervalo de confianza se puede observar en la Figura 2.12.

0 ,0 2 5

FIGURA 2.11. Lmites de confianza para r f

JORGE ACUA ACUA

81

Llc

LIc

FIGURA 2.12. Limites de confianza para p (o conocida)

Llc = x -

1,257
= 5,35 -1 ,9 6 -------------= 4,9 cm
\[rT
>30

a
LSc= x +

1,257
= 5,35 +1,96

nTTT

= 5,8 cm
>130

Los valores de Z se obtuvieron de la Tabla I del Apndice.

Esto significa que se puede afirmar con 95% de confianza que el proceso de
corte de varillas tiene un promedio de corte comprendido entre 4,9 cm y 5,8 cm.

PRUEBAS DE HIPOTESIS
El desarrollo de experimentos en los cuales se plantean hiptesis con el fin
de probarlas es una prctica muy til en control estadstico de la calidad. A
travs de este pro ce d im ie n to se pueden ha cer inferencias acerca del
comportamiento de un proceso con el fin de ejecutar acciones que prevengan
problemas de calidad.
Una prueba de hiptesis es un procedimiento mediante el cual, sujeto a un
error tipo I denotado por a, se contrasta una hiptesis planteada con el fin de
probar su veracidad o su falsedad.

82

CONTROL DE CALIDAD

Existen dos tipos de errores que deben ser controlados al probar una
hiptesis. Estos errores son el e rro r tip o I (a) y el error tip o II ( ). La definicin
de estos errores es la siguiente:
6

Error tipo I (a) es la probabilidad de rechazar la hiptesis nula siendo esta

verdadera.
Error tipo II (3) es la probabilidad de aceptar la hiptesis nula siendo esta
falsa.
El procedimiento para plantear y probar una hiptesis es el siguiente:
a.

Plantear la hiptesis. Esta hiptesis se llama comnmente hiptesis nula

y es denotada por H0. Al establecer esta hiptesis se genera otra llamada
hiptesis alternativa o alterna denotada por Ha.

b. Determinar si la prueba debe ser unilateral o bilateral. La decisin se

basar en lo que se desee probar y en los resultados que se deseen
obtener.
c. Fijar el nivel de significacin (a) o error tipo I, generalmente tomado como
1%, 5% 10%, d e p e n d ie n d o de la co n fia n za q u e se desee de la
estimacin.
d. Definir el estadstico que se va a usar de acuerdo con la distribucin de
probabilidad que le corresponde a la variable en estudio y segn lo que se
desee probar (una media, dos medias, una varianza, dos varianzas, una
proporcin o dos proporciones).
e. Definir las reas donde se cumplir cada una de las hiptesis. Esto se hace
con base en lo fijado en b. y buscando en tablas el estadstico terico
correspondiente al nivel de significacin a.
f.

Calcular el valor del estadstico seleccionado en d, usando los valores

obtenidos en la experimentacin y que se basaron en el muestreo.

g. Comparar el estadstico obtenido en f con el estadstico terico localizado

en e. El resultado permitir conocer la decisin de aceptacin o rechazo de
la hiptesis planteada.
h.

Obtener las conclusiones del experimento efectuado. Un valor importante

de calcular aqu es el error tipo II.

JORGE ACUA ACUA

83

Tal y como se expres en el punto d es necesario definir la distribucin de

probabilidad y el estadstico que se va a usar. Las distribuciones y estadsticos
ms comunes de acuerdo con la hiptesis por probar son:
1.

De una media
1.1 Distribucin norm al s i o es conocida
x -H
Z = --------a/ \f

EJEM PLO 2.14

En un proceso de fabricacin de piezas de precisin se quiere que el valor
nominal del dimetro de una pieza sea 20,0 mm. Se conoce que la desviacin
estndar de esta caracterstica es 3,0 mm. Se toma una muestra de 25 piezas
obtenindose un promedio de dimetro de 19,2 mm. Se ha cumplido con lo
requerido? Use a=5%.

SOLUCION
Se seguir el procedimiento planteado.
a. Planteo de la hiptesis
H0: p = 20,0
Ha: |i = 20,0
b.

La hiptesis es bilateral puesto que no se cumple con lo requerido si el

promedio de la muestra es mayor o menor que lo especificado.

c.

El nivel de significacin es dado, a= 5%.

d. El estadstico por usar es el siguiente:

84

CONTROL DE CALIDAD

x -U

z=-----o/
e. Las reas de cumplimiento de la hiptesis se presentan en la Figura
2.13.
f.

Clculo del estadstico citado en d.

X -n
1 9 ,2 -2 0 ,0
Z = --------- = ------------------- = -1 ,3 3
o/ '
3,0/^25

g.

El valor de Z calculado (-1,33) se encuentra en el rea de cumplimiento de

la hiptesis nula.
h.

En conclusin, se puede afirmar, con a=5%, que estadsticamente se

cumple con el valor nominal requerido.
1.2 Distribucin t-student s i a es desconocida
x -n
t = --------s/ \

FIGURA 2.13. Areas de cumplimiento de la hiptesis

JORGE ACUA ACUA

85

E JE M P LO 2.15
Si en el Ejemplo 2.14 no se conoce la desviacin estndar pero a partir d e
la muestra se calcula una desviacin tpica de 2,1 mm Qu conclusiones s e
obtienen? Use a=5%.
SOLUCION
Se seguir el procedimiento planteado.
a. Planteo de la hiptesis
H0: P =

, 0

Ha: p = 20,0
b. La hiptesis es bilateral puesto que no se cumple con lo requerido si el
promedio de la muestra es mayor o menor que lo especificado.
c. El nivel de significacin es dado, a = 5%.
d. El estadstico por usar es el siguiente:

x-|i
t = -----------s / ^n -1

v=24

FIGURA 2.14.Areas de cumplimiento de la hiptesis

CONTROL DE CALIDAD

86

e. Las reas de cumplimiento de la hiptesis se presentan en la Figura

2.14.
f. Clculo del estadstico citado en d.
x -p
1 9 ,2 -2 0 ,0
t = ------------------ = -------------------- = -1,87
s/ \f-T
, / \[24~
2

g. El valor de t calculado (-1,87) se encuentra en el rea de cumplimiento

de la hiptesis nula.
h. En conclusin, se puede afirmar, con a = 5%, que estadsticamente se
cumple con el valor nominal requerido.
2.

De proporciones
2.1 De una proporcin. Se usa la aproximacin binomial a la distribucin
normal.
x -n p
Z = -----------Vnpq

E JEM P LO 2.16
Un proveedor enva lotes de producto que segn sus registros son 5%
defectuosos. Un cliente toma una muestra de 200 unidades y encuentra 16
unidades defectuosas. Es cierto lo que muestran los registros del fabricante,
con cc=5%?
SOLUCION
Se seguir el procedimiento planteado,
a. Planteo de la hiptesis

JORGE ACUA ACUA

H0: p = 0,05
Ha: p > 0,05
b. La hiptesis es unilateral puesto que lo problemtico en cuanto a
calidad es que el porcentaje de defectuosos supere lo especificado.
c. El nivel de significacin es dado, a= 5%.
d. El estadstico por usar es el siguiente:
x -n p
Z=
\|npq

e.

Las reas de cumplimiento de la hiptesis se presentan en la Figura 2.15.

f. Clculo del estadstico citado en d.
x -n p
16-200(0,05)
Z=
=
=1-95
\| npq
\|200*0,05*0,95

g.

El valor de Z calculado (1,95) se encuentra fuera del rea de cum-plimiento

de la hiptesis nula.

1,645
FIGURA 2.15. Areas de cumplimiento de la hiptesis

CONTROL DE CALIDAD

83

h. En conclusin, no hay evidencia estadstica para aceptar la hiptesis

nula con a = 5%. Por lo tanto, estadsticamente no es cierto lo que
anotan los registros del fabricante.
2.2 De dos proporciones. Se utiliza la misma aproximacin anterior.

Z=

x,

x.

n,

\l Pq[(1/n.)+(1/n2)]
x, + x
p- = -------------n, + n
2

q - 1 - P

EJEMPLO 2.17
Para el mismo producto del Ejemplo 2.16, existe otro proveedor. Una
muestra de
unidades extradas de un lote enviado por l, tena
unidades
defectuosas. Se puede decir con 95% de confianza que el proveedor del
Ejemplo 2.16 da peor calidad que el de este ejemplo.
2

SOLUCION
Se seguir el procedimiento planteado,
a.

Planteo de la hiptesis

Sea:
p la fraccin defectuosa suministrada por el proveedor del Ejemplo 2.16
p2la fraccin defectuosa suministrada por el proveedor del Ejemplo 2.17
H0: P, = P

Ha; P,>P

JORGE ACUA ACUA

89

b. La hiptesis es unilateral puesto que se quiere probar si la cantidad de

defectuosos enviada por un proveedor es significativamente mayor que
la enviada por el otro.
c. El nivel de significacin es dado, a= 5%.
d. El estadstico por usar es el siguiente:
X,

Xj,

n,

\l Pqt 1/n,)+(1 /n2)]

X 1+ X 2

P = -----------n, + n
2

q' = - p
1

e. Las reas de cumplimiento de la hiptesis se presentan en la Figura

2.16.

FIGURA 2.16. Areas de cumplimiento de la hiptesis

92

CONTROL DE CALIDAD

g. El valor de as calculado (23,2) se encuentra en el rea de cumplimiento

de la hiptesis nula.
2

h. En conclusin, se puede afirmar, con a = 5%, que estadsticamente se

cumple con la varianza establecida.
3.2 Caso de dos varianzas
Se utiliza la distribucin F-Fisher.
3.2.1 o es igual a o
, 2

2 2

s
F = --------, 2

22

3.2.2 o ,2no es igual a o

2 2

S, /Oi
F = ------------2

s ,2/ o 22

EJEM PLO 2.19

En un proceso de corte de bolsas plsticas se usan dos mquinas. De la
mquina A se toma una muestra de 30 unidades que genera una varianza en el
corte de 3,3 mm y de la mquina B se toma una muestra de 25 unidades que
genera una varianza de 4,1 mm2. Se puede afirmar, con o=5%, que una
mquina es mejor que la otra?
2

SOLUCION
Se seguir el procedimiento planteado,
a. Planteo de la hiptesis
Sea a2Ala varianza producida por la mquina A
ct2bla

varianza producida por la mquina B

JORGE ACUA ACUA

93

Ho: a= 2b
2

H . : < j 2 a = 2b

b. La hiptesis es bilateral puesto que se desea probar la existencia o no

de diferencias entre las varianzas de ambas mquinas.
c. El nivel de significacin es dado, a = 5%.
d. El estadstico por usar es el siguiente:

e. La Figura 2.18 muestra las reas de cumplimiento de hiptesis.

f.

Clculo del estadstico citado en d.

s
3,3
F = -----------= ---------- = 0,805
, 2

S22

g.

4,1

El valor de F calculado (0,805) se encuentra en el rea de cumplimiento de

la hiptesis nula.
h. En conclusin, se puede afirmar, con a=5%, que no existe ninguna
diferencia de variabilidad entre ambas mquinas.

94

4.

CONTROL DE CALIDAD

De dos medias

En este tipo de hiptesis se tienen dos poblaciones y se desean comparar

los promedios generados despus de haber extrado una muestra de cada una
de las poblaciones. Esto se puede representar segn la Figura 2.19.
POBLACION

POBLACION

FIGURA 2.19. Representacin grfica de hiptesis de dos medias

4.1 Caso de o conocida y muestras mayores que 30

4.1.1 a ,2= o22= o
x,

- x2-8

Z = -----
o \| ( /n,)+( /n2)
1

5: diferencia deseada entre medias, generalmente debida a la naturaleza

tecnolgica de los procesos, de los cuales se extraen las muestras
4.1.2 o no es igual a o
, 2

2 2

, - x2- 8

Z =

\ | (o, /n )+(a /n2)

2

2 2

EJEM PLO 2.20

Las m quinas a que se refiere el Ejemplo 2.19 cortan las bolsas con
promedios de longitud de 16,1 m m y 14,3mm. La varianza es conocida y es 4,0

 "N
's

JORGE ACUNA ACUNA

95

mm2. Se dice que existe diferencia entre los promedios de ambas mquinas si
la diferencia es mayor a 0,12 mm. Existe diferencia entre la longitud de bolsas
fabricadas por ambas mquinas? Use a=5%.
SOLUCION
Se seguir el procedimiento planteado.
a. Planteo de la hiptesis
Sea pAel promedio de longitud generado por la mquina Ay
Sea pBel promedio de longitud generado por la mquina B
Ho" Ma
H a : MA = M B

b. La hiptesis es bilateral puesto que lo que se desea probar es si ambos

promedios son guales o diferentes.
c. El nivel de significacin es dado, a = 5%.
d. El estadstico por usar es el siguiente:
x,

Z=

x 2-

o \ |( /n,)+( /n2)
1

e. Las reas de cumplimiento de la hiptesis se presentan en la Figura

2 .20 .
f. Clculo del estadstico citado en d.
x,

Z=

- x2 - 5

1 6 ,1 -1 4 ,3 -0 ,1 2

= ------------------------------=3,1
o\l(1/n,)+(1/n2)
2 \|(1/30)+(1/25)

5= 0 ,12

CONTROL DE CALIDAD

FIGURA 2.20. Areas de cumplimiento de la hiptesis

g. El valor de Z calculado (3,1) se encuentra fuera del rea de cumpli

miento de la hiptesis nula.
h. En conclusin, se puede afirmar, con a = 5%, que estadsticamente
existe diferencia entre la longitud de las bolsas sum inistradas por
ambas mquinas.
4.2Caso de o desconocida. En este caso se requiere ejecutar antes la
prueba F para varianzas.
4.2.1 o no es igual a cj
, 2

2 2

, - x 2- 8

t=
\J ( s */n j+ (s22/n2)

(s ^ W s ^ /n /
v = [-------------------------------------------------{[(s, /n,)2/(n
)]+[(s /n ) /(n + )]}
2

4.2.2

2 2

o ^ e s ig u a la a /y n(>30

JORGE ACUA ACUA

x,

97

- x2- 8

t=
\| (s */n,)+(s */n2)
1

v = n, + n

2 -

4.2.3 a,2esgu alaa22ynj< 30

x,

- x 2- 6

t = ---------------------------SpV(1/n,)+(1/n2)
SP=\| [(n

)s, +(n

, - 1

v = n, + n

2 -

2- 1

)s ]/(n,+n - )
2 2

EJEMPLO 2.21
Una inspeccin de calidad efectuada sobre dos marcas de bateras para
linterna, revel que una muestra aleatoria de 61 unidades de la marca A gener
un promedio de vida til de 36,5 horas con una desviacin estndar de 1
horas, mientras que otra muestra aleatoria de 31 unidades de la marca B
gener un promedio de 36,8 horas con una desviacin estndar de 1,5 horas.
, 8

Con un nivel de significacin del 5% se desea saber si hay diferencia

significativa entre la vida til de ambas marcas.
SOLUCION
Para probar si hay diferencia significativa entre los promedios se debe
comprobar primero la diferencia entre las varianzas, para as seleccionar el
estadstico adecuado.
1. Hiptesis de varianzas
Siguiendo los pasos de una prueba de hiptesis se tiene:

96

CONTROL DE CALIDAD

FIGURA 2.20. Areas de cumplimiento de la hiptesis

g. El valor de Z calculado (3,1) se encuentra fuera del rea de cumpli

miento de la hiptesis nula.
h. En conclusin, se puede afirmar, con a = 5%, que estadsticamente
existe diferencia entre la longitud de las bolsas sum inistradas por
ambas mquinas.
4.2Caso de o desconocida. En este caso se requiere ejecutar antes la
prueba F para varianzas.
4.2.1 o no es igual a o
, 2

x , - x 2- S
t=
\J (s /n,)+(s /n,)
2

(s, /n,)+(s /n
2

2 2

2 ) 2

v=[

]
{[(s /n ) /(n + )]+[(s /n ) /(n + )]}
12

4.2.2

2 2

o,2es igual a o,2y n(>30

JORGE ACUA ACUA

97

x, ~ x2- 5
t = ---------------------------\| (s, /n,)+(s 7n2)
2

v = n, + n

2 -

4.2.3 a /'e s ig u a la a /y n ^ S O
x 1-

x2-

t = ---------------------------SpV(1/n,)+(1/n2)
Sp=\| [(nl-1 )s) +(n -1)s y(n +n -2 )
2

v = n, + n

2 -

2 2

E JEM PLO 2.21

Una inspeccin de calidad efectuada sobre dos marcas de bateras para
linterna, revel que una muestra aleatoria de 61 unidades de la marca A gener
un promedio de vida til de 36,5 horas con una desviacin estndar de 1
horas, mientras que otra muestra aleatoria de 31 unidades de la marca B
gener un promedio de 36,8 horas con una desviacin estndar de 1,5 horas.
, 8

Con un nivel de significacin del 5% se desea saber si hay diferencia

significativa entre la vida til de ambas marcas.
SOLUCION
Para probar si hay diferencia significativa entre los promedios se debe
comprobar primero la diferencia entre las varianzas, para as seleccionar el
estadstico adecuado.
1. Hiptesis de varianzas
Siguiendo los pasos de una prueba de hiptesis se tiene:

98

CONTROL DE CAUDAD

a. Planteo de la hiptesis

b. Como la hiptesis alternativa es de desigualdad, entonces es bilateral.

Esto significa que puede darse una relacin mayor o menor.
c. El nivel de significancia es a= 5%.
d. El estadstico por usares Fc= S,z/S22(distribucin F-Fisher), pues lo
que se desea es medir la relacin de varianzas.
e. La Figura 2.21 muestra las reas de la hiptesis que se va a probar.
vi = n 1 - 1 = 6 1 - 1 = 6 0
v2 = n 2 -1 =31 - 1 = 30
De la Tabla IV del Apndice I se tiene:
F60,30.0.025 = 0,551
F60.30.0975 = 1,440
Ha

F V I , V 2, 0 (/ 2

Fvif V 2,

(l -0 ( / 2 )

FIGURA 2.21. Areas de cumplimiento de la hiptesis

JORGE ACUNA ACUNA

f.

Fc= S, /S
2

2 2

99

= 1,8 /1,5 = 1,44

2

g. Este valor calculado de Fc cae en el rea donde se cumple H0, por lo

tanto se acepta Ho.
h. Se concluye que ambas varianzas, al 5% de significancia, son iguales.
Se procede entonces a hacer la hiptesis de promedios.
Siguiendo los pasos de prueba de hiptesis se tiene:
a. Planteo de la hiptesis
H0: ^1+^2
H :p , + p
8

b. La hiptesis es bilateral al igual que en la hiptesis anterior.

c. El nivel de significacin es del 5%.
d. Segn la hiptesis anterior las varianzas son desconocidas pero igua*
les, adems, los iamaos de muestra son mayores que 30. Por lo tanto
el estadstico por usar es:
t==
=
=
\ | (s, /n,) + (s z/n2)
2

e. Las reas de cumplimiento y rechazo de la hiptesis se observan en la

Figura 2.22.
v = n +n
1

v = 61 +31 - 2
v = 90
De la tabla II del Apndice I se obtienen los valores:
*90.0.025 = ~^

f.

*90.0.975 = ^

El estadstico calculado es:

100

CONTROL DE CALIDAD

Ho

FIGURA 2.22. Areas de cumplimiento de la hiptesis

36,5 - 3 6 ,8 -0
t=
\|(1 ,8 2/61) + 1,52/31)

-0 ,3
t = ----------= -0,845
0,355

En este caso (p, - p2) = 0 pues es de suponer que tratndose de un

mismo producto las medias poblacionales son iguales.
g. El valor de t calculado cae dentro del rea donde se cumple Ho, por lo
tanto, no hay evidencia estadstica, con a = 5%, para concluir que
ambas medias son diferentes.
BO NDAD D E AJUSTE
Una de las bases fundamentales del control estadstico de la calidad es la
inferencia estadstica. Por ello, la determ inacin del tipo de distribucin
correspondiente a un conjunto de datos provenientes del estudio es absoluta
mente necesaria. La prueba de bondad de ajuste permite probar el ajuste de los
resultados de un experimento a una distribucin de probabilidad terica sujeto a
un error a.

JORGE ACUA ACUA

101

El mtodo en cuestin se basa en la comparacin de las frecuencias ab

solutas observadas y las frecuencias absolutas esperadas, calculadas a partir
de la distribucin terica en anlisis.
La prueba de bondad de ajuste se hace a travs de una prueba de hip
tesis que se plantea de la siguiente manera:
H :f(x ) = |_____ |
0

H .:f(x) = l_____ |
El smbolo |_____| representa a la distribucin terica que se va a probar.
As por ejemplo, si se desea probar el ajuste de un conjunto de datos experi
mentales a una distribucin normal, entonces la hiptesis se plantea as:
1
Ho: f(x) = --------------e-x->12/2a2>
o \| rc
2

1
H : f(x) = --------------e-u-vr2n2)
ON27
Si se trata de un ajuste para una distribucin de Poisson, la hiptesis se
plantea as:
e"Ty*
Ho: f(x) = p (x, ) = -----------x!
7

e-Yy*
Ha: f(x) = p (x, y) = -----------x!
Para la prueba de la hiptesis se usa el estadstico chi-cuadrado. Este se
calcula as:
a. Datos discretos
n
aB2c = Z (n i- e j)2/ ej
i
= 1

102

CONTROL DE CALIDAD

b. Datos agrupados
nc
ae2c = X (n k- e k) / e k
2

k=1

donde:
a: frecuencia absoluta de datos discretos
e: frecuencia esperada de la distribucin (por requisitos estadsti
cos, ninguna de estas frecuencias debe ser menor que 5. Si
ocurriese se deben agrupar x^s o clases).
n: nmero de datos discretos
nc: nmero de clases
La frecuencia esperada se calcula multiplicando la respectiva probabilidad
asociada con el dato o la clase (p,) por el tamao de la muestra (n).
Los grados de libertad (v) usados para la bsqueda del estadstico terico
ee2( -a).son:
1

v= k-m
si se trata de datos discretos (k es el nmero de variaciones de
la variable x) y
- 1

v= nc-m

- 1

si son datos agrupados.

El valor m se refiere al nmero de parmetros que son necesarios de

estimar para calcular la frecuencia esperada.
La aceptacin de Ho se da cuando el ae2c es menor que ce2(1_0). en cuyo
caso se dice que el conjunto de datos se distribuye segn la distribucin plan
teada, con ( -<x)% de confianza.
1

EJEMPLO 2.22
Al fabricar una lmina de vidrio, se inspeccionan muestras a intervalos de
tiempo regulares. En 250 muestras tomadas al azar se han encontrado imper
fecciones que varan de 0 a 10 con diversas frecuencias. El Cuadro 2.4 muestra
las frecuencias observadas.

JORGE ACUA ACUA

,0 3

Se desea saber si esta variable aleatoria se distribuye por Poisson con

S O L U C IO N

La hiptesis por probar es la siguiente:

e -T

H0: f(x) = p (x, y) = -------------x!

con y=3

e-TY*
Ha: f(x) = p (x, y) = ---------------x!

con y=3

El valor de y se calcula as:

k
In . * x ,
nmero total de defectos
i=
Y = --------------------------------------- --------------nmero de muestras
n
1

k: nmero de variaciones de las imperfecciones

8*0 + 40*1 + 6 2 * 2 + ................+ 1*10
Y = ------------------------------------------------250
Y= 740/250 = 2,96

3,0

Como muestra de clculo se presenta la frecuencia esperada de x=0 y x= .

El Cuadro 2.4 presenta la totalidad de los clculos.
6

Para x,= 0
3o
p, = e ------- =0,0498
0!
3

104

CONTROL DE CALI DAD

CUADRO 2.4. Frecuencias observadas y esperadas

Nmero de
imperfecciones
(x.)

Frecuencia
observada
(n.)

3
4
5

40
62
54
43
27

1 0

1 0

Probabilidad
Poisson (y=3)
(pt)

Frecuencia
esperada
(e.)

0,0498
0,1494
0,2240
0,2240
0,1680
0,1008
0,0504
0,0216
0,0081
0,0027
0,0008

12,5
37,4
56,0
56,0
42,0
25,2
1 2 , 6

5,4
2 , 0

0,7
0

e, = 0,0498 *250 =12,45

Para x

7 =

3
p =e
7

= 0,0504

6!
e7= 0,0504 *2 5 0 =12,60
12,5
(40 - 37,4
(6 -8 ,3
ae2c = ----------------+ ------------------- + ................ + --------------12,5
37,4
8,3
( 8

) 2

) 2

as2=3,84
El nmero de grados de libertad es:
v = k-m- = 1

m=

1 - 1

puesto que se estima y

) 2

, 2

JORGE ACUA ACUA

105

La Figura 2.23 muestra el valor de chi-cuadrado terico.

FIGURA 2.23. Representacin de las reas de hiptesis

Como ae2c< ae260g5, entonces se acepta la hiptesis nula y se puede

afirmar con a = 5% que la variable aleatoria se distribuye mediante Poisson con
media igual a 3 imperfecciones.

EJE M P LO 2.23
Una muestra de 100 unidades tomadas de una mquina llenadora de
bolsas de cacao en polvo, origin la distribucin de frecuencias de peso
(gramos) que se presenta en el Cuadro 2.5.
Se puede afirmar, con a=5%, que la variable aleatoria peso se distribuye
segn la distribucin normal?

SOLUCION
El Cuadro 2.5 presenta los clculos necesarios para probar la hiptesis de
normalidad.
La hiptesis por probar es:

106

CONTROL DE CALI DAD

CUADRO 2.5. Frecuencias observadas y esperadas

L,

L.

75,55
81,85
88,15
94,45
100,75
107,05
113,35

75,55
81,85
88,15
94,45
100,75
107,05
113,35
+e

n*

0_l r

5
15
35
25
12
8
0_

20

72,4
78,7
85,0
91,3
97,6
103,9
110,2
116,5

TOTALES:

nk*d

n k*d2

P.

-3
-2
-1
0
1
2
3
4

0
-10
-15
0
25
24
24
0

0
20
15
0
25
48
72
0

0,0087
0,0483
0,1607
0,2903
0,2830
0,1644
0,03666
0,0080

48

180

ek
0,87
5,7
4,83
16,07
29,03
28,30
16,44
20,9
3,66
0,80__

1
H :f(X )= ---------------e-K*-n) / a ]
O ' '
,----2 2

a \2rc
1

Ha:f(x) = -----------a \J27t

e-f<x-">2/221

Con el fin de proceder al clculo de las frecuencias esperadas se necesita

estimar la media (p) y la desviacin estndar (o').
p = 91,3 + [(48/100) * 6,3] = 94,324 gramos
a = 6,3 V (180/100) - (48/100)2= 7,893 gramos
La distribucin terica se presenta en la Figura 2.24. Los clculos corres
pondientes son los siguientes:
75,55-94,324
Z=---------------------- = -2 ,3 8
7,893

A, = 0,0087

JORGE ACUA ACUA

107

Lmites de clase
FIGURA 2.24. Curva normalpara clculo de probabilidades

81,85 -9 4 ,3 2 4
Z=

= -1 ,5 8

A2= 0,057 - 0,0087

A2= 0,0483

= -0,78

A3= 0,2 1 7 7 -0 ,0 5 7
A =0,1607

= 0,016

A = 0 ,5 0 8 -0 ,2 1 7 7
A =0,2903

= 0,81

As= 0,791 -0 ,5 0 8
A5= 0,283

= 1,7

A6= 0,9544-0,791
A =0,1644

7,,893
88,15 - 94,324
Z=
7, 893

z=

94,45 - 94,324
7, 893

100,75 - 94,324

z=

7,893
107,75 -9 4 ,3 2 4

z=

7.893
113,35 - 94,324

z=

= 2,41
7,893

A?= 0,992 - 0,9544

A7= 0,0366
A=
1 -0 ,9 9 2 = 0,008
o

CONTROL DE CALIDAD

108

El valor del estadstico chi-cuadrado calculado es el siguiente:

(5 - 5,7

) 2

(1 5 -1 6.07)2

(20 - 20,9

) 2

+.... +
5.7

16,07

20,9

Como m=2, pues se estima la media y la desviacin estndar para el

clculo de las frecuencias esperadas, entonces:
v = 5-2-1 = 2
La Figura 2.25 muestra las reas de la hiptesis.
Como as2c< 5,99, entonces se acepta Hoy se puede afirmar con 5% de
nivel de significancia que la variable peso se distribuye normalmente con media
igual a 94,324 gramos y desviacin estndar igual a 7,893 gramos.
ANALISIS DE VARIANZA
El anlisis de varianza es una de las tcnicas del diseo de experimentos
de mayor aplicacin, pues ofrece resultados muy tiles para la toma de deci
siones. Consiste en una prueba de hiptesis para la diferencia de ms de dos

F(x )

*2 ,0,95 -

5 ,9 9

FIGURA 2.25. Curva chi-cuadrado, para la hiptesis de bondad de ajuste

JORGE ACUA ACUA

109

medias. En esta prueba se tienen k-parmetros poblacionales distribuidos

normalmente, cuya variacin se estudia dividindola en componentes.
La hiptesis general que se va a probar se plantea as:
Ho: H i= m =

= m*

Ha : Al menos dos de las medias son diferentes.

Si la hiptesis nula es rechazada, se pueden hacer comparaciones
individuales a travs del Mtodo de Tukey, el que veremos ms adelante. En el
anlisis de varianza se presume que cualquier variacin existente entre los
promedios de una o ms variables categorizadas se debe a:
1.

Una variacin entre las observaciones Y dentro de cada categora

(variacin inter) o

2.

Una variacin entre las categoras debido a sus caractersticas propias

(variacin extra).

La variacin inter se debe al azar mientras que la variacin extra se debe a

causas sistemticas. Para tratar lo anterior, el anlisis de varianza separa la
variabilidad total en dos componentes:
1.

Variabilidad entre categoras, midiendo variacin sistemtica y aleatoria.

2.

Variabilidad dentro de las categoras, midiendo variabilidad aleatoria.

El procedimiento consiste en comparar las dos estimaciones de o2, una

basada en la varianza entre medias mustrales y otra basada en la varianza
dentro de las muestras. Estas varianzas se calculan as:
n
_
o = Z (Y. - Y) /(n-1) varianza dentro de la muestra
i
2

= 1

m_ _
o = n * [ I (Y. - Y) /(m-1)] varianza basada en medias mustrales
2

i=1

La conclusin se obtiene una vez que se compare el valor de F calculado

como el cociente de ambas varianzas con el F terico extrado de tablas.

106

CONTROL DE CALIDAD

CUADRO 2.5. Frecuencias observadas y esperadas

L,

L,

>
75,55
81,85
88,15
94,45
100,75
107,05
113,35

75,55
81,85
88,15
94,45
100,75
107,05
113,35
+co

Xk

nk*d

nk*d2

P.

72,4
78,7
85,0
91,3
97,6
103,9
110,2
116,5

-3
-2
-1
0
1
2
3
4

0
-10
-15
0
25
24
24
0

0
20
15
0
25
48
72
0

0,0087
0,0483
0,1607
0,2903
0,2830
0,1644
0,03666
0,0080

48

180

n
~ 1 r
5
5
15
35
25
12 I
8
20
0

TOTALES:

ek
0,87 ]
5.7
4,83
16,07
29,03
28,30
16,44
20,9
3,66
0,80

Ho: fM =

e-[<x-*,)2/2o2>
a ^271

1
Ha:f(x) = -----------O \] 271

enx-)V2<)

Con el fin de proceder al clculo de las frecuencias esperadas se necesita

estimar la media (p) y la desviacin estndar [&).
p = 91,3 + [(48/100) * 6,3] = 94,324 gramos
a = 6,3 V (180/100) - (48/100)2= 7,893 gramos
La distribucin terica se presenta en la Figura 2.24. Los clculos corres
pondientes son los siguientes:
75,55 - 94,324
Z=---------------------- = -2,38
7,893

A, = 0,0087

JORGE ACUA ACUA

75,55

81,85

107

88,15

94,95

100,75

107.75

Lmites de clase
FIGURA 2.24. Curva normal para clculo de probabilidades

81,85 - 94,324
Z=

= -1,58

A2= 0,057 -0,0087

A2= 0,0483

= -0,78

A3= 0,2177-0,057
A = 0,1607

= 0,016

A4= 0,508-0,2177
A = 0,2903

= 0,81

A5= 0,791 -0 ,5 0 8
A =0,283

= 1,7

A6= 0,9544-0,791
A =0,1644

7,,893

z=

88,15 -9 4 ,3 2 4

7, 893

z=

94,45 - 94,324

7,893
100,75 - 94,324

z=

7,893
107,75 - 94,324

z=

7,893
113,35 - 94,324

z=

= 2,41
7,893

A7= 0,992-0,9544
A7= 0,0366
A =1 - 0,992 = 0,008

113,35

110

CONTROL DE CALIDAD

Segn el nmero de variables en estudio el anlisis de varianza recibe el

nombre de clasificacin en una direccin o en dos direcciones. Esto tambin se
conoce como una variable y dos variables de clasificacin.
C lasificacin en una direccin
La denominacin clasificacin en una direccin se debe a que la variable
en estudio se clasifica en un solo sentido y se le llama tratamiento. En este
anlisis se seleccionan muestras aleatorias de tamao n de m-poblaciones
pertenecientes a cada variable categorizada. La representacin matricial de
esta clasificacin se encuentra en el Cuadro 2.6.
La hiptesis que se prueba es la siguiente:
Ho: Mm = M-,2M-.3= = Km
H3: no todas las u.is son iguales
CUADRO 2.6. Matriz de una variable de clasificacin

Tratamientos
Observacin

Y,, ......
Y?< .....
Y ..... ....
Y .....

Ylm
Y2m
Y^
Y4m

3
4

Y
y
y 3,
Y.,

Yt

Yf3

Y ..... .... Y ^

TOTALES

T,

T.3

T , .... .... Tnm

T..

MEDIA

Y,

Y,

Ya

Yo ..... ..... Y.m

Y..

n1

y
y
Y
Y
13

yk

Y
Y
32

23

33

34

4 4

n1

JORGE ACUA ACUA

111

El valor de Y.significa el valor asignado a la observacin i en la categora o

tratamiento j.
El anlisis de varianza se hace con base en el Cuadro ANOVA como un
medio de evitar clculos tediosos. El Cuadro 2.7 presenta el cuadro ANOVA
para una variable de clasificacin.
El error especifica la variacin aleatoria dentro de los tratamientos. El
significado y frmulas de clculo de los trminos usados son los siguientes:
m : nmero de tratamientos
n : tamao de la muestra.
SIC(TR): Suma intermuestral de cuadrados de tratamientos
m
SIC(TR)= [( IT ,) /n ]- C
M
m

C=

T..*m*n

T ..-E T ,
M

T..=

Gran Total de las m*n observaciones

STC:

Suma Total de Cuadrados

CUADRO 2.7. Cuadro ANOVA para una variable de clasificacin

Origen de
variacin

Grados de
libertad

Tratamiento
Error

m
m*(n- )

TOTAL

Suma de
cuadrados

- 1

SCE

> - 1

STC

m*r

Cuadrado
medio
CMm
CME

F.

GNU
CME

CONTROL DE CALIDAD

112

STC=

m
[I
i

n
I
j

= 1

Yij2] - C

= 1

SCE:

Suma de cuadrados del error.

SCE=

stc

CM<W

- s ic (TR)

Cuadrado medio de los tratamientos

SIC(TR,

CM(TR,=

(m- )
1

CME:

Cuadrado medio del error

SCE

CME=
m*(n- )
1

La aceptacin de la hiptesis nula se da cuando el F terico es menor que

el F calculado. La Figura 2.26 mucctra el rea de cumplimiento de la hiptesis.

F (*)

I
' vl.v2.(1-u)

FIGURA 2.26. Area de cumplimiento de la hiptesis

EJEM PLO 2.24

Para comparar la efectividad de tres tipos diferentes de pintura fosfores
cente usados para pintar cuadrantes de indicadores de instrum entacin

JORGE ACUA ACUA

113

nutica, se pintan ocho cuadrantes con cada una de las pinturas. Luego, se
iluminan los cuadrantes con luz ultravioleta y se mide el tiempo-en segundosque los nmeros del cuadrante quedan iluminados despus de apagar la luz. La
informacin generada se presenta en el Cuadro 2.8.
Se puede afirmar con a=1 % que las diferencias observadas entre las me
dias de los tipos de pintura son significativas o se deben simplemente al azar?
SOLUCION
H0:u 1= fi2= ft3
Ha: Al menos dos ps no son iguales
Segn los datos suministrados por el Cuadro 2.8:
T , = 378
T 2=396,6

CUADRO 2.8. Matriz de informacin para el anlisis de varianza

T ip o de p in tura
C uadrante

1
2
3
4
5
6
7
8

46,3
48,2
42,0
41,8
48,9
51,0
49,7
50,1

38,7
53,6
49,3
47,3
51,4
53,9
43,6
48,8

62,3
64,7
56,2
60,2
53,6
55,5
61,8
54,5

TOTAL

378,0

396,6

468,8

1243,4

47,3

49,6

58,6

51,8

PROMEDIO

CONTROL DE CALIDAD

114

T 3= 468,8
T =1243,4
Se calculan entonces los factores del cuadro ANOVA.
C

(1243.4)2
----------------- 64418,479
24

3782 + 396,62+ 468,82

SIC,TD= ------------------------------------------ 64418,479 = 575,146
r
8
STC = (46,32+ 38,72+ 62,32+ ......+ 54,52) - 64418,479
STC = 65285,04 - 64418,479 = 866,561
SCE = 866,561 - 575,146 = 291,415
575,146
CM(TR)= -------------------=287.573
2
291,415
CME = ---------------------- =13,877

21

El Cuadro 2.9 presenta el Cuadro ANOVA correspondiente a este ejemplo.

La Figura 2.20 presenta las reas de hiptesis.
Como Fces mayor que el F terico, no hay evidencia estadstica para
aceptar la hiptesis nula de igualdad de medias, con a= 1%. Por lo tanto, la
efectividad de cada tipo de pintura es diferente.
La Figura 2.27 presenta las reas de la prueba.
Clasificacin en dos direcciones
La denominacin clasificacin en dos direcciones se debe a que existen
dos variables en estudio que se clasifican en dos sentidos, llamndose uno
tratamiento y el o tro .

JORGE ACUA ACUA

115

CUADRO 2.9. Cuadro ANOVA para el Ejemplo 2.17

Origen de
Variacin

Grados de
libertad

Suma de
Cuadrados

Cuadrado
Medio

FC
*

287,573
13,877

20,73

Pintura
Error

2 1

575,146
291,415

TOTAL

23

866,561

De Tabla IV del Apndice.

En este anlisis se seleccionan muestras aleatorias de tamao n para cada

alternativa correspondiente a la interseccin de las variables de clasificacin
segn su categora. La representacin m atricial de esta clasificacin se
encuentra en el Cuadro 2.10.
En este caso se prueban dos hiptesis, una para tratamientos y otra para
bloques. Ambas hiptesis son independientes, por lo que sus resultados no se
asocian. Las hiptesis son las siguientes:

FIGURA 2.27. Area de cumplimiento de la hiptesis

CONTROL DE CALIDAD

116

CUADRO 2.10. M atriz de dos variables de clasificacin

B loques
3

y I2

Y 13

y 22

y 23

y 24

y 31

Y*

Y33

Ym

y 41

y <2

Y44

43

T,

Y2n

Y,
y2

Y*

Y^

Y(n4

Y**

TOTAL

T,

T.

T .3

MEDIA

Y,

Yln

Y .,

Total Media

Y .,

-<

T
R
A
T
A
M
I
E
N
T
0
S

t.

Y4

Y^

Tm

Tn

T..

Y.n

Ym

Y..

Para bloques
Ho: M. = ^ 2= M 3 = - " = K m
Ha: no tod as las ji.js son iguales

Para tratamientos
Ho: lA1.= m = ^ 3 .= - - = ^ n.
Ha: no tod as las jj.s son iguales

El valor de Y(j significa el valor asignado a la observacin del bloque i y el

tratamiento j.

JORGE ACUA ACUA

117

Este anlisis de varianza se hace tambin con base en el Cuadro ANOVA

como un medio de evitar clculos tediosos. El Cuadro 2.11 presenta el cuadro
ANOVA para dos variables de clasificacin.
El significado y frmulas de clculo usados son los siguientes:
m:

nmero de tratamientos

n:

nmero de bloques

SIC(TR): Suma intermuestral de cuadrados de tratamientos

m
SIC(TR)= [ ( X T. 2)/n] - C
=1

SIC(0L): Suma intermuestral de cuadrados de bloques

S I C ( b l >=

t( I T /)/n ] - C
i=i
n

C=

T..2/m*n

T..= I T = X T .
=1

=1

CUADRO 2.11. Cuadro ANOVA para dos variables de clasificacin

Origen de
variacin
Tratamiento

Grados de
libertad

Suma de
cuadrados

m-1

SIC

Cuadrado
medio
c m (TH,

CME
Bloque

n-1

SIC(BL,

c m (BU

c m (BL(

CME
Error
TOTAL

(m-1)*(n-1)

SCE

m*n-1

STC

CME

CONTROL DE CALIDAD

114

T ,* 468,8
T =1243,4
Se calculan entonces los factores del cuadro ANOVA.
(1243.4)2
C = ---------------- = 64418,479
24
SIC

(TR

3782 + 396,62 + 468,82

------------------------------------------64418,479 = 575,146
8

STC = (46,32+ 38,72+ 62,32+ ......+ 54,52) * 64418,479

STC = 65285,04 - 64418,479 = 866,561
SCE = 866,561 - 575,146 = 291,415
575,146
CM(TH)= -------------------=287,573
2
291,415
CME = ---------------------- =13,877
21
El Cuadro 2.9 presenta el Cuadro ANOVA correspondiente a este ejemplo.
La Figura 2.20 presenta las reas de hiptesis.
Como Fces mayor que el F terico, no hay evidencia estadstica para
aceptar la hiptesis nula de igualdad de medias, con a= 1%. Por lo tanto, la
efectividad de cada tipo de pintura es diferente.
La Figura 2.27 presenta las reas de la prueba.
Clasificacin en dos direcciones
La denominacin clasificacin en dos direcciones se debe a que existen
dos variables en estudio que se clasifican en dos sentidos, llamndose uno
tratamiento y el o tro .

JORGE ACUNA ACUNA

115

CUADRO 2.9. Cuadro ANOVA para el Ejemplo 2.17

Origen de
Variacin

Grados de
libertad

Suma de
Cuadrados

Cuadrado
Medio

F*

Pintura
Error

2
21

575,146
291,415

287,573
13,877

20,73

TOTAL

23

866,561

De Tabla IV del Apndice.

En este anlisis se seleccionan muestras aleatorias de tamao n para cada

alternativa correspondiente a la interseccin de las variables de clasificacin
segn su categora. La representacin m atricial de esta clasificacin se
encuentra en el Cuadro 2.10.
En este caso se prueban dos hiptesis, una para tratamientos y otra para
bloques. Ambas hiptesis son independientes, por lo que sus resultados no se
asocian. Las hiptesis son las siguientes:

FIGURA 2.27. Area de cumplimiento de la hiptesis

118

CONTROL DE CALIDAD

T.. =

Gran Total de las m*n observaciones

STC:

Suma Total de Cuadrados

STC=

m
[I

n
I

|=1

i=i

Y if J - C

SCE:

Suma de cuadrados del error.

SCE=

S T C -S IC ^ -S IC ^

CM(TR): Cuadrado medio de los tratamientos

SIC.(TR )
C M <t r >=

(m-1)
CM|BL):
cm(BL)=

Cuadrado medio de los bloques

SIC(BU
(n-1)

CME:

Cuadrado medio del error

CME =

SCE
----------------

La aceptacin de la hiptesis nula se da cuando el F terico es menor que

el F calculado. Como se indic antes esta decisin se toma para bloques y
tratamientos por separado. La Figura 2.28 muestra el rea de cumplimiento de
la hiptesis. Existen dos curvas de este tipo: una para tratamientos y otra para
bloques.
v1,: nmero de grados de libertad de los tratamientos
v1b: nmero de grados de libertad de los bloques
v 2 : nmero de grados de libertad del error

JORGE ACUA ACUA

119

V l b av 2 , ( 1 -a )

FIGURA 2.28. Area de cumplimiento de la hiptesis

EJEMPLO 2.25
El departamento de servicio de una compaa distribuidora de equipo
computacional tiene un grupo de tres tcnicos encargados de la reparacin de
averas secundarias en unidades centrales de proceso (CPU). Estos tcnicos
se han especializado en tres importantes marcas. Los tiempos de reparacin en
minutos de cada marca para cada tcnico se muestran en el Cuadro 2.12. Con
a=5%, se puede afirmar que el tiempo de reparacin depende de la marca o
del tcnico que repara?
CUADRO 2.12. Informacin para el anlisis de varianza

Tcnicos
Marca

Ti.

1
2
3
4

45
42
36
49

46
44
41
47

51
50
48
54

142
136
125
150

T-j

172

178

203

553

120

CONTROL DE CALIDAD

SOLUCION
Como se puede observar en el Cuadro 2.12 los totales son los siguientes:
T, = 142

T2 = 136

T3 = 125

T4 = 150

T , = 172

T 2= 178

T 3= 203

T =553

5532
C =---------- = 25484
4*3
STC = 452+ 462+ 512+...........+ 542 - 25484 = 265
1422 +1362+ 1252+ 1502
SIC.Tm= ---------------------------------------------- 25484 = 111
3
1722 + 1782+ 2032
SIC(BL)= ------------------------------------------ 25484 = 135
4
SCE = 265-111 -13 5 = 19
CM(TR)= 111/3 = 37,0
C M (B L )= 1 3 5 / 2 = 6 7 -5

CME = 19/6 = 3.2

El C uadro 2.13 presenta el cuadro ANOVA correspondiente a este
ejemplo. Las reas de la hiptesis se pueden observar en la Figura 2.22.
Con a =1 %, se puede afirmar que hay evidencia estadstica para rechazar
ambas hiptesis nulas. Esto significa, que el tiempo de reparacin vara de
acuerdo con el tcnico que efecta la reparacin y la marca que est siendo
reparada.
Cuando L hiptesis se rechaza se pueden hacer comparaciones mltiples
a travs de diversos mtodos con el fin de identificar diferencias significativas
entre categoras. Existen tres mtodos principales: Bonferroni, Scheff y Tukey.
En este texto se analizar solamente uno de stos: el mtodo de Tukey.

JORGE ACUNA ACUNA

121

CUADRO 2.13. Cuadro ANOVA para el Ejemplo 2.19

Origen de
Variacin

Grados de
libertad

Suma de
Cuadrados

Cuadrado
Medio

Fe

Marca
Tcnico
Error

3
2
6

111
135
19

37
67,5
3,2

11,6
21,1

TOTAL

11

265

M todo de Tukey
Cuando Hoes rechazada significa que hay diferencia entre por lo menos I
dos de los promedios. Este mtodo es exacto cuando el tamao de la muestra
es constante y conservativo cuando ese tamao es variable.
El mtodo consiste en evaluar el conjunto de todos los posibles pares
(|x - l l s ) con base en intervalos de confianza y la distribucin del rango estudentizado.

FIGURA 2.29. Areas de cumplimiento de las hiptesis

CONTROL DE CALIDAD

122

La distribucin del rango estudentizado se basa en la siguiente premisa: Si

se tienen r observaciones independientes Y,, Y2, Y3,..., Yrde una distribucin
normal con media p y varianza o2, siendo w el rango de este conjunto de obser
vaciones tal que w= Mx(Y.)-Mn(Y.) y si se estima o2a partir de o2con v grados
de libertad e independientemente de Y, entonces la razn w/s es llamada rango
estudentizado y se denota por q(r,v) = w/s.
Como se puede notar la distribucin de q depende de r y v, lo que ha permi
tido el desarrollo de tablas como las mostradas en el Apndice I, para niveles de
confianza del 90,95 y 99%.
Tal y como se dijo anteriormente el mtodo de comparaciones mltiples se
basa en lmites de confianza para todos los posibles pares de promedios. Si el
intervalo incluye al cero se dice que no hay diferencia significativa entre las
medias consideradas; caso contrario, la diferencia es significativa.
El intervalo de confianza se calcula as:
1.

Una variable de clasificacin

DT*s(D)
D = IYI. -Y..I
I.
s2(D) = CME[(1/nj) + (1/ni.)]
1
T =------ * [q(1 -a,m,n-m)]
||

EJEMPLO 2.26
En un estudio de efectividad de cuatro componentes qumicos contra la
oxidacin, se toma un conjunto de cinco observaciones de cada uno, con lo que
se genera la informacin mostrada en e! Cuadro 2.14.
Se considera que entre ms grande el valor de Y., mejor es la efectividad
del compuesto.

JORGE ACUA ACUA

123

CUADRO 2.14. Datos del Ejemplo 2.20

I

Componente

n,

1
2
3
4

A
B
C
D

5
5
5
5

43
89
67
40

Despus de haber efectuado el anlisis se gener el cuadro ANOVA, que

se presenta en el Cuadro 2.15.
a.

E xisten d ife re n cia s s ig n ific a tiv a s entre com ponentes al 95% de

confianza?

b.

Si las hay, cules componentes establecen esa diferencia?

S O LU CIO N

a.

Al lo ca liza r el valor de F3 16095en tablas este es 3,24, por lo que es

significativam ente m enor que el F calculado. En conclusin, s hay
diferencias significativas entre componentes con 95% de confianza.

b.

Bsqueda de diferencias significativas,

m=4

n-m = 20-4 = 16

En tabla VIII del Apndice se localiza el valor de q.

q(0.95,4,16) = 4,05
1
T = ------------- * (4,05) = 2,86
y2
s2(D) = 4,5 *[(1 /5 )+ (1/5)] = 1,8

CONTROL DE CALIDAD

124

CUADRO 2.15. Cuadro ANOVA del Ejemplo 2.20

Suma de
Cuadrados

Origen de
Variacin

Grados de
libertad

Componente
Error

3
16

7893,75
72,00

TOTAL

19

7965,75

Cuadrado
Medio

F0*

2631,25
4,50

584,72

S (D) = 1,34
T * s ( D ) = 2,8 6 * 1,34 = 3,8
Los intervalos de confianza son:
42.2 = (89 - 43) - 3,8 < |i2 - |i, < (8 9 - 43) + 3,8 = 49,8
20.2 = (67 - 43) - 3,8 < |t3 - p, < (67 - 43) + 3,8 = 27,8
-0,8 = (43 - 40) - 3,8 < p, - p4 < (43 - 40) + 3,8 = 6,8
18.2 = (89 - 67) - 3,8 < p 2 - p 3 < (89 - 67) + 3,8 = 25,8
45.2 = (89 - 40) - 3,8 < p

- p

< (89 - 40) + 3,8 = 52,8

23.2 = (67 - 40) - 3,8 p3 - p4 < (67 - 40) + 3,8 = 30,8

Como se puede ver, el nico intervalo de confianza que incluye al cero es
( p, - p4). Por lo tanto, se concluye, con 95% de confianza, que el nico par de
promedios que no muestran diferencias significativas es el par formado por los
componentes 1 y 4. Dado que la medida de efectividad es de maximizacin el
componente B puede ser escogido como la mejor alternativa.

JORGE ACUA ACUA

2.

125

Dos variables de clasificacin

El in te rva lo usado tam bin se basa en la d istrib u ci n del rango

estudentizado, pero con pequeas diferencias en el clculo de sus trminos.
A. D = Y.-Yr l
2*CME
s2(D) = ---------------bn
1
T = ----------------q[1-a,a,(n-1)abl
<2
a: Nmero de tratamientos
b: Nmero de bloques
B. D = IYj-Y..I
2CME
s2(D) = -----------an
1
T =------------- q[1-a,b,(n-1)ab]
y2
EJEMPLO 2.27
La Compaa CBC vende repostera en un rea metropolitana. Del total de
artculos vendidos hay tres hacia los que la clientela ha mostrado especial
inters. La Ca desea saber si el tamao y el peso son significativos para la
decisin del cliente por uno u otro tipo. Un anlisis hecho sobre muestras de
tamao dos, para tres tamaos y dos pesos, gener la informacin de costo en
colones del Cuadro 2.16.

CONTROL DE CALIDAD

CUADRO 2.16. Informacin del Ejemplo 2.21

Peso

Ta m a o

1
2
3

Y
Y 21
Y 31

Y
Y1 22
Y 33

44
67
42

Y,

50

52

51

El anlisis de va ria n za efectuado g e n e r los resultados m ostrados por el

A N O V A pre sentado en el C u a d ro 2.17.
a.

E x is t e n d if e re n c ia s s ig n if ic a tiv a s en ta m a o s y p e s o s al 9 5 % de
confianza?

b.

Si las hay, m uestre d n de se encu entran esas diferencias.

CUADRO 2.17. Cuadro ANOVA para el Ejemplo 2.21

O rige n de

G ra do s de

Sum a de

C uadrado

Variacin

libertad

C uadrados

Medio

Tam ao

1544

772

77,2

Peso

12

12

1.2

Error

20

10

TO TA L

1576

Fe

JORGE ACUNA ACUNA

127

SOLUCION
a.

C o n a = 5 % , los valores tericos de F son los siguientes:

^ 2 ,2 ,0.95

1 ,2 ,0 .9 5 -

Al c o m p a ra r los valores tericos con los valores ca lcu lado s se nota que,
con a = 5 % , no hay evidencia estadstica para acep tar la hiptesis nula de
tam aos, pero s para aceptar la hiptesis nula de pesos.
b.

S e efectuar la prueba de T u k e y para tam aos, con el fin de identificar los

pares que m uestran diferencias significativas. Los datos para el clculo de
los intervalos de con fian za son los siguientes:
CM E =

10,3

a=

b=

n=

(n -1 )a b =

6
2 * 1 0 ,3

s2(D ) =

--------------------------------= 5,15

2*2
D e la T a b la VIII del A p n d ice I se obtiene:
q (0 .9 5 ,3 ,6 ) = 4,34
4 ,34
T = -----------------------------= 3,07

2
T * s ( D ) = 3 ,0 7 * ^ 5 ,1 5 = 7,0
16 = (6 7 - * 4) - 7 ,0 < p 2 - n, < (6 7 - 4 4 ) + 7,0 = 30
- 5 = (44 - 4 2) - 7,0 < p , - p 3 < (44 - 42) + 7,0 =

18 = (67 - 4 2 ) - 7 ,0 < |i2 - p 3 < (6 7 - 42) + 7,0 = 32

128

CONTROL DE CALIDAD

Al analizar los intervalos de confianza se puede concluir, con a = 5 % , que la

nica diferencia q u e no es significativa se da entre los tam aos 1 y 3. Al ser la
m e d id a de e fe c tiv id a d de m in im iz a c i n , la m e jo r a lte rn a tiv a p u e d e s e r la
n m e ro 3.

MUESTREO ESTADISTICO
E n la inspeccin de calidad es de fundam ental im portancia confiar en los
resultados obte nidos a partir del anlisis de m uestras.
E stas m uestras que son obtenidas de poblaciones finitas o infinitas, deben
cu m plir con los d o s principales requerim ientos del m uestreo inferencial; stos
son aleatoriedad y representatividad.
U n a m u e s tra e s alea toria cu a n d o los elem entos que la com pon en fueron
extrados de una poblacin en la cual todos sus com ponentes tuvieron la m ism a
probabilidad de perte ne ce r a e sa m uestra.
U n a m u e s t r a e s r e p r e s e n t a t iv a c u a n d o s u s e le m e n to s re fle ja n las
caractersticas de la poblacin de la cual fueron extrados. C o n ello, se puede
afirm ar con cierto nivel de confianza, que lo qu e ocurre con la m uestra, ocurre
con la poblacin.
C o m o se puede ver, para cum plir con una verdadera inspeccin por m u e s
treo es m u y co n ve n ie n te g a ra n tiza r estas dos caractersticas, g e n e ra lm e n te
ligadas al ta m a o de la m uestra y al m todo usado para su seleccin.
El m u estre o e sta d stico p a ra se r efectivo y eficaz d e b e b a s a rs e en tres
aspectos principales: en la seleccin de m uestras de tam ao a d e c u a d o , en la
e je cu ci n de in fe re n cia s v lid a s y a p lica b le s y en la m edicin del g ra d o de
con fian za de las conclusiones.
P a ra lograr lo e x p re sa d o anterio rm ente, es necesario seg u ir un p ro ce d i
m iento que incluya los siguientes paso s:
a. Id e n tifica ci n de la c a ra c te rs tic a p o r e s tu d ia r y d e la to ta lid a d de las
u n id a d e s de m u e stre o de n tro de las cu a le s se s e le ccio n a r la m u e stra
(m a rc o de m ue stre o).

JORGE ACUA ACUA

b.

12S

E s c o g e n c ia del tipo de m uestreo que se v a a usar identificando la unidad

de m uestre o. Esto deb e garantizar la aleatoriedad y representatividad a n
tes definidas.

c.

D eterm inacin del tam ao de la m uestra, m ediante la frm ula que especi
fique el tipo de m uestreo.

d.

S e le c c i n a le a to ria de la m u e stra p re via definicin del p ro ce d im ie n to

a d e cu a d o .

e.

E s co g e n cia del m todo de estim acin del error estadstico.

f.

C lc u lo de inferencias, errores y grado de confianza de las conclusiones.

E n general, son m uchas las razones por las cuales se debe usar m uestreo.
A lg u n a s de stas son:
a.

A h o rro de dinero al evitar la inspeccin 1 0 0 % , la cual tiene costos m s

altos.

b.

A h o rro de tiem po al dism inuir la cantidad por inspeccionar en relacin con

la inspeccin 1 0 0 % .

c.

Atencin de caso s individuales en form a m s sistemtica.

d.

R e cu rso indispensable cu a n d o la inspeccin es destructiva.

e.

U n ico m todo posible cua n d o la poblacin es infinita.

f.

E x c e le n te o p c i n c u a n d o los e rro re s no m u s tra le s , e s p e c ia lm e n te

hu m a n o s, son g ra n d e s e im posibles de reducir.

Al ejecutar m uestreo estadstico siem pre estarn presentes dos tipos de

errores qu e se con o ce n co m o erro r estadstico y sesgo.
E l e rr o r e s ta d s tic o es aquel propio del m uestreo y que se produce por la
n a tu ra le z a a le a to ria de la m u e s tra y p o r la falta de h o m o g e n e id a d en los
elem entos que la conform an. Este error se m inim iza, si se ejecuta el m uestreo
en form a o rd e n a d a y siguiendo el procedim iento antes fijado.
El s e s g o es el error h um ano, intencional o no intencional que se com ete al
ejecutar el m uestreo y que generalm ente es sistemtico. Este error se m inim iza
a tra v s de p ro g ra m a s de e ntrenam iento, capacitacin y m otivacin de in s
pectores y recolectores de inform acin estadstica.

CONTROL DE CALIDAD

130

T i p o s d e m u e s tre o
Existen diferentes tipos de m uestreo, dentro de los cuales se pueden citar:
el m uestreo aleatorio sim ple, el m uestreo sistemtico, el m uestreo estratificado,
el m uestreo por conglom erados y el m uestreo de aceptacin. E n inspeccin de
c a lid a d los m s u s a d o s s o n el m u e s tre o a le a to rio s im p le , el m u e s tre o
estratificado y el m u e stre o de a ce p ta ci n . E n el C a p tu lo VI se d esarro llar
am pliam ente el m uestre o de aceptacin.
M u e s t re o a le a t o rio s im p le : se b a s a en la e x tra cci n de u na m u e stra
aleatoria de una poblacin, para u na caracterstica seleccionada, con el fin de
inferir los resultados a la citada poblacin. Esta inferencia est sujeta a un error
estadstico qu e es necesario determ inar.
El m uestre o aleatorio p u e d e ejecutarse para estim ar el prom edio de una
caracterstica o estim ar una proporcin de ella.
C u a n d o se d e s e a e s tim a r un v a lo r m e d io , el ta m a o de la m u e s tra se
calcula as:
Z 2a/2_ * N * o 2
n = --------------------------------

zV

^+

ne2

C u a n d o se d e s e a e s tim a r u n a p ro p o rc i n , e n to n c e s ei ta m a o de la
m uestra se calcula com o

Z2/2 * N * P * q
Z 2o/2 * P * q + N E 2
Los trm inos usado s en estas expresiones significan:
n :

ta m a o de la m uestra

Z ^ : estadstico de distribucin norm al ligado al error a

N :

ta m a o de la poblacin

a 2:

va ria nza poblacional

E :

error de estim acin entre el parm etro y el estadgrafo

JORGE ACUNA ACUNA

131

p : proporcin de la caracterstica en la m uestra

q : proporcin que no pertenece a la caracterstica en la m uestra
S i la p o b la ci n es infinita las e x p re s io n e s del ta m a o de la m uestra se
convierten en:
Z 2o/2 * o 2
n =-------------------------------------- para estim acin de la m edia
E2
n = p * q [ Z 2^ / E 2] para estim acin de una proporcin
El error estn dar correspondiente al m uestreo se calcula co m o
<r-= \j [(N -n )/ (N -1 )] * (a 2/n)

Si se trata de una poblacin finita y

se estim a una m edia

c -= \] o 2/n

Si se trata de una poblacin infinita

y se estim a una m edia

o p= \ l[(N -n ) / (N -1 )]* (p * q )/ n

t>i se trata de una poblacin finita y

se estim a una proporcin

a p= \ ] ( p * q ) / n

Si se trata de u na poblacin infinita

y se estim a una proporcin.

EJEMPLO 2.28
C o n s id re se un lote de produccin de 1000 unidades, cu ya va rianza en el
dim etro de una de su s partes es 250 m m . S e d e s e a estim ar el pro m e dio del
dim etro, a partir de u na m u estra , con u na co n fia n za del 9 5 % y con error no
m a yor a 1 m m .

SOLUCION
N

= 250

E = 1

Z (i/2= 1,96 (extrado de T a b la I de A pn dice I)

CONTROL DE CALIDAD

132

O2 = 2 5 0
1 ,962 * 1 0 0 0 * 2 5 0
n = ---------------------------------------------------= 4 8 0 ,2 - 481
(4 * 2 5 0 ) + (1 0 0 0 * 1)
a ; = \|[(1 0 0 0 - 481)/(1000 - 1)] * (2 5 0 / 4 8 1 ) = 0,52
P a ra estim ar el pro m e dio de dim etro de esta pieza, se deb e extraer una
m uestra de 481 unidades. El m u estre o tiene un error estn dar de 0,52.

EJEMPLO 2.29
U n f a b r ic a n te a firm a q u e el 2 , 5 % d e lo s p ro d u c to s q u e e n tr e g a el
c o m p ra d o r so n d e fe c tu o s o s . Si ste re cib e los p ro d u cto s en lotes de 5 0 0 0
u n id a d e s, c u l d e b e se r el ta m a o de la m u e stra p o r u s a r para verificar lo
e x p re sa d o por el fabricante? U s e 9 5 % de con fian za y un error no m xim o del
1 % en la estim acin.

SOLUCION
E=

0,01

p=

0 ,025

q=

0 ,975

N =

5000

(1 -a ) = 0 ,9 5
Zy2=

1.96

n=

1 ,962 * 5000 * 0,0 2 5 * 0,975

------------------------------------------------------------------------------- = 7 8 9 unidades
1 ,962 * 0 ,0 2 5 * 0 ,9 7 5 ) + (5 0 0 0 * 0 ,0 1 2)

o p=

\ J [(5 0 0 0 -7 8 9 ) / (5 0 0 0 -1 )] * [(0 ,0 2 5 * 0 ,9 7 5 ) / 789] = 0,005

JORGE ACUA ACUA

Lo a n te rio r significa q u e p a ra e stim a r el p o rce n ta je d e fe c tu o so de ese

producto, se de b e extraer una m uestra de 789 unidades. E ste m uestreo tiene
un error estndar de 0 ,0 0 5 , bastante bajo.
F o r m a s d e e x t r a c c i n d e la m u e s t r a : un a sp e c to m u y im portante de
considerar en l m uestreo aleatorio sim ple es el uso de las ta b la s de n m e ro s
a le a to rio s , con el fin de g aran tizar aleatoriedad en la tom a de la m uestra. El
p ro c e d im ie n to co n sis te en a s ig n a r un n m e ro a c a d a e le m e n to del m a rco
m uestral y luego, con la tabla seleccionar los que la m uestra indique.

EJEMPLO 2.30
S e de se a tom ar una m uestra de 5 elem entos de un total de 80 que confor
m a n la pob lacin a tra v s de la tabla de n m e ro s aleatorios. E s ta b le z c a ios
n m ero s que conform an la citada m uestra.

SOLUCION
P a ra efectos de e ste e jem plo se u sa r n las sig uie n te s c o lu m n a s de la
T a b la IX de n m ero s aleatorios del A p n d ice I.
2 25 3

2176

1342

8664

5498

0184

2 36 4

0900

8439

9898

S e de b e n e sco g e r cinco nm ero s de dos cifras, com prendidos entre 01 y

80.
S e to m a u n a c o lu m n a a rb itra ria , p o r e je m p lo la de

53, se a la te rc e ra

(prim era 22, se g u nda 25, tercera 53). Si es as, los elem entos asignados son el
5 3 ,4 2 ,6 4 ,3 9 y 76. Esto se obtiene en form a vertical, si se acaba sta se puede
ca m b ia r a otra.

134

CONTROL DE CALIDAD

Ntese qu e no se tom en cuenta el 98, por estar arriba de 80.

T a m b i n c u a n d o se ag o t la co lu m n a , se p a s a la ltim a c o lu m n a del
se g u n d o bloque.
O tra form a de extraer una m uestra es m ediante m u e s tre o s is te m tic o , el
cual es m u y gil, cu a n d o el n m e ro de elem en tos qu e se v a a sele ccio nar es
m u y grande. A s , por ejem plo obtener una m uestra del 5 % de un lote de 20000
pro ductos, oblig ara a s e le ccio n a r 1000 n m e ro s aleatorios y luego h a ce r la
seleccin correspondiente.
E n estos ca so s lo m ejor es seleccionar un nm ero aleatorio entre 1 y 20 y
en adelante e sco g e r cada vigsim o elem ento. A s , si el nm ero fuese el 3, los
elem entos sele ccionado s sern 3 , 2 3 , 4 3 , 6 3 , 8 3 , . . . , hasta 19983. El pro cedi
m iento es el siguiente:
1.
2.

C o n o c e r el tam ao del lote y de la m uestra que se v a a extraer.

C alcular el intervalo de m uestreo, qu e se obtiene dividiendo el tam ao del
lote entre el tam ao de la m uestra (N/n).

3.
4.

S e le ccio n a r un nm ero aleatorio, entre 1 y el intervalo de m uestreo.

A partir del nm ero aleatorio encontrado anteriorm ente, su m ar el intervalo
de m uestreo. Esto dar los nm eros posicionales de los elem entos que se
deben con tem plar dentro de la m uestra.

5.

S e le c c io n a r la m u e stra , e s c o g i n d o la del lote s e g n el p ro ce d im ie n to

citado en 4.
M u e s tre o e stra tifica d o : en este tipo de m uestreo, los elem entos poblacio-

na le s se d ivid e n p rim e ro en k -g ru p o s y lu e g o se a p lica m u e stre o a lea torio

sim ple sob re ca d a g rupo. El p ro ce so usa d o para e sta b le ce r estos g ru p o s se
llam a e s tra tific a c i n y a c a d a g ru p o se le llam a e s tra to . La raz n de aplicar
estratificacin se de b e a qu e los elem en tos po b lacio nale s pre sentan m u ch a
h e te ro ge n e id a d , por lo qu e la obtencin de c o n clu sio n e s represen tativas se
hace difcil.
En este m uestreo, las probabilidades de seleccin de los estratos pueden
s e r dife ren te s y no es n e c e s a rio q u e to d o s los e le m e n to s te n g a n la m is m a
oportunidad de seleccin, pero se debe co n o ce r la probabilidad de ca d a uno.

JORGE ACUNA ACUNA

135

La estratificacin se ejecuta de tal m anera que exista cierta hom ogeneidad

entre los e le m e n to s de c a d a g ru p o y q u e q u e d e n en igual n m e ro en c a d a
estrato.
El error estn dar del se calcula as:

O j = \J(1/N2) * { X [ ( N , - n ) / (N . - 1 ) ] * N 2 * ( a 2 / n.)}
=1

d onde:
N : ta m a o de la poblacin
N : ta m a o del estrato i
k : nm e ro de estratos
n .: ta m a o de la m uestra por extraer del estrato i
o : desviacin estn dar del estrato i

EJEMPLO 2.31
E n el p u e sto de re c e p c i n de m a te ria le s se han re c ib id o 12 lotes que
originaron los porcentajes defectuosos que se presentan en el C u a d ro 2.18.
a.

Estratificar esta situacin y obtener sus m edidas

b.

C a lc u la r el error estndar

c.

C u l es el error si se usa m uestreo aleatorio sim ple?

SOLUCION
a.

El C u a d ro 2 .1 9 p re se n ta la estratificacin e fe ctu a d a co n b a s e e

m agnitud del porcentaje defectuoso.

S e p u e d e n c a lc u la r a lg u n o s va lo re s para c a d a estrato. El C u a d r o 2 .2 0
m u e s tra el ta m a o , la m e d ia a ritm tica y la d e s v ia c i n e s t n d a r d e c a d a
estrato.

CONTROL DE CALIDAD

136

CUADRO 2.18. Informacin de recepcin de materiales

Lote

% Defectuoso

1
2
3
4
5
6
7
8
9
10
11
12

0,85
1,35
0,60
2,20
1,80
3,10
0,90
0,50
1,75
0,75
2,40
2,10

CUADRO 2.19. Estratificacin del % defectuoso

Estrato 1

Estrato 2

Estrato 3

0,50
0,60
0,75
0,85

0,90
1,35
1,75
1,80

2,10
2,20
2,40
3,10

CUADRO 2.20. Clculos de la estratificacin

4^

Estrato 2

Estrato 3
N3= 4

x, = 0,675

x2 = 1,45

x 3=

o, = 0,134

O, = 0,362

a 3= 0,39

II

N, = 4

Estrato 1

2,45

JORGE ACUA ACUA

137

C o n b a s e e n el C u a d r o 2 .2 0 s e c a lc u la u n e s tim a d o del p ro m e d io
poblacional.

_
(N 1* x ,) + (N 2* x 2) + (N 3 *x3)
x = ----------------------------------------------------------N
_
(4 * 0 ,6 7 5 )+ (3 * 1 ,4 5 )+ (4 * 2 ,4 5 )
x = -------------------------------------------------------------------------

12
x = 1,525
S e puede p ro b a r que este valo r es igual al poblacional.
N

p = ( Z x . ) / N = 18,3 / 1 2 = 1 ,5 2 5

i=i
b.

El error estndar de este m uestreo estratificado es:

0- =

\J (1 /1 2 2)*{[(4 -2 )/(4 -1 )]*42* (0 ,1 3 4 2/2 )+ [(4 -2 )/(4 -1 )]*42* (0 ,3 6 2 2/2 )+ [(4-2)/(4-1 )]*42*(0 ,39 2/2 )}

a -=

\J ( 1 / 1

o 5=

\J

a x=

44)*[(16/3)*(0,1342+ 0 ,3 6 2 2+ 0 ,3 9 2)

(1/14 4)*((16/3)*0,3011)
0 ,1 0 5 6

El error del m uestreo estratificado es 0,1056.

c. Si se hubiere usado m uestreo aleatorio simple, entonces el tam ao de la
m uestra se ra seis y el error estn dar sera:
o -= \ J [(1 2 -6 )/(1 2-1 )]*(0,79282/6) = 0 ,2 3 9
C o m o se p u ede o b servar el m uestreo estratificado ofrece un error m ucho
m enor, lo que lo hace m s confiable.
E n m u e s tre o estra tifica d o no s ie m p re se ca lc u la a n tic ip a d a m e n te un
ta m a o de m uestra constante para ca d a estrato, sino que de acuerdo con las

CONTROL DE CALIDAD

138

c a ra c te rs tic a s de los m is m o s se c a lc u la n ta m a o s de m u e s tra v a ria b le s ,

u s a n d o p a ra e llo d o s f o rm a s : u n a d e c o n v e n ie n c ia , lla m a d a a f i ja c i n
p r o p o r c io n a l y otra re la c io n a d a c o n la v a ria b ilid a d del e s tra to , lla m a d a
a fija c i n p tim a .
E n el m uestre o proporcional, el tam ao de la m uestra se calcula com o:
nl= (n / N )* N i
don de n es el tam ao de m uestra total fijado de antem ano.
El error estndar se calcula com o:
k
i=i
E n afijacin ptim a, el ta m a o de m uestra se calcula com o:

n= n * [ ( N i* o i) / I ( N l* o )]
El error estndar se estim a as:

o -= \J (1/n) * { [ I ( N . * o,) / N ]2} - [I (N .* a 2) ] / N 2

EJEMPLO 2.32
La produccin de una e m presa se ha dividido en tres estratos, de acuerdo
con la fraccin defectuosa qu e presenten. P or registros de los ltim os ao s se
co n o ce la inform acin que se m uestra en el C u a d ro
a.

2.21.

Si se desea tom ar una m uestra de 20 lotes, cuntos lotes de ca d a estrato

se de b e n sele ccionar?

b.

C o m p a re los errores est n d a r corresp ondientes con el error estn dar de

m uestreo aleatorio sim ple.

JORGE ACUNA ACUNA

139

CUADRO2.21. Informacin de porcentaje defectuoso en los ltimos aos

% Defectuoso

Estrato

1
2
3

5 ms
1,5 a 4,99
Menos de 1,5

TO TA L

Nm ero de
lotes

Desviacin
estndar (% )

35
80
15

0,97
0,82
0,30

130

1,25*

Para el total de la produccin.

SOLUCION
a.

Para efectos didcticos este problem a se resolver por afijacin proporcio

nal y por afijacin ptim a. E n situaciones prcticas se debe esco ger el que
m ejor se adapte a las condiciones.

Afijacin proporcional
El C u a d ro 2 .22 m uestra los clculos de tam ao de m uestra.
C o m o se p u ede o b s e rv a r en el C u a d ro 2 .2 2 , para com pletar los 20 lotes

se le ccio n a d o s, se de b e n tom ar 5 lotes del estrato 1 ,1 2 lotes del estrato 2 y 3

lotes del estrato 3.

CUADRO 2.22. Clculos por afijacin proporcional

Estrato
1
2
3

Tam ao de la muestra
n, = (20/130) * 35 = 5,38= 5
n2 = (20/130) * 8 0 = 12,3 =12
n3 = (20/130) *15 = 2,3 = 3

CONTROL DE CALIDAD

140

Afijacin ptim a
Ei C u a d ro 2 .2 3 m uestra los c lcu lo s iniciales para ob te n e r el ta m a o de

m uestra por este m todo.

C o n b a s e en el C u a d r o 2 .2 3 se c a lcu la n los ta m a o s de m u e stra de la
siguiente m anera:
n, = 2 0 * (3 3 ,9 5 / 1 0 4,05) = 6 ,5 2 =

n2= 2 0 * (6 5 ,6 / 1 0 4 ,0 5 ) = 12,61 = 13
n3= 2 0 * ( 4 ,5 / 1 0 4 ,0 5 )
b.

= 0 ,8 6 =

C o m p a ra ci n de errores
El error estn dar para afijacin proporcional es:
g _=

sj [(1 30-20)/(130*20)]*[(1/130)*[(35*0,972)+ (8 0 * 0 ,8 2 2)+ (1 5 * 0 ,3 0 2)]

o -= 0 ,1 6 9
El error e stn dar para m uestreo por afijacin ptim a es:
o -=

\J (1/20)* [(104,05/13 0 )2] - (88,07/1302)

o; = 0 ,1 6 4

CUADRO 2.23. Clculos iniciales para afijacin ptima

Estrato

N,

1
2
3

35
80
15

TO TA LE S

0,97
0,82
0,30

IN * a .= 104,05

N,*a,

ai2

N,*a2

33,95
65,60
4,50

0,94
0,67
0,09

32,93
53,79
1,35

I N * 02= 88,07

JORGE ACUNA ACUNA

141

El error e st n d a r si se usa m uestreo aleatorio sim ple se calcula as:

ax= \| [(1 3 0 -2 0 )/ (1 3 0 -1 )] * (1 ,252/20)

Oj=0,26
C o m o se puede observar, los errores del m uestreo por afijacin proporcio
nal (0 ,1 6 9 ) y ptim a (0 ,1 6 4 ) son parecidos, m ientras que el error del m uestreo
a le a to rio s im p le ( 0 ,2 6 ) es a lto , p o r lo q u e s e p u e d e c o n c lu ir q u e no es
recom e nda b le usar este tipo de m uestreo en este caso.

RESUMEN
S e ha visto en este captulo que:
1.

La s aplicaciones de la estadstica son am plias y variadas en los distintos

aspectos de la inspeccin de calidad.

2.

La estadstica es solam ente una herramienta poderosa para la solucin de

problem as. Ella no es por s sola la solucin a los problem as de calidad.

3.

E l a n lisis de d a to s y la in fe re n cia e s ta d s tic a , si son bien u sa d a s , se

convierten en p od erosas arm as para la tom a de decisiones.

4.

E l m u e s tre o e s ta d s tic o , en s u s d istin ta s fo rm a s , es un re c u rs o m u y

necesario para co n o ce r y corregir los procesos.

5.

Para qu e los estudios estadsticos no pierdan su fundam entacin cientfi

ca, es necesario tener m uy presente que deben seguirse los procedim ien
tos establecidos.

PREGUNTAS DE REPASO
1.

Establezca claram ente las ventajas que ofrecen al control estad stico dla
calidad, el anlisis de datos y la Inferencia estadstica.

CONTROL DE CALIDAD

142

2.

R a zo n e m e surad am ente las caractersticas de los procesos que permiten

decidir si un estudio estadstico se debe hacer por variable continua o por
variable discreta.

3.

Q u u s o s tie n e n los in te rv a lo s de c o n fia n za p a ra p ro m e d io s y p a ra

va ria n za s ?

4.

C u l e s el principai objetivo de una p ru e b a de hip tesis? P o r q u se

deb e seguir un procedim iento?

5.

Q u im p o rta n c ia tie n e u n a b o n d a d de ajuste al e fe c tu a r un e s tu d io

estadstico?

6.

E xplique en qu consiste un anlisis de varianza.

7.

Q u significa re c h a za r una hiptesis en un anlisis de v a ria n za ?

8.

E n qu consiste el M todo de T u k e y y en qu caso s se aplica?

9.

C u le s so n las d o s p rin c ip a le s c a ra cte rs tica s q u e d e b e c u m p lir u na

m uestra estadstica? E xp lquelas detalladam ente.

10. E n qu casos se debe aplicar un m uestreo aleatorio simple o un m uestreo

estratificado? C m o se decide cul es m ejor?

PROBLEMAS
1.

El C u a d ro 2 .2 4 m uestra las m ediciones ejecutadas en el dim etro exterior

de un anillo. E stas m edidas fueron tom adas en g ru pos de siete anillos.
a. H a ce r una distribucin de frecuencias de datos agrupad os para las 112
observaciones.
b. H a c e r representaciones grficas de la distribucin.
c. Q u porcentaje de anillos tienen dim etro exterior superior a 32,241
m ilm etros?
d. Q u porcentaje de anillos estn entre 32,241 y 3 2 ,2 4 9 m ilm etros?
e. C u n to s anillos se e s p e ra que tengan m edidas iguales o inferiores a
3 2 ,2 4 0 m ilm etros?

JORGE ACUNA ACUNA

143

CUADRO 2.24. Mediciones de dimetro externo de un anillo

(medidas por encima de 32,200 milmetros)

G R U P O N?
#

10

11

12

13

14

15

16

1
2
3
4
5
6
7

34
45
45
37
41
53
45

50
50
40
44
42
34
45

55
42
47
44
46
41
48

38
49
41
46
50
43
47

51
49
47
45
48
40
39

44
49
48
43
42
46
36

49
40
49
40
40
46
46

47
46
48
39
42
55
47

43
48
43
43
50
42
44

48
45
50
48
43
42
45

48
45
50
44
49
31
40

42
42
57
40
48
37
49

40
50
40
49
49
48
44

46
41
40
49
49
48
44

46
48
41
42
52
40
36

43
48
47
43
44
51
47

f.

C u n to s anillos se esp e ra que tengan m e didas superiores a 3 2 ,2 5 0

mm?

g. Si los anillos con dimetro exterior igual o inferior a 32,240 milmetros se

deben desechar, q u decisin tom ara si el costo de materia prim a es
de 0 1 44,00?
h. T o m a n d o en cuenta la siguiente inform acin:
-c o s t o de m a n o de obra por anillo = 030,95
-c o s to de e n erg a con su m ida por anillo = 012,65
-c o s to s indirectos = 1 8 % de costos directos
-u tilid a d e s brutas = 3 5 % de costos directos
-im p u e s to s = 2 5 % del precio de los anillos
-n iv e l de produccin m ensual = 10000 unidades
C u n to e s lo q u e la e m p re s a g a n a si los an illo s d e s e c h a d o s son
vendido s a 080 ca d a uno?

CONTROL DE CALIDAD

144

2.

U n a em p re sa dedica da al pro cesam iento de cacao tiene problem as con el

p e so de u n o de su s p ro d u cto s. E s te pro ducto es c a c a o en po lvo q u e se
v e n d e en so b re s m a rca d o s con p e s o nom inal de 100 g. Para efectos de
e s tu d ia r la s itu a c i n s e to m a ro n 60 s o b re s lle n o s, o rd e n a d o s en seis
g ru p os de d ie z unida de s qu e originaron la inform acin del C u a d ro 2.25.
H a g a un anlisis estadstico para resolver el pro blem a de la operacin de
llenado. Si el p roblem a existe estab lezca una estrategia para su solucin.

3.

E n una b od e ga de m ateria prim a se han recibido tres lotes de 20 unidades

cada uno. El nm ero de piezas por lote que cum plen con lo requerido es de
1 8 ,1 5 y 10 re s p e ctiva m e n te . D e un lote se to m a u na unidad q u e resulta
cum plir con lo requerido. D e s p u s de restituir la unidad, del m ism o lote se
extrae otra qu e tam bin resulta cu m plir con lo requerido.
Hallar la probabilidad de que a m b a s piezas hayan sido extradas del tercer
lote.

4.

El proceso A produce piezas c u y a longitud se distribuye norm alm ente con

m edia 10,5 cm y va ria n za 4 c m 2. El proceso B pro du ce le0 m ism as piezas

CUADRO 2.25. Datos generados del peso de cacao en polvo

G ru p o No.

1
2
3
4
5
6
7
8
9
10

98,7
99,5
100,5
100,0
96,6
98,7
96,7
100,3
103,2
103,7

99,4
101,3
100,3
97,7
96,0
98,0
99,7
99,9
100,3
103,0

100,8
99,7
100,7
103,4
102,1
102,3
96,9
97,5
98,7
100,0

99,7
103,0
102,5
101,4
101,0
100,8
100,1
99,7
99,8
100,7

101,5
102,3
101,7
95,8
100,7
99,9
103,6
102,0
103,7
98,0

97,9
98,8
99,0
100,0
101,5
100,8
98,8
97,9
96,5
100,5

JORGE ACUNA ACUNA

141

co n lo n g itu d ta m b i n n o rm a lm e n te d is trib u id a co n m e d ia 1 0 ,4 cm
va ria n za 8 c m 2. La utilidad lograda u sand o el pro ceso A es de 080,00 po
pie za y usando el pro ceso B de 0150,00 por pieza.
Las piezas qu e no midan entre 9 y 14 cm , son desechadas. C u l procesi
recom ienda usar y qu criterio us para la seleccin?
5.

U n a fbrica de aluminio produce, entre otras cosas, un tipo de canal de un;

aleacin de aluminio. P or experiencia, se sabe que la rigidez m edida en ps
est n o rm a lm e n te d istribuida con m e dia igual a 2 4 2 5 psi y desviacii
e s t n d a r 1 1 5 p s i. C u l e s la p ro b a b ilid a d d e q u e un c a n a l de es;
alea cin, qu e es s e le ccio n a d o aleatoriam ente, teng a un va lo r de rigide:
com p re ndido entre 2230 y 2425 psi?

6.

U n a poblacin est form ada por cuatro elem entos cu y a s m agnitudes soi
5 , 8 , 1 2 y 15. D e m o s tra r el te o re m a del lm ite cen tral co n m u e stra s d;
tam ao dos tom adas con reem plazo.

7.

Lo s p e s o s de las b o b in a s de tela recib ida s en una b o d e g a de materia:

prim as tienen un peso m edio de 100 kilos con desviacin estndar de 25 ki
los. C u l es la probabilidad de que el peso de cinco bobinas re c ib id a s '
ca rga das en una carretilla supere el lmite de capacidad de sta que es di
600 kilos?

8.

E n el P ro ble m a No. 7:

a. C u l e s la p ro b a b ilid a d de que la m e d ia se e n c u e n tre entre 95 ,5 '

108 ,7 5 kilos?
b. Si se recibieran estas b ob in as en g ru p o s de ta m a o cinco, cunta:
bobinas se espera que tengan un peso m edio superior a 107,7 kilos?
9.

En un proceso de produccin de lminas de acero para techo, se necesit;

co n o ce r el com portam iento de su grosor. Si se extrae una m uestra de 11
e le m e n to s , q u e o rig in a u n a m e d ia de 0 ,0 5 8 c m , c o n u n a d e s v ia c i i
e stn dar de 0 ,0 0 2 8 cm
a. D ete rm inar la probabilidad de encontrar lm inas que tengan;
- u n g roso r igual o superior a 0,06 cm
- u n g roso r entre 0,05 y 0,0 6 5 cm
- u n g roso r igual o inferior a 0,056 cm

CONTROL DE CALIDAD

146

b.

C o n qu nivel de co n fia n za se p u e d e afirm ar qu e este p ro ce so p ro

d u ce lm inas con un g rosor que se encuentra entre 0,055 y 0,061 cm ?

10. Para una distribucin t-student con 15 grados de libertad, hallar el valor del
estadstico t, tal que:
a. el re a a su derech a es 0,01
b. el re a a su izquierda es 0,95
c. el re a entre l y el valor de t2es de 0,95
11. El v o lu m e n p ro m e d io de un ta n q u e es de 305 litros. S i se e je cu ta n 22
m ediciones del volum en, la desviacin estndar correspondiente es de 35
litros. D eterm ine la probabilidad de que la m edia de esas m ediciones:
a. est com prendida entre 290 y 304 litros
b. se a inferior a 308 litros
c. se a superior a 299 litros
12. Para analizar la dispersin de una m quina cortadora de alam bre, se tom a
una m uestra de 30 pie za s cortadas. Si la desviacin estn dar de corte es
de 3 ,1 5 c m . C u l e s la p ro b a b ilid a d de h a lla r en las 30 p ie z a s u n a
desviacin estndar:
a. S u p e rio r a 2 cm
b. Inferiora 1 ,8 cm
c. E ntre 1,7 y 2,8 cm
13. C o n el fin de analizar la calidad sum inistrada por dos m quinas troquelado
ras, se tom a inform acin sobre el dim etro de m uestras de piezas m aqui
nadas. El C u a d ro 2.2 6 m uestra esta inform acin.
D eterm ine cul es la probabilidad de qu e la razn de v a rianzas:
a. S e a superior a 2,5
b. S e a inferiora 0,8
c. S e encuentre entre 0,95 y 2,35

JORGE ACUNA ACUNA

147

CUADRO 2.26. Informacin para el problema No. 13

Mquina

Tam ao de
Muestra

Media

Desviacin
estndar

1567-A
1568-B

31
27

5,5 cm
5,8 cm

0,75 cm
0,72 cm

14. La p ro b a b ilid a d de q u e no falle un tra nsistor es d e 0 ,9 5 . S e p ru e b a n 5

transistores. C u l es la probabilidad de que fallen dos transistores, de tal
m ane ra que el se g u n d o transistor que falle sea pro bado de ltimo?
15. U n p ro c e s o de m a n u fa c tu ra de circu ito s in te g ra d o s p ro d u c e c o n una
fraccin defectuosa de 0 ,5 5 % . C a d a 20 m inutos se tom a una m uestra de
2 0 0 unidade s al aza r. Si la m uestra contiene u na o m s unidade s defec
tu osa s, el p ro ce so deb e ser parado. D eterm ine la probabilidad de qu e el
proceso sea parado de acu erdo con el e sq u e m a de m uestreo.
16. P o r e x p e rie n c ia se s a b e q u e la p ro b a b ilid a d de q u e un to rn illo sa lg a
defectuoso es 0,0 5 y la de qu e una tuerca salga defectuosa es 0,04.
a. C u l es la probabilidad de que una tuerca escogida al a za r y un tornillo
esco gido al a z a r no ajusten y por lo tanto el par no pueda ser usado?
b. Si la fbrica ve n d e su pro d u cto en cajas de 2 0 0 parejas. C u l es el
nm ero e sperado de parejas defectuosas?
17. U n fabricante de piezas para autom viles garantiza que una caja de estas
piezas contiene un m xim o de 2 unidades defectuosas. Si la caja contiene
20 piezas y la experiencia dem uestra que el proceso produce 2 % de piezas
defectuosas, cul es la probabilidad de que una caja de piezas satisfaga
esta garanta?
18. E n un proceso de fabricacin de bombillos, se tiene una fraccin defectuo
sa de 0,02. Hallar la probabilidad de que en una m uestra de 100 bombillos
se encuentren:

CONTROL DE CALIDAD

148

a. cero defectuosos
b. un defectuoso
c. m e nos de un defectuoso
d. m s de tres defectuosos
19. La probabilidad de qu e un dispositivo electrnico falle es de 0 ,0 0 2 5 . Si se
to m a n 3 0 0 0 d isp o s itivo s p a ra un anlisis, hallar la p ro babilidad d e que
fallen:
a. 8 dispositivos
b. 3 6 dispositivos
c.

D e 4 a 7 in c lu s iv e

d. M e nos de 3 dispositivos
e. M s de 9 dispositivos
20. U n a m uestra de 12 calcetines de algodn son som etidos a una nru e b a de
resistencia de rotura de h e b ra s. El resultado del experim ento g e n e r un
prom e dio de resistencia de 2 1 2 ,1 7 g/cm2con una desviacin estn dar de
3 5 ,6 5 g/cm 2. H a lla r los lm ites de co n fia n za del 9 5 % para la m e d ia y la
desviacin estndar.
21. D o s m q u in a s lle n a d o ra s d e g e la tin a en p o lv o e s t n s u m in is tra n d o
paquetes con variabilidad m u y alta en su peso. C o n el fin de an a liza r esta
s itu a c i n s e to m a n 5 0 p a q u e te s de la m q u in a I y 6 0 p a q u e te s de la
m qu ina II, originando las distribuciones de frecuencia del C u a d ro 2.27.
a. S e pu e d e afirm ar con a = 5 % , q u e una de estas m qu inas g e n e ra un
peso superior a la otra?
b. C u l es la probabilidad de co m e te r error tipo II?
c.

S e p u e d e afirm ar con a = 5 % , q u e h a y diferencia entre los p e s o s de

am b a s m q u in a s?

22. E n u na inve stig a c i n so b re eficacia y re n dim iento de d o s tipos d e s u s

tancias qum icas usada s co m o pegam ento, se hicieron dos pruebas piloto,
u n a co n c a d a u n a de e lla s, m id ie n d o la re s is te n c ia a la te n s i n . E sta

JORGE ACUNA ACUNA

149

CUADRO 2.27. Distribuciones de frecuencia del Problema 21

L|

L.

"

nwi

82,95
83,75
84,55
85,35
86,15
86,95

83,75
84,55
85,35
86,15
86,95
87,75

5
7
14
11
7
6

6
9
18
15
7
5

nkl: frecuencia absoluta de mquina I

nkll: frecuencia absoluta de mquina II

p ru e b a co n s is te en te n s a r las partes p e g a d a s h asta q u e se s e p a ra n ,

m o m e n to en que se m ide la fuerza requerida. Los valores obtenidos para
a m b a s pru e bas se observan en el C u a d ro 2.28.
E xiste alguna diferencia significativa entre a m bos pegam entos? C u l es
la probabilidad de error tipo II?

CUADRO 2.28. Datos para el Problema 22

M uestra #

Pegam ento I

Pegam ento II

1
2
3
4
5
6
7
8

174.0
173.5
172.6
173.0
171.5
172.5
173.6
172.0

173.0
171.5
172.0
173.8
171.1
172.4
172.0
173.8

150

CONTROL DE CALIDAD

2 3. La resistencia a la rotura de cables producidos por un fabricante tiene una

m e dia de 90 0 kilos y u na d e s via ci n e stn dar de 50 kilos. M ediante una
nue va tcnica en el proceso de fabricacin, se aspira a que esta resistencia
pu e da se r increm entada. Para co m p ro b a r esta suposicin se e n s a ya n 50
c a b le s y s e e n c u e n t ra u n a re s is te n c ia m e d ia d e 9 2 5 kilos c o n u n a
desviacin estndar de 55 kilos P u e d e aceptarse que hay un increm ento
significativo en la resistencia?
24. U n a m quina debe producir arandelas con un grosor de 0,125 cm . S e saca
u na m uestra de 10 arandelas que resultan tener un grosor m edio de 0,135
c m y u n a d e s via c i n e s t n d a r d e 0 ,0 0 7 . P ru e b e si la m q u in a e st en
b u e n a s condiciones de fabricacin.
2 5. Si en 250 piezas producidas por la m qu ina A, hay 19 piezas defectuosas,
y en 300 de la m quina B, 27 defectuosas existe diferencia en cuanto a la
c a lid a d s u m in is tra d a p o r a m b a s m u e s tra s re s p e c to a su p o rc e n ta je
defectuoso pro ducido? U s e a = 3 % .
2 6. U n estudio destinado a co m p a ra r el contenido de nicotina de dos m a rca s
de cigarrillos revel qu e 5 0 cigarrillos de la m arca A , tenan un contenido
p ro m e d io de 2 4 ,2 m ilig ra m o s con u n a d e s via ci n e s t n d a r de 1 ,3 m ili
g ra m o s , m ien tra s q u e 5 0 cigarrillos de la m a rca B , tenan un co n te n id o
m edio de 25,1 miligram os, con una desviacin estndar de 1,5 miligramos.
E s significativa la diferencia o b s e rv a d a entre las m edias? U se a = 5 % .
2 7. S e tom a una m uestra de 18 piezas provenientes de la m quina 12 3 -A , que
g e n e ra n u n a re s is te n c ia m e d ia a la c o m p re s i n d e 2 2 0 0 psi c o n u n a
desviacin estndar de 150 psi. Lu eg o se toman 16 piezas provenientes de
la m quina 12 4 -B ; qu e generan u na resistencia m edia a la com presin de
2410 psi con una desviacin estndar de 145 psi. Las piezas de la m quina
12 3 -A , cue sta n m e n o s qu e las de 12 4 -B y se c o m p ra r n las de la 12 4 -B ,
solo si resultan por lo m enos 150 psi m s resistentes qu e las de la m quina
1 2 3 -A . Q u solucin le da U d a este pro blem a? U s e a = 5 % .
28. S e quiere hacer un anlisis sobre una pieza m ediante la utilizacin de dos
p r o c e d im ie n t o s . E n el p r o c e d im ie n to A s e u s a u n a m u e s tra d e 2 5
e le m e n to s y en el p ro c e d im ie n to B d e 16 e le m e n to s . El C u a d r o 2 .2 9 .
m uestra los resultados correspondientes.

JORGE ACUNA ACUA

151

CUADRO 2.29. Informacin para ambos procedimientos

Procedim iento

Prom edio

Desviacin
Estndar

A
B

136 cm
128cm

12cm
10cm

P robar las hiptesis respectivas, si u = 135 cm y o = 20 cm , con a = 5 % .

2 9. D e un lote de 10 0 0 0 u n id a d e s se to m a n 2 6 0 p ie z a s e n c o n tr n d o s e un
nm ero de defectos com prendido entre 0 y 13 defectos distribuidos segn
el C u a d ro 2 .30. S e puede afirm ar con a = 6 % , que la variable aleatoria se
distribuye por Poisson?
30. Al a nalizar la calidad de un lote se pueden encontrar, seg n los registros
histricos, u na cantidad de defectos qu e oscila entre 1 y 8. Ai so m e te r a
in s p e c c i n un lote d e 2 5 6 u n id a d e s s e e n c o n tr el c o m p o rta m ie n to
m ostrado en el C u a d ro 2.31.
Determ ine con cc= 5 % , si la distribucin correspondiente a este conjunto es
la distribucin geom trica g (x ;0 .5 )

CUADRO 2.30. Defectos encontrados en las 260 piezas del problema 29

No. defectos

No. de piezas

No. defectos

No. de piezas

0
1
2
3
4
5
6

18
44
58
28
18
14
12

7
8
9
10
11
12
13

10
10
9
9
8
14
8

CONTROL DE CALIDAD

152

CUADRO 2.31. Datos obtenidos para el problema 30

x:
f:

136

60

34

12

nmero de defectos
nmero de piezas con ese nmero de defectos

La funcin den sid ad de esa distribucin es:

g (x ,p ) = p . qx_1
31. P a ra el P ro blem a 21 se establece que el producto que no pese entre 83,0
y 8 6 ,0 g ra m o s, no se acep tar c o m o bueno.
a. P ru eb e norm alidad de peso para a m b a s m quinas.
b. Q u se puede decir, con 9 5 % de confianza, acerca de los porcentajes
de producto no co n fo rm es en a m b a s m quinas?
32. T r e s p ro v e e d o re s e n tre g a n lotes de p ro d u c c i n q u e se p ru e b a n en el
laboratorio. La prueba consiste en m edir la resistencia a la com presin en
psi. Los datos correspondientes a los ltimos tres lotes de cada proveedor
se m uestran en el C u a d ro 2 .32.

CUADRO 2.32. Datos obtenidos de las pruebas para el problema 32

Proveedores
B

60500

69000

68000

59000

58000

61000

62500

65500

64500

T
JORGE ACUA ACUA

153

a. C o n un n iv e l d e s ig n if ic a c i n d e l 5 % , p r o b a r si h a y d if e re n c ia s
significativas para las m edias de cad a lote.
b. C o n un n iv e l d e s ig n ific a c i n d e l 5 % , p r o b a r si h a y d if e re n c ia s
significativas para las m edias de cad a lote y para cada proveedor.
c. S i h a y d ife re n cia s en cu a lq u ie ra de los c a s o s , d e m o s tra r d n d e se
presentan esas diferencias.
3 3. E n una em presa fabricante de piezas cilindricas se han generado m uchos
re cha zo s en los ltimos m eses y se cree que ello se debe a las diferencias
m o s tra d a s entre las d im e n s io n e s g e n e ra d a s entre las m q u in a s y a la
Inexactitud de las m ism as. P a ra investigar esta situacin se tom an cinco
m uestra s de cincuen ta unidades de ca d a m qu ina, m idiendo su longitud
en m m y originando la inform acin presentada en el C u a d ro 2.33.
a. S o n ciertas las hiptesis planteadas con a = 5 % ?
b. Si h a y diferencias, e n qu m quinas las h a y? U s e a = 5 %
3 4. La resistencia a la tensin ha sido una de las caractersticas que m s ha
fallado en la elaboracin de cintas vulcanizadas para llantas. Para analizar
la situacin se e n s a y a n dos m u estra s a diferentes tiem pos de c u ra d o a
14 C y u s a n d o d ife re n te s a c e le r a d o r e s . L a in f o rm a c i n o b te n id a
p re sentada en el C u a d ro 2.3 4 es para tres tiem pos de curado en minutos.

CUADRO 2.33. Datos para el Problema 33

M A Q U IN A S

M
E
D
I
A

53,4
55,8
54,5
55,6
54,0

55,5
56,0
55,0
55,5
54,6

53,3
56,2
54,0
55,0
53,8

54,3
54,9
55,8
54,1
53,5

CONTROL DE CALIDAD

154

CUADRO 2.34. Datos para el Problema 34

ACELERADOR

T
I
E
M
P
0
S

40

3900
3600

4300
3700

3700
4100

60

4100
3500

4200
3900

3900
4000

80

4000
3800

4300
3600

3600
3800

a. S e p u e d e afirm ar con a = 5 % , q u e la resistencia m edia v a ra seg n el

tipo de acelerado r?
b. S e p u e d e a firm a r c o n c t= 5 % , q u e la re s is te n c ia m e d ia v a ra de
a cu erdo con el tiem po de curado?
c. Si h a y diferencias identifique: e n qu tipo de a celerado r o tiem po de
cu rado se pre senta?
35. Para el P ro b le m a 22:
a. Q u ta m a o de m u e s tra s e re q u ie re p a ra lo g ra r un e rro r tipo II de

0 , 12 ?
b. D e acuerdo con los resultados obtenidos en 1. q u nivel de confianza
se requiere pa ra obtener una decisin contraria a la obtenida?
c. Si se considera defectuoso todo aquello que teng a un valor bajo 171,0
y sobre 173,0 y se supone distribucin normal para am bas poblaciones.
-

q u s e p u e d e a firm a r a c e rc a d e los p o rc e n ta je s d e fe c tu o s o s
sum inistrados por a m bos tipos de peg am ento?

si se fija un porcentaje defectuoso de 1 % , q u se pu ede afirm ar de

c a d a u n o de los p e g am entos?

JORGE ACUA ACUA

155

d. Si se fija el siguiente estim ador de la desviacin estndar: a =T/3 donde

T es la tolerancia dad a, q u se pu ede decir de las va ria n za s de cad a
tipo de p e g am ento si T es igual 2 ,0 ?
e. Si se especifica que el prom edio de resistencia debe ser 172,0, qu se
p u e de decir de la eficacia obtenida por cad a tipo de pegam ento?
Nota: use a = 5 % para todas las estim aciones
36. U n a fbrica dise a e m p a q u e s p a ra pro du ctos alim enticios. La form a de
trabajo consiste en disear varios bocetos y m ostrarlos al cliente. Actua l
m ente se han pre sentado a un cliente cuatro o pcion es de diseo para su
a p ro b a c i n . P a ra e v a lu a r c a d a d is e o se e s tim a el m o n to de v e n ta s
anu a les para ca d a opcin.
La s cuatro opciones se presentan en el C u a d ro 2.35.
L a inform acin o bte nid a del A N O V A se pre senta en los C u a d ro s 2 .3 6 y
2.37.
Q u opcin se p u e d e considerar la m ejor? U s e ot=5%
37. S i se d e s e a m u e s tre a r un lote de 5 0 0 0 0 u n id a d e s , p a ra v e rific a r el
p ro m e d io de d e fe c tu o s o s , c u l d e b e s e r el ta m a o de la m u e stra si:
p = 0 ,0 4 , E = 0 ,1 ,1 -a = 9 5 % ?
38. S e d e s e a m u e s tre a r la p ro d u c c i n de u n a m q u in a p a ra e s tim a r el
prom edio del dim etro de las piezas qu e fabrica. C u l es el tam ao de la
m uestra que garantiza un error no m a yo r de 0,5, con 9 5 % de confianza, si
se sa b e qu e cr2= 4 ,7 c m 2?

CUADRO 2.35. Opciones de diseo presentadas al cliente

O pcin
A
B
C
D

Descripcin
Tres colores con dibujos animados
i res colores sin dibujos animados
Cinco colores con dibujos animados
Cinco colores sin dibujos animados

CONTROL DE CALIDAD

156

CUADRO 2.36. Tamao de muestra y promedios

O pcin
A1
",

15

13

19

27

CUADRO 2.37. Cuadro ANOVA deI Problema 36

O rigen

g-1.

Sum a de C uadrados

C uadrado m edio

Diseo
Error

3
6

258
46

86
7,67

11,21

TO TA L

304

39. U n de pa rtam ento de control de calidad lleva un registro sobre la cantidad

de defectuosos encontrados por sem ana. La Informacin se presenta en el
C u a d ro 2.38.
a. Extraer una m uestra aleatoria de seis elem entos, utilizando m uestreo
aleatorio sim p le y m uestreo estratificado. E n a m b o s ca so s estim e los
parm e tros poblacionales y el error estndar.
b. C u l de los dos tipos de m u stre o s es preferible?
40. L o s p o rc e n ta je s d e fe c tu o s o s d e ios lotes re c ib id o s p o r u n a c o m p a a
oscilan entre 0 ,5 % y 3 ,5 % . D u ra n te el pre sente a o se han recibido 216
lotes que se han dividido en tres estratos, cuya inform acin se m uestra en
el C u a d ro 2.39.

JORGE ACUA ACUA

CUADRO 2.38. Datos registrados en las ltimas doce semanas

Sem ana
nm ero

Cantidad de
defectuosos

1
2
3
4
5
6
7
8
9
10
11
12

30
45
60
20
15
10
10
50
30
35
9
17

CUADRO 2.39. Informacin para el Problema 40

Estrato

% Defectuoso

Nm ero de
lotes

Desviacin
estndar del %

1
2
3

0 ,5 % -0 ,9 9 %
1 ,0 % -1 ,9 9 %
2 ,0 % -3 ,5 0 %

98
106
12

0,05
0,15
0,35

a. S e d e s e a sa ca r una m uestra de 40 lotes, cul es el n m ero de lotes

que se de b e extraer de ca d a estrato? U s e tanto afijacin ptim a com o
proporcional.
b. C a lc u le los e rro re s c o rre s p o n d ie n te s y c o m p a re a m b a s fo rm a s de
estratificar.

Captulo III

INGENIERIA DE CALIDAD

a ingeniera de calidad es la disciplina que se e n c a rg a

de investigar los m edios que perm iten la dism inucin y
si e s p o s ib le la e lim in a c i n d e la v a ria b ilid a d en los
p ro c e s o s . E s te e s tu d io s e h a c e a n te s de in ic ia r la
p ro d u c c i n y tie n e c o m o o b je tiv o in v e s tig a r to d a s
a q u e lla s c a u s a s q u e p ro v o c a n que u na d e te rm in a d a
c a ra c te rs tic a d e c a lid a d s e c o m p o rte c o n a m p lia s
tolerancias.
Para ejecutar este tipo de investigaciones se nece
sita un o rd e n a m ie n to en las activid ades de d ise o de
producto de tal m an e ra que se pu eda h acer uso de las
herram ientas estadsticas y de laboratorio para efectuar
las p rue bas que sean necesarias.
La
d is e o
fo rm a s
causa s

b a s e estadstica de este tipo de estu dios es el

de e x p e rim e n to s q u e a tra v s d e d ife re n te s
de p ru e b a perm iten identificar y co n tro la r las
de posibles problem as de calidad en la etapa de

diseo de producto.
E n la a ctu a lid a d , la te n d e n c ia es h a cia co n stru ir
calida d en la etapa de d iseo de producto, e v a lu a n d o
las diferentes m odalidades en que las caractersticas de
calidad p u eden actuar.

160

CONTROL DE CALDAD

CARACTERISTICAS DE CALIDAD
El control de p ro ce so de un pro d u cto se ejecuta so b re la ba s e de c a ra c
tersticas de calida d que se g e n e ra n en las diferentes etapas de fabricacin.
U n a ca ra cte rstica de calidad es u n a va riable o un atributo g e n e ra d a en una
o p e ra ci n de p ro d u cci n y q u e d e b e cu m p lir con los requisitos fijados. Si la
caracterstica es u na variable significa qu e es m edible (p o r ejem plo: longitud,
tem peratura, presin, hum edad y p H ). Si sta es un atributo significa que no es
m edible (p or ejem plo: olor, color, sab or, apariencia y textura).
E n el control p o r va ria b le s, s e ejecu tan una serie de m e d icio n e s co n un
instru m e n to a d e c u a d a m e n te se le c c io n a d o . La m ag nitu d o bte nid a refleja la
con dici n del p ro ce so y perm ite ob te n e r con clusiones para realizar accio n es
correctivas, p re ve ntivas y pro yectivas que evitarn futuros problem as.
E n el control por atributos, se recolecta inform acin acerca de la cantidad
d e u n idade s d e fe ctu osas a s c o m o de los defectos en co n tra d o s. E n esta a c
cin se tom a nota de posibles ca u sa s y se tom an decisiones para decrem entar
tanto la ca n tid a d de d e fe c tu o s o s c o m o la ca n tid a d y v a rie d a d de d e 'o c to s .
T a m b i n p ueden usarse para el control de producto que no siendo defectuoso
no cu m p le con lo especificado.
T a l y co m o se p u ede abstraer de la definicin de caracterstica de calidad,
un producto tiene una gran cantidad y variedad de caractersticas. A n te ello, es
n e c e s a rio e je c u ta r u na cla sifica ci n con el fin de d e te rm in a r a q u e lla s m s
Im portantes y relevantes. P ara ejecu tar esta clasificacin se hace uso de tres
d iagram as que son el diagrama de Ishikawa, el diagrama de Pareto y el dia
grama de causa- efecto. La cla sifica ci n co n sis te en re c o le cta r to d a s las
ca ra cte rstica s y p o n erlas en el d ia g ra m a de Ishikaw a, lu eg o clasificarlas de
acuerdo con su frecuencia e importancia en un diagram a de Pareto y finalmente
en co n tra r las c a u s a s y efectos o ca sio n a d o s por la falla de las caractersticas
se le cciona da s, u sand o d ia g ra m a s cau sa -efecto .

Diagrama de Ishikawa
Este diagram a, tambin conocido com o diagrama de espina de pescado,
es un m e dio de re c o le cta r la info rm a ci n so b re to d a s las ca ra cte rstica s de
calidad g e n e ra d a s en la fabricacin del producto.

JORGE ACUA ACUA

161

Existen tres tipos de d ia g ra m a s de Ishikawa, el diagram a para e l proceso

en el que se colocan las operaciones de proceso en las ram as, el diagram a para

e l p ro d u cto en el que se colocan las partes del producto en las ram as y el dia
g ra m a g e n e ra l en el q u e se an o ta n las c a ra cte rstica s d ire c ta m e n te en las
ram as, de a cu e rd o con su ocurrencia. E n el diag ram a para producto, adem s
d e las partes, es reco m e n d a b le anotar, en las ram as, el n o m bre del producto
final p u e s existen caractersticas que se o bservan solo en l.
El procedim iento para construir este diagram a es el siguiente:
1.

E le g ir el producto o pro ceso qu e se v a a estudiar.

2.

C o lo c a r la palabra proceso o el nom bre del producto (para diagram a para

producto y diagram a general) en el extrem o derecho de una flecha horizon
tal, tal y co m o lo m uestra la Figura 3.1.

3.

H a c e r u n a lista de to d a s las ca ra cte rstica s de calidad q u e se g e n e ra n .

E sta lista se efecta para cada parte del producto, cada etapa del proceso,
o en form a general. E n esto, se deb e tom ar en cuenta al operario y a ins
p ecto res exp erim entados con el fin de no dejar por fuera aq uellas c a ra c
tersticas qu e te n g a n u na periodicidad m u y irregular o m u y e sp a c ia d a y
que por lo tanto pu ede qu e no se detecten en el perodo de observacin.

4.

O rd e n a r la informacin en forma secuencial, de acuerdo con las partes que

c o m p o n e n al producto o las etapas qu e conform an el proceso.

5.

D ibujar las flechas diagonales (ra m a s principales) sobre las que se repre
s e n ta r n las partes del p ro ce s o , las partes del p ro d u cto o las c a ra c te
rsticas de calidad. E sto se puede ve r en la Figura 3.2.

>
>

Nombre de producto

Proceso

FIGURA 3.1. Formas de la flecha horizontal

CONTROL DE CALIDAD

162

Rama

6.

D ib u ja r las s u b ra m a s si e x iste n v a ria c io n e s p a ra la c a ra c te rs tic a de

calidad anotada.

7.

Verificar qu e toda s las caractersticas han sido anotadas.

E J E M P L O 3.1
E la bo ra r un diag ram a de Ishikaw a para producto para un abridor de latas
con ba se en la siguiente inform acin recolectada.
1.

El producto est com puesto por las siguientes partes: m anigueta superior,
m a n ig u e ta inferior, cu ch illa de co rte , p i n , patilla de giro del p i n y
rem ache de cuchilla.

2.

La s caractersticas de calidad para cad a parte son las siguientes:

Manigueta superior
- resistencia
- porosidad

Manigueta inferior
- longitud

'

- dim etro

- longitud

- porosidad

- im presin
- du re za

- resistencia
- dureza

- aca b a do

Cuchilla de corte

Pin

- ngulo de corte

- paso del diente

-filo

- du reza

JORGE ACUNA ACUNA

162

profundidad de corte
resistencia
du re za
porosidad

- pulido

Remache de cuchilla

resistencia
porosidad
n m e ro de dientes
dim etro exterior
ajuste

Patilla de giro del pin

-tip o
- longitud
- holgura
- dim etro exterior
- a ca b a do
- dim etro de c a b e za

-flexibilidad de giro
- an ch o
- resistencia
- porosidad
- elasticidad

Abridor de latas
- apariencia
- peso
- e m p aq ue
S O L U C IO N
C o n ba se en la inform acin su m inistrada se con struye el d ia g ra m a que
m uestra la Figu ra 3.3.

Diagrama de Pareto
El diag ram a de Pareto perm ite clasificar las caractersticas de calidad de
acuerdo con su frecuencia de ocurrencia y su importancia. Esta accin permite
c e n tra r la a te n c i n s o la m e n te s o b re a q u e lla s c a r a c te r s tic a s q u e sean
im portantes y no triviales. E ste d ia g ra m a se u sa tam bin en clasificacin de
inventarios y es co m n m e n te con ocido co m o clasificacin A B C .
E n la aplicacin de esta tcnica se hace uso de la siguiente categorizacir
de caractersticas:

Caracterstica crtica (A): es aquella falla qu e puede pro vocar la prdida

de vida de personas, el da o a la propiedad privada o hace que el producto nc
cu m p la con el fin para el cual fue creado.

CONTROL DE CALIDAD

164

M anigueta superior

Rem ache

Cuchilla de corte

FIGURA 3.3. Diagrama de Ishikawa para un abridor de latas

Caracterstica principal o mayor (B):

e s a q u e lla q u e h a c e q u e el

p ro du cto de je de cu m p lir con la funcin intentada si cae fu era de los lm ites

prescritos.

Caracterstica menor (C):

es a q u e lla q u e h ace q u e el p ro d u cto te n g a

fallas de poca im portancia si ca e fuera de los lmites prescritos.

Caracterstica incidental o irrelevante

( D ) : es a q u e lla falla q u e no

p ro voca p ro blem a s im portantes y en m u ch o s ca so s pasa de sa p e rcib id a a los

ojos del usuario. El cliente raras v e c e s se queja por este tipo de falla.
La clasificacin de caractersticas o b e d e c e a u na poltica de elim inacin
de p ro ble m a s. La regla m s u sa d a es la del 8 0 % y consiste en b u sc a r cu le s

JORGE ACUA ACUA

165

ca ra cte rstica s p ro v o ca n el 8 0 % de los pro b le m a s de calidad. La regla es la

siguiente:
De 0 % a 8 0 %

se d en om inan caractersticas crticas

D e m s de 8 0 % a 9 5 %

se d en om inan caractersticas m ayores

D e m s de 9 5 % a 9 8 %

se d en om inan caractersticas m enores

D e m s de 9 8 % a 1 0 0 % se denom inan caractersticas incidentales

E l p ro ce d im ie n to de se le cci n de c a ra cte rs tica s de calida d u sa n d o el
d ia g ra m a de Pareto es el siguiente:
1.

Listar todas las caractersticas de calidad presentadas en el diag ram a de

Ishikaw a. (C o lu m n a 1)

2.

T o m a r u n a m u e s tra de p ro d u c to te rm in a d o de ta m a o p re v ia m e n te
c a lc u la d o y to m a r n o ta de la fre c u e n c ia d e fa lla de c a d a u n a d e las
caractersticas de calidad listadas en 1. (C o lu m n a 2)

3.

O t o r g a r un p e s o (w ) a c a d a c a ra c te rs tic a d e s p u s de un a n lisis de
criticidad y ubicarla dentro de una de las cuatro categoras citadas. Puede
u sa rse u na esca la de peso , c o m o la siguiente: 1 0 0 ,5 0 , 2 5 ,1 s e g n sea
caracterstica crtica, principal, m e n o r o incidental. (C o lu m n a 3)

4.

M u ltip lica r la fre c u e n c ia a n o ta d a en 2 (n :) p o r el co rre s p o n d ie n te peso

a sig n a d o en 3. (w). (C o lu m n a 4)

5.
6.

S u m a r la colu m n a 4 y obtener el total correspondiente.

C a lc u la r el p o rce n ta je de c a d a c a ra c te rs tic a d iv id ie n d o el v a lo r de la
C o lu m n a 4 por el total obtenido en el paso 5. (C o lu m n a 5)

7.

A n o ta r en un s e g u n d o c u a d ro el listado de c a ra c te rs tic a s de ca lid a d

o rd e n a d a s de m a y o r a m e n o r con base en el porcentaje ca lcu lado en ei
p a so 6 el cual se anota en la C o lu m n a 5. (C o lu m n a s 6 y 7)

8.

C a lc u la r el p o rc e n ta je a c u m u la d o , a c u m u la n d o el p o rc e n ta je de la
co lu m n a 7. (C o lu m n a 8)

9.

Efectuar el corte al 8 0 % y asignar a cada caracterstica en el intervalo de 0

a 8 0 % , su c o r re s p o n d ie n te c la s ific a c i n id e n tific a d a p o r u n a letra.
(C o lu m n a 9)

CONTROL DE CALIDAD

166

10. C o n s tru ir el eje x c o n e s c a la indiferente pero de igual a n c h o p a ra cad a

c a r a c t e r s t ic a d e c a lid a d y el eje / c o n u n a e s c a la d e 0 a 1 0 0 q u e
representa el porcentaje.
11. Dibujar el rectngulo correspondiente a cada caracterstica de la altura que
indique la co lu m n a 2.
12. Dibujar el a cu m u la d o de la colu m n a 3.
13. Localizar en el eje y, los valores 8 0 % , 9 5 % y 9 8 % y observar en el eje x las
c a ra c te rs tic a s q u e s e d e n o ta r n c o m o c rtica s , m a y o re s , m e n o re s e
incidentales. P a ra hacer esto se localiza el valor y se traza una lnea hori
zontal hasta intersecar la lnea de porcentaje a cu m u la d o , luego se traza
una lnea vertical de la interseccin al eje x. Las caractersticas encerradas
por el cu a d ro form ado son las que corresponden a la categora en estudio.
14. O b te n e r las conclusiones de la clasificacin.

EJEMPLO 3.2
Efe ctuar un dia g ra m a de P areto para las caractersticas de calidad va ria
bles del abridor de latas citado en el E jem plo 3.1. La regla por seg u ir es la del
8 0 % y se desean identificar las caractersticas crticas sobre las qu e se basar
el su bsiste m a de control de pro ceso.
Para clasificarlas haga uso de la informacin que se presenta en el C uadro
3.1 que se obtuvo de una m uestra de 200 unidades.

SOLUCION
S e seguir el procedim iento planteado.
a.

Los paso s 1 ,2 y 3 se pre sentan en el C u a d ro 3.2.

b.

Lo s paso s 4 , 5 , 6 , 7 , 8 y 9 se presentan en los C u a d ro s 3.3 y 3.4.

c.

Lo s paso s 1 0 ,1 1 ,1 2 y 13 se presentan en la F ig u ra 3.4.

JORGE ACUNA ACUNA

167

CUADRO 3.1. Informacin recolectada para 200 unidades

Caracterstica
(Columna 1)

Abridores que no cumplieron

Peso (w)
(Columna 2)
(Columna 3)

1. Dureza de manigueta inferior

2. Longitud de manigueta inferior
3. Longitud de manigueta superior
4. Dureza de manigueta superior
5. Dimetro de manigueta inferior
6. Resistencia de manigueta inferior
7. Angulo de corte
8. Profundidad de corte
9. Dureza de cuchilla de corte
10. Resistencia de cuchilla de corte
11. Paso del diente
12. Dureza del pin
13. Resistencia del pin
14. Nmero de dientes
15. Dimetro exterior del pin
16. Longitud del remache
17. Dimetro exterior del remache
18. Holgura del remache
19. Holgura de la patilla
20. Ancho de la patilla
21. Resistencia de la patilla

2
3
5
4
5
4
25
10
15
1
20
1
5
6
24
30
25
10
10
25
5

100
25
1
50
50
25
100
100
50
1
25
50
50
5U
25
1
25
100
100
50
100

C o n c lu s io n e s
Al o bserva r la Figura 3.4 o el C u a d ro 3.4 se concluye q u e la caracterstica
m s im portante es la N o. 7 qu e es el ngulo de corte y la m e n o s im portante la
N o. 10 qu e es la resistencia de la cuchilla de corte. A su v e z el subsistem a co n
trol de p ro ce so basar su s accio n es en las caractersticas pre sentada s en el
C u a d ro 3 .4 . Esto significa qu e el subsistem a bu sca la elim inacin del 8 0 % de
los pro ble m as de calidad por m edio del estudio e im plem entacin de m edidas
sobre las caractersticas seleccionadas.

CONTROL DE CALIDAD

168

CUADRO 3.2. Clculos Intermedios para el Paretograma

Caracterstica
(Columna 1)

(Columna 2)

",

w
(Columna 3)

n*w
(Columna 4)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

2
3
5
4
5
4
25
10
15
1
20
1
5
6
24
30
25
10
10
25
5

100
25
1
50
50
25
100
100
50
1
25
50
50
50
25
1
25
100
100
50
100

200
75
5
200
250
100
2500
1000
750
1
500
50
250
300
600
30
625
1000
1000
1250
500

TO TA L:

Porcentaje
(Columna 5)
1,800
0,670
0,040
1,800
2,230
0,900
22,350
8,940
6,700
0,009
4,470
0,450
2,2G0
2,680
5,360
0,270
5,600
8,940
8,940
11,170
4,470

11186

D ia g ra m a c a u s a -e fe c to
P a ra c a d a u n a de las c a ra c te rs tic a s prioritaria s s e le c c io n a d a s p o r el
p a re to g ra m a se c o n s tru y e un d ia g ra m a de c a u s a -e f e c to , d o n d e c o m o el
n o m b re lo indica, el objetivo es b u s c a r las ca u sa s qu e pro vo ca n y los efectos
p ro vo ca d o s por la falla de esa caracterstica.

JORGE ACUA ACUA

169

CUADRO 3.3. Clculos finales del Paretograma

Caracterstica
(Columna 1)
7
20
8
18
19
9
17
15
21
11
14
5
13
4
1
6
2
12
16
3
10

(Columna 2)
22,35
11,17
8,94
8,94
8,94
6,70
5,36
5,36
4,47
4,47
2,68
2,23
2,23
1,80
1,80
0,90
0,67
0,45
0,27
0,04
0,01

% acumulado
(Columna 3)

Clasificacin
' (Columna 4)

22,35
33,52
42,26
51,40
60,34
67,04
72,64
78,00
82,47
86,94
89,62
91,85
94.08
95,88
97,68
98,58
99,25
99,70
99,65
99,99
100,00

A
A
A
A
A
A
A
A
B
B
B
B
B
C
C
D
D
D
D
D
D

Este diagram a es una importante arm a para la b sq u eda y eliminacin de

causa s de variacin y constituye una forma ordenada de recolectar informacin
a ce rca de las fallas que afectan la calidad del producto.
Este diagram a puede ser construido de dos formas. La prim era consiste en
colocar siete ram as para las causas y siete ram as para los efectos. Estas ramas
co n stitu ye n los facto res de la calida d. La otra form a co n sis te en ano tar las
c a u s a s y los efectos d irectam e nte en ca d a ra m a . La s e g u n d a form a tiene la
desventaja de que no Identifica al agente causante o afectado con la falla de la

170

FIGURA 3.4. Paretograma del Ejemplo 3.2.

CONTROL DE CALIDAD

Q -O ^O L

Z H < -3 U J

"3

o'-

JORGE ACUNA ACUNA

171

CUADRO 3.4. Caractersticas seleccionadas por el Paretograma

No.
7
20
8
18
19
9
17
15

Nom bre
Angulo de corte
Ancho de la patilla
Profundidad de corte
Holgura del remache
Holgura de la patilla
Dureza de la cuchilla de corte
Dimetro exterior del remache
Dimetro exterior del pin

caracterstica de calidad. E n a m bos casos se acta con control preventivo con

el fin de proyectar todas las actividades que pre ve ng an las fallas de calidad.
El procedim iento de construccin de este diagram a es el siguiente:
1.

C o lo ca r la caracterstica en estudio en un cu ad ro centrado

2.

A n ota r a la izquierda las ca u sa s y a la dere ch a los efectos

3.

Identificar cada ram a con un factor de calidad. Los nom bres de los factores
de calidad se anotan en el e n c a b e za d o de las ram as

4.

A n o ta r en c a d a ram a las c a u s a s y los efectos se g n sean o rig in a d o s o

afectados por cad a factor de calidad

5.

C o rro b o ra r que se haya anotado toda la inform acin

La Figu ra 3.5 m uestra el e sq u e m a correspondiente a este diagram a.

EJEMPLO 3.3
D e te rm in a r las c a u s a s y e fe cto s p a ra el c a s o en q u e la o p e ra c i n de
llenado de bolsas de cacao no cum plan con el peso especificado.

CONTROL DE CALIDAD

172

Causas
Hom bre

M quina

Efectos
Dinero

Hombre

M quina

Dinero

FIGURA 3.5. Esquema de un diagrama causa-efecto.

SOLUCION
La Figura 3.6 presenta el diag ram a solicitado. La inform acin se recolecta
directam ente en las lneas de produccin y en entrevistas con inspectores.

NORMALIZACION
El a vance tecnolgico y las condiciones com petitivas de los productos en
el m erca do provocan cam bios relevantes en la forma de pensar de productores
y con sum ido res.
U n o de estos ca m bios se refiere a exigencias de calidad, las cuales en su
m a y o ra son esta b le cida s por el c o n s u m id o r y cu m plidas p o r el pro ductor, si
ste d e s e a te ne r xito en m e rc a d o s tanto ra c io n a le s c o m o internacionales.
Bajo este con ce pto m od e rn o de calidad de producto, el pro ductor d e b e esta
blecer eficientes y eficaces sistem as, para lograr la fabricacin de un producto
q u e c u m p la c o n e s p e c if ic a c io n e s d e d is e o q u e g a ra n tic e n a su v e z el
cum plim iento de los requerim ientos del consum idor.

FIGURA 3.6. Diagrama causa-efecto para el Fjemplo 3.3

JORGE ACUA ACUA

CONTROL DE CALIDAD

174

C o m o u n a a c tiv id a d p a ra le la a la identificacin de c a ra c te rs tic a s de

c a lid a d , el a n a lista de ca lid a d d e b e e s ta b le c e r o re c o le cta r las n o rm a s de
proceso y de producto que sean los patrones de com paracin para llevar a cabo
un v e rd a d e ro co n tro l. E s te p ro c e s o p e rte n e ce a u n a disciplina o rg a n iz a d a
co n o cida co m o norm alizacin.
L a n o rm a liz a c i n se d e fin e c o m o el p ro c e d im ie n to de fo rm u la c i n y
aplicacin de reglas que pretenden e n c a u za r una determ inada actividad dentro
de un patrn de com portam iento ad e cu a d o . Los objetivos m s im portantes de
esta disciplina son:
1.

2.

Facilitar y racionalizar la flexibilidad en el uso de m ateriales de tal m anera

qu e se tengan costos m s bajos y calidad de un nivel superior.
E s t a b le c e r p ro c e d im ie n to s q u e p e rm ita n e v a lu a r las In n o v a c io n e s
tecnolgicas im portada s de otros pases.

3.

P rotege r los intereses del co n su m id o r y las condiciones del am biente.

4.

G e n e r a r e s p e c ific a c io n e s q u e p e rm ita n un v e rd a d e ro co n tro l de las

actividades productivas.

5.

O rg a n iz a r la produccin o rd e n a n d o procedim ientos y m etodologas.

El instrum ento g e ne ra do de un estudio de norm alizacin se con oce com o

n o rm a . La n orm a se define c o m o el resultado de la gestin de norm alizaci n
a p ro b a d a p or u n a autorid ad form al y c u y a aplicacin se hace a tra v s de un
d o c u m e n to q u e co n tie n e los re q u e rim ie n to s y c o n d ic io n e s q u e d e b e n ser
c u m p lid a s. Si se habla de p ro ce s o s pro ductivos, el n o m b re que recibe es de
n orm a tcnica. La norm a tcnica contiene, entre otras cosas, especificaciones
p a ra la va ria b le e n e s tu d io , m to d o de e n s a y o , e q u ip o e in s tru m e n ta c i n
necesaria, m todo de tom a de la m uestra y accion es por tomar.

Tipos de normas tcnicas

L a s n o rm a s t c n ic a s se cla sifican s e g n su c a r c te r de a p lica c i n , su
contenido y su nivel de aplicacin.
L a s n o rm a s s e cla sifica n d e a c u e rd o co n su c a r c te r de a p lica c i n en
n o rm a s obligatorias y optativas. La s norm as obligatorias son dictadas por un

JORGE ACUNA ACUNA

175

ente oficial com petente y adquieren validez al ser publicadas en un diario oficial.
Las norm as optativas son tam bin aprobadas por un ente oficial pero su aplica
cin es voluntaria.
La s n o rm a s, de a c u e rd o con su con te n id o , se clasifican en la siguiente
form a:
1.

D e term inologa y definiciones. Recolectan conceptos y los definen con el

fin de establecer un lenguaje uniforme.

2.

D e cla sifica ci n . C la s ifica n c o n c e p to s y los o rd e n a n en fu ncin d e su

finalidad.

3.

D e elaboracin. Establecen condiciones de manufactura que garanticen el

cum plim iento de los requisitos exigidos por el cliente.

4.

D e requisitos. Indican entre otras co s a s valores nom inales y tolerancias

p ara productos y partes.

5.

D e m todos de ensayo . Establecen los procedim ientos para la ejecucin

de e n s a y o s q u e p e rs ig u e n e v a lu a r el c u m p lim ie n to de los re q u isito s
exigidos al producto.

6.

D e m u e s tre o y re c e p c i n . E s ta b le c e n ta m a o s de m u e s tra , p ro c e d i
m ientos de extraccin y criterios de aceptacin y rechazo.

7.

De rotulado. Plantean la forma de identificar, manipular y transportar el pro

ducto. Estas norm as son m uy tiles en el e m p a q u e de producto.

8.

9.

D e enva se y em balaje. Establecen las caractersticas y propiedades de los

m ateriales por usar para proteger, transportar y alm acen ar el producto.
D e uso. Establecen los m todos para lograr una a d e c u a d a utilizacin del
producto.
La s norm as seg n su nivel de aplicacin se clasifican en:

1.

D e nivel individual. S e usan para la atencin de problem as que conciernen

a un usuario.

2.

D e nivel em presarial. La em presa decide desarrollar una norm a para ser

aplicada internam ente. P or ejemplo, una em presa del sector m e ta l-m e c
nico decide im plem entar una norm a para el proceso de limado.

CONTROL DE CALIDAD

176

3.

D e nivel de asociacin. V a ria s e m p re s a s afiliadas a una asociacin d e ci

den plantear y acatar una norm a qu e les permite cum plir con intereses afi
nes. Por ejem plo, una cm ara sectorial decide implantar una norm a con el
fin de qu e las e m p re s a s afiliadas la cum plan.

4.

D e nivel n a c io n a l. S e c to re s in d u s tria le s d e s a rro lla n n o rm a s p a ra s e r

cum plidas por todos ellos. E sto pu ede darse a nivel formal o informal. Por
ejem plo, el Instituto de N o rm a s T c n ic a s de C o sta R ica ( I N T E C O ) decide
im plem entar u na norm a para s e r cu m plida por un sector especfico.

5.

D e nivel regional. V a rio s pa se s acu e rd a n desarrollar una norm a p a ra su

beneficio m utuo. P or ejem plo, el Instituto C e n tro a m e rica n o de Investig a
ci n y T e c n o lo g a Indu strial ( I C A I T i ) d e c id e p o n e r a las rd e n e s de la
regin cen troam erican a una n orm a determ inada.

6.

D e nivel m undial. S e dictan en m bito m undial para facilitar el intercam bio

e co nm ico con parm etros c o m u n e s . P or ejem plo, la O rg a n iza ci n Inter
nacional de E sta n d a riza ci n (IS O ) pon e a disposicin de quien lo quiera
u na norm a para el control de aceptacin por atributos.
U n o de los a sp e cto s cla ve s es q u e la em p re s a d e b e b u sca r por el m edio

m s convenie nte, la form a de desarrollar o adoptar norm as. U n o de los a s p e c

tos qu e ayudan en esta tarea son las norm as tcnicas de aplicacin especfica.
S in e m b a rg o , al s e r e s p e c fic a s so n a p lic a b le s s e g n cie rta s c o n d ic io n e s
im puestas por la naturaleza del pro ceso y producto en estudio. A s, la tarea de
integracin de n orm as se pu ede vo lve r inm anejable e im productiva. P a ra ello,
es m ejor el uso de norm as de aplicacin general cuyo objetivo es e nm arcar una
d e te rm in a d a tarea, de ja n d o los a sp e c to s especficos para ser a n a liza d o s de
a cu e rdo con el p ro ceso o producto analizado.

N o r m a IS O -9 0 0 0
U n a de las te n d e n c ia s p o s itiv a s de los o rg a n is m o s de n o rm a liz a c i n
in te rn a c io n a le s h a s id o el e s ta b le c im ie n to de se rie s de n o rm a s c o n un fin
e specfico. E n este ca s o la S e rie IS O -9 0 0 0 pro cu ra un ordenam iento de todo
aquello relacionado con asegu ra m iento de calidad, visto desde su con cepcin
integral.

JORGE ACUNA ACUNA

177

E n 1987, IS O (O rg a n is m o Internacional de E sta n d a riza c i n ) aprob un

c o n ju n to de n o rm a s q u e lle va n el n o m b re S e rie IS O -9 0 0 0 , c u y o principal
objetivo es el establecim iento de m ecanism os de aseguram iento de la calidad,
que garanticen la bu en a m arch a de las actividades internas de una em presa y
de su relacin con los clientes.
La Serie IS O -9 0 0 0 es un conjunto de cinco norm as num era das de 9000 a
9004, las cuales se aplican a la gestin de calidad. Las norm as se pueden usar
bajo co n d icio n e s contractuales y no contractuales, con el fin de garan tizar la
entrega de un producto que cu m pla los requisitos previam ente establecidos por
el cliente.
La aplicacin de la Serie IS O -9 0 0 0 requiere de bastante grado de especializacin en co n cepto s m odernos de calidad, p u e s la norm a solo establece los
in stru m e n to s p o r e v a lu a r, q u e d a n d o los m e d io s y los p ro ce d im ie n to s para
h a ce rlo bajo la re s p o n s a b ilid a d del analista q u e la a pliqu e . E s to s p ro c e d i
m ientos y m todos persiguen diagnosticar el sistem a de calidad. D e b e tenerse
presente aqu qu e las norm as usan el concepto de calidad con enfoque integral
y no bajo el c o n ce p to m nim o de inspeccin de pro du cto. La n o rm a contiene
definiciones y co n ce p to s qu e perm iten e n m a rc a r la evalu acin y decidir qu
a spectos evaluar.
La norm a 9000 establece los criterios para seleccionar o aplicar las normas
que co m p o n e n la serie. E n ella se dan las caractersticas de cad a norm a de tal
m ane ra qu e se p u e d a decidir con facilidad cul usar.
Si se d e s e a estab lecer un nivel de gestin de calidad, qu e con lleve a un
constante m ejoram iento de la calidad de producto y servicio al con su m ido r, y
qu e tom e en cuenta tanto factores h um a nos co m o tcnicos y organizativos, se
de b e aplicar la norm a 9004.
S i s e h a n e s ta b le c id o s itu a c io n e s c o n tra c tu a le s e n tre el clie n te y el
p ro v e e d o r se d e b e aplicar la n o rm a 90 0 1 , 9 0 0 2 o 90 0 3 . Al decir situaciones
contractuales im plica que el cliente ejecuta pedidos al proveedor en los cuales
establece su s condiciones.
El C u a d ro 3 .5 m uestra una breve descripcin de cad a una de las norm as
qu e co m p o n e n la Serie IS O -9 0 0 0 .

CONTROL DE CALIDAD

178

CUADRO 3.5. Descripcin de la Serie iSO-9000

Norma

Nombre

Breve descripcin

ISO-9000

Norma para la gestin y

aseguramiento de la calidad.
Lineamlentos de seleccin
y aplicacin.

Es la gua que permite seleccionar el tipo de

modelo a usar. Da las pautas para que el ana
lista escoja el modelo que ms se adeca a las
caractersticas de la empresa y a sus relaciones
con el cliente.

ISO-9001

Sistema de calidad. Modelo

de aseguramiento de la
calidad aplicado al diseodesarrollo, fabricacin,
instalacin y servicio.

Se usa cuando existe un compromiso contrac

tual entre cliente y proveedor para entregar un
producto acorde a sus requisitos. Se fijan las
caractersticas que demuestran que el produc
tor es capaz e Idneo para cumplir el contrato.
Incluye todas las actividades por realizar
desde el diseo de producto hasta el
servicio post-venta.

ISO-9002

Sistema de calidad. Modelo

de aseguramiento de calidad
aplicado a la fabricacin e
instalacin.

Se usa en situaciones contractuales,

cuando la capacidad del proveedor para
fabricar un producto acorde a las necesi
dades del cliente, debe ser demostrada.
Las actividades planteadas tienen por
objetivo la prevencin y deteccin de
Irregularidades tanto en la etapa de fabri
cacin como en la etapa de instalacin.

ISO-9003

Sistema de Calidad. Modelo

de aseguramiento de calidad
aplicado a la inspeccin y
ensayos finales.

Se usa en situaciones contractuales

cuando se debe demostrar que el produc
tor ejecuta ensayos y pruebas finales al
producto, con el fin de evitar que productos
no conformes lleguen a manos del cliente.

ISO-9004

Sistema de calidad. Gestin

de calidad y elementos del
sistema. Lineamientos.

Se usa cuando se desea disear un sistema

de calidad que d confianza a la direccin
de que se van a cumplir los requisitos
impuestos por el cliente. Incluye actividades
que van desde el diseo de producto,
anlisis de materiales, control de proceso y
hasta la investigacin de fallas del pro
ducto en manos del cliente.

JORGE ACUNA ACUNA

179

U n a de las ventajas de esta serie es qu e sirve de base para la im plem entacin de un sistem a m o d e rn o de control de calida d, el cual p o d e m o s estar
se g u ro s qu e cum plir con lo requerido por la Serie.
El cum plim iento de lo establecido por esta norm a es im prescindible, pues
se r un requisito por cu m plir para iniciar o p e ra cio n e s com erciales con o rg a
nism os internacionales.

METROLOGIA
L a m etrologa es la ciencia de la m edicin y se refiere a la e sco gen cia del
instrum ento adecu ado, que perm ita m edir un elem ento o caracterstica en las
u n ida de s d e seadas, y en los sistem as de unidades adoptados. E n el ca so de
inspeccin de calidad la unidad d e s e a d a d e pe nde de la especificacin qu e se
t e n g a y el s is te m a d e m e d id a a d o p ta d o e s el M K S (m e t r o -k ilo g r a m o s e g u n d o ).
Si la m edicin no es efectuada bajo las condiciones m etrolgicas fijadas,
los datos obtenidos no reflejarn las condiciones de la caracterstica qu e est
siendo m edida. C o m o resultado, las conclusiones y decisiones sern errneas
y costosas.
E n m e tro lo g a se p u e d e n co m e te r dos tipos de e rrore s: sistem tico s y
c a s u a le s . Lo s e rrore s sistem ticos so n pro pio s del instrum en to u sa d o y se
deb e n entre otras cosas a cam bios de tem peratura qu e afectan al material de
q u e estn h e ch os, a de s ga ste s o a errore s en la esca la tra za d a . Lo s errores
casua les se deben al ser hum ano y su origen se encuentra principalmente en la
falta de e n tre nam iento en el uso del instrum ento. E sta falta de capa citaci n
p ro voca errores tales co m o m ala colocacin del instrum ento con respecto a la
p ie z a , lectura e rr n e a de e s ca la s y m a la o in a d e c u a d a re g u la c i n del in s
trum ento con respecto al patrn de m edida usado.
L o s in s tru m e n to s d e m e d ic i n s e p u e d e n c la s ific a r s e g n el re a o
disciplina en que se usan. Algu na s de estas , aas son: M ecnica, Electricidad,
F sica , M etalurgia, Q u m ic a , Biologa y Botnica (Brito,1993)
E n el rea M e c n ica , por ejem plo, los instrum entos se clasifican en ins
tru m e nto s para m e d id a s de longitud, instrum entos para m edidas ang u la re s,

CONTROL DE CALIDAD

180

in stru m e n to s de ve rificacin de atributos e instrum en tos de m e dida y verifi

ca cin en el laboratorio.
L o s in stru m e n to s para m e d id a s de longitud perm iten m edir entre otras
d im e n s io n e s a n c h o , la rg o , p ro f u n d id a d y d i m e tro . E je m p lo s d e e s to s
instrum entos son el pie de rey y el m icrm etro. Los instrum entos para m edidas
a n g u la re s c o m o su n o m b re lo Indica perm iten m edir m a g n itu d e s a n g u la re s.
E je m p lo s de ellos son el gonim etro y la regla de senos. Lo s instrum entos de
verificacin de atributos perm iten co m p ro b a r si una caracterstica c u m p le con
un patrn fijado sin efectuar m edicin a lg u n a . Ejem plo s de stos son los cali
bres p a s a -n o pa sa , las ruedas den tadas, e scua dras, c o m p a s e s y palp adore s
de cartula. Los instrum entos de verificacin en laboratorio cum plen la m ism a
fu n c i n de los a n te rio re s y g e n e r a lm e n te o c u p a n un e s p a c io im p o rta n te .
E je m p lo s de ellos s o n la m e sa de control de excentricidades y el co m p a ra d o r
ptico.

ESPECIFICACIONES
D e a cu erdo con su origen, existen dos tipos de especificaciones q u e son
las especificaciones de co n su m id o r y las especificaciones de productor.

Especificaciones del consumidor

E sta s especificaciones se originan en los requerim ientos o caractersticas
q u e el c lie n te d e s e a in c o r p o r a r e n el p ro d u c to q u e v a a a d q u irir. E s ta s
e sp e c ifica cio n e s se clasifican en o c h o g ru p o s cu y a d e s crip ci n se b rin d a a
continuacin.
A.

Dimensional. A q u se

definen a lg unas m edidas qu e el cliente de se a en el

producto. P or ejem plo, la capacidad en litros de un tanque de captacin de

a gua.
B.

Funcional. E n e ste c a s o el c lie n te e s ta b le c e los re q u e rim ie n to s de

fu n cio n a m ie n to q u e g a ra n tice n u n a m e jo r utilizacin del p ro d u cto . P o r
ejem plo, la ca pa cid ad de d e sco nex i n de una plancha cu a n d o alcance la
tem peratura d e seada.

JORGE ACUNA ACUNA

C.

Apariencia.

181

E sta caracterstica juega un papel m u y importante, principal

m e n te pa ra p ro d u cto s alim enticios y s u n tu o s o s , p u e sto q u e en ellos el

p rim e r p unto crtico de e va lu a c i n de calida d se da por la vista. La a p a
riencia est relacionada con la forma, el color, la presentacin, el em paque
y todo a quello qu e llame la atencin del cliente. P o r ejem plo, el color que
presente una jalea.
D.

Servicio.

E s te se refiere a todo s aquellos a sp e c to s relacionado s con la

a te n c i n b rin d a d a , p o r la e m p re s a , u n a v e z q u e el p ro d u c to ha sid o
adquirido por el cliente. El servicio con sid era los siguientes aspectos:

Disponibilidad. S e

refiere a la accin qu e permite localizar el producto

con facilidad, es decir, qu e si se necesita se pueda adquirir en el m enor

tiem po posible. S e asocia tam bin con la facultad del producto de estar
apto para su uso.

Mantenibilidad. S e

refiere a la necesidad qu e tiene el con su m ido r de

qu e al fallar el producto, ste pu eda s e r re p arado en el m e n o r tiem po

posible, existiendo am plia disponibilidad de repuestos. P or ejem plo, la
varie dad de repuestos para reparar un televisor.

Servicibilidad.

Esto se refiere a la necesidad que tiene el consum idor

de q u e el s e rv ic io de in sta la c i n , e x p lic a c i n de fu n c io n a m ie n to y
reparacin se haga en la m ejor form a y en el m eno r tiem po posible. S e
in c lu y e n las facilid a d e s q u e se le d a n al cliente de q u e d e v u e lv a el
producto si ste no satisface sus expectativas.
E.

Conservacin.

S e refiere a la c a p a c id a d del p ro d u c to , e x ig id a p o r el

c lie n te , d e c o n s e rv a r su s c a ra c te rs tic a s in ic ia le s d u ra n te un tie m p o

prudencial fijado por el fabricante. Por ejem plo, el tiem po de duracin de
una caja de leche.
F.

Manejo. S e

refiere a las facilidades de m ovim iento que ofrezca el producto,

de tal m a n e ra qu e su traslado de un lugar a otro sea fcil. P o r ejem plo, la

utilizacin de en va se s desechables en lugar de e nvase s retornables, en el
ca so de refrescos g aseoso s.
G.

Requisitos legales.

S e refiere a los requisitos de ca r cte r legal q u e se

exigen al producto. Por ejem plo, etiqueta que contem ple los Ingredientes y
la m a rca respectiva.

CONTROL DE CALIDAD

182

H.

Empaque.

S e refiere a la fu n cio n a lid a d y pro te cci n q u e se te n g a del

p ro d u c to , c o n el fin d e n o a lte ra r s u s c a ra c te rs tic a s d e c a lid a d . P o r

ejem plo, e m pa q ue doble uso.
El productor debe tom ar estas especificaciones y generar especificaciones
tcnicas capa ces de cum plir con las exigencias establecidas. Parte del xito de
lograr total satisfaccin del co n s u m id o r se ba s a en h acer una correcta inter
pretacin de esos requerim ientos.
U n a de las tcn ica s q u e en la actualidad es usada para ejecutar u na efi
ciente traduccin de con ceptos es Q F D Q uality Function Deploym ent (G u ti
rrez, 1989). A travs de ella se pretende transformar las peticiones del cliente en
e sp e c ifica cio n e s in g e n ie rile s q u e al s e r re p ro d u c id a s g a ra n tice n el c u m p li
m iento de las ne ce sid a des del cliente. Este C a ptulo analizar, m s adelante,
a lgunos aspectos referentes a esta tcnica.

Especificaciones del productor

L a s e s p e c ifica cio n e s del p ro d u c to r o e s p e c ifica cio n e s t cn ica s so n el
patrn d e c o m p a ra c i n q u e fo rm a n parte de u na n o rm a y c u y o ob je tivo es
brin d a r a la insp e cci n la g u a p a ra ca ta lo g a r al p ro du cto c o m o a ce p ta b le o
recha za ble.
D e p e n d ie n d o del pro du cto, este tipo de especificaciones son fijadas por
m edio de una norm a, del cliente o de la e m p re s a m ism a. N o e s p o s ib le d e c ir

que se est ejecutando un con tro l de proceso si no existe una especificacin. El

parmetro de com paracin es absolutam ente necesario para conocer cul esfel
estado de un proceso.
La s especificaciones del pro ductor se deb en dar en form a escrita y en la
m e d id a de lo p o s ib le d e b e n s e r n u m ric a s p u e s al s e r v e rb a le s p u e d e n
pro voca r m alas interpretaciones. Las especificaciones a m enu do se presentan
co m o un va lo r nom inal d e n o ta d o por M y u na tolerancia d e n o ta d a por T . E s e
valor nom inal es un valor central m ientras qu e la tolerancia es una desviacin
m xim a perm isible. E n la co m b in a c i n de estos dos a sp e c to s se pre sentan
cuatro ca so s que son:

JORGE ACUA ACUA

183

CASO I
M T : este caso establece una variacin entre dos valores, uno superior (M + T )
y otro inferior (M - T ) , s ie n d o inacepta ble la p ro d u cci n q u e sa lg a del
intervalo establecido

CASO II
M - T : este caso establece un valor nominal (M ) y un valor Inferior (M - T ) bajo el
cual la produccin se considera inaceptable

CASO III
M + T : este c a s o e sta b le ce un v a lo r nom inal (M ) y un va lo r s u p e rio r (M + T )
sobre el cual la produccin se considera inaceptable

CASO IV

+t ,

, ~T*

: este caso establece un valor nominal y tolerancias diferentes hacia arriba

y abajo.
Esto se da pu es el costo y la probabilidad de que el producto salga a un
lado u otro son diferentes
Para ana lizar caso s, referentes especialm ente a variables, es necesario

d o m in a r los c o n c e p to s de e x a c titu d y p re c is i n , los q u e se v e r n a c o n

tinuacin.

Exactitud y precisin
La exactitud se m ide de acuerdo con la m agnitud del movimiento que tenga
el p ro m e d io y la precisin de a cu e rd o con la m a g nitu d de la variabilidad con
respecto a un valor prefijado. El anlisis de exactitud y precisin de un proceso
puede llevar a identificar anom alas, las cuales una v e z eliminadas o reducidas,
oca sio na n la dism inucin de producto no conform e con especificaciones.

184

CONTROL DE CALIDAD

Si se tiene una especificacin M T , entonces se definir la exactitud com o

el grado en que el prom edio estim ado del proceso coincide con el valor nominal

(M) de especificacin. C u a n d o se c u m p le esa con dici n se habla de un pro

ceso centrado. Si se m uestra n diferencias entre a m b o s valores es necesario
pro b a r si son significativas. Lo s p ro c e s o s ce n tra d o s d e b e n ser u sa d o s solo
cu an do las condiciones fsicas y eco n m icas, arriba y abajo del valor nom inal,
son parecidas o iguales.

La precisin e s

el g ra d o en qu e el pro ceso tiene una m agnitud de v a ria

bilidad igual o inferior a un te rcio d e la to le ra n c ia p re fija d a . Lo a n te rio r se

dem u estra as:
S e a un pro ce so ce n tra d o que se distribuye no rm a lm e n te con m edia X y
desviacin estndar a ', el cual estadsticam ente es obligado a producir dentro
del rango de la m edia y 3 o , entonces su representacin grfica se da s e g n la
Figu ra 3.7.
D e sd e el punto de vista estadstico (9 9 ,7 4 % de producto aceptable), para
tener la m xim a produccin aceptable es necesario que 6 o sea igual o m e n o r
a 2 T , de a qu 6 o < 2 T o s e a o < T / 3 . Si hay d u d a s e n la diferencia se debe hacer
la prueba de hiptesis corresp ondiente u sand o la distribucin ch i-cu a d ra d o .

i__________________________________________________ i
2 T

l--------------------------------------------------------------------------------------------- 1
6 o -

FIGURA 3.7. Representacin grfica de exactitud y precisin

JORGE ACUNA ACUNA

185

E n la com binacin de exactitud y precisin existen cuatro caso s que son:

C A S O A : P roceso c entrado y p re ciso

E ste e s el m ejo r de los c a s o s y a q u e el porcentaje d efectu oso s e g n la
distribucin norm al es 0 ,2 7 % o m enos. Si se tiene este caso se deben ejecutar
a ctividades qu e perm itan qu e esta condicin pre va lezca.
La Figu ra 3 .8 m uestra este caso.

(*

3 0 -

X =

_ --------------------------------------------------------------

M - T

3 tr

l
M + T

(*) El intervalo X 3o puede ser menor que el representado.

FIGURA 3.8. Representacin grfica del Caso A

C A S O B: P roceso d escentrado y pre ciso

L a p re s e n ta c i n de e s ta s itu a c i n p u e d e g e n e r a r g ra n c a n tid a d de
defectuosos o producto no conform e con especificaciones. La m agnitud de esta
cantidad d e p e n d e de qu tan g ra n d e es la diferencia entre la m edia estim ada
del pro ce so y el valor nom inal especificado.
La Figura 3.9 representa este caso. E n ella se puede ver que los valores de
la m edia del pro ceso y el nom inal son diferentes.

CONTROL DE CALIDAD

186

X " 3 u

x -

3tr>

FIGURA 3.9. Representacin grfica del Caso B.

C A S O C: P roceso cen tra do e im preciso

E s un caso delicado, que puede provocar gran cantidad de producto defec
tuoso o no conform e con especificaciones, esto depende de la m agnitud de o .
La F ig u ra 3 .10 m uestra este caso.

M -T

M +T

FIGURA 3.10. Representacin grfica del Caso C

JORGE ACUNA ACUNA

187

1-----

C A S O D: Proceso d escentrado e im preciso

E ste es el p e o r de los ca so s. C u a n d o se p re se n ta , se d e b e dism in u ir la
dispersin para luego centrar el proceso. E L objetivo es disminuir la cantidad de
produccin defectuosa o no conform e con especificaciones.
L a Figu ra 3.11 m uestra este caso .

3 ir

3 tr

FIGURA 3.11. Representacin grfica del Caso D

L a e x actitu d y la p re cis i n del p ro c e s o , se d e fin e n de a c u e rd o con la

especificacin, pero tam bin se pueden definir de acuerdo con la capacidad del
p ro ceso. Si es as, exactitud y precisin se definen de la siguiente form a:

Exactitud es el grado en que un proceso m antiene su prom edio cerca del

valor verd a d e ro poblacional sin cam bios bruscos que lo descontrolen.
Precisin es la c a p a c id a d de un p ro ce so de m a n te n e r u na d ispersi n
controla da, o se a q u e la desviacin estn dar se encu entra siem pre ce rca del
valor poblacional m s favorable.
P a ra c o m p le m e n ta r el an lisis de exactitud y p re cis i n es im p o rtante
calcular el porcentaje defectuoso o no conform e con especificaciones. Para ello
es necesario que la variable en estudio se distribuya norm alm ente tal y co m o lo
m uestra la Figura 3.12.

CONTROL DE CALIDAD

188

M - T

M t T

A, + A2= Porcentaje de producto fuera de especificaciones

FIGURA 3.12. Representacin grfica de la curva normal para el clculo del porcentaje
de inconformidades

EJEMPLO 3.4
U n a operacin de corte de piezas deb e cum plir con una especificacin de
10 ,5 1 ,3 c m . S e to m a u n a m u e s tra de 100 u n id a d e s y d e s p u s de h a b e r
realizado u na distribucin de frecu encias se obtiene u na m edia de 10,2 cm y
u na d e s via ci n e st n d a r de 0 ,8 cm . A d e m s , se ha e je cu ta d o la re s p e ctiva
prueba de norm alidad, siendo sta acep tada con 9 5 % de confianza. C u l es
el estado de la operacin de corte?

SOLUCION
1. A n lisis de exa ctitud
D e a cu e rd o con los datos, M no es igual a X por lo qu e se har la re s p e c
tiva p ru e b a d e h ip te sis. L a F ig u ra 3 .1 3 m u e s tra las c a ra c te rs tic a s de la
hiptesis por probar.
C o n a = 5 % , no h a y e v id e n cia p a ra afirm ar que el p ro c e s o est e s ta d s
ticam ente centrado, puesto que el Z terico (-1 ,9 6 ) es m ayor que el Z calculado
(-3 ,7 5 ),

JORGE ACUNA ACUNA

189

H 0: n = 10,5
H a: g no es igual a 10,5
0 ,0 2 5

0 ,0 2 5
1 0 ,2 -1 0 ,5
: -3 ,7 5

0,8
- 1,9 6

\/io~

l,9 6

FIGURA 3.13. Hiptesis de medias (bilateral)

2.

A n lisis de pre cisi n

C o n el fin d e a n a liz a r la p re c is i n d e e s te p r o c e s o s e c o m p a r a la

desviacin estndar con un tercio de la tolerancia. A s:

o < T/3
0,8 > 1,3/3
0,8 > 0 ,4 3
E ste anlisis m uestra evidencia de im precisin. N o es necesario, en este
c a s o , p e ro p a ra efecto s ilustrativos se p ro b a r la h ip tesis. La F ig u ra 3 .1 4
m uestra las caractersticas de la hiptesis por probar.

H 0; 2= (T / 3 )2
H a: o 2> (T / 3 )2

0 , 82
se2 = 100 ---------- = 3 4 6 ,1 3
0 ,4 3 2

(*) V a lo r o b te n id o d e T A B LA III del

Apndice I.
ae= 124,342"

FIGURA 3.14. Hiptesis de una varianza

CONTROL DE CALIDAD

190

C o n a = 5 % , no h a y e videncia estadstica para afirm ar que el p ro ce so es

pre ciso. C o m o es evidente el pro ceso es altam ente im preciso.

3. P orcentaje de p ro d u cto no a co rd e a especificaciones

C o m o un m edio de co n o ce r la cantidad de producto que no cu m ple con lo
e s ta b le c id o co n la e sp e c ific a c i n se utiliza la d istribuci n n o rm a l s e g n lo
m u estra la F ig u ra 3 .1 5.

% de producto
conforme
= N((11,8-10,2/0,8)-N((9,2-10,2)/0,8)
= N(2,00) - N(-1,25)
= 9 7 ,73-10,57

o- = 0 , 8

= 87,16 0
% de producto no
conforme= 100- 87,16= 12,84%
(*) P o rce n ta je s ob tenido s de T A B LA I en
9 ,2

10 ,2

II,8

Apndice I.

FIGURA 3.15. Porcentaje no conforme

E n c o n c lu s i n , s e tie n e u n p ro c e s o q u e e s t d e s c e n t r a d o , q u e es
impreciso y que g e nera un 1 2 ,8 4 % de producto fuera de las especificaciones. Al
c a lc u la r el p o rc e n ta je de p ro d u c to no co n fo rm e p a ra el p ro c e s o c e n tra d o ,
usando el m ism o m todo, se obtiene un valor de 1 0 ,3 2 % . Lo anterior dem uestra
qu e au nq u e se centre el proceso no es m ucho lo que se lograr. La accin que
co rre sp o n d e es dism in uir la variabilidad tanto co m o sea posible, con el fin de
reducir la cantidad de producto qu e no cum ple con especificaciones.

Determinacin de especificaciones
P a ra co n ta r c o n un v e rd a d e ro co n tro l en las ln e a s de p ro d u c c i n es
n e c e s a r io fija r p a r m e tro s d e c o m p a r a c i n , q u e e s t n b a s a d o s en los

JORGE ACUA ACUA

191

requerim ientos del cliente y en la capacidad tcnica, tecnolgica y hum ana con
que se cuenta.
Lo s lmites de tolerancia naturales son los que se establecen con base
en el proceso en estudio. A partir de estos lmites y tom ando en cuenta factores
adicionales se establecen los lmites de especificacin.
Los lmites de tolerancia se establecen para caractersticas de calidad que
pueden ser variables o atributos. C u a n d o son variables se pueden calcular para
u n id a d e s de p ro d u c c i n o p a ra p ie z a s e n s a m b la d a s . E n el c a s o de estas
ltim a s, los c o m p o n e n te s d e b e n c u m p lir co n re q u isito s p a rc ia le s q u e les
perm itan form ar parte del ensam ble.
C u a n d o s e c u e n ta c o n un b u e n s is te m a d e in fo rm a c i n es p o s ib le
d e te rm in a r lm ites de to le ra n cia co n facilidad. A s , p o r e je m p lo , si se tiene
inform acin de qu e una caracterstica a io largo del tiem po se ha com portado
n o rm a lm e n te co n m e d ia g y d e s via c i n e s t n d a r a , se p u e d e n ca lcu la r los
lmites de tolerancia fcilmente. Basta con definir un porcentaje de artculos que
se de se a que estn entre los lmites y con ello se calcula un intervalo. A s, si se
quiere que ese porcentaje sea 9 0 % (P = 0 ,9 ), entonces:
Lm ites de tolerancia= g 1,645 a
don de el valor de 1,645 se obtiene de la T a b la I del A p n d ice I.
S in e m ba rgo , esa no es la regla, puesto que es difcil co n o ce r los valores
de g y a . A n te esto, es n e c e s a rio h a c e r e stim a c io n e s a partir de m u e stra s
estadsticam ente obtenidas. C o n base en esta muestra se calcula el valor de la
m e dia y de la d e svia ci n est n d a r (u s a n d o distribucin de fre cu e n cia s) y se
hacen las inferencias del caso . S e deb e enten der que los valores obtenidos a
partir de la m uestra no son iguales a los parm etros poblacionales, aspecto que
la estim acin de b e tom ar en cuenta.
El m todo usado consiste en calcular los lmites de tolerancia con base en
la constante K, la cual d e p e n d e de un nivel de confianza (1 -a ), del tam ao de
muestra (n) y de la proporcin de producto que se desea se encuentre dentro de
lmites (P ). Los lmites de tolerancia se calculan as:
Lm ites de tolerancia= x K*s
La constante K se obtiene de la T a b la VII en el A p n d ice I.

CONTROL DE CALIDAD

192

C o n b a s e en e so s lm ites se pu e d e n obte ner especificacione s. El ajuste

inicial se h a ce a partir del anlisis de exactitud y precisin. A s:
V se + V.te
M =--------------------------

se

ie

T = ----------------------------

2
donde:
V se es el va lo r superior especificado (M + T )
V je es el va lo r inferior especificado (M -T )
L o s v a lo re s finales de e sp e c ific a c i n se o b tie n e n a g re g a n d o facto res
e x te rn o s y e x p e rie n c ia . La v a lid e z de e sta estim a ci n d e p e n d e de la b a s e
estadstica qu e tenga la m uestra y la eficacia de los factores de ajuste.

EJEMPLO 3.5
U n a e m p re s a q u e se d e d ica a la fabrica ci n de b o lsas plsticas, d e s e a
co n o ce r los lmites de tolerancia para el e speso r de la bolsa. P ara ello se tiene
in fo rm a c i n de e s p e s o r p a ra u n a m u e s tra d e 5 0 b o ls a s c a lc u la d a b a jo
c o n c e p to s e s ta d stico s . Lo s dato s o b te n id o s , en d c im a s de m ilm e tro , se
presentan en el C u a d ro 3.6.
Determ ine los lmites de tolerancia que garanticen con 99 de confianza que
el 9 5 % de las bolsas cu m p le n con lo especificado.

SOLUCION
Para calcular la m edia aritm tica y la desviacin estn dar se hace uso de
una distribucin de frecuencias. S e usa una distribucin de frecuencias pues es

JORGE ACUA ACUA

193

CUADRO 3.6. Informacin para el Ejemplo 3.5

Dato

Valor

Dato

1
2
3
4
5
6
7
8
9
10

8,0
6,0
7,3
5,1
7,0
6,8
7,0
6,8
8,1
6,9

11
12
13
14
15
16
17
18
19
20

Valor
4 ,9

:;

7,1
8,2
8,0
8,5
8,1

7,1
6,0
6,3
6,3

Dato

Valor

Dato

Valor

21
22
23
24
25
26
27
28
29
30

7,0
6,9
7,1
7,2
6,8
6,4
6,0
7,0
5,8
4,3

31
32
33
34
35
36
37
38
39
40

5,3
8,3
8,1
7,6
7,8
7,3
7,2
7,0
7,1
6,9

una form a eficaz de representar la distribucin de probabilidad correspondiente.

El C u a d ro 3.7 presenta esta distribucin de frecuencias.
La prueba de b o n dad de ajuste realizada sobre la anterior distribucin de
frecuencias acep ta la norm alidad con a = 5 % .
Los valores de la m edia aritm tica y la desviacin estndar son:

CUADRO 3.7. Distribucin de frecuencias del Ejemplo 3.5

LS

I1

IS

4,25
5,05
5,85
6,65
7,45
8,25

5,05
5,85
6,65
7,45
8,25
9,05

4,3
5,1
5,9
6,7
7,5
8,3

5,0
5,8
6,6
7,4
8,2
9,0

CO N TEO
III

mu
iiiiiii

iiiiiiiiiiiiiiiiiiii
iiiiiiini
mu

nk
3
5
7
20
10
5

4,65
5,45
6,25
7,05
7,85
8,65

Nk

Fk

3
8
15
35
45
50

6
10
14
40
20
10

6
16
30
70
90
100

CONTROL DE CALiDAD

194

x = 7 ,0 5 + [(-6 / 5 0 ) * 0,8] = 6 ,9 dcim as de milmetro

o = 0 ,8 V (85/50) - (-6/50)2 = 1,1 d cim as de milmetro
Al c o n su lta rla T a b la VII en el A p n d ice I, el valor de K, para el tam ao de
m uestra de 50 unidades, nivel de con fian za del 9 9 % y proporcin entre lmites
del 9 5 % , es de K = 2 ,576.
Los lm ites de tolerancia son los siguientes:
L st = x + 2 ,5 7 6 * 1,1 = 9 ,7 d cim as de m ilm etro
L.It = x - 2,5 7 6 * 1,1 = 4 ,0 d cim as de m ilm etro
E s t o q u ie r e d e c ir q u e el p ro c e s o e s c a p a z d e p ro d u c ir c o n 9 9 % de
c o n fia n za , el 9 5 % d e las b o ls a s co n m e d id a s c o m p re n d id a s entre 4 ,0 y 9,7
d cim a s de m ilm etro.
Si no h a y fa c to re s e x te rn o s a d ic io n a le s la e s p e c if ic a c i n s e p u e d e
establecer en 6,85 2,85 dcim as de milm etro. Esta especificacin se calcula
as:
V se = 9,7
d cim a s de m ilm etro

V.ie = 4 ,0
d cim a s de m ilm etro

M=

v se +v le

9 ,7 + 4,0

= 6,85

V se - V

le

9 ,7 -4 ,0
= 2,85

T =

METODO DE TAGUCHI
E ste m todo , c u y o objetivo es lograr a tra vs del diseo de pro du cto un
m s alto nivel de calidad, fue desarrollado en Ja p n por el Dr. G enichi Ta g u ch i.

JORGE ACUNA ACUNA

195

El m todo de T a g u ch i, cu ya aplicacin ha sido am pliam ente probada en pases

industrializados, consiste en disear calidad al disear el producto. La principal
m eta es estudiar todas aquellas fuentes de variabilidad con el fin de m inim izar
su incidencia durante la m anufactura del producto.
E ste m todo es una variacin de los m todos tradicionales de diseo ex
p e rim e n ta l y su a p lica c i n co n sis te en o p tim iza r p ro c e s o s en relacin con
especificaciones del consum idor. E sta tcnica posee una gran ventaja y es que
no requiere de gran conocim iento del proceso por optim izar.
El M todo de T a g u c h i com bina tcnicas co m o torm enta de deas, diseo
de experim entos, arreglos ortogonales y anlisis de va ria n za con dos nuevos
c o n ce p to s de s a rro lla d o s por el D r. T aguchi lla m a d o s
anlisis seal/ruido (T a g u c h i, 1987).
La

funcin de prdida se

funcin de prdida y

define co m o la prdida eco nm ica ocasionada

a la socie d a d c u a n d o las caractersticas funcionales del producto se desvan

del valor objetivo d eseado. Esta prdida se g enera por cuanto el cliente desea
un va lo r nom inal y no ese va lo r aso c ia d o con u na tolerancia. E n g eneral, los
d ise ad ore s e ingenieros no calculan esta prdida por falta de inform acin la
cual no ha sido recolectada o no est disponible.
U n a form a de e stim a r esta p rd id a es a tra v s de la cu a n tifica cl n de
costos tales com o servicio y garanta por reparacin de productos defectuosos,
p rd id a de m e rc a d o , insatisfaccin del cliente y p rd id a de ve n ta s futuras.
A lg u n o s de sto s s o n cla ra m e n te difciles de e s tim a r p o r lo qu e d e b e n ser
prorrateados con ba s e en los otros.
El

anlisis seal/ruido

b u sc a d is e a r el p ro d u cto o el p ro ce so lo sufi

cientem ente robusto (ca p a z de afrontar los efectos de la variacin sin cam bios
significativos) para qu e satisfaga las variaciones a que se ver som etido tanto
interna com o externam ente. Las variaciones internas son aquellas que ocurren
durante el proceso de m anufactura, m ientras que las variaciones externas son
las p ro vo ca d a s por factores externos que norm alm ente no estn bajo control
del fabricante o el consum idor.
A lg u n o s ejem plos de cau sa s de variacin internas son alm acen aje inde
bido, prdidas de friccin de m aquinaria, calor, polvo y corrosin. C o m o causas
de v a ria c i n e x te rn a se p u e d e n cita r a q u e lla s c a u s a d a s p o r c o n d ic io n e s

CONTROL DE CALIDAD

196

d e s fa v o ra b le s q u e s e p re s e n ta n en el m e rc a d o o a m b ie n te en el q u e se
d e se nvu e lve el producto. A lguno s ejem plos de ellas son: hum edad, cam bios de
tem peratura, tensiones y otros esfuerzos que hacen que el producto se aleje de
las especificaciones establecidas.
D e s d e el p u n to de v is ta e s ta d s tic o , el m to d o b u s c a la re d u c c i n de
variabilidad alrededor de la m edia con una desviacin estndar m uy peq u ea.
U n a fo rm a d e m e d ir lo e x p re s a d o a n te rio rm e n te es a tra v s del ndice de
q u e se define co m o la relacin entre las tole

capacidad de proceso (IC P ),

rancias y la cap a cid ad de pro ceso. La F ig u ra 3.1 6 da u na representacin g r

fica de este ndice.
El IC P se calcula de la siguiente m anera:
Ancho de la especificacin ( o Tolerancia de diseo)
C p = --------------------------------------------------------------------------------------------------------------------------------------------------Capacidad de proceso ( o Variacin Total del proceso)

v e - v ie
C p = --------------------------------------------------------------------------------------------------------------------------------------------------6 a (Rango Total desde - 3 a hasta +3 cr)
V se: Valor superior especificado
V e: Valor inferior especificado
El M todo de T a g u c h i trata de optim izar la capacidad de proceso buscando
un equilibrio entre lo qu e piensan los diseadores y lo que pueden ejecutar los
Ingenieros de proceso.

Valor inferior
de especificacin

--------------------------------------------

Valor
nominal

Toleremcias

Valor superior
de especificacin

--------------------------------------------

FIGURA 3.16. Representacin del Indice de capacidad de proceso

JORGE ACUNA ACUNA

197

E ste m to d o se ba s a en d is e o ex p e rim e n ta l a tra v s d e los lla m ad os

cu a d ros latinos. Lo s arreglos ortogonales m s usado s son los de dos y de tres
n iveles totalm ente b a la n ce a d o s. E sto s arreglos son co n o cid o s co m o L a el de
d o s n iv e le s y L 9 el de tre s n iv e le s . E l C u a d r o 3 .8 p re s e n ta el a rre g lo L 9.
(N e tte r,1 9 8 4 ).
E n el C u a d r o 3 .8 se p u e d e o b s e rv a r q u e so n n e c e sa rio s n u e v e ex p e ri
m entos para lograr la m axim izacin de cuatro factores en tres niveles. Ntese
que el prom edio de los tres prim eros experim entos, Y 1 ,Y 2 , y Y 3 , es el promedio
de rendimiento del producto o proceso cuando se selecciona el nivel 1 del factor
A . El prom edio de Y 2 , Y 5 y Y 8 es el efecto de seleccionar el nivel 2 del factor B.
E n general, el p ro m e dio de las d o ce com binacion es (factores A ,B ,C y D y sus
n ive le s 1,2 y 3 ) e s e va lu a d o co n el fin de ob te n e r el m ejor resultado para las
especificaciones del pro ceso o producto.

EJEMPLO 3.6 ( SHINA.1990)

La s p a rte s en este p ro c e s o so n p e g a d a s m e d ia n te un siste m a de alta
t e c n o lo g a . E l p e g a m e n t o R T V fu e s e le c c io n a d o c o m o a g e n te en el

CUADRO 3.8. Arreglo ortogonal para tres factores L9(3i)

Factores
Exp.

1
2
3
4
5
6
7
8
9

1
1
1
2
2
2
3
3
3

1
2
3
1
2
3
1
2
3

1
2
3
2
3
1
3
1
2

1
2
3
3
1
2
2
3
1

Resultado
Y1
Y2
Y3
Y4
Y5
Y6
Y7
Y8
Y9

198

CONTROL DE CALIDAD

e x p e rim e n to , c o n p a r m e tro s e le g id o s a rb itra ria m e n te p a ra la e ta p a de

p re lim p ieza y tem pera tura de curado.
L a ra z n del e stu d io se fu n d a m e n ta en el h e ch o d e qu e el p ro d u cto en
m a n o s del co n s u m id o r est siendo afectado por la se paracin de las partes.
S u rg i la idea de aplicar el m todo de T a g u c h i para optim izar la resistencia de
adherencia y entonces se decidi m edir la resistencia de la unin con un apara
to esp ecial co m n m e n te u sa d o para d e te rm in a r la presin m xim a aplicada
antes de qu e dos partes se separen al elim inar cierta presin externa.
S e decidi en este caso usar un arreglo ortogonal de tres niveles, y a que se
d e s e a iniciar con el nivel actual ca ta lo g n d o lo co m o m edio y luego va ria r los
niveles hacia arriba o hacia abajo para ob s e rva r los correspondientes efectos.
L o s c u a tro fa cto re s c o n s id e ra d o s en el a rre g lo L 9 fu e ro n : te m p e ra tu ra de
cu rado, lim pieza ultrasnica, cantidad de R T V y tipo de agente qum ico.
L a te m p e ra tu ra de c u ra d o se p ro b en tres n ive le s a s a b e r 30 C c o m o
tem peratura am biente, 50C com o nivel actual de tem peratura del horno y 70C
co m o un va lo r alto de tem pera tura del horno. La lim pieza ultrasnica, m todo
usa do para prelim piar las partes, se aplic tam bin en tres niveles a sa b e r 1, 3
y 5 m in u to s, s ie n d o 3 m in u to s el tie m p o u sa d o a ctu a lm e n te . El v o lu m e n de
R T V , u sand o diferentes c a b e za s de aplicacin, se vari alrededor del volum en
u sa do actualm ente, el cual es 1,7 cm 3; los valores usado s fueron 1 ,2 ,1 ,7 y 2,5
c m 3. El tipo de agente q u m ic o u sado para la lim pieza ultrasnica fue variado
del em pleado actualmente Metileno (M E T ), a otros limpiadores tales com o Metil
Etil K etona (M E K ) y a g u a (H 20 ) .
El cu a d ro latino fue disead o s e g n lo m uestra el C u a d ro 3.9.
E n el C u a d r o 3 .9 s e p u e d e v e r c m o en el e x p e rim e n to n m e ro 3 los
v a lo r e s u s a d o s fu e ro n : 3 0 C p a ra te m p e ra tu ra d e c u r a d o , 2 ,5 c m 3 p a ra
volu m e n de R T V , Metil Etil K etona co m o lim piador y 5 m inutos para tiem po de
lim pieza . E l resultado fue una unin qu e necesit 2 2 ,6 libras de presin para
sepa ra rse .
L o s efe cto s de c a d a nivel fueron s u m a d o s y ta b u la d o s de la form a qu e
m uestra el C u a d ro 3 .10. P ara calcular los valores correspondientes se su m an
los fa cto re s q u e c o in c id e n . C o m o e je m p lo se p re s e n ta n tres c lc u lo s , los
d e m s se ejecutan de la m ism a form a.

JORGE ACUNA ACUNA

199

CUADRO 3.9. Arreglo ortogonal para el Ejemplo 3.7 U (37)

F a ctores

Exp.

F u erza

30

1 ,2

30

1 ,7

MET

2 2 ,7
2 2 ,6

2o

1 1 ,5

30

2 ,5

MEK

50

1 ,7

MEK

50

2 ,5

50

1 ,2

MET

2 4 ,0

70

2 ,5

MET

2 5 ,1

70

1 ,2

MEK

3 0 ,3

70

1 ,7

FAC TO RES

2o

2o

N IV E L E S

A=TEMPERATURA DE CURADO
B=TIEMPO DE LIMPIEZA
C=VOLUMEN DE RTV
D=AGENTEUSADO

30
1
1,2
h 2o

50
3
1,7
MET

3 3 ,3

U N ID A D E S
70
5
2,5
MEK

C lculo de Factor A al nivel 1

A1 = E xp erim e nto 1

+ Experim ento 2

+ Experim ento 3

A1 = 11,5

+ 22 ,7

+ 22,6
A1 = 5 6 ,8

C lculo de Factor B al nivel 2

B 2 = Experim ento 2

+ Experim ento 5

+ E x p e rim e n to s

B 2 = 2 2 ,7

+ 28,5

+ 30,3
B 2 = 81,5

1 9 ,0
2 8 ,5

C
MINUTOS
cm3

CONTROL DE CALIDAD

200

C lc u lo de F a cto r C al nivel 3
C 3 = Experim ento 3
C 3 = 22 ,6

+
+

Experim ento 5

2 8,5

Experim ento 7
25,1

C 3 = 76 ,2
C o n b s e e n el C u a d r o 3 .1 0 , el v a lo r m s alto p a ra c a d a f a c to r es
seleccionado, de tal m anera que la resistencia de la unin sea m axim lzada. E n
este experim ento, el m xim o se da para A 3 (70C), B2 (3 m inutos), C 3 (2 ,5 cm 3
de v o lu m e n de R T V ) y D1 (a g u a para el ba o ultrasnico). La s co n clu sio n e s
son las siguientes:
1.

El factor m s importante es la tem peratura de curado puesto que eS el que

ca u sa el m a y o r cam bio.

2.

El factor m enos importante es el agente qum ico puesto que el usarlo o no

usarlo no c a u sa diferencia significativa.

3.

La com binacin del m ejor factor seleccionado de los cuatro factores no se

encuentra en la m atriz del arreglo L 9.

4.

La re siste ncia p ro m e d io u s a n d o los factores s e le c c io n a d o s p u e d e ser

estim ada s u m a n d o los p rom edios de los cuatro factores sea 88,7 + 81 ,5 +
76 ,2 + 7 3 ,3 = 319,7/9 = 3 5,5. E sto representa a p ro xim adam ente un 5 0 %
de increm ento sob re el pro m e dio de todos los experim entos.

CUADRO 3.10. Anlisis de datos del experimento

N IV E L 1

5 6 ,8

5 5 ,6

6 5 ,8

N IV E L 2

7 1 ,5

8 1 ,5

7 5 ,0

7 1 ,8

N IV E L 3

8 8 ,7

7 9 ,9

7 6 ,2

7 1 ,9

2 1 7 ,0

2 1 7 ,0

2 1 7 ,0

2 1 7 ,0

TOTAL

7 3 ,3

JORGE ACUNA ACUNA

201

D e lo a n te rio r se c o n c lu y e q u e el M to d o d e T a g u c h i p u e d e r p id a y
fcilm ente o p tim izar un p ro ce so o un pro du cto u sa n d o tcn ica s estadsticas
m u y sim ples. P or otro lado, no es necesario tener un conocim iento profundo de
las c a ra c te rs tic a s fsic a s y q u m ic a s del p ro c e s o o p ro d u c to q u e va a se r
optim izado.
Este ejem plo lustra c m o la m edia de un proceso puede ser llevada hasta
el nivel deseado. U n procedim iento similar puede ser aplicado para optim izar la
variabilidad, a lo q u e el Dr. T a g u c h i llam a Anlisis Seal/R uido. E n este caso,
v a rio s p ro d u c to s d e b e n s e r p ro b a d o s p a ra c a d a ln e a d e e x p e rim e n to y
en to n ce s los resultados pu e d e n s e r m a x im iza d o s red u cie n d o la v a ria n za en
form a opuesta al procedim iento usado en este caso de estudio. (T a g u c h i,1986)

DISEO PARA LA MANUFACTURA

L a in te n ci n de e sta t c n ic a e s g a ra n tiz a r q u e el d is e o de p ro d u cto
c u m p lir co n los re q u e rim ie n to s de c a lid a d fijado s p o r el cliente y con las
lim ita c io n e s de fa b ric a c i n e s ta b le c id a s p o r la te c n o lo g a de p ro c e s o . El
objetivo es lograr un diseo fcil de fabricar y que cum pla con las expectativas
fijadas por el consum idor.
T o d o producto industrial pasa por una etapa de diseo. E n unos casos este
proceso es altam ente especializado y en otros casos obedece al trabajo de una
nica p e rs o n a , la q u e a tra v s de los a o s , ha ad q u irid o la suficiente e x p e
riencia y pericia para bosquejar un diseo. E n m uchas ocasiones, se hace caso
om iso de las especificaciones del co n sum ido r y se disea un producto fcil de
fabricar pero que no es del total agrado del cliente. E n otras ocasiones, se dise
a el producto sin tom ar en cuenta las capa cid ades tecnolgicas y tcnicas de
los procesos productivos, con el correspondiente problem a de que se tiene un
diseo difcil de producir. El producto que se fabrica no cu m p le con la calidad
exigida por el diseo pues los ingenieros de produccin se limitan a interpretar
lo establecido por el diseador.
U n o de los procesos productivos m s afectado por situaciones de este tipo
es el p ro ce so de e n s a m b le , p u e s si el pro du cto no se dise a para u na fcil y
sim ple o p e racin de e n s a m b le , los p ro b le m a s de productivid ad y calidad se

CONTROL DE CALIDAD

202

a g r a v a r n y s e in c re m e n ta r n . N o im p o rta si el e n s a m b le es m a n u a l o
a utom tico, los cuidados en la etapa de diseo deb en ser analizados.
E n el ca so de un ensam b le m anual los operarlos necesitan m esas, dispo
sitivos, cajas, sujetadores y herram ientas m anuales para llevar a cabo su traba
jo. A d e m s , se necesitan b a n d a s transportadoras, dispositivos de gra ve d a d u
otros equipos de m anejo de m ateriales para el transporte de materiales, partes
y p ro du ctos de un puesto de trabajo a otro. La s m a n o s son la principal h e rra
mienta de trabajo. E n el caso de un ensam ble automtico, el diseo de producto
d e b e tom ar en cuenta todas aquellas caractersticas que faciliten el desarrollo
de p ro gra m a s de co m putad ora de a cu erdo con el pro ceso por ejecutar.
E n general, sin importar el tipo de ensam ble, el objetivo de los diseadores
es uno: disear un producto cu ya sim plicidad y caractersticas permitan un fcil
en sa m b le , satisfaciendo los requerim ientos del co n su m ido r a un nivel e co n
m ico para la e m p resa. Esto es con ocido co m o diseo para la manufactura.
E n la aplicacin de este concepto, los diseadores tom an en cuenta el tipo
d e p r o d u c t o , s u s c a r a c t e r s t i c a s y a d e m s lo s s ig u ie n t e s p r in c ip io s
(F ish e r, 1984):

1. Modularidad. S e

deb en co m b in a r tantas partes co m o sea posible en una

sola, con el fin de reducir inventario, m anejo de partes y piezas, tiem po de

e n s a m b le y n iv e l de d ific u lta d de la o p e ra c i n . A la v e z , el o rd e n se
favore ce y la p ro gram acin y el control de produccin se hace m s fcil.
2.

Partes multifuncionales.

E ste tipo de partes perm iten te ner tareas de

e nsam b le m s eficientes y m s productivas pues se reduce considerable

m ente el tiem po de ensam b le, la probabilidad de errores y la necesidad de
largas y com plicad as actividades de capacitacin y entrenam iento.
3.

Accesibilidad.

La s partes q u e c o m p o n e n el e n s a m b le d e b e n se r d is e

a d a s de tal m a n e ra q u e fa v o re z c a n el d iseo de un m to do de trabajo

fcil, e v ita n d o el tra b a jo de c o n to rs io n is ta q u e es fre c u e n te v e r en
o p e racione s de e nsam b le m anuales.
4.

Flexibilidad. Las partes de un producto ensam b lado deben ser diseadas

de tal m anera qu e permitan cam bios rpidos y giles en el futuro. Esto con
el fin de reducir los costos de los cam bios necesarios para adaptarse a los
requerim ientos de m erca do y del a vance tecnolgico.

JORGE ACUNA ACUNA

5.

203

Utilidad. Las partes y su ben sam bles deben ser disead os de tal m anera
que se obtengan utilidades sin sacrificar la calidad de materiales y c o m p o
nentes. P ara esto, el dise a d o r deb e h acer un anlisis de costos y estar
con sciente de q u e se deb e d is e a r un pro du cto lo suficientem ente e c o
nm ico y de alta calidad y que por consiguiente cu m p la con los requisitos
establecidos tanto por parte del cliente com o del proceso de manufactura.

6.

Simplicidad.

U n diseo de pro ducto que sea sim ple evita errores en las

lneas de ensam b le pues las instrucciones y e sq u e m a s son fciles de en

te n d e r. E s ta s im p lic id a d p u e d e e lim in a r o p e r a c io n e s d e e n s a m b le
inne ce sa rias. E n el ca so del e n s a m b le au tom tico, sim plicidad significa
disear el producto para que sea fcil de en s a m b la r m anualm ente.
7.

Seguridad. D is e a r un pro d u cto que sea fabrica do y u sa d o bajo co n d i

cio n e s s e g u ra s es u na tarea fu n d a m e n ta l del d is e a d o r. D isp o sitivo s
m a te ria le s y p ro c e s o s d e b e n c u m p lir co n las n o rm a s d e s e g u rid a c
establecidas.

8.

Facilidad.

El ensam blaje unidireccional facilita la operacin de ensam ble

Puestos de trabajo que se diseen para ejecutar el ensam ble en una nice

direccin facilitan am pliam ente la operacin.

9.

Variabilidad.

El diseo de un producto con un excesivo nm ero de partes

variables perjudica la ejecucin de las o p e ra cio n e s de e n sa m b le . El n

m e ro de pa rte s d e b e se r m n im o , de tal m a n e ra q u e se sim p lifiq u e I;
estructura del ensam b le y se facilite el proceso.
10.

Orientacin.

La orientacin de las partes en la ope ra ci n de ensam b li

p u e d e ca u sa r d e m o ra s y p u e d e increm entar la probabilidad de error. L
n e c e s id a d de orie n ta r partes p u e d e ser e vita d a u s a n d o disp o s itivo s <
superficies de orientacin. El diseo de puestos de trabajo que obedezcai
a un proyecto cu idado sam ente evaluado garantiza este principio.
E s requisito de un d iseo p a ra el e n s a m b le el cum p lim ie n to de cierta

condiciones. Entre stas (G a iro la ,1 986):

1. Eliminacin de ajustes y escogencia de un mtodo eficiente d

ensamble de partes. La operacin de ajuste es la que m s problem as d
ca lida d ca u s a , p o r ello d e b e s e r c u id a d o s a m e n te estu d ia d a b rin d a n d
tole ra ncias q u e no sean tan g ra n d e s co m o p a ra q u e el p ro d u cto pierd

204

CONTROL DE CALIDAD

e s t tic a y c a lid a d , ni tan p e q u e a s c o m o p a ra q u e la o p e r a c i n d e

ensam ble se vuelva difcil de ejecutar. El m todo y los materiales para unir
parte s de b e n se r c u id a d o s a m e n te s e le ccio n a d o s de tal m a n e ra q u e se
re d u zca la probabilidad de desajustes y uniones defectuosas.
2.

Reduccin del uso de herramientas y sujetadores. E l d is e o d e b e

c o n te m p la r form as de e n s a m b le q u e m inim icen el uso de tornillos y toda
clase de sujetadores. Si esto se logra, el uso de herram ientas ser m nim o
y la operacin de e nsam b le ser m s eficiente.

3.

Atencin especial sobre valores objetivo establecidos para dimen

siones crticas. T o d a dim ensin crtica deb e ser especialm ente tratada y
a n a liza d a por m e d io del control e sta d stico , b u s c a n d o sie m p re el v a lo r
objetivo para m in im iza r la variabilidad. El m todo de T a g u c h i constituye
una gran ayuda en el logro de esta m eta.

4. Establecimiento de superficies con caractersticas topogrficas que

favorezcan el ensamble. Este tipo de superficies permitirn a la m quina
o al o p e r a d o r e je c u ta r la o p e r a c i n en u n a fo rm a m s g il, r p id a y
eficiente.
5.

Identificacin de parmetros de diseo. Si se con o ce n los parm etros

que pueden afectar la calidad del producto se pueden predecir fallas antes
de la etapa de produccin. El m todo de Ta g u ch i y en general las tcnicas
de diseo de experim entos pu e d e n s e r tiles para este anlisis.

6.

Anlisis de propiedades de los materiales.

E s im p o rta n te to m a r en
cu e n ta p ro p ie d a d e s de los m ateriales en el diseo de producto, p u e s es
este el m edio de estudiar interacciones entre el am biente, el ser h um a no y
las m quinas, e va lu a n d o las posibles ca u sa s de fallas.

7.

Estudio del producto y de la tecnologa del proceso. E s absolutam ente

n e c e s a rio c o n o c e r a c e rc a de las c a ra c te rs tic a s del p ro d u c to y d e la
te cn o lo g a del p ro ce so . D is e a r un p ro d u cto sin to m a r en cu en ta estos
asp e cto s p ro voca un gran riesgo de co m e te r errores. El d ise a d o r deb e
co n o c e r las lim itaciones y forta lezas de los sistem as de e n s a m b le . E sto
requiere del trabajo en equipo de d iversa s disciplinas.

8.

Anlisis de la competencia.

E s im portante analizar las causa s de xito o

fracaso de m ercado de com petidores, pues es una forma de retroalimentar

JORGE ACUNA ACUNA

205

productos y pro cesos. Para ello se deb e establecer un a d e c u a d o sistema

de In fo rm a ci n q u e p e ri d ic a m e n te re c o le cte d a to s p a ra su posterior
anlisis.
9.

Anlisis de diseos preliminares y finales.

Definitivam ente no es una

bu e n a prctica iniciar una pro d u cci n sin a n a liza r las fortalezas y debili
d a d e s del d is e o e sta b le cid o . E s to se logra a tra v s de p ru e b a s piloto
iniciales qu e perm itan e v alu ar las caractersticas de diseo y determ inar
los c a m b io s n e c e s a rio s . L a p r c tic a de fijar v a lo re s o b je tivo en lugar
de to le ra n c ia s o b lig a al p ro c e s o a p ro d u c ir c o n un m e jo r m a rg e n de
calidad.
E l d is e o d e un p ro d u c to ba jo esto s p rin c ip io s y c o n d ic io n e s g a ra n ti
z a r xito en el m e rc a d o con el c o rre sp o n d ie n te a u m e n to en el v o lu m e n de
ventas.

La s inquietudes g e n e ra d a s por este objetivo han da d o origen a los siste

m a s C A D (D is e o A s is tid o p o r C o m p u ta d o ra ) p u e s el objetivo es utilizar la

com putadora para producir un diseo que tom e en cuenta la m ayor cantidad de

variables que p u edan influir en la fabricacin del producto. C o n el fin de dism i

nuir la interpretacin de los requerim ientos de diseo se habla en la actualidad
de sistem a s C A D / C A M , a tra vs de los cu ale s el d is e a d o r p u e d e transmitir
instrucciones directam ente a la m qu ina respectiva.
Del a n lisis an te rio r se d e s p re n d e qu e el d ise o de p ro d u cto ju e g a un
papel clave en el logro del objetivo de calidad. Si un diseo se plantea apegado
a los re q u e rim ie n to s del c o n s u m id o r y a las lim itacion es y n e c e s id a d e s del
proceso existe una alta probabilidad de que satisfaga al consum idor. Esta tarea
incluye un anlisis profundo de m ateriales y procesos.

SI se disea para la produccin, las diversas tareas de inspeccin de cali

dad y control de produccin se harn relativam ente m s fciles. Si los diseos
e stn su je tos a interpretacin del e q u ip o de p ro d u c c i n , la pro b a b ilid a d de
com e te r errore s crece.

A u n q u e la discusin se ha cen trado en diseo para el e nsam b le los crite

rios citados a q u son totalmente vlidos para otros procesos.

CONTROL DE CALIDAD

206

CONCEPTOS DE EFECTIVIDAD DE SISTEMAS

C u a n d o se ha bla de ca lid a d de p ro d u cto y se enfoca d e s d e el punto de
vista del cliente, es n e ce sa rio e v a lu a r la efectividad co n la qu e el objetivo de
satisfaccin com ple ta se cum plir. P ara ello se deb e som eter al producto a un
ciclo de vida qu e con tem ple las siguientes fases:
a.

Concepcin y factibilidad.

S e refiere a la idea de lan zar un producto al

m e rca do com o producto de investigacin y desarrollo o com o producto de

la investigacin de m erca do. Incluye un anlisis de factibilidad desde tres

ngulos: econm ico, operativo y tcnico. E n el anlisis econm ico se e va
luarn d iv e rs a s alternativas s e g n su costo. E n el anlisis op e ra tivo se
a n a liza r la factibilidad de fabrica r el p ro du cto de a cu e rd o con el equipo
p ro du ctor que se cuen ta. E n el anlisis tcnico se e va luar la capa cid ad
con que se cuenta y se com parar con la requerida para fabricar el produc
to. L a d e c isi n final se b a s a r en el an lisis de co s to be n e ficio y en la
ca p a cid a d de inversin que se tenga.
b.

c.

Diseo de producto. E n el captulo I se analiz el im pacto qu e el diseo

de p ro d u cto tiene en la calida d q u e se o b te n ga . Y a se co m e n t en este
captulo a ce rca de la im portancia de disear para producir.
Desarrollo de pruebas piloto.

E s n e c e sa rio e v a lu a r las b o n d a d e s del

diseo a travs de la ejecucin de pruebas piloto qu e permitan corregir los

errores antes de producir.
d.

e.

Anlisis de produccin previa. C onsiste

en producir uno o m s lotes de

pru e ba qu e perm itan efectuar los ajustes necesarios directam ente en las
lneas de produccin.

Produccin masiva.

U n a v e z q u e se tiene la c e rte z a d e q u e se han

a lca nzado los parm etros dictados por el diseo se inicia la produccin en
m a sa efectuando los controles previam ente diseados.
f.

Cambios en diseo. A travs de la retroalimentacin recibida del cliente y

del proceso de fabricacin se incorporan las m ejoras al diseo, con el fin de
irse a ce rca nd o ca d a da m s a lo d e s e a d o por el cliente.

E n todas estas etapas existe riesgo de error y este error ser frecuente en
la m edida en que la efectividad del sistem a sea baja.

JORGE ACUNA ACUNA

La

efectividad de un sistema

207

es la m e d id a de la extensin en qu e se

espera que ese sistem a satisfaga los requisitos fijados para cum plir una misin
espe cfica. La efectividad es funcin de la

capacidad de

disponibilidad, la fiabilidad y la

los com ponentes del sistem a los cuales se com binan a travs de

ndices que m iden la efectividad del sistem a.

La

disponibilidad del sistema se

define co m o la condicin de inicio que

perm ite qu e un pro d u cto e m p ie ce la lab or para la qu e fue c re a d o . La d isp o

nibilidad del sistem a se determ ina a partir del clculo de la disponibilidad de sus
com ponentes, los que se com binan por m edio de las leyes de probabilidad para
determ inar la disponibilidad final. La disponibilidad de los com pon entes (P a) se
calcula com o:

Pa= T M E F / (T M E F + T M D R )

donde:

TM EF =

P a:

J01 * f(t) dt

disponibilidad del com ponente

T M E F : tiem po m edio entre fallas

T M D R : tiem po m edio de reparacin
f(t):

funcin de falla

EJEMPLO 3.7

La funcin de fiabilidad de un co m p o n e n te elctrico de un tosta dor este,

dad a por la funcin R (t) = e'5'. La razn constante ue falla es de 0,0 0 8 fallas por
hora. Al ocurrir una falla, el tiempo m edio de reparacin es de 15 minutos. Cul
es la disponibilidad del tostador?

208

CONTROL DE CALIDAD

SOLUCION

T M E F = 1/5 = 1 / 0 ,0 0 8 = 125 horas

Pa= ( T M E F + T M D R ) / T M E F
P a = 125 7 (1 2 5 + 0 ,2 5 ) = 0,998
La disponibilidad de este co m p o n e n te elctrico es 0,998.
La

fiabilidad

e s la p ro b a b ilid a d d e q u e el s is te m a se e n c u e n tre en

c u a lq u ie ra de los e sta d o s fijados en su m isin y c u m p la a cab alidad con las

funciones asociadas con ese estado. P ara calcularla se h ace uso de funciones
de probabilidad. La fiabilidad de un co m p o n e n te (R (t)) se calcula com o:

h(t) = razn de da o = f(t)/R(t)

d R (t)
f(t) = ------------d(t)
T a m b i n T M E F se puede definir co m o :

TM EF =

!(t )d t

EJEMPLO 3.8
U n co m p re so r tiene una tasa constante de falla de 0 ,0 0 0 4 fallas por hora.
S u p o n g a que el c o m p re so r inicia el trabajo al tiem po t=0.
C a lcule la fiabilidad del c o m p re so r en 150 horas de trabajo.

JORGE ACUNA ACUNA

209

SOLUCION
h(t) = 0 ,0 0 0 4 fallas/hr

1 = 1 5 0 horas

R (t) = exp [-0 ,0 0 0 4 J 0 dx] = exp [-0,0004 t]

R (1 5 0 ) = exp [-0 ,0 0 0 4 (1 5 0 )] = 0 ,9418
La fiabilidad es de 0,9418, o sea que la probabilidad de falla es de 0,0582.
Al e v a lu a r la fiabilidad del siste m a se c o m b in a n las fia b ilid a d e s de los
co m p o n e n te s a travs de tres m odelos que son el m odelo en serie, el m odelo
en paralelo y el m odelo parcialm ente redundante.

Modelo en serie
Este m odelo representa un sistem a que tiene m com pon entes idnticos e
independientes conectados en serie, lo que significa que si uno falla, el sistem a
o su bsistem a falla. La expresin de fiabilidad para este m odelo es:
Rs = (R+g)m=R +m Rrn~1q + m (m -1)Rm2q2+...+m fm-1L..fm-+11Rmia+...+qm
2!
i!
Rs= fiabilidad del sistema
R = fiabilidad del com ponente
m = nmero de componentes
Rm= fiabilidad de m elementos operando exitosamente
mR'"-'q = probabilidad de que exactam ente (m -1) elem entos operen
exitosamente
m (m -11Rm2q2 = probabilidad d e q u e exactam ente (m-2) elementos
2!
operen exitosamente
m(m-1t...fm-+11Rmiqi = probabilidad de que exactam ente (m-i) elem entos
i!
operen exitosamente
qm= probabilidad de falla de m elem entos

CONTROL DE CALIDAD

210

Si los c o m p o n e n te s son no idnticos la fiabilidad del sistem a se calcula

com o:

m
rS =

rI

i=1

R s = fiabilidad del sistem a

R = fiabilidad del co m p o n e n te i

E J E M P L O 3.9
U n sistem a de produccin es alim entado por bom be o usando tres bom bas
de diferente c a p a cid a d . L a s tres b o m b a s son n e cesarias para perm itir que el
p ro ce so cu m pla con su raz n de produccin. Las fiabilidades de estas bom ba s
s o n 0 ,9 , 0 ,9 5 y 0 ,9 2 re s p e c tiv a m e n te . C u l es la fiabilidad del s iste m a de
bom beo?

SOLUCION
La F ig u ra 3 .1 7 rep resen ta al sistem a de bom beo.
3

R s=

R= R , * R2* R3

=i
R s = 0 ,9 * 0 ,95 * 0 ,9 2 = 0 ,7 8 6 6
La fiabilidad del sistem a de bo m b e o es de 0,7866.

#1

#2

#3

R,= 0,9

R,= 0,95

R,= 0,92

FIGURA 3.17. Representacin del sistema de bombeo

JORGE ACUA ACUA

211

Modelo en paralelo
E s te m o d e lo re p re s e n ta m a c tiv o s e in d e p e n d ie n te s c o m p o n e n te s
c o n e c ta d o s en p a ra le lo . E s to significa que al m e n o s un c o m p o n e n te deb e
funciona r n orm alm ente para el xito del sistem a. La fiabilidad del sistem a se
calcula com o:
a.

Para com pon entes idnticos

Rs =
b.

1 - qm
~

Para co m p o n e n te s no idnticos

m
Rs= i - n qi
i=1
don de:
Rs =

fiabilidad del sistem a

qm =

probabilidad de falla de m com pon entes

probabilidad de falla del co m pon ente i

productoria

EJEMPLO 3.10
a.

La F ig u ra 3 .1 8 rep resen ta un sistem a de tres m otores elctricos c o n e c

tados en paralelo. Estos son idnticos e independientes. La probabilidad
de falla de un m otor es 0,15. C a lcule la fiabilidad del sistem a.
R s = 1 - q 3= 1 -( 0 ,1 5 )3 = 0 ,9966

b.

La Figu ra 3.1 9 representa al m ism o sistem a anterior con la diferencia de

qu e los tres m otores no son idnticos. L a s fiabilidades de estos m otores
son 0,80, 0,91 y 0,8 7 respectivam ente.

CONTROL DE CALIDAD

0,15

FIGURA 3.18. Sistema de motores conectados en paralelo

0,80

FIGURA 3.19. Sistema de motores conectados en paralelo

RS = 1 - n q 0
=1

R = 1 -q ,* q 2*q3
R s = 1 - (0 ,2 0 )(0 ,0 9 )(0 ,13)

JORGE ACUNA ACUNA

R S = 1 - 0,00
234

R S = 0 ,9
9766

Modelo parcialmente redundante

E n e ste m o d e lo n de los m c o m p o n e n te s d e b e n fu n c io n a r p a ra q u e el
siste m a fu n cio n e co n xito. La fiabilidad de este tipo de m o d e lo se calcul;
com o:
n

1 ( )R '(1 -R r

Rn/m=

i=m

R = fiabilidad del co m pon ente

R n/m= fiabilidad de n de m co m p o n e n te s

EJEMPLO 3.11
La Figura 3.20 representa un sistem a com puesto de tres subsistem as A , I
y C respectivam ente. E n el su bsistem a A solo dos co m pon entes deben operar
sim ultneam ente para g aran tizar el xito del su bsistem a. C a lc u le la fiabilidad
del sistem a.

S O L U C IO N
a.

S u bsiste m a A

Ra=

i=2

Ra=

( )R(1-R)3-'
i

( ) R2(1 - R) + ( )R3
2

CONTROL DE CALIDAD

214

Subsistema A

Subsistema B

Subsistema C

FIGURA 3.20. Representacin del sistema del Ejemplo 3.11

R A = 3 R 2 (1 - R ) + R 3 = 3 R 2 - 2 R 3
R A = 3 * (0 ,8 9 )2 - 2 * (0 ,8 9 )3 = 0,9 6 6 3 6 2
b.

S u b siste m a B
R b = 0,93

c.

S u b siste m a C
R c = 1 - q4 = 1 - (1 - R )4
R c = 1 -( 1 - 0 ,9 4 ) 4= 0 ,999987
La Figura 3.21 representa al sistem a.
R s =

R a * R b * R c

R s = (0 ,9 6 6 3 6 2 )(0 ,9 3 )(0 ,9 9 9 9 8 7 )
R S = 0 ,8
987

JORGE ACUA ACUA

0,966362

215

0,93

0,999987

FIGURA 3.21. Representacin del sistema

La fiabilidad del sistem a es 0,8987.

La c a p a c id a d es la facultad de un siste m a para log rar los objetivos de
acu e rdo con las condiciones fijadas.

RESUMEN
H e m o s visto en este captulo c m o la ingeniera de calidad busca el anli
sis de los problem as de calidad de los procesos con base en una Identificacin
de caractersticas de calidad. A partir de ellas y de ias actividades en la etapa de
d ise o de p ro d u cto se logra red u cir la va riabilidad, el eterno e n e m ig o de la
calidad.
A d e m s, se fundam enta la necesidad de aplicar la norm alizacin con el fin
d e o b t e n e r n o r m a s y e s p e c if ic a c io n e s q u e g o b ie rn e n los p ro c e s o s de
m anufactura.
O tra de las tcnicas tiles es el anlisis de efectividad del sistem a a travs
del cu a l se p u e d e d is e a r ca lid a d , e s tu d ia n d o la p ro b a b ilid a d de falla del
producto y ejerciendo las acciones necesarias.

PREGUNTAS DE REPASO
1.

Q u es ingeniera de calidad y cul es su objetivo en control de calidad

total?

2.

P o rq u es im po rtante clasificar las ca ra cte rstica s de ca lid a d ? Q u

m todos se usan para esta clasificacin?

216

CONTROL DE CALIDAD

3.

D un ejem plo real en el qu e se apliquen los m todo s de clasificacin de

caractersticas.

4.

E x p liq u e p o r q u e s im p o rtante q u e la n o rm a liza c i n se a to m a d a en

cuen ta en el control de calidad?

5.

O u tipo-de n orm a s existen y c u n d o deben ser aplicadas?

6.

Analice las ventajas de la N o rm a IS O -9 0 0 0 para el desarrollo industrial del

pas.

7.

A n a lice el objetivo del establecim iento de especificaciones tcnicas.

8.

Q u es el diseo pa ra la m a nu factu ra y qu objetivo cu m p le el Q F D en

ella?

9.

Explique el concepto de fiabilidad y capacidad en efectividad de sistem as.

10.

Q u v e n ta ja s o fre c e la a p lic a c i n de las t c n ic a s de e fe c tiv id a d de

sistem as en control total de calidad?

PROBLEMAS
1.

E s ta b le z c a las e s p e c ific a c io n e s del c o n s u m id o r p a ra los s ig u ie n te s

productos:

2.

1.

Pantaln para m ecnico

2.

Pantaln de vestir

3.

B olsa para caf

4.

Bicicleta

5.

B asurero

El departam ento de inspeccin de calidad de una em p re s a m anufacturera

de agujas y alfileres desp ach a su producto en lotes de 5000 cajas de 1000
unidades cada una. La longitud m edia de la agujas es de 46,5 m m , con una
desviacin e stn dar de 0,8 m m .
a.

Si se e xtrae u n a m u e stra de 2 0 0 ag u ja s de u n a caja, d e te rm in e la

probabilidad de encontrar ag u ja s con m edidas:

JORGE ACUNA ACUNA

b.

com p re n d id a s entre 45 ,4 y 45 ,7 m m

superiores a 45 ,3 m m

217

Si la especificacin de longitud dad a por norm a es

E : 4 5 ,8 2 ,0 m m :

3.

C u l es el % defectuoso?

C u l e s el v a lo r e s p e r a d o d e a g u ja s d e f e c t u o s a s en un
d e s p a ch o ?

Para el P roblem a N o. 2 del C a ptu lo II, responda las siguientes preguntas

si la n o rm a establece una especificacin de peso de E: 100,0 2,5 g.
a.

Q u c o n d ic io n e s tie n e n q u e d a rs e p a ra g e n e ra r un 1 % de p ro
duccin fuera de especificacin?

b.

Q u ocurrira si la m e d ia s e d e s p la za a 103,7 g?

c.

Si en ltima instancia las condiciones del proceso no pueden cam biar,

cul debe ser una nueva especificacin?

d.

Si el c o n s u m id o r m u e stre a este p ro d u cto u sa n d o m u e stra s de 60

so b re s y re c h a za la m uestra si en cu e n tra dos o m s bajos de peso,
c u l e s la p ro b a b ilid a d d e q u e u n a d e te r m in a d a m u e s tra s e a
rech a za d a ?

e.

4.

C m o ca lcu la ra usted los lm ites de tole rancia naturales de este

p ro ce so , por un p ro cedim ien to diferente a los pre se n ta d o s en este
texto?

D e un p ro c e s o de fa b rica ci n de a b o n o se extrae u na m u e stra de 100

sa co s con el fin de ch e q u e a r el peso. Esta m uestra origina la distribucin
de frecuencias que se presenta en el C u a d ro 3.11 (p e so en kilogram os).
Si la especificacin es: E : 7,0 1,1 kg
a.

Analice la situacin de este proceso.

b.

C u le s son sus conclusiones y recom endacion es?

c.

A un nivel de c o n fia n za del 9 9 % y d e s e a n d o u na p ro p o rc i n entre

lmites del 9 5 % , cules son los lmites de tolerancia?

218

CONTROL DE CALIDAD

CUADRO 3.11. Distribucin de frecuencias del Problema No. 4

L,

I,

>,

nK

2,15
4,05
5,95
7,85
9,75
11,65

4,05
5,95
7,85
9,75
11,65
13,55

2,2
4,1
6,0
7,9
9,8
11,7

4,0
5,9
7,8
9,7
11,6
13,5

5
12
56
20
4
3

d.

5.

S i se h iciera un con trol b a s a d o en p ro m e d io s, q u p o rce n ta je de

ellos saldra de especificacin?

D e un p ro c e s o de fa b rica ci n de v a rilla s p a ra p a ra g u a s se extrae u na

m u e s tra de 2 5 u n id a d e s , c o n el fin d e in s p e c c io n a r su lo n g itu d . Lo s
resultados obtenidos, con m edidas en cm , se presentan en el C u a d ro 3.12.
Si la especificacin es: E : 29 ,6 2 ,5 cm

6.

a.

S e puede afirm ar con a = 5 % , qu e el proceso est centrado?

b.

S e p u ede afirm ar con a = 5 % , qu e el proceso es preciso?

c.

Q u con clu siones obtiene del anlisis h echo?

La especificacin para el dim etro de ciertos tubos plsticos es: E : 39,12

1,90 cm .

CUADRO 3.12. Datos para el problema No. 5

28,6
28,8
28,9
29,1
30,8

30,1
32,1
32,0
30,5
30,0

29,9
30,8
31,7
30,2
29,0

28,1
28,7
29,9
30,2
30,5

30,0
29,0
29,7
30,8
31,2

JORGE ACUA ACUA

219

E xisten en la planta tres m q u in a s qu e p ro d u c e n bajo las co n d icio n e s

pre sentada s en el C u a d ro 3.13.

CUADRO 3.13. Informacin del Problema No. 6

M A Q U IN A S

Promedio
Desviacin

39,12

40,85

34,91

1,50

1,90

1,40

D ada s las caractersticas de las m quinas, realizar un anlisis que d res

puesta a las siguientes pregun*as:
a.

C u l es el % d efectuoso de c a d a m q u in a y qu re c o m e n d a c io n e s se
dan?

b.

Si se re a liza ra u na in sp e cci n 1 0 0 % , u s a n d o un calibre p a s a -n o pasa,

cu y a s d im e n sio n e s son 3 5 ,8 y 3 9 ,8 cm , cu l es el porcentaje de tubos
qu e p a sa ro n c o m o b u e n o s siendo m alo s y cul es el porcentaje q u e se
rechazaron siendo buenos? Analice la situacin para cada m quina y para
la produccin total.

c.

C u l d e b e s e r u na e s p e c ifica ci n p a ra q u e to d a s las m q u in a s p ro
du zca n 3 % o m enos de tubos defectuosos? R esuelva considerando tanto
proceso centrado com o descentrado.

ch.

C u l se ra la especificacin q u e red u ce al m nim o el porcentaje defec

tuoso de estas m quinas?

7.

E n un estudio se tiene por objetivo determ inar la com binacin de variables

q u e p ro d u c e la m s alta p ro d u c c i n d e a lu m in io a tra v s d e c u a tro
diferentes variables del pro ceso. S e tiene la siguiente inform acin:

CONTROL DE CALIDAD

220

L ista d e v a ria b le s
A.

T ie m p o de m ezclad o
Se-tienen tres diferentes tiem pos que son 2 , 3 y 4 horas

B.

V e locidad de corte
S e tienen tres velocida des que son 3 6 ,7 8 ,1 0 0 rpm

C.

C o nd ici n de nitrgeno usado

S e p u e d e u s a r s e c o , c o n 7 2 % d e h u m e d a d re la tiv a y 5 0 % d e
h u m e d a d relativa

D.

E sta d o fsico del im pulsor

S e tienen tres niveles qu e son alto, m edio y bajo
Si los resultados de los experim entos L9 en su o rden respectivo son
1 6 ,3 , 16,0, 16,2, 16,1, 16,0, 16,8, 15,5, 15,9 y 16,7 kilo g ra m o s por
hora.
a. D e term ine la m ejor com binacin de variables.
b. Q u conclusiones obtiene de este experim ento?

8.

U n a e m p re s a de se a invertir en un sistem a de inspeccin que funcione a

tra v s d e s e n s o re s . S e han re c ib id o tre s ofertas c u y a in fo rm a ci n se
pre senta en el C u a d ro 3.14.
Si se d e s e a q u e este e q u ipo trabaje tres turnos, c o m p a ra r las o p cio n e s
ofrecidas con base en su efectividad, por un perodo de un ao y para un
uso qu e requiera inspeccionar 2 2 0 0 unidade s por hora.

9.

U n a red est com puesta de unidades independientes segn la Figura 3.22.

La p ro b a b ilid a d de falla de c a d a u n id a d se e sp e c ifica en el d ia g ra m a .
C u l es la fiabilidad del sistem a?

JORGE ACUA ACUA

221

CD c/5

E 2

E "S
.2
-S c
<o
E
0)

CD O

-! 8
o

CD .O

c o
o CM

"O Q)
3 "O

V) )
r
CD <D
i;
O E 3
-o c O
O)
Q. .-g
C (D LO
CD c/5
C
3

co .E

<D C
> * :=

CM

.5
<o
.2 i> CD
E > "9
f-

CD nD

>S CD

LLI O

0) )
E 2

:I .SE2 -g
"S C

CD O
E *

-0 0

o
2 -Q . o

05

o 8

CD

CD
CD

i_

CD CD

T3 C

c O

II

C
m
i
D
R ra f _
) w

(D (D ;

TR

CD

?
C-S
"O 0
2
CD
> "O

"S O J =>
o 7 3 ra O
- C (D O

O) o
CD 0) C
C) CL 3

C/5 C
CD 'CD

o W

CD c LO
><

cc

CM

> , CD

E "S

cu .2 ^
o
O)

CD JO

-Q

CD

CD

II

cr

LJ- CD '
C/5 C/5

0 0
05 O

0
CO

Q)
CL

LL I
U J CD

<
CE
O

CD

UJ

O
<
O
O
<
o.
<
o

<

o
<
o
CD

<

O
<
CE
<
0.

gS
CD LD

z o
< <
co
p s
C/5 O
O uj

O O

GE
O
Q_
<
o

x
UJ
0.

POR

</) ~& '-=

NO FUN CIO N AR

cc
t:

DE PRODUCCION

CUADRO 3.14. Informacin ,)ara el Problema No. 8

O
O
o

o S

CONTROL DE CALIDAD

222

a0,03

r 0,01

0,02
-

0,08

0,08

0,02
0,04

13

14
0,02

0,01

0,07

0,05

0,02

0,04

0,03

- 10 -

12
0,09

11

0,05

FIGURA 3.22. Diagrama para el Problema 9

Captulo IV

GRAFICOS DE CONTROL
PARA VARIABLES

os procesos productivos son incapaces de producir dos

unidades de producto exactam ente iguales. Esto se de
be a un sinnm ero de ca u sa s qu e provocan variacin y
q u e por io tanto es n e c e s a rio co n tro la rlas c u a n d o se
presentan en exceso.
U n a de las h e rram ienta s e sta d stica s q u e p u e d e
servir para esta funcin es el grfico de control. A travs
de un grfico se pueden investigar anorm alidades en los
pro cesos productivos, las cuales provocan produccin
no conform e con las especificaciones. Ta m b i n es posi
ble visualizar tendencias que lleven al pro ceso paulati
n a m e n te fu e ra de co n tro l c o n las c o rre s p o n d ie n te s
c o n secu encias que ello acarrea.

DEFINICION DE GRAFICO DE
CONTROL
El grfico de control es una form a grfica y cro n o
lgica de representar el com portam iento de una o m s
caractersticas de calidad, fijando lmites que sean acor
des con experiencias y valores especificados y p re via
m ente establecidos.

224

CONTROL DE CALIDAD

E n algunas e m p re s a s an est m u y arraigado el uso de inspeccin 1 0 0 %

(e s decir inspeccin del total p ro ducido) con la idea de qu e esta es la form a de
evitar qu e pro d u cto fuera de e sp e cifica cio n e s alcance las m a n o s del c o n s u
m idor. Sin e m b a rg o , este es un m todo m u y caro, que requiere m u ch o tiem po
y q u e no n e c e s a ria m e n te c u m p le c o n la id e a re q u e rid a . A d e m s , no es
aplicable en inspeccin destructiva.
P a ra estos c a s o s , el grfico de control constituye u na im portante h e rra
m ienta que permite un control m s barato con grandes posibilidades de generar
un anlisis representativo si se cu m plen los requisitos establecidos para su uso
y aplicacin.
E n el anlisis m ediante grficos de control se tom an m uestras del proceso
o m quina a intervalos de tiem po, con el fin de estudiar el com portam iento de la
v a ria b le . El requisito es q u e v a lo re s , q u e son rep resen tativos del c o m p o rta
m iento del p ro ce so , se m antengan dentro de dos ban d a s de con fian za llam a
das

lmites de control con

el fin de concluir que el pro ceso es estable.

E n resum en, el grfico de control tiene com o objetivo principal, descubrir el

desajuste del pro ce so, m ostrado por tendencias pro nunciadas o puntos fuera
de lmites de control, y encontrar las ca u s s a travs del anlisis de factores de
calidad com o el hom bre, las m quinas, los materiales y los m todos de trabajo.
Estadsticam ente, el grfico de control se pu ede definir co m o un intervalo
de co n fia n za en u na e sca la se rie -tie m p o , en don d e los lm ites de control son
niveles de significacin, con su s coeficientes correspondientes a la desviacin
estn da r de la caracterstica en estudio.

ETAPAS DE UN GRAFICO DE CONTROL

U n g r fico de co n tro l se a p lic a a tra v s de tre s e ta p a s q u e s o n c o n s
tru cci n, anlisis y seg u im iento . La

construccin

del grfico co n siste en el

d is e o del e x p e rim e n to y en la re c o le c c i n y re p re s e n ta c i n g r fica de la

informacin. E n esta etapa se define, entre otras cosas, la caracterstica por es
tudiar, el nm e ro de grupo, el ta m a o de cad a grupo y el m todo de seleccin.

JORGF ACUA ACUA

'225

Ta m b i n se calculan los lmites de control y se dispon e la inform acin para su

anlisis.
T o d o s e s to s p ro c e d im ie n to s d e b e n e je c u ta r s e m e d ia n te el u so de
form u la rios e sp e c ia lm e n te d is e a d o s con el fin de d is p o n e r de inform acin
a de cu a d a m e n te o rdenada .
El a n lis is del grfico se efecta en dos paso s. P rim e ro , se co m p a ra la
situacin del p ro c e s o co n re s p e cto a su c o m p o rta m ie n to n orm al y luego se
com para con respecto a la especificacin. Al efectuar el anlisis, las dificultades
se m ostrarn por m edio de puntos fuera de lmites de control o tendencias pro
nu ncia d as. La intencin principal no es un anlisis correctivo sino preventivo.
S e investigan las ca u sa s para evitar qu e situaciones sim ilares o relacionadas
ocurran en el futuro.
A q u se debe tener claro que si el proceso est bajo control no significa que
c u m p le con la e s p e c ific a c i n , p o r lo q u e esto ltim o d e b e in ve stig a rse por
se p a rado. Este anlisis es m u y im portante, pu es de los resultados obtenidos
d e p e n d e r el xito de la siguiente etapa.
El s e g u im ie n to consiste en la accin preventiva que se lleva a cabo d e s
pus de conocer el com portam iento del proceso. Este consiste en graficar nue
vas m uestras sobre un patrn de grfico que contiene solo los lmites de control
y en elaborar con clusiones de acu e rd o con el com portam iento detectado.

CAUSAS DE VARIACION
Los grficos de control se basan en el estudio de cau sa s de variacin pues
son stas las que originan los pro blem as de calidad en los procesos. C o m o se
recalc anteriorm ente ningn p ro ce so de m anu factura es c a p a z de producir
dos unidade s idnticas, pues siem pre existe variacin.
Esta variacin tiene su origen en la naturaleza del proceso y en la interven
cin de agentes externos que hacen que el com portam iento de la caracterstica
en estudio se altere.
E x iste n d o s tipos de c a u s a s de v a ria c i n : las c a u s a s a s ig n a b le s y las
ca u sa s no asignables.

CONTROL DE CALIDAD

226

Las

causas no asignables

o cu rre n al a z a r y se d e b e n a la n a tu ra le za

te c n o l g ic a de m q u in a s , p ro c e s o s y m ateriales. E s ta s c a u s a s tienen una

influencia m u y p e q u e a sobre la calidad del producto y no son determ inantes
para qu e el p ro ce so salga fuera de control. E sta s ca u sa s son independientes
entre s y su distribucin de probabilidad no es conocida.
Las

causas asignables o cu rre n

d eb ido al co m po rtam ien to a no rm al de

uno o m s factores de calidad, son pocas en nm ero pero de gran influencia en

la ca lid a d del p ro d u c to . E s ta s c a u s a s p u e d e n s e r e s tu d ia d a s a fo n d o para
dism inuir o anular su influencia.
E stas ca u sa s llevan al proceso paulatina o bruscam ente fuera de control y
se obs e rva n en los grficos c o m o puntos fuera de lmites de control o te n d e n
cias pro nunciadas.
S e g n su incidencia en la especificacin pueden generar altos volm enes
de producto disconform e con especificaciones. S u distribucin de probabilidad
e s la distribucin norm al.

E J E M P L O 4.1

U n a o p e ra c i n de corte de una lm ina, e je cu ta d a en una g uillotina, se

efecta siguiendo este procedim iento:
1.

C o lo c a r la lm ina bajo la guillotina y sujetarla con el dispositivo.

2.

A cc io n a r la p ala nca de a v a n c e para que la guillotina baje.

3.

C o rta r la lm ina.

4.

A cc io n a r la p a la nca de a v a n c e para que la guillotina suba.

5.

D e sc a rg a r las dos piezas y colocarlas a un lado de la guillotina.

Establecer un listado de posibles causas asignables de variacin, que pu e

dan p rovocar problem as de calidad en esta operacin, clasificadas de acuerdo

con los factores de calidad h om bre, m quina, m todo y material.

JORGE ACUNA ACUNA

SOLUCION

Listado de caractersticas
Causas imputables al hombre

Falta de adiestram iento

E x c e s o de confianza
D e scu ido

D esm otivacin

N eglige ncia

Causas imputables a la mquina

Filo de cuchilla

Lubricacin de partes m ecnicas

Desajuste de cuchilla
G o lp e de guillotina

Desajuste de dispositivo
Dispositivo mal colocado

Causas imputables al mtodo de trabajo

P uesto de trabajo mal diseado

D istancia a palanca

M todo de carga y descarga

A cc io n a r de la pieza no controlado

Causas imputables a la materia prima y materiales

D u re z a de la lm ina

L m in a s torcidas

P orosidad

Defectos superficiales

Brillo

G ranulacin

R aya d u ra s

228

CONTROL DE CALIDAD

GRAFICOS DE CONTROL PARA VARIABLES

C u a n d o la caracterstica de calidad es importante de acu erdo con el a n
lisis de P areto, una de las t cn ica s estad sticas que se p u e d e aplicar son los
g rficos de control. E l objetivo es lle va r un estudio d e ta lla d o del c o m p o rta
m iento de la variable con el fin de tom ar las acciones correctivas y en especial
preventivas para qu e las a n o m a la s no se presenten.
Los grficos de control para variables se com ponen de dos partes: una se
basa en prom edios y controla la exactitud; la otra parte se basa en m edidas de
dispersin y controla la precisin. T a m b i n existen en esta categora los g r
ficos de su m a s a cum uladas qu e solam ente controlan exactitud con base en un
estudio de desplazam iento peridico del prom edio del proceso. El Ejem plo 4.2
d e m u e s tra la ra z n p o r la q u e se u s a n p ro m e d io s c o m o e s tim a d o re s de
tendencia central.
U n aspecto que se debe tom ar en cuenta para decidir si usar o no este tipo
d e g r f ic o s e s un a n lis is d e c o s t o s p u e s es n e c e s a r io

el e m p le o de

in s tru m e n ta c i n , m a te ria le s y p e rs o n a s q u e en m u c h o s c a s o s d e b e n s e r
especia lizad os. Esto es an m s im portante si se tom a en cuen ta que solo se
puede controlar una variable a la v e z.

EJEMPLO 4.2
U n a operacin de produccin debe cum plir con la especificacin 34 9 cm .
E n este m om ento el pro m e dio del pro ceso se encuentra en 40 cm . D e m o stra r
que es m ejor un control basado en prom edios con m uestras de cuatro unidades
que un control ba sado en o b se rvacio nes individuales.

SOLUCION
M = 34 cm

T = 9 cm

o = T/3 = 9/3 = 3 cm

JORGE ACUNA ACUNA

229

P a ra d e m o s tra r lo so licita d o , se ca lc u la r la p ro b a b ilid a d de detectar

puntos fuera de lmites usando observaciones individuales y se com parar con
la corresp ondiente a pro m e dio s. Lo s lmites se ba sa r n en tres desviaciones
e stn dar a la izquierda y tres a la d erech a del pro m e dio del proceso.

CASO A. Observaciones individuales

Los lmites de control se calculan as:

L S C = x + 3 * a = 34 + 3 * 3 = 43 cm
L IC = x - 3 * a = 34 - 3 * 3 = 25 cm
L a F ig u ra 4.1 m u e stra g r fic a m e n te la fo rm a de h a c e r el c lc u lo de la
probabilidad planteada.
S e a A la probabilidad de detectar un valor x fuera de lmites y com puesta
por la su m a de A , y A 2.
A , = P ( x > 43 ) = 1 - N ((4 3 -4 0 )/3 )
A , = 1 - N ( 1 ) = 1 -0 ,8 4 1 = 0 ,1 5 9

S itu a c i n te ric a

S itu a c io 'n re a l

FIGURA 4.1. Representacin de probabilidad basada en observaciones individuales.

230

CONTROL DE CALIDAD

A , = 1 5 ,9 %

de T a b la I de A p n d ice I

A 2= P ( x < 25 ) = N ((2 5 -4 0 )/ 3 )
A 2= N ( - 5 ) cu yo valor es a proxim adam ente cero
P o r lo tanto: A = A , + A 2= 15,9 + 0 = 15,9 %
A =15,9%

CASO B. Promedios con muestras de cuatro unidades

S e a B la probabilidad de encontrar un prom edio de una m uestra fuera de
lmites y calculado por la su m a de B , y B 2.
D a d o qu e se tra bajar con pro m e dio s se usar el teorem a del lmite c e n
tral, por lo que:

p_= i = 34,0
a* = o 1N n = 3 / V 4 = 1,5 c m

Lo s lmites de control sern:

L S C * = x + 3 * O j = 3 4 ,0 + 3*1 ,5 = 3 8 ,5 c m

L I C X- = x - 3 * o X- = 3 4 , 0 -3 * 1,5
= 2 9 ,5
cm

L a F ig u ra 4 .2 m u e s tra g r fic a m e n te la form a de h a c e r el c lc u lo de la

probabilidad planteada.

B , = P ( x > 3 8 ,5 ) = 1 - N ((3 8 ,5 -4 0 ,0 )/ 1 ,5)

B ,= 1 - N ( -1 ) = 1 -0 ,1 5 9 = 0,841
B , = 8 4 ,1 %

de T a b la I de A p n d ice I

JORGE ACUNA ACUNA

231

S itu a c i n te ric a

S itu a c i n re al

FIGURA 4.2. Representacin de la distribucin muestral (n=4)

B 2= P ( x < 29,5 ) = N ((2 9 ,5 -4 0 ,0 )/ 1 ,5)

B 2= N ( - 7 ) cu yo valor es aproxim adam ente cero
B = B ,+ B 2= 8 4 ,1 + C = 8 4 ,1 %

B = 8 4 ,1 %

Al com p a rar a m bos valores es evidente que la probabilidad de detectar el

p ro m e dio de una m uestra fuera de lm ites (8 4 ,1 % ) es m u ch o m s alta que la
probabilidad de detectar una observacin individual (1 5 ,4 % ) fuera de lmites de
control. Esto dem uestra la razn por la cual se usan prom edios en el control de
procesos.
Existen d ive rso s tipos de grficos de control para variables. S e ve r n a
continuacin los siguientes:
a.

Grfico de prom edios e intervalos (x ,R )

b.

Grfico de prom edios y desviacin estndar (x ,o )

c.

Grfico de m edianas e intervalos (M e,R )

d.

Grficos de su m as a cu m u lad as (C U S U M )

CONTROL DE CALIDAD

232

GRAFICO DE PROMEDIOS E INTERVALOS ( x,R)

E s te grfico u tiliza c o m o m e d id a de control de exactitud el p ro m e d io y
c o m o m edida de control de pre cisin el intervalo. E sta s m edidas se calculan
con base en m -m u estra s de tam ao n, extradas del proceso en estudio a inter
valos de tiem po o cantida d de pro duccin que son definidos previam ente.
E s requisito c la v e para u sa r e ste tipo de grficos s e le c c io n a r m u e stra s
p e q u e a s, pues el intervalo solo es un buen estim ador de dispersin en estos
caso s.

Construccin del grfico

E n la co n stru cci n de un grfico de control x,R se sig ue n los siguiente s
pasos:
1.

Seleccin de la variable. E s te d e b e s e r n e c e s a ria m e n te un p a s o ya

e je c u ta d o a tra v s de la id e n tific a c i n de c a r a c te rs tic a s de c a lid a d
em p le an do el dia g ra m a de Ishikaw a y el paretogram a.

2.

Definicin del marco de muestreo y mtodo de selecin. E s

necesario

definir el lugar de don d e se extraern las m uestras, sea ste lotes pro d u
c id o s o m q u in a s en p ro c e s o . A d e m s , se d e b e e s tru c tu ra r a d e c u a
dam ente la form a en que las m uestras van a ser extradas. A lg u n a s de las
form as de ejecutar estas actividades son:

3.

a.

U tiliza c i n d e u n a p ro p o rc i n so b re u n a ca n tid a d p ro d u c id a (p o r
ejem plo cinco de ca d a cien)

b.

Utilizacin de intervalos de tiem po iguales (p o r ejem plo una m uestra

cada diez m inutos)

c.

Seleccin aleatoria u sa n d o la tabla de nm ero s aleatorios

d.

U s o de m uestreo sistem tico

Determinacin del nmero de subgrupos o muestras (m).

La d e te r

m inacin de este nm ero se deb e hacer de tal m anera que la probabilidad

de d e te c ta r c a u s a s a s ig n a b le s e n tre las u n id a d e s q u e c o n fo rm a n la

JORGE ACUA ACUA

233

m u e s tra s e a la m n im a p o s ib le , p e ro la m x im a e n tre m u e s tra s o

s u b g ru p o s . E s to se lo g ra si se c u m p le n las c o n d ic io n e s de re p re s e n
tatividad del m uestre o. La experiencia en el uso de este tipo de grficos
dicta qu e este nm ero deb e ser m ayor a veinte. Si esto no es posible solo
se p ueden u sar el nm ero de subgrup os de tam ao cinco especificado en
la T a b la IX del A p n d ice I.
4.

Determinacin del tamao del subgrupo o muestra (n).

E s m uy im por

tante que la seleccin de esta m uestra sea aleatoria y que la frecuencia de

tom a de ella se haga sob re la base de los beneficios esperados y el costo
de evaluacin de calidad g enerado. D ebido al uso del intervalo com o m e
dida de dispersin, la experiencia dicta q u e el tam ao no deb e ser m ayor
que die z unidades. Los nm ero s m s u sado s son cuatro, cinco y seis.
5.

Recoleccin de informacin. U n a v e z

diseado el esquem a de muestreo

se p ro ce d e a la recoleccin datos, ejecucin de m ediciones y clculo de

m edidas estadsticas. E s importante en este paso hacer uso de un formato
a d e c u a d o q u e p re s e n te la in fo rm a ci n o rd e n a d a p a ra su a n lisis. El
E je m p lo 4 .3 p re s e n ta un e je m p lo de fo rm a to . L o s d a to s y las m e d id a s

ca lcu lada s a partir de ellos deb en tener u n a cifra significativa m s que lo

exigido por la especificacin.
Los clculos qu e se efectan son los siguientes:
a.

P rom e dio de la m uestra

n
Ix ,
i=1

X=-

n
donde:
n : tam ao de la m uestra
x.: dato individual

b.

Intervalo de la m uestra

R = x i mx - x imin.

234

CONTROL DE CALIDAD

donde:
ximx: dato de m a yo r m agnitud en la m uestra
ximn: dato de m e n o r m agnitud en la m uestra

c.

P rom edio de p ro m ed ios

m
Xx
X i + X 2 + X3 + . . . + X n

x=

=1

_
m

d onde:
m : n m e ro de m uestras
x: pro m e dio de la m uestra i

d.

Intervalo pro m e d io

XR,
R 11+ 2R , + R 3, + ... + R m
R = ----------------------------------------------------

=1

m
donde:
m : n m e ro de m uestras
R: intervalo de la m uestra i
6.

Clculo de lmites de control. Existen

dos tipos de lmites de control. Los

lm ites de con tro l d e l pro ce so sirven para analizar la situacin del proceso
con respecto a su s capa cid ades naturales, o sea aquellas sin la interven
ci n de c a u s a s a s ig n a b le s . L o s lm ite s de c o n tro l e s p e c ific a d o s son
aquellos b asa do s en la especificacin y que sirven para ve r si el pro ceso
cum ple con ella. La dem ostracin de estos lmites se puede observar en el
A p n d ice III.

JORGE ACUNA ACUNA

235

Lo s lm ites d e b e n te ner una cifra significativa m s q u e lo exigido por la

especificacin y el criterio de re d o n d e o es re d o n d e a r lm ites superiores
hacia arriba a la cifra siguiente y lm ites inferiores hacia abajo a la cifra
pre cedente. Las frm ulas son las siguientes:
a.

Lm ites de control especificados

Para prom edios

P ara intervalos

L S E -= M + T I NfrT

L S E R = D 2*T/3

L C E -x= M

L C E R = d2*T/3

L IE - = M - T / '

L IE R = D ,* T / 3

L S E : Lm ite Su perior Especificado

L C E : Lnea C entral Especificada
L IE : Lm ite Inferior Especificado
b.

Lm ites de c o r frol del proceso

Para prom edios

Para intervalos

L S C x = x + A 2* R

LSC r= [Y

LCC

lc c

L IC x = x - A 2 * R

L 'C r = D 3

r=

L S C : Lm ite Su p e rio r de Control

L C C : Lnea C entral de Control
L IC : Lm ite Inferior de Control
Lo s va lores de las con stantes A 2, D ,, D 2, D 3, D 4 y d2se encu e n tra n en el
form ato de recoleccin de datos.
7.

Construccin del grfico. El grfico con siste de d o s partes: una para

g ra ficar los p ro m e d io s y otra p a ra gra fica r los in te rva lo s. P a ra esto se

236

CONTROL DE CALIDAD

gradan dos escalas, la del eje x que sirve para anotar entre otras cosas el
n m e ro de la m u e stra , la hora de recoleccin y la m q u in a de don d e se
obtuvo.
La otra esca la , la del eje y, se divide en dos partes indepen dientes, u na
gra du a d a para prom edios y la otra g raduad a para intervalos, por supuesto
con esca las diferentes.
La fo rm a e n q u e s e g ra d a n las e s c a la s p a ra el p ro m e d io y p a ra el
intervalo deben contem plar la m agnitud m s grande y m s pequea entre
los va lores de p ro m e d io e intervalo y los respectivos lm ites superiores e
inferiores.
Los lmites de control especificados no se dibujan sobre el grfico, sino que
se p u ede n su p e rp o n e r utilizando una lm ina de plstico.
U n a v e z g radu ad a s las escalas se procede a dibujar los lmites de control
de pro ce so y los puntos corresp ondientes a cada m uestra. Lo s intervalos
se grafican con ba stone s y los pro m edio s con lnea de trazo continuo.
Lo s puntos que sa lg a n ruera de lm ites deb en ser identificados m ediante
u na m a rc a e s p e c ia l, un c rc u lo p o r e je m p lo . La F ig u ra 4 .3 m u e stra un
e sq u e m a de este grfico.

Anlisis del grfico

U n a v e z qu e se ha co n stru id o el grfico se pro ce d e a h a c e r un anlisis
detallado con el fin de detectar los problem as que presenta la caracterstica de
calida d en estudio. El a n lisis del grfico se efecta en d o s p a s o s qu e son :
anlisis del proceso con respecto a sus capacidades y anlisis del proceso con
respecto a especificaciones.
El anlisis del p ro ce so con re sp e cto a su s c a p a cid a d e s se h a c e en dos
etapas que son anlisis correctivo y anlisis preventivo. E n el anlisis correctivo
se identifican puntos fuera de lmites y se elim inan. La razn de su elim inacin
es que su causa es asignable y por lo tanto eliminable. E n el anlisis preventivo
se estudian las cau sa s de los puntos fuera de lmites y se analizan tendencias
y p e c u lia rid a d e s . Si un an lisis inicial m u e s tra que no h a y p u n to s fuera, ni
tendencias ni peculiaridades se dice qu e este proceso est bajo control.

237

<
2
O

O
Q

<<
tr z

- Q

en o uj
uj < UJ

=> S o

S CCUJ

O . o
QC<
UJ r

5 <
5 aZ o

o . i r o 5 i i J - o to

in

io

cvj

z h u j t r > < _ J o </>

FIGURA 4.3. Representacin de un grfico

ro

x ,R .

JORGE ACUA ACUA

CONTROL DE CALIDAD

238

Al efectuar este anlisis correctivo pu eden ocurrir cuatro casos:

CASO A. No hay puntos fuera de lmites en ambos grficos

En este ca so a m b o s grficos m uestran estabilidad y por lo tanto se puede
concluir que la caracterstica no presenta ca u sa s asignables.

CASO B. Hay puntos fuera de lmites solo en el grfico x

E n este caso se tiene un problem a de exactitud del proceso con respecto a
su prom edio natural. A q u , los lmites y los prom edios se desplazan hacia donde
se desplace el prom e dio de prom edios. Lo s puntos que se encuentren fuera de
lm ites d e b e n e lim in a rse y los lm ites d e b e n recalcu la rse. El n u e vo va lo r del
prom edio m odificado se calcula as:
m

x m= ( S

k=1

x j/ (m -h )

k=1

donde:
Xm =

prom edio m odificado

m = n m e ro de m uestras totales
h = n m e ro de m uestras fuera de lmites
Los lmites m odificados se calculan usando las m ism as expresiones vistas
a n te rio rm e n te , y se su stitu y e el v a lo r del p ro m e d io p o r el n u e v o v a lo r m o
dificado.
El c h e q u e o de p u n to s fu e ra de lm ite s d e b e e je c u ta rs e c a d a v e z q u e
n u e v o s lm ites se a n obte nid os. El anlisis term ina en el m o m e n to en que no
h a y a ningn punto fuera de lm ites, siem pre y cu a n d o no se h ayan elim inado
m s del 3 0 % de las m u e s tra s . S i ello o cu rrie se , se s u s p e n d e el e stu dio , se
analiza el proceso para encontrar las causas de lo ocurrido y una v e z corregidas

JORGE ACUNA ACUNA

239

las fallas, se inicia de n u e v o la re c o le cc i n de datos p a ra la co n stru cci n y

anlisis de un nuevo grfico.

CASO C. Hay puntos fuera de lmites solo en el grfico R

E n este caso se tiene un problem a de alta variabilidad que debe corregirse.
C u a n d o el intervalo au m e n ta los pu nto s del grfico R tienden hacia el lmite
su p e rio r y los puntos de los p ro m e d io s en el grfico de p ro m e dio s tienden a
ubicarse cerca de los lmites de control de proceso, con tendencia a salir fuera
de ellos. Lo s va lo re s de R fuera de lm ites son elim in a d o s y se recalcu la un
nue vo intervalo prom edio y lmites m odificados, tanto para los intervalos co m o
p a ra los p ro m e d io s, p u e s ellos estn b a s a d o s en el in tervalo p ro m e d io . El
intervalo prom edio m odificado se calcula as:
_

Rm= (X
k=1

f
R k-

R J / (m -f )

k=1

don de:
R m = intervalo prom edio m odificado
m = n m ero total de m uestras
f

= n m e ro de m uestras que se salen de lmites

CASO D. Hay puntos fuera de lmites en ambos grficos

E ste es el p e o r de los c a s o s , p u e s las situ a cio n e s p re s e n ta d a s en los
c a s o s B y C ocurren juntas. El pro b le m a se torna an m s g rand e c u a n d o al
corregir uno se altera el otro.
C u a n d o existen cam bios m s g rand es en la m edia del proceso qu e en los
intervalos, el grfico R p u e d e m ostrar a lg u na estabilidad m ientras q u e en el
grfico de prom edios los puntos se salen de lmites. Las acciones que se deben
seguir son las m ism as presentadas para los casos B y C . Al eliminar los puntos

240

CONTROL DE CALIDAD

fu e ra d e b e in iciarse c o n los p u n to s fu e ra del g rfico de in te rva lo s p u e s el

intervalo prom edio m odificar los lm ites de control de prom edios.
La s m uestras qu e se elim inan por precisin no se elim inan por exactitud y
vice ve rsa . A m b o s anlisis se ejecutan en form a independiente.
E n el anlisis preventivo se efecta una investigacin detallada de las cau
sas que p rovocaron qu e el o los puntos salieran fuera de control. P ara ello, se
h a c e u so del d ia g ra m a c a u s a y e fe cto co n stru id o p a ra la ca ra c te rs tic a en
estudio.
El objetivo de este anlisis es identificar las cau sa s y establecer p ro cedi
m ientos para eliminarlas, de tal m anera qu e no continen influyendo en el co m
portam iento de la variable. C o m o una herram ienta para detectar cam bios futu
ros se p u e den usar los lmites de advertencia que son lm ites b asados en dos
desviacione s estn dar en lugar de tres.
E n el ca so de qu e existan te n d e n c ia s , stas deben ser analizadas cu ida
dosam ente haciendo uso de ecuaciones de regresin si se considera necesario
p ro ye c ta r un d e te rm in a d o co m p o rta m ie n to . El objetivo es a ctu a r de m a n e ra
preventiva ya que con el tiem po causa s no asignables de variacin con tenden
cia m a rca d a pueden convertirse en ca u sa s asignables de variacin.
Si existen p eculiarid ades d e b e n se r analizad as deten id am e nte. Si stas
fuesen m u y m arca da s pueden ser el resultado de un com portam iento anorm al
que an no se ha m anifestado de m anera abierta. Ejem plos de ellas son puntos
cerca de lmites y cam bios bruscos en el prom edio del proceso. E n el A pn dice
IV se presentan varios ejem plos de peculiaridades y sus posibles cau sa s.
El anlisis del p ro ce so con respecto a la especificacin se h ace c o m p a
rando los limites m odificados con los lmites de control especificados. A d e m s ,
se efecta el anlisis de exactitud y precisin y se calculan los respectivos por
centajes de producto qu e no cum ple con especificaciones al inicio y al final del
estudio.
Al c o m p a ra r los lm ites de control del pro ceso con los lm ites de control
especificados se p u e d e n g e ne rar las siguientes situaciones:
S itu a c i n 1. D oble lm ite especificado. Los lm ites de c on tro l d e l p ro ce so
se en cuentran dentro de los lm ites de c o n tro l especificados y e l p ro ce so est
centrado

JORGE ACUNA ACUNA

241

E sta es u na situacin bastante favora ble pero po co usual. C u a n d o sto

ocurre, se de b e n seguir las siguientes acciones:
1.
2.

S e g u ir u sand o los m ism o s m edios de control

C o n s id e r a r la p o s ib ilid a d d e u s a r lm ite s de co n tro l d e p ro c e s o m s
h olgados sin perjudicar el d e s e m p e o del proceso

3.
4.

R e du cir los intervalos de inspeccin

R evisar la especificacin con el fin de constatar su apego a las condiciones
exigidas al proceso. El objetivo es d e m ostrar qu e la situacin presentada
se d e b e a la b u e n a c a lid a d del p ro c e s o y no a u na m a la e s c o g e n c ia o
diseo de especificaciones
S itu a c i n 2. D oble lm ite especificado. Los lm ites de c on tro l d e l proceso

se encuentran casi coincidiendo con los lm ites de control especificados cuando

e l p ro ce so est centrado
C u a n d o sto ocurre, se debe:
1.

V ig ila r co n sta n te m e n te el cen tro del p ro c e s o , p u e s un m n im o c a m b io

puede pro vo ca r producto defectuoso

2.
3.

A n a liza r la posibilidad de dism inuir la dispersin

Analizar la posibilidad de am pliar tolerancias (debe ser la ltima accin que
se siga)

S itu a c i n 3. Doble lm ite especificado. Los lm ites de control especificados

se encuentran ligeram ente dentro de los lm ites de con tro l d e l pro ceso cuando

e l p ro ce so est centrado
Esta situacin pro voca un nivel de producto disconform e con las especifi
c a c io n e s q u e d e b e se r co n tro la d o con c u id a d o . L a s m e d id a s q u e se de b e n
tom ar en este ca so son entre otras:
1.

D ism inuir la dispersin del proceso haciendo los cam bios necesarios

2.

Utilizar inspeccin 1 0 0 % , hasta qu e el pro ceso vu elva a su norm alidad

3.

A n a liza r la posibilidad de am pliar tolerancias (ltim a accin)

CONTROL DE CALIDAD

242

S itu a c i n 4. Doble lm ite especificado. Los lm ites de c on tro l del pro ceso
se en cue ntran dentro de los lm ite s de c o n tro l esp ecificado s y e l p ro ce so est
descen tra do
E ste c a s o es de c u id a d o p u e s si el p ro ce so es irre gu lar en m a n te n e r su
c e n tro p u e d e p ro v o c a r d e un m o m e n to a otro un v o lu m e n no d e s e a d o de
producto defectuoso. La s m e didas por tom ar son las siguientes:
1.
2.

Ejecuta r acciones que permitan centrar el proceso y controlar su exactitud

S i no fu e ra p o sib le c e n tra r el p ro c e s o de in m e d ia to , s e d e b e e m p le a r
inspeccin 1 0 0 % hasta que se logre

3.

E sta blecer controles rgidos que perm itan detectar cualquier cam bio en el
centro del proceso.
S itu a c i n 5. D oble lm ite especificado. Los lm ites de con tro l d e l p ro ce so

se encuentran casi coincidiendo con los lm ites de control especificados cuando

e l p ro ce so est descentrado
E s te c a s o e s p a re c id o al m o s tra d o en la S itu a ci n 4. L a s a c c io n e s por
seguir son las m ism as a u nq ue el control d e b e ser an m s rgido.
S itu a c i n 6. Doble lm ite especificado. Los lm ites de control especificados
se encuentran ligeram ente dentro de los lm ites de con tro l d e l pro ceso cuando
e l p ro ce so est descentrado
E n esta situacin la cantidad de pro ducto qu e no cu m p le con especifica
ciones pu e de ser alta en la m edida en que el proceso tenga su valor m edio m uy
a le ja d o del v a lo r n om inal e s p e c ifica d o . L a s a c c io n e s so n las m is m a s de la
situacin 4.
S itu a c i n 7. Un s o lo lm ite especificado. E l lm ite de c on tro l especificado

se e n cu e n tra ba jo e l lm ite de c o n tro l de p ro c e s o s i se c o n tro la un m n im o o

sob re l s i se controla un m xim o
Esta es una situacin favorable que debe continuar. La calidad del proceso
se r m ejor en la m edida en qu e el lmite de control del pro ceso se aleje del e s
pecificado. Si e sa distancia fuera m u y g ra n d e se puede reducir el intervalo de
inspeccin en form a controlada.

JORGE ACUNA ACUNA

243

S itu a c i n 8. Un solo lm ite especificado. E l lm ite de c on tro l especificado

coincide con e l lm ite de con tro l d e l p ro ce so
E sta es u na situacin de c u id a d o p u e s p u e d e g e n e ra r pro du cto que no
cu m p le con especificaciones en cu alq u ier m om ento. La s accio n es por seguir
son:
1.

C u id a r qu e el p ro ce so no m u e v a su p ro m e d io hacia el lm ite de control

especificado

2.

A u m e nta r la frecuencia de inspeccin

3.

Dism inuir ligeram ente la dispersin del proceso

S itu a c i n 9. Un solo lm ite especificado. E l lm ite de c on tro l especificado

se encuentra s o b re e l lm ite de c o n tro l de p ro ce so s i se c ontrola un m nim o o
bajo l s i se controla un m xim o
Esta situacin genera disconform idades que se agravan de acuerdo con la
brecha que se presente entre los lmites. Las m edidas que hay que tom ar son:
1.

M over el centro del proceso en direccin contraria a donde se encuentre el

lmite de control especificado

2.

Inspeccionar 1 0 0 % hasta lograr un control favorable

3.

T ra ta r de dism inuir la tolerancia (en ltimo caso )

U n a v e z que se han co m p a ra d o lm ites se pro cede a h acer el anlisis de

exactitud y precisin. Para ello se realizan las siguientes com paraciones con las
respectivas p ruebas de hiptesis si es necesario:

M = x
g < T / 3

o = R/d2
H e c h o sto se calcula el porcentaje disconform e con especificaciones al
inicio y al final del estudio. Las Figuras 4 .4 y 4.5 m uestran las curva s norm ales
qu e se deben plantear para calcular a m b o s porcentajes.

CONTROL DE CALIDAD

244

M - T

M+ T

FIGURA 4.4. Clculo del porcentaje disconforme inicial.

FIGURA 4.5. Clculo del porcentaje disconforme final.

a e s t i m a c i n inicial de la desviacin estn dar antes del anlisis

o j: estim acin final de la desviacin estn dar despu s del anlisis

R . : intervalo prom edio inicial -a n t e s del a n lis is R , : intervalo prom e dio final -d e s p u s del a n lis is El p o rce ntaje de p ro d u cto d isco n fo rm e total se e n c u e n tra s u m a n d o las
re as A , y A 2. S i se d e s e a , se p u e d e e fe ctu a r una p ru e b a de hiptesis p a ra

JORGE ACUNA ACUNA

245

dete rm ina r si la reduccin lograda en el porcentaje calculado es significativa

(pru e b a de hiptesis de dos pro porcion es).

S e g u im ie n to

U n a v e z qu e se ha finalizado el anlisis y se ha constatado que el proceso

cum ple con las especificaciones, se proyectan los lmites de control del proceso
al futuro en un e sq u e m a que permitir el control con base en nuevas muestras.
C a d a m u e s tra se g r fica y s e to m a n las d e c is io n e s del c a s o co n el fin de
corregir situaciones anm alas.
Para esta actividad se debe adiestrar al personal para que tom en muestras
obe deciendo a los esq u em as que cum plen con las condiciones de aleatoriedad
y representatividad.
E ste pro ce so debe ejecutarse hasta que las con dicio nes que presenta la
caracterstica se an favorables, es decir, hasta que se entregue al con su m ido r
un producto que satisface sus expectativas.
P a ra te ne r u na idea global de las tres e tapas en el uso de un grfico de
co n tro l de p ro m e d io s e in te rv a lo s se p u e d e o b s e rv a r el flu jo g ra m a I en el
A p n d ice III.

EJEMPLO 4.3
E n una industria m a nufactu rera de e n v a s e s plsticos, existe un enva se
cu y o p e so nom inal deb e ser 45 g ra m o s. C o n el fin de c h e q u e a r el estado del
p ro c e s o se to m a n treinta m u e s tra s de c in co e n v a s e s c a d a u na y se p e sa n
obteniendo la inform acin que se presenta en el C u a d ro 4.1.
a.
b.

Efectuar un anlisis u sand o un grfico de prom edio e intervalo

Si las tolerancias se fijan en 5 gram os Q u conclusiones se obtienen del
estado del pro ceso?

CONTROL DE CALIDAD

246

CUADRO 4.1. Hoja de datos y clculos iniciales para el Ejemplo 4.3

Hoja de datos - Grficos de control X, R
A-X-30
' Envase plstico
Cdigo:
45 5 g
Peso en gramos
Especificacin:
Extrusora
Extrusin
Mquina:
H. Picado
J. Morales
Inspector:
30-6-84 Tumo: 2-10 Hora de inicio: 3:30 Hoja # 1 de 1

Artculo:
Caracterstica:
Operacin:
Operario:
Fecha:
Muestra

10

V
A
L
O
R

5
4
3
2
1

48
35
46
55
41

42
48
47
45
46

42
40
49
48
41

43
43
40
40
42

41
42
41
41
45

45
47
44
47
49

59
60
59
59
60

40
40
46
46
46

40
42
43
46
47

42
45
39
44
45

225
45,0
20

228
45,6
6

220
44,0
9

208
41,6
3

210
42,0
4

232
46,4
5

297
59,4
1

218
43,6
6

218
43,6
7

215
43,0
6

11

12

13

14

15

16

17

18

19

20

52
38
48
44
45

44
53
47
38
44

44
43
45
40
43

54
41
45
44
39

51
39
54
45
38

44
45
46
37
43

46
55
47
46
43

39
42
55
47
48

42
42
49
43
44

48
42
43
43
43

227
45,4
14

226
45,2
15

215
43,0
5

223
44,6
15

227
45,4
16

215
43,0
9

237
47,4
12

231
46,2
16

220
44,0
7

220
44,0
5

21

22

23

24

25

26

27

28

29

30

5
4
3
2
1

35
58
50
40
52

46
47
49
40
41

54
49
46
43
35

48
47
46
45
41

60
53
49
51
52

45
44
42
40
40

40
40
40
39
41

36
47
48
45
35

45
45
46
44
47

47
50
51
47
44

235
47,0
23

233
46,6
11

200
40,0
2

211
42,2
13

227
45,4
3

237
47,6
7

I
N
D
I
V

n=5

O
B

TOTAL
PROMEDIO
INTERVALO R
MUESTRA #

S
E
R

V
A
L
O
R

I
N
D
I
V

5
4
3
2
1

TOTAL
PROMEDIO
INTERVALO R
MUESTRA

V
A

N
V
A
L
O
R

I
N
D
I
V

TOTAL
PROMEDIO
INTERVALO R

227 227 275 211

45,4 45,4 55,0 42,2
7
5
19
9
iCONSTANTES
5
6
7

E
S

a2

1,880

1,023

0,729

0,577

0,483

0,419

0,373

0,337

0,308

0,285

d2

3,686

4,358

4,698

4,918

5,078

5,203

5,307

5,394

5,469

5,534

2,115

2,004

1,924

1,864

1,816

1,777

1,744

2,326

2,534

2,704

2,847

2,970

3,078

3,173

D4

3,267

2,575

2,282

d2

1,118

1,693

2,059

1 0 1 1

JORGE ACUNA ACUNA

247

SOLUCION
A.

Construccin del grfico

Los pasos del 1 al 4 se encuentran en el C u a d ro 4.1.
P a so 5. C lc u lo del p ro m e d io de pro m e dio s y el intervalo pro m e dio . Del

C u a d ro 4.1 se obtiene que:

1359
x ----------------= 4 5 ,3
30

' -

276
R = -------------= 9 -2
30

Paso 6. C lc u lo de lmites de control

a.

Lm ites de control especificados

Especificacin: M T = 45 5 g ram os

Para prom edios

LSE_= M

+ T / 'f rf =

45

5/\f5 =

47,3 gram os

LCE

= M

45,0 gram os

L IE

= M

- T/fn

45

5/15

42 ,7 gram os

Para intervalos
LSEr

D2

T/3 =

4 ,9 1 8 * 5 / 3 = 8 ,6 gram os

LCEr

d2

T/3 =

2 ,3 2 6 * 5/3 = 3,9 gram os

L IE r

D,

T/3 =

0*5/3

0 gram os

Para n=5 , los valores de D 2, d2y D , se localizan en la hoja de datos en el

C u a d ro 4.1. El valor de D , es cero.
b.

Lm ites de control del proceso

Para p rom edios

CONTROL DE CALIDAD

.48

LSCx=

x + A 2* R = 45 ,3 + (0 ,5 7 7 * 9 ,2 ) = 5 0 ,7 g ram os

Lca=

= 45 ,3 gram os

L IC x =

x - A 2* R = 4 5 ,3 - (0 ,5 7 7 * 9 ,2 )

= 3 9 ,9 g ram os

P a ra intervalos
L S C R= D 4* R = 2 ,1 1 5 * 9 ,2

= 1 9 ,5 g r a m o s

LCCr =R

= 9,2 gram os

U C R = D 3* R = 0

* 9 ,2

0 gram os

Los valores utilizados y las constantes se encuentran en el C u a d ro 4.1.

Pa so 7. C onstru ccin del grfico
La Figu ra 4 .6 pre senta el grfico correspondiente a este ejem plo.

B.

Anlisis del grfico

1.

A n lisis con resp ecto a l p ro ce so

Al o b servar la F ig u ra 4 .6 se nota que hay puntos fuera en a m b o s grficos,

por lo qu e se p ro ce de a elim inarlos.

G r f ic o R
S e nota qu e las m uestra s 1 y 21 se encuentran sob re el lmite superio r de
control, ento nces se recalcula el intervalo prom edio.
2 7 6 - ( 2 0 + 23)

Rm

= 8,32 gramos
30 -2

JORGE ACUA ACUA

FIGURA 4.6. Grfico de control X,R del Ejemplo 4.3.

249

O CC< L l U O IX

O CC<Ll. O O CE

250

CONTROL DE CALIDAD

S e re c a lc u la s o lo el lm ite s u p e r io r p u e s es el q u e s e n e c e s ita p a ra
o b s e rva r si hay m s puntos fuera.
L S C Rm= D 4* R m= 2 ,1 15* 8 ,3 2 = 17,6 g ram os
Al obse rvar de nuevo el grfico se nota que la m uestra 23 se sale de lmites
por lo qu e se elim ina. E l nuevo intervalo m odificado es:
2 3 3 -1 9
R m= ------------------------= 7 ,9 3 gram os
2 8 -1
L S C ^ = 2 ,1 1 5 * 7 ,9 3 = 16,8 gram os
Y a no hay m s puntos fuera y se elim inaron solo el 1 0 % de las m uestras.
S e p ro cede entonces a analizar el grfico de prom edios.

Grfico x
S e recalculan los lmites con el n u e vo intervalo prom edio.
L S C - = 4 5 ,3 + (0 ,5 7 7 * 7 ,9 3 ) = 49 ,9 g ra m o s
L i a = 45 ,3 - (0 ,5 7 7 * 7 ,9 3 ) = 40 ,7 g ra m o s
S e nota que las m uestras 7 ,2 5 y 27 se encuentran fuera de lmites. P or lo
tanto se procede a elim inarlas y a recalcular el prom edio.

1 3 5 9 - ( 5 9 , 4 + 5 5 + 40)
x m= --------------------------------------------------= 44 ,6 g ra m o s
3 0 -3
Lo s lmites de control de pro ceso m odificados sern:
L S C 5m= 44 ,6 + (0 ,5 7 7 * 7 ,9 3 ) = 49 ,2 g ra m o s
L IC 5m= 44 ,6 - (0 ,5 7 7 * 7 ,9 3 ) = 40,0 g ra m o s

JORGE ACUA ACUA

251

Al o bse rvar de n u evo el grfico se nota qu e ya no hay m s puntos fuera y

so lo se e lim in a ro n el 1 0 % d e las m u e s tra s . E n c u a n to a p e c u lia rid a d e s y
tendencias no se observa nada importante.

2.

A nlisis con respecto a especificaciones

Al co m p a ra r la situacin de los lm ites de control de pro ceso finales y los

lmites de control especificados se nota que corresponde a la Situacin 3, por lo
que ya se co n o cen las acciones que hay qu e tom ar.
Al hacer el anlisis de exactitud, de precisin y de porcentaje de producto
no conform e con especificaciones se tiene:
a.

Exactitud
M= x
45 ,0

= 44,6

S e plantea la siguiente hiptesis

H 0: p = 45
H a: p = 45
La Figu ra 4.7 m uestra la curva norm al correspondiente.
o = 7,93/2,326 = 3,41
4 4 ,6 -4 5
Z =

= - 0,26
3,41
'15

C o m o se puede o bservar en la Figura 4.7, no existe evidencia estadstica,

con a = 5 % , para re c h a za r la hiptesis nula. P or lo tanto, bajo las condiciones
actuales se puede afirmar con 9 5 % de confianza que el proceso est centrado.

CONTROL DE CALIDAD

252

FIGURA 4.7. Curva normal para la prueba de hiptesis.

b.

Precisin

El proceso no es preciso puesto que:

a > T/3
a' = R/d2= 7 ,9 3 / 2,3 2 6 = 3,41
T/3 = 5 / 3 = 1,67
3,41

> 1 ,6 7

C o n la d ife re n c ia m o s tra d a re s u lta in n e c e s a rio h a c e r la p ru e b a de

hiptesis.

c.

P orcentaje de producto disconform e

o'.= 9 ,2 / 2 ,3 2 6 = 3,96
& = 7 ,9 3 / 2 ,3 2 6 = 3,41
Las Figuras 4.8 y 4.9 m uestran las curvas norm ales usadas para el clculo
del porcentaje de producto fuera de especificaciones.

JORGE ACUNA ACUNA

FIGURA 4.8. Clculo del porcentaje de producto disconforme inicial.

FIGURA 4.9. Clculo del porcentaje disconforme final.

A , = P (x < 4 0 ,0 ) = N ((4 0 ,0 - 44,6)/3 ,96) = -1 ,1 6

A , = 0 ,1 2 3 1 2 ,3 %
A 2= P ( x > 5 0 ,0 ) = 1 - N ((5 0 ,0 - 44,6)/3 ,96) = 1 - N (1 ,3 6 )
A 2= 1 -0 ,9 1 3 1 = 0 ,0 8 6 9 0 8 ,6 9 %
El porcentaje de producto disconform e total inicial es 20,9 9 % .
A , = P (x < 4 0 ,0 ) = N ((4 0 ,0 - 4 4 ,6)/3 ,41) = -1 ,3 4
A , = 0,09 9 %
A 2= P ( x > 5 0 ,0 ) = 1 - N ((5 0 ,0 - 4 4 ,6)/3 ,41) = 1 - N ( 1 , 5 8 )
A 2= 1 -0 ,9 4 3 = 0,0 5 7 6 5 ,7 %

253

254

CONTROL DE CALIDAD

El porcentaje de producto disconform e total final es 14,7 % .

C o m o se p u e d e co n clu ir del anlisis rea liza do, la elim inacin de ca u sa s
asignables a yu da a dism inuir el porcentaje de producto disconform e de 2 0 ,9 9 %
a 1 4 ,7 % . S in e m b a rg o , esto no es su ficie n te y d e b e n h a c e rs e las m e jo ra s
re c o m e n d a d a s para elevar el nivel de calidad de este proceso.

UTILIZACION D EL GRAFICO
PROCESO

x,

R PARA A JU ST A R UN

U n o de los aspectos en que es til un grfico de controfx, R es para ajustar

un p ro c e s o o m q u in a de a c u e rd o c o n el d e s e m p e o de u na d e te rm in a d a
caracterstica. El prim er paso es seleccionar esa caracterstica y m quina en la
qu e se efectuar el estudio. El procedim iento por seguir es el m ism o explicado
anteriorm ente y en adelante solo se har nfasis en las diferencias.
Este anlisis consiste en un estudio de por lo m enos tres das, a travs de
los cuales se introducen m ejoras y se evalan al da siguiente.
El procedim iento es el siguiente:
1.

R e c o le c ta r los d a to s del p rim e r d a , co n stru ir el grfico y a n a liza rlo . Al

efectuar el anlisis pueden ocurrir las siguientes situaciones:
a.

H a y p u n to s fue ra de lm ite s de c o n tro l de pro ceso . E n este ca s o se

procede tal y com o se explic anteriorm ente, es decir, se recalculan l
m ites, se a n a liza n te n d e n cia s y p e cu lia rid a d e s y se c o m p a ra n con
especificaciones. Al final del da se efectan las m edidas correctivas y
p re ve ntiva s n e c esarias aju stando m q u in a s, m todos y m ateriales,
con el fin de continuar el estudio al da siguiente. Si el proceso cum ple
con las especificaciones no hay necesidad de continuar con un seg un
do da de estudio, a no ser que el proceso se presente m uy descontro
la d o o q u e s e d e m u e s t r e q u e la s e s p e c if ic a c io n e s e s t n m al
establecidas.

b.

N o h a y p u n to s fu e ra de lm ite s de c o n tro l de p ro ce so . Si es a s se
p ro ce d e a e v a lu a r la situacin del p ro ce so con respecto de e s p e c i
ficaciones. Si cum ple con las especificaciones se aplica lo dicho en el

JORGE ACUNA ACUNA

255

punto a ). Si no cu m p le con ellas se deb en introducir m ejoras al pro

ceso, las que se evaluarn al da siguiente.

Si en el prim er da, uno o a m b o s grficos m ostraron estabilidad inicial, c

se a n in g u n a m u e stra fue elim in a d a , e n to n ce s los lm ites de control de
proceso se usan co m o lmites de control iniciales para el seg u ndo da, c o r
el fin de probar su consistencia.
2.

R ecolectar los datos del seg u ndo da. Si existen lmites de control de pro
c e s o iniciales los datos reco lecta do s se graflcan y se a n aliza la c o n s is
tencia del p ro ce so co n respecto al d a anterior sin e n trar en el anlisis
L u e g o , se efectan los clculos n e cesarios para ob te n e r n u e vo s lmites
con base en las m uestras del primer y segundo das com o si fuesen un solc

c o n ju n to . C o n b a s e en e s to s lm ite s y en los d a to s de a m b o s d a s se
e fecta el a nlisis. Si h ay pu nto s fu era se e lim in an, se c o m p a ra con la
especificacin y se h acen los ajustes necesarios. Si no hay puntos fuera

sim p le m ente se p ro ce d e a c o m p a ra r con especificacione s y a tom ar las

a ccio n e s p re ve ntivas y correctivas q u e se e va lu a r n al siguiente da. S
c u m p le con e s p e c ific a c io n e s se a p lic a lo d ic h o en el p u n to 1 a ). S i nc
existen lmites iniciales de control de proceso se efecta el m ism o anlisis
y se toman las m ism as acciones, pero con base solamente en las muestras
tom ada s el se g u n d o da.

Si nicam ente en el segundo da, uno o am bos grficos m ostraron estabi

lidad inicial, es decir, ninguna m uestra fue elim inada, entonces sus lmites

de control del p ro ce so se usan c o m o lm ites de control iniciales para e

tercer da Si en el prim er y seg u ndo das hubo consistencia, se tom an los
lmites calculados con base en las m uestras de a m b o s das.
3.

Recolectar los datos del tercer da. Si existen lmites de control de procese

iniciales, los datos recolectados se grafican y se analiza la consistencia de

proceso con respecto al da o das anteriores, sin entrar en la etapa de an
lisis. L u e g o , se efectan los c lcu lo s n e c e s a rio s p a ra o b te n e r nuevos
lmites con base en el conjunto de m uestras del prim ero, seg u ndo y tercei
das o con base en el seg undo y tercer da, si los lmites iniciales se basar

solo en el segundo da. C o n base en estos lmites y en los datos de los tres

o dos das, segn sea el caso, se efecta el anlisis. Si hay puntos fuera se

e lim in a n y se p ro c e d e a c o m p a ra r con la e s p e c ific a c i n y a h a c e r los

CONTROL DE CALIDAD

256

ajustes necesarios. Si no h a y puntos fuera, sim plem ente se co m para con

especificaciones y se tom an las acciones preventivas y correctivas que se
e v a lu a r n al sig uie n te d a . Si no existen lm ites iniciales de control de
proceso se efecta el m ism o anlisis y se tom an las m ism as acciones, pero
con base solam ente en las m uestras to m a d a s durante el tercer da.
4.

Si ya se-ha logrado cum plir con las especificaciones, se tiene entonces un

proceso ajustado a los requerim ientos. D e lo contrario pueden ocurrir dos
cosa s:
a.

Q u e se a necesario el anlisis de un cuarto da, si h ay indicios de que

el proceso todava es ca p a z de dar algo mejor, en cu yo caso se aplica
el m ism o procedim iento explicado.

b.

Q u e se concluya que la o las m quinas analizadas no son capa ces de

cum plir con las exigencias planteadas, en cuyo c a s o se deben tom ar
las acciones de sustitucin de equipo o modificacin o eliminacin del
contrato con el cliente.

5.

U n a v e z ajustado el pro ceso se deb en establecer las accion es de control

por seguir con el fin de qu e el proceso m antenga su g ra d o de ajuste.
Este es un buen procedim iento para encontrar la capacidad de un proceso

o m quina y as cum plir con las exigencias de calidad planteadas por el cliente
o c o n su m id o r. La F ig u ra 4 .1 0 pre senta un e s q u e m a del grfico resultante al
aplicar este procedim iento.
E s im portante re c a lca r qu e un estudio de esta natu ra le za deb e ir a c o m
p a a d o de una c a m p a a de m otivacin y entrenam iento a nivel de e m p re sa ,
p u e s los e s fu e rz o s p a ra m e jo ra r c a lid a d d e p e n d e n en un alto g ra d o del
com portam iento, actitud y aptitud del factor hum ano.

EJEMPLO 4.4
U na Com paa que fabrica paraguas desea controlar la longitud de las varillas
a travs de un grfico de control de prom edios e intervalos. La recoleccin de

JORGE ACUA ACUA

257

0 52 M 50 D 4 8 ~

1 460 44424038 3634-

I 2218-

P r im e r d a

4...

3.

S e g u n d o d io

4 ...

T e rc e r da

Espacio para la inform acin adicional que se desee

FIGURA 4.10. Representacin de un grfico x,R en ajuste de proceso.

inform acin se h izo durante tres d a s to m and o cien o b s e rv a cio n e s diarias y

efectu a n do las m ejo ras del ca so al final de cad a da. Lo s datos obte nid os se
encuentran en los C u a d ro s 4 .2 ,4 .3 y 4.4.
Te rm in a d o el anlisis se de se a saber:
1.

Q u se ha logrado a travs de los tres das de control?

2.

Q u se planea hacer en el futuro?

3.

Q u destino d ar a la produccin fabricada?

CONTROL DE CALIDAD

SOLUCION
A.

C onstruccin del grfico

Lo s p aso s del 1 al 5 se e ncuentran en los C u a d ro s 4 .2 ,4 .3 y 4.4.

Lm ite s de control especificados
Especificaci n: M T = 4 0 ,0 + 2,5 cm

P a ra pro m e dio s
LSE

= M + T / T = 4 0 ,0 + 2,5/ 5

= 4 1 ,1 2 c m

= M

= 4 0 ,0 0 cm

LCE
X

L IE _ = M - T/ T = 4 0 ,0 - 2,5/ 5

= 38,8 8 cm

P ara intervalos
L S E r = D 2* T/3 = 4 ,9 1 8

*2,5/3 = 4,1 O c m

L C E r = d2 * T/3 = 2 ,3 2 6 * 2,5/3 = 1,94 cm

L IE r

= D , * T/3 = 0

* 2 ,5 / 3 =

O cm

P a ra n = 5 , los v a lo re s de D 2, d2y D , se localizan en la hoja de datos en el

iuadro 4 .2. El valor de D , es cero para m uestras de tam ao igual o inferior a 11.

Construccin del grfico para el da lunes

(M u e stra s de la N o . 1 a la N o . 20 en el C u a d ro 4 .2 ).

a.

Lm ites de co n tro l del p ro ce so

P ara prom edios

JORGE ACUNA ACUNA

CUADRO 4.2. Datos del primer da para el Ejemplo 4.4

Hoja de datos - Grficos de control x, R
Varilla de paraguas
Cdigo:
Longitud de corte
Especificacin:
Corte de barras
Mquina:
T. P. Aguilar
Inspector:
26-09-84 Turno: 1 Hora de inicio: 8:00 a.rti. Hoja #

Articulo:
Caracterstica:
Operacin:
Operario:
Fecha:
Muestra

V
A
L
0
R

5
4
3
2
1

42.1
42.7
40.7
39.1
43,3

I
N
D
I
V

38.5 40,2
40.5 35,9
47,2 37,5
39,4 46.7
38.6 38.8

AM-05
45,0 2,5 gr
Cortadora xy
A. M. Flores
1 de 3

10

37,9
37.8
36,5
40,0
39.9

40.5
41.5
42.5
40,0
39,9

48.0
43,4
44.0
43.0
40.0

36.0
38.7
39.0
41.7
43,5

45.0
40,8
40,2
40.1
41,7

42,3
41,5
39,9
39.8
36.9

50.0
47.0
45,6
46.1
46,9

n=5

O
B

TOTAL 207,9 204,2 199,1 186,8 204,4 218,4 198,9 207,8 200,4 235,6
PROMEDIO 41,58 40,84 39,82 37,36 40,88 43,68 39,78 41,56 40,80 47,12
INTERVALO R
4,2
8,7 10,8 1,4
2,6
8,0
7,5
5,4
4,4
4,9
MUESTRA
V
A
L
O
R

I
N
D
I
V

11

5
4
3
2
1

37,0
38.4
39.5
38,7
37,9

TOTAL
PROMEDIO
INTERVALO R

12

13

40.6 35,0
41,5 37.6
39.7 40,3
38.8 39.7
37,1 38,5

14

15

16

17

18

19

20

38,9
36.3
38.4
39,6
40,0

40,3
4 ; ,3
40,8
41.5
42.5

41.5
41.5
40.3
39.3
38,9

43,3
42,1
40.0
38,8
38.0

42.1
43.2
40,8
40,0
39,7

41,5
37,4
38,3
37.8
38.9

35,9
41.7
43.8
42,7
40,1

191,5 197,7 191,1 193,2 206,4 201,5 202,2 205,8 193,9 204,2
38,30 39,54 38,22 38,64 41,28 40,30 40,44 41,16 38,78 40,84
4,4
3,7
2,5
5,3
2,2
2,6
5,3
3,5
4,1
7,9
CALCULOS

MUESTRAS DE LA 1 A LA 20

V
A

N
E

x = 810,2

X = 40,51

R = 99,4

R = 4,97

10

11

A2

1,880

1,023

0,729

0,577

0,483

0,419

0,373

0,337

0,308

0,285

D2

3,686

4,358

4,698

4,918

5,078

5,203

5,307

5,394

5,469

5,534

D4

3,267

2,575

2,282

2,115

2,004

1,924

1,864

1,816

1,777

1,744

d2

1,128

1,693

2,059

2,326

2,534

2,704

2,847

2,970

3,078

3,173

CONTROL DE CALIDAD

260

CUADRO 4.3. Datos del segundo da para el Ejemplo 4.4

Hoja de datos - Grficos de control x, R
Varilla de paraguas
Cdigo:
AM-05
Longitud de corte
Especificacin:
45,0 2,5 gr
Corte de barras
Mquina:
Cortadora xy
T. P. Aguilar
Inspector:
A, M. Flores
27-09-84 Turno: 1 Hora de inicio: 8:00 a.m. Hoja # 2 de 3

Artculo:
Caracterstica:
Operacin:
Operario:
Fecha:
Muestra

21

22

23

24

25

26

27

28

29

30

V
A
L
O
R

5
4
3
2
1

42,1
40,8
40,7
39,3
42,5

38,5
40,5
42,3
39,4
38,6

40,2
38,9
37,5
42,1
38,8

37,9
39,8
40,0
41,5
39,7

40,6
41,4
42,4
40,2
40,0

43,0
43,4
40,5
41,3
38,9

38,0
38,7
39,1
40,3
39,9

40,8
39,3
39,0
39,9
40,9

41,3
41,5
38,9
39,8
37,6

40,0
36,9
38,8
39,2
40,0

I
N
D
I
V

n=5

O
B

TOTAL 205,4 199,3 197,5 198,9 204,6 207,1 196,0 199,9 199,1 194,9
PROMEDIO 41,08 39,86 39,50 39,78 40,92 41,42 39,20 39,98 39,82 38,98
3,8
3,3
3,6
2,4
4,5
2,3
INTERVALO R
3,1
3,2
1,9 3,9
MUESTRA

31

32

33

34

35

36

37

38

39

40

5
4
3
2
1

37,9
38,0
39,4
38,5
38,4

41,6
41,5
39,5
38,8
39,1

37,5
37,6
40,3
39,7
40,0

39,8
38,3
39,9
40,9
41,0

39,3
38,4
40,0
41,5
40,5

41,5
41,5
41,5
39,9
38,7

40,3
40,9
38,8
39,7
39,6

36,9
40,9
41,9
40,5
40,3

36,9
36,9
42,7
40,1
40,1

38,7
38,8
39,0
40,7
40,6

R
V
A
L
O
R

I
N
D
I
V

TOTAL 192,2 200,5 195,1 199,9 199,7 203,1 199,3 200,5 196,7 197,8
PROMEDIO 38,44 40,10 39,02 39,98 39,94 40,62 39,86 40,10 39,34 39,56
5,0
5,8
2,0
INTERVALO R
1,5
2,8
2,8
2,7
2,8
2,1
3,1

V
A

I
n

CALCULOS
DE LA MUESTRA 21 A LA 40
(2d DIA)
I x = 797,50

x= 39,88

IR = 62,60

R= 3,13

DE LA MUESTRA 1 A LA 40
(1, y 2do DIAS)
I x = 1607,7
x= 40,19
IR = 162,0

a2

1,880

1,023

0,729

0,577

0,483

0,419

E
S

R=4,05
9

10

11

0,373

0,337

0,308

0,285

5,307

5,394

5,469

5,534

d2

3,686

4,358

4,698

4,918

5,078

5,203

d4

3,267

2,575

2,282

2,115

2,004

1,924

1,864

1,816

1,777

1,744

d2

1,128

1,693

2,059

2,326

2,534

2,704

2,847

2,970

3,078

3,173

JORGE ACUA ACUA

261

CUADRO 4.4. Datos del tercer da para el Ejemplo 4.4

Hoja de datos - Grficos de control x, R
Varilla de paraguas
Cdigo:
AM-05
Longitud de corte
Especificacin:
45,0 2,5 gr
Corte de barras
Mquina:
Cortadora xy
T. P. Aguilar
Inspector:
A. M. Flores
28-09-84 Turno: 1 Hora de inicio: 8:00 a.m. Hoja # 3 de 3

Artculo:
Caracterstica:
Operacin:
Operario:
Fecha:
Muestra

41

42

43

44

45

46

47

48

49

50

V
A
L
O
R

5
4
3
2
1

41,1
40,6
40,3
39,8
41,2

39,5
40,5
41,3
39,4
38,9

40,0
41,3
39,3
39,8
40,0

41,5
42,3
40,0
39,6
39,8

38,9
38,0
41,0
40,3
40,3

38,7
38,0
37,6
38,9
38,9

40,0
41,0
40,5
39,5
40,0

39,5
39,6
40,1
40,3
41,3

39,0
39,9
40,3
40,9
41,1

39,8
38,9
39,9
40,1
40,3

I
N
D
I
V

TOTAL 203,0 199,6 200,4 203,2 198,5 192,1 201,0 200,8 201,2 199,0
PROMEDIO 40,60 39,92 40,08 40,64 39,70 38,42 40,20 40,16 40,24 39,80
2,7
INTERVALO R
2,4
2,0
3,0
1,3
1,5
1,8
1,4
2,1
1,4
MUESTRA
V
A
L
O
R

I
N
D
I
V

51

52

53

54

55

56

57

58

59

60

5
4
3
2
1

39,9
40,0
41,0
40,0
39,8

39,9
40,3
40,5
40,0
39,9

39,7
40,3
38,6
38,6
40,7

38,7
39,7
40,1
41,6
42,0

38,1
42,6
40,0
40,0
39,3

38,7
39,1
39,2
40,2
40,7

39,5
38,5
40,6
40,4
40,0

40,2
40,1
40,0
39,7
39,9

40,0
41,7
40,8
39,6
39,5

39,5
38,1
40,7
40,5
40,0

n=5

O
B
s
E
R
V
A
C
O
N
E
S

TOTAL 200,7 200,6 197,9 202,1 200,0 197,9 199,0 199,9 201,6 199,2
PROMEDIO 40,14 40,12 39,58 40,42 40,0 39,58 39,80 39,98 40,32 39,84
2,8
INTERVALO R
0,6
3,3
4,5
2,0
0,5
2,2
1,2
2,1
2,1
CALCULOS
DE LA MUESTRA 41 A LA 60 DE LA MUESTRA 21 A LA 60
(3er DIA)
(2d0 y 3 DIAS)
I R = 40,90
R= 2,05
I R = 103,50
R= 2,59
I x = 799,54
n

I x = 1597,04

X= 39,98
3

10

11

0,483

0,419

0,373

0,337

0,308

0,285

5,078

5,203

5,307

5,394

5,469

5,534

1,924

1,864

1,816

1,777

1,744

2,704

2,847

2,970

3,078

3,173

1,880

1,023

0,729

0,577

Dp

3,686

4,358

4,698

4,918

3,267
d2

1,128

2,575
1,693

x= 39,93

DE MUESTRA 1 A LA 60
(LOS TRES DIAS)
IR = 202,9
R= 3,39
x= 40,12
I x = 2407,2

2,282
2,059

2,115
2,326

2,004
2,534

262

CONTROL DE CALIDAD

LSC

= x + A * R = 40,51 + (0 ,5 7 7 * 4 .9 7 )

LCC _ = x

= 43,3 8 cm
= 40,51 cm

L IC

= x - A * R = 4 0 ,51 -( 0 ,5 7 7 * 4 ,9 7 )
X

= 37,6 4 cm

P a ra intervalos
L S C r = D 4* R = 2 ,1 1 5 * 4 ,9 7

= 1 0 ,5 2 c m

LCCr = R

= 4 ,9 7 cm

L IC r

= D 3* R = 0 * 4 ,9 7

O cm

Los valores de x y R utilizados y las constantes se encuentran en el C u a d ro

4 .1.
L a F ig u ra 4.11 presenta el grfico correspondiente a este da.

b.

Anlisis del grfico

A n lisis con resp ecto a l p ro ce so

Al o b se rva r la F ig u ra 4.11 y el C u a d ro 4.2 se nota que hay puntos fuera en

a m b o s grficos, por lo qu e se pro cede a elim inarlos.

G rfico R
S e nota que la m uestra N o . 3 se encuentra sobre el lmite superior de co n
trol por lo qu e se p ro cede a calcular el intervalo m odificado.
9 9 ,4 -1 0 ,8
Rm

= 4,6 6 cm
20-1

FIGURA 4.11. Grfico de control del Ejemplo 4.4.(Prlmer da).

JORGE ACUA ACUA

o cr < u. _ o o

263

C
3cr < u o o

264

CONTROL DE CALIDAD

S e re c a lc u la s o lo el lm ite s u p e r io r p u e s es el q u e se n e c e s ita p a ra
ob s e rva r si hay m s puntos fuera.
L S C R m = D 4/ R

= 2 ,1
1 5 * 4 ,6
6 = 9,8
6 cm
7
7
7

Y a no hay puntos fuera y se elim in solo el 5 % de las m uestras.

S e procede ento nces a ana lizar el grfico de prom edios.

G rfico x
S e recalculan los lmites con el nu e vo intervalo prom edio.
L S C x= 40,51 + (0 ,5 7 7 * 4 ,6 6 ) = 4 3 ,2 0 cm

Lia

= 4 0 ,5 1 - (0 ,5 7 7 * 4 ,6 6 ) = 37,8 2 cm
S e nota en la F ig u ra 4.11 qu e las m u e stra s N o . 4, 6 y 10 se encu e n tra n

fuera de lmites. Por lo tanto se procede a eliminarlas y a recalcular el prom edio.

8 1 0 , 2 - ( 3 7 ,3 6 + 4 3,6 8 + 4 7 ,1 2 )
x m= ------------------------------------------------------------------------- = 4 0 ,1 2 c m
2 0 -3
Los lmites de control de p ro ceso m odificados sern:
L S C xm = 4 0 ,1 2 + (0 ,5 7 7 * 4 ,6 6 ) = 42,81 cm
L IC xm = 4 0 , 1 2 - (0 ,5 7 7 * 4 ,6 6 ) = 3 7 ,4 3 cm
Al o bse rvar de nu e vo el grfico se nota que ya no hay m s puntos fuera y
se e lim in a ro n solo el 1 5 % de las m u e s tra s . E n c u a n to a p e c u lia rid a d e s y
tendencias no se ob s e rva nada im portante.

A n lisis con respecto a especificaciones

Al co m p a ra r la situacin de los lm ites de control de pro ceso finales y los

lmites de control especificados se nota que corresponde a la Situacin 3. Por lo
que se aplican las acciones ya citadas anteriorm ente.

JORGE ACUNA ACUNA

265

Al hacer el anlisis de exactitud, de precisin y de porcentaje de producto

fuera de especificaciones se tiene:

E xactitu d

M = x
4 0 ,0 0

= 40,12

S e plantea la siguiente hiptesis

H 0: p = 40,0 0
H a:g = 40,00
La Figu ra 4 .1 2 m uestra la cu rva norm al correspondiente.
o ' = 4,66/2,326 = 2

Z =

4 0 ,1 2 -4 0 ,0 0

= 0,13

2
\5
C o m o se puede observar en la Figura 4.12, no existe evidencia estadstica,
con cc= 5 % , para re c h a za r la hiptesis nula. P or lo tanto, bajo las condiciones
actuales se puede afirmar con 9 5 % de confianza que el proceso est centrado.

Precisin
El pro ce so no es preciso puesto que:
a > T/3

& = R/d2= 4 ,6 6 / 2 ,3 2 6 = 2
T/3 = 2 ,5 / 3 = 0,833
2 > 0,833

266

CONTROL DE CALIDAD

FIGURA 4.12. Curva normal para la prueba de hiptesis.

La diferencia m ostrada hace innecesario hacer la pru e b a de hiptesis.

Porcentaje de p ro d u cto discon fo rm e

o \= 4 ,9 7 / 2 ,3 2 6 = 2,14
o , = 4 ,6 6 / 2 ,3 2 6 = 2
L a s F ig u ra s 4 .1 3 y 4 .1 4 m u e s tra n las c u rv a s n o rm a le s u s a d a s p a ra el
clculo del porcentaje de producto disconform e.
A , = P (x < 37 ,5 ) = N ((3 7 ,5 - 40,51 )/2,14) = -1,41

FIGURA 4.13. Clculo del porcentaje disconforme inicial

JORGE ACUNA ACUNA

267

FIGURA 4.14. Clculo del porcentaje disconforme final.

A , = 0,0 79 3 7 ,9 3 %
A 2= P ( x > 4 2 ,5 ) = 1 - N ((4 2 ,5 - 40,51 )/2,14) = 1 - N (0 ,9 3 )
A 2= 1 -0 ,8 2 3 8 = 0 ,1762 6 1 7 ,6 2 %

El porcentaje de producto disconform e inicial es 2 5 ,5 5 % .

A , = P ( x < 3 7 ,5 ) = N ((3 7 ,5 - 4 0 ,1 2)/2) = -1,31

A , = 0,0951 6 9 ,5 1 %
A 2= P ( x > 4 2 ,5 ) = 1 - N ((4 2 ,5 - 4 0 ,1 2)/2) = 1 - N (1 ,1 9 )
A 2= 1 -0 ,8 8 3 = 0 ,1 1 7 6 1 1 ,7 %

El porcentaje de producto disconform e final es 21,21 % .

C o m o se p u e d e con clu ir del anlisis realizado, la elim inacin de ca u sa s
a signable s a y u d a po co a dism inuir el porcentaje de producto disconform e de
2 5 ,5 5 % a 21,21 % . Esto no es suficiente y deben hacerse las m ejoras recom en
dadas para elevar el nivel de calidad de este proceso y evaluarlas el da martes.

2.

Construccin del grfico para el da martes

(M u e stra s de la No. 21 a la No. 41 en el C u a d ro 4.3).

268

CONTROL DE CALiDAD

a.

Lm ites de co n tro l d e l p ro ce so

P ara prom e dios

LSCx=

'+ A 2* R = 39 ,8 8 + (0 ,5 7 7 * 3 ,1 3 ) = 41,69 cm

LC C x= x

= 39,88 cm

L IC x = x - A 2* R = 3 9 ,8 8 - (0 ,5 7 7 * 3 ,1 3 ) = 38,07 cm

Para intervalos

L S C R = D 4 * R = 2 ,1
1 5 * 3,13
= 6,6
2 cm

LCCr = R

L IC r = D 3* R = 0

= 3 ,1 3 c m

* 3 ,1 3 =

O cm

Los valores de x y R utilizados y las constantes se encuentran en el C u a d ro

4.2.
L a Figu ra 4.1 5 presenta el grfico correspondiente a este da.

b. A n lis is de l g r fic o

A n lisis con resp ecto a l p ro ce so

Al observar la Figura 4 .15 y el C u a d ro 4.3, se nota que no hay puntos fuera

en a m b o s grficos.
E n cuanto a tendencias y peculiaridades no se observa nada importante de
o n a l 7 a r

G 424

FIGURA 4.15. Grfico de control ^ ,fl de/ Ejemplo 4.4. (Segundo da).

JORGE ACUA ACUA

269

270

CONTROL DE CALIDAD

A n lisis con respecto a especificaciones

Al c o m p a ra r la situacin de los lm ites de control de pro ceso finales y los

lmites de control especificados se nota que corresponde a la Situacin 3. Por lo
q u e se aplican las a ccio n e s citadas anteriorm ente.
Al h acer el anlisis de exactitud, de precisin y de porcentaje de producto
discon form e con especificaciones se tiene:

E xactitu d

M = x
4 0 ,0 0

= 39,8 8

S e plantea la siguiente hiptesis

H 0: p = 40,0 0
H a: p = 40,00

La Figu ra 4.1 6 m uestra la cu rva norm al correspondiente,

o = 3,13/2,326 = 1,35

FIGURA 4.16. Curva normal para la prueba de hiptesis.

JORGE ACUNA ACUNA

271

3 9 ,8 8 -4 0 ,0 0
Z = ------------------------------------------= -0 ,2 0
1.35

n C o m o se puede observar en la Figura 4.16, no existe evidencia estadstica,

con a = 5 % , para re c h a za r la hiptesis nula. P o r lo tanto, bajo las condiciones
actuales se puede afirm ar con 9 5 % de confianza que el proceso est centrado.

Precisin
El proceso no es preciso puesto que:
o > T/3
a = R/d2= 3 ,1 3 / 2 ,3 2 6 = 1 ,3 c;
T/3 = 2 ,5 / 3 = 0,833
1.35 > 0 ,8 3 3
Si se de se a se pu ede h acer la pru e ba de hiptesis. S in e m bargo, en este
ca s o a m b o s v a lo re s estn a lejado s p u e s es casi s e g u ro que la hiptesis de
precisin se rechazar.

P orcentaje de pro du cto disconform e

A l no h a b e r s e e lim in a d o m u e s tra s , el p o rc e n ta je in ic ia l e s ig u a l al
porcentaje final.
o = 3 ,1 3 / 2 ,3 2 6 = 1,35
L a F ig u r a 4 .1 7 m u e s tra la c u r v a n o rm a l u s a d a p a ra el c lc u lo del
porcentaje de disconform es.

>72

CONTROL DE CALIDAD

3 7 ,5

3 9 ,8 8

4 2 ,5

FIGURA 4.17. Clculo del porcentaje de producto disconforme.

A , = P ( x < 3 7 ,5 ) = N ((3 7 ,5 - 39 ,88)/1,35) = -1 ,7 6

A , = 0 ,0 3 92 3 ,9 2 %
A 2= P (

> 4 2 , 5 ) = 1 - N ((4 2 ,5 - 39,88)/1,3 5) = 1 - N (1,94)

A 2= 1 - 0 ,9 7 3 8 = 0 ,02 6 2 2 ,6 2 %
El porcentaje de producto disconform e es 6 ,5 4 % .
C o m o se p u e d e co n clu ir del anlisis re a liza d o , las a c c io n e s lle va d a s a
c a b o al final del d a lu n e s su rtie ro n efecto p u e s el p o rc e n ta je de p ro d u c to
discon form e se redujo de 21,21 % a 6 ,5 4 % . A pesar de qu se corrigi este a s
pecto, se harn nu e va s m ejoras pu es an no se cum ple con especificaciones.
E stas m ejoras se evaluarn el da m ircoles.

3.

Construccin del grfico para el da mircoles

D a d o qu e el da m artes el pro ceso m ostr consistencia, el anlisis se b a

sa r so b re las veinte m u e stra s del d a m artes y las veinte del da m i rco le s
(M uestra s de la No. 21 a la N o. 40 en el C u a d ro 4.3 y de la N o. 41 a la No. 60 en
el C u a d ro 4 .4 ).
SI se o b s e rv a la F ig u ra 4 .1 9 qu e re su m e la situacin de los tres d as, los
valores del da m artes se m uestran consistentes y m ejorados. S e p ro ceder a

JORGE ACUNA ACUNA

273

h a ce r el anlisis co rre sp o n d ie n te con los va lo re s de a m b o s d a s u sa n d o las

m edida s calculadas en el C u a d ro 4.4.

a.

Lmites de control del proceso

Para prom e dios

L S C - = x + A 2* R = 39,9 3 + (0 ,5 7 7 * 2 ,5 9 ) = 4 1 ,4 3 cm

LCC X = x
L IC -

= 3 9 ,9 3 cm

= x - A 2* R = 3 9 ,9 3 - (0 ,5 7 7 * 2 ,5 9 ) = 3 8 ,4 3 cm

Para intervalos
L S C R = D ,*
R = 2,1
1 5 * 2,5 9
4

= 5 ,4 8 c m

LCCr=R

= 2,59 cm

L I C r = D 3* R = 0

* 2,5 9

O cm

La Figura 4 .1 8 presenta el grfico correspondiente a este da.

b. Anlisis del grfico

A nlisis con respecto a l pro ceso
Al observar la Figura 4.18 se nota que hay puntos fuera en am bos grficos,
por lo que se p rocede a elim inarlos.

274

FIGURA 4.18. Grfico de control del Ejemplo 4.4. (Tercer da).

CONTROL DE CALIDAD

N U M E R O DE L A M U E S T R A

o
J3
O
m

>
Primer da

Segundo da

Tercer da

FIGURA 4.19. Grfico de control x <R del Ejemplo 4.4. (Los tres das de estudio).

276

CONTROL DE CALIDAD

G rfico R
S e nota qu e la m uestra No. 39 del C u a d ro 4.3 se encuentra sobre el lmite
superio r de control.
1 0 3 ,5 -5 ,8
R m= ----------------------------- = 2,51 cm
4 0 -1
S e re c a lc u la s o lo el lm ite s u p e r io r p u e s es el q u e s e n e c e s ita p a ra
o b s e rv a r si hay m s puntos fuera.

L S C R m = D 4 * R

= 2 ,1
1 5 * 2 ,5
1 = 5 ,3 1 cm

Y a no hay m s puntos fuera y se elim in solo el 2 ,5 % de las m uestras. S e

p ro ce d e ento nces a a n a liza r el grfico de prom edios.

G rfico x
S e recalculan los lm ites con el n uevo intervalo prom edio.

LSC* = 39,93 + (0,577*2,51) = 41,38 cm

LIC^ = 39,93 - (0,577*2,51) = 38,48 cm
S e nota en la F ig u ra 4 .1 8 qu e las m uestra s N o . 26 y 31 del C u a d ro 4 .3 y
N o. 46 del C u a d ro 4.4 se encuentran fuera de lmites. P o r lo tanto se pro ce d e a
elim inarlas y a recalcular el prom edio
1 5 9 7,0 4 - (4 1 ,4 2 + 3 8 ,4 4 + 3 8 ,4 2 )
x m = --------------------------------------------------------------------------= 39,97 cm
4 0 -3

Los lmites de control de proceso modificados sern:

JORGE ACUNA ACUNA

277

L S C xm

= 3 9 ,9
7 + '(0 ,5
7 7 * 2 ,5 1 )' = 41,4
2 cm

L IC ^

= 3 9 ,9 7 - (0 ,5 7 7 * 2,51 ) = 38,5 2 cm

Al observar de nuevo el grfico se nota que ya no hay m s puntos fuera. Se

e lim in a ro n solo el 7 ,5 % de las m u e stra s. E n cu a n to a p e cu lia rid a d e s y te n
dencias no se ob s e rva nada importante.

A n lisis con respecto a especificaciones

Al co m p a ra r la situacin de los lm ites de control de p ro ce so finales y los

lmites de control especificados se nota que corresponde todava a la Situacin
3, au nq u e m s favorable qu e al inicio del estudio.
Al hacer el anlisis de exactitud, de precisin y de porcentaje de producto
disconform e se tiene:

E xactitiK l
M = x
4 0 ,0 0

= 39,97

S e plantea la siguiente hiptesis

H 0:p = 40,00
H a:p = 40,00
La Figura 4 .2 0 m uestra la cu rva norm al correspondiente.
o = 2,51/2,326 = 1 ,0 8

Z =

3 9 ,9 7 -4 0 ,0 0
1,08
V5

= 0,0 6 2

278

CONTROL DE CALIDAD

FIGURA 4.20. Curva normal para la prueba de hiptesis.

C o m o se puede observar en la Figura 4.20, no existe evidencia estadstica,

con a = 5 % , pa ra re c h a za r la hiptesis nula. P o r lo tanto, bajo las con dicio nes
actuales se puede afirm ar con 9 5 % de confianza que el proceso est centrado.

P recisin

El pro ce so no es preciso puesto que:

o > T/3
a = R/d2= 2,51 / 2 ,3 2 6 = 1,08
T/3 = 2 ,5 / 3 = 0,833
1,08

> 0 ,8 3 3

S e p rocede a efectuar la pru e b a de hiptesis.

H 0: a 2= 0 ,8 3 3 2
H a : o 2> 0 ,8
332

Usando la Figura 4.21, se puede notar que el valor de chi-cuadrado calculado

est dentro de la zona de cum plim iento de H 0. Por lo tanto, se puede afirmar con
9 5 % de confianza que las diferencias m ostradas no son significativas. Ante ello,
se p u e d e d e c ir q u e el p ro c e s o es e s ta d s tic a m e n te p re c is o . La d ife re n cia

JORGE ACUNA ACUNA

279

FIGURA 4.21. Curva Chi-cuadrado para la prueba de hiptesis.

m o s tra d a entre el v a lo r esp e c ifica d o de o 2 (0 ,8 3 3 ) y de s 2 (1 ,0 8 ) g e n e ra un

porcentaje d e V o d u c t o disconform e que es necesario calcular.
(n -1 ) * s2
(4 ) * 1,082
ae2= ---------------------------- = -------------------------------= 6,724
a2
0,8 3 3 2

Porcentaje de p ro d u cto disconform e

o ] = 2 ,5 9 / 2,3 2 6 = 1,11
a = 2 ,5 1 / 2,3 2 6 = 1,08

L a s F ig u ra s 4 .2 2 y 4 .2 3 m u e stra n las c u rv a s n o rm a le s u s a d a s p a ra el
clculo del porcentaje de producto disconform e.
A = P (x < 37 ,5 ) = N ((3 7 ,5 - 39,93)/1,11) = -2 ,1 9
A , = 0 ,0 1 4 3 1 ,4 3 %
A 2= P ( x > 4 2 ,5 ) = 1 - N ((4 2 ,5 - 39,93)/1,1 1) = 1 - N (2 ,3 2 )
A 2= 1 -0 ,9 8 9 8 = 0 ,0102 0 1 ,0 2 %
El porcentaje de producto disconform e inicial es 2 ,4 5 % .

280

CONTROL DE CALIDAD

FIGURA 4.22 Clculo del porcentaje disconforme inicial.

FIGURA 4.23. Clculo del porcentaje disconforme final.

A , = P ( x < 37,5 ) = N ((3 7 ,5 - 39,97)/1,08) = -2 ,2 9

A , = 0 ,0 1 1 0 1 ,1 0 %
A 2= P ( x > 42 ,5 ) = 1 - N ((4 2 ,5 - 39,9 7 )/1 ,08) = 1 - N (2 ,3 4 )
A 2= 1 - 0 ,9 90 4 = 0 ,0 0 9 6 0 ,9 6 %
El porcentaje de producto disconform e final es 2 ,0 6 % .
C o m o se p u ede con clu ir del anlisis realizado, la elim inacin de c a u s a s
a s ig n a b le s en e ste d a a y u d a p o c o a d is m in u ir el p o rc e n ta je de p ro d u c to
disconform e, pues nicam ente pasa de 2 ,4 5 % a 2 ,0 6 % . S in e m bargo, el logro
o b te n id o d e s d e el p rim e r d a es re a lm e n te significativo (p a s de 2 5 ,5 5 % a
2 ,0 6 % ).

JORGE ACUNA ACUNA

281

Ante este logro, quizs no sera conveniente un da m s de estudio pues ya

se ha exigido bastante al pro ceso. Si se hiciera se podran obtener resultados
desfavorables.

Respuestas al problema
1.

Q u se ha logrado?
a.

D ism in uir con sid erab lem ente la variabilidad del pro ceso, desde una
p o sici n inicial en la q u e se tiene un p ro c e s o im p re ciso hasta una
posicin final en que se tiene un pro ceso estadsticam ente preciso.

b.

C entrar el proceso logrando la exactitud deseada. Esto a pesar de que

desde el inicio el pro ceso m ostr estar estadsticam ente centrado.

c.

D ism inuir el producto disconform e desde un porcentaje preocupante

de 2 3 ^ 5 5 % a un porcentaje m anejable de 2 ,0 6 % .

2.

Q u h a ce r en el futuro?
a.

C o n t r o la r el p r o c e s o e s t r ic t a m e n t e p a ra q u e m a n t e n g a las
condiciones para las cuales ha m ostrado capa cid ad de logro.

b.

A n a liza r las implicaciones de un porcentaje de disconform e del 2 ,0 6 %

en el sig u ie n te p ro c e s o , las c u a le s l g ic a m e n te no v a n a s e r las
m ism as qu e se tienen bajo las condiciones anteriores. E n el caso de
qu e se est p ro d u cie n d o para un cliente se le de b e n co m u n ica r las
n u e v a s co n d ic io n e s y o b te n e r su de c isi n con el fin de v e r si se le
s ig u e s u p lie n d o . D e lo co n tra rio s e r n e c e s a rio h a c e r un estu dio
tcnico-econm ico para sustituir equipo, si es que se desea continuar
con e se cliente.

c.

Si se quiere se p u e d e n u sar los lm ites obte nid os para el ltimo da

p ara la etapa de seguim iento.

3.

Q u h a ce r con lo fabricado?
Lo fa brica do el s e g u n d o y tercer d a es de un nivel de calida d bastante
aceptable, por lo que se pu ede efectuar una inspeccin 1 0 0 % , utilizando

CONTROL DE CALIDAD

las varillas de longitud no conform e con especificaciones para otros p ro

ductos o de s e ch n d o lo en ltima instancia.
C o n re s p e cto a lo fa b rica d o el p rim e r d a , que se trata de un p ro d u cto
m a y o rm e n te fuera de especificacione s, se pue d e n se g u ir los siguientes
pasos:
a.

A p a rta r el pro ducto disconform e m ediante inspeccin 1 0 0 %

b.

Utilizarlo en otro tipo de producto

c.

D e se ch a rlo totalm ente

d.

R e p ro c e s a rlo si se trata de p ro d u cto con longitud m a y o r a la e s p e

cificada.

GRAFICO DE PROMEDIOS Y DESVIACION ESTANDAR

U n a p r c tic a g e n e ra liz a d a e s u s a r el in tervalo R c o m o m e d id a de v a
riabilidad, qu iz s justificada en la facilidad de su clculo. Sin e m bargo, cu an do
un p ro c e s o tie n e p r o b le m a s g ra v e s d e p re c is i n o e s im p o s ib le e x tra e r
m uestras p e queas de l, ya sea por la razn de produccin o por cualquier otra
ca u s a , el uso del intervalo no es u na decisin estadstica confiable. E n estos
ca so s, se deb e usar la desviacin estn dar co m o m edida de variabilidad.
El gr fico de p ro m e d io s y d e s v ia c i n e s t n d a r u sa la m e d ia aritm tica
co m o m edida de exactitud y la desviacin estn dar m uestral co m o m e dida de
precisin.
Lo s procedim ientos en el uso de este tipo de grfico son bsicam en te los
m ism o s del grfico de p ro m e d io e intervalos. A n te ello, se explicarn a conti
nuacin solo las diferencias en las tres e ta p a s de este grfico de control, sea
construccin, anlisis y seguim iento.

C o n s t r u c c i n de l g r fic o

E l p ro c e d im ie n to p a r a la c o n s tru c c i n d e e s te tip o d e g r fic o e s el

siguiente:

JORGE ACUNA ACUNA

1.
2.

283

Los p aso s 1 y 2 son los m ism os del grfico de pro m e dio e intervalos.

Determinacin del nmero de subgrupos o muestras (m).

La deter

m inacin de este nm ero se debe hacer de tal m anera que la probabilidad

de d e te c ta r c a u s a s a s ig n a b le s e ntre las u n id a d e s q u e c o n fo rm a n la
m u e stra s e a la m n im a posib le , pe ro la m x im a entre m u e stra s o s u b
grupos. E sto se logra si se cum plen las con dicio nes de representatividad
del m uestreo. La experiencia en el uso de este tipo de grficos dicta que
este nm ero deb e ser m a yo r a veinte.
3.

Determinacin del tamao del subgrupo o muestra (n). E s m uy im por

tante que la seleccin de esta m uestra sea aleatoria y que la frecuencia de
tom a de ella se haga sobre la base de los beneficios esperados y el costo
de evaluacin de calidad generado. Al ser la desviacin estndar la medida
de dispersin usada no hay restricciones importantes en el tam ao de esta
m u e stra *

4.

Recoleccin de informacin. U n a v e z diseado el esquem a de muestreo

se procede a la recoleccin de datos, ejecucin de m ediciones y clculo de
m edidas estadsticas. E s importante en este paso hacer uso de un formato
a d e c u a d o q u e p re s e n te la in fo rm a ci n o rd e n a d a p a ra su a n lisis. El
E je m p lo 4 .5 p re s e n ta un m o d e lo de fo rm a to . L o s d a to s y las m e d id a s
ca lculadas a partir de ellos deb en tener una cifra significativa m s que lo
exigido por la especificacin.
Los clculos que se efectan son los siguientes:
a.

P rom edio de la m uestra

n

Ex,
X 1 + X2 + X 3 + . . . + Xn

i=1

x = --------------------------------------- =------------n
donde:
n : tam ao de la m uestra
x: dato individual

CONTROL DE CALIDAD

b. Desviacin estndar muestral

n
I

_
(X ,-x)2

c. Promedio de promedios
m

X, + X2 + X3 + . . . + Xm

=1

X = ---------------------------------------------------- = --------------

donde:
m : n m e ro de m uestra s
x: prom e dio de la m uestra i

d. Desviacin estndar promedio

rn
< T = ( I s ( )/ m
=1

d on de:
m : n m ero de m uestras
s.: desviacin e stn dar de la m uestra i
5.

Clculo de lmites de control. La dem ostracin de estos limites se puede

obse rva r en el A p ndice II. El criterio de redondeo es el m ism o usado en el
grfico de pro m edio s e intervalos. Las frm ulas son las siguientes:

JORGE ACUA ACUA

a.

Lm ites de control especificados

Para p rom edios

Para intervalos

L S E , = M + T/vTf

L S E O = B 2 * T/3

LCE X = M

L C E = c2 * T/3

L IE X = M - T /

L IE O

= B , * T/3

L S E : Lm ite S u p e rio r Especificado

L C E : Lnea C entral Especificada
L IE : Lm ite Inferior Especificado

b.

Lm ites de control del proceso

Para pfbm edios

Para intervalos

LSC- = x + A ^ o

L S C 0 = B 4* o

L C C -= x

LCC = o

L I C - = x - A ,* a
L S C : Lm ite Su p e rio r de Control
L C C : Lnea Central de Control
L IC : Lm ite Inferior de Control
Lo s v a lo re s de las co n sta n te s A ,, B ,, B 2, B 3, B 4y c 2se e n c u e n tra n en e
formato de recoleccin de datos. Si la muestra excede el tam ao de 25, los
valores se pu eden aproxim ar de la form a qu e se indica en el A p n d ice II.
6.

C o n s t r u c c i n d e l g r f ic o . El grfico co n siste de dos partes: u na par

graficar los prom edios y otra para graficar las desviaciones. Las escalas s

286

CONTROL DE CALIDAD

g ra d a n en la m is m a form a que se h ace para el grfico de p ro m e d io s e

intervalos.
U n a v e z gra d u a d a s las escalas se procede a dibujar los lmites de control
de proceso y los puntos correspondientes a cada m uestra. A m b o s grficos
se trazan con lnea continua.
Los puntos qu e salgan fuera de lmites deben ser identificados m ediante
u na m a rca e sp e c ia l, un crcu lo por e jem plo. La F ig u ra 4 .2 4 m u e stra un
e sq u e m a de este grfico.

Anlisis del grfico

Al Igual que en el grfico de prom edios e intervalos, se procede a h acer un
a n lis is d e ta lla d o c o n el fin d e d e te c ta r los p ro b le m a s q u e p re s e n ta la
c a ra c te rs tic a de c a lid a d en e s tu d io . L o s p ro c e d im ie n to s y c o n c lu s io n e s
ge n e ra le s tienen los m ism o s fundam entos.
Al efectuar el anlisis correctivo pu eden ocurrir cuatro casos posibles:

CASO A. No hay puntos fuera de lmites en ambos grficos

E n este ca so a m bos grficos m uestran estabilidad y por lo tanto se puede
concluir qu e la caracterstica no pre senta cau sa s asignables.

CASO B. Hay puntos fuera de lmites solo en el grfico x

L a conclusin es la m ism a que para el anterior grfico. El n u evo valor del
p ro m e dio m odificado se calcula u sand o la m ism a expresin:

( m_

xm =

h_ T
Xxk - X x k / (m -h )
Vk=1
k=1 )

JORGE ACUA ACUA

287

UJ

c/)

< co
2
2

<
3i

kj

s
2

2
2
a
o

Ll.

<
<
tr
<
Q_

C L c r o ^ u j o oc/)

OLiJtO> <0 0 2

CONTROL DE CALIDAD

288

donde:
x m= pro m e dio m odificado
m = n m e ro de m uestra s totales
h = n m e ro de m uestra s fuera de lmites
L o s lm ite s m o d ific a d o s s e c a lc u la n u s a n d o las m is m a s e x p re s io n e s
u s a d a s in ic ia lm e n te , s u s titu y e n d o el v a lo r del p ro m e d io p o r el n u e v o v a lo r
m odificado.
E l c h e q u e o d e p u n to s fu e ra de lm ite s d e b e e je c u ta rs e c a d a v e z q u e
n u e v o s lm ites se a n obte nid os. E l anlisis term ina en el m o m e n to en qu e no
h aya ningn punto fuera de lm ites, siem pre y c u a n d o no se h ayan elim inado
m s del 3 0 % de las m uestras. Si ello ocurriese, se su spe nde el estudio, se ana
liza el proceso para encontrar las cau sa s de lo ocurrido y una v e z corregidas se
inicia de n u e v o la re coleccin de dato s para la co n stru cci n y anlisis de un
n u evo grfico.

CASO C. Hay puntos fuera de lmites solo en el grfico a

E n este ca so se tiene un problem a de alta variabilidad que debe corregirse.
El anlisis e s el m ism o del grfico anterior. Los valores de o sob re el lmite s u
p e rio r so n e lim in a d o s re c a lc u la n d o u n a n u e v a d e s v ia c i n m e d ia y lm ites
m odificados, tanto para las desviaciones co m o para los prom edios, pues ellos
estn b a sa do s en la desviacin prom edio.
Los valores que se encuentren bajo el lmite inferior deben ser investigados
con el fin de c o n o ce r las ca u sa s de esa baja variabilidad y ve r la posibilidad de
im plem entar esas ca u sa s al pro ceso, si ellas perm iten lograr una m ejora inte
gral. La s c a u s a s de esta situacin p o d ran s e r n e g ativas, c o m o por ejem plo,
m ala inspeccin, m ediciones errneas y negligencia de inspectores. La desvia
cin prom e dio se recalcula as:
_
ni
f
o m = ( I o k - I o k) / ( m - f )
k=1

k=1

JORGE ACUA ACUA

289

donde:
o m = intervalo pro m e dio m odificado
m = n m ero total de m uestras
f

= n m e ro de m uestras que se salen de lmites

CASO D. Hay puntos fuera de lmites en ambos grficos

Este es el peor de los caso s pues las situaciones presentadas en los casos
B y C o c u rre n ju n ta s . E l p ro b le m a se to rn a a n m s c o m p lica d o c u a n d o al
corregir uno se altera el otro.
La s acciones por seguir son las m ism as presentadas para los caso s B y C .
Al elim inar los puntos fuera de lmites de control, debe iniciarse con los puntos
fuera del grpce de desviaciones, p u e s si se modifica la desviacin prom edio
ca m bian los lmites de control de prom edios.
La s m uestras qu e se elim inan por precisin no se elim inan por exactitud y
vice ve rsa . A m b o s anlisis se ejecutan en form a independiente. E n el ca so de
te n d e n cia s y p e cu lia rid a d e s se sig u e n los p ro cedim ien to s indicados para el
grfico de prom e dio e intervalos, inclusive lo indicado en el A pn dice IV.
El an lisis del p ro c e s o con re s p e c to a la e sp e c ifica ci n se h a ce c o m
p a ra n d o los lm ite s m o d ific a d o s c o n los lm ites de co n tro l e s p e c ific a d o s .
A d e m s , se efecta el anlisis de exactitud y precisin y se calculan los res
pectivos porcentajes de producto fuera de especificaciones al inicio y al final del
estudio.
Al c o m p a ra r los lm ites de control del pro ceso con los lmites de control
e s p e c ific a d o s se u tiliza n las m is m a s s itu a c io n e s d is c u tid a s en el gr fico
anterior.
U n a v e z que se ha hech o la com paracin de lmites se procede a h acer el
anlisis de exactitud y precisin. P a ra ello se h acen las siguientes c o m p a ra
ciones con las respectivas pruebas de hiptesis si es necesario:

CONTROL DE CALIDAD

290

M = X
a < T/3
o = o/c2
H e c h o esto se calcula el porcentaje de producto disconform e al inicio y al
final del estudio. La s Figuras 4.25 y 4.2 6 m uestran las curvas norm ales que se
deb e n plantear para calcular a m b o s porcentajes.
El p o rcentaje de p ro du cto disco n fo rm e total se e n c u e n tra s u m a n d o las
re a s A 1y A 2. Si se d e s e a , se p u e d e efectuar una p ru e b a de h ip tesis para

FIGURA 4.25. Clculo del porcentaje disconforme Inicial.

FIGURA 4.26. Clculo del porcentaje disconforme final.

JORGE ACUNA ACUNA

291

determ inar si la reduccin lograda en el porcentaje de producto disconform e es

significativa.

Seguimiento
El procedim iento y las accion es por seg u ir en esta etapa son las m ism as
usada s en el grfico de pro m edio s e intervalos.
P a ra te n e r una idea global de las tres e tapas en el uso de un grfico de
control de prom edios y desviaci'on estndar se puede observar el flujogram a II
en el A p n d ice III.
Este grfico tam bin puede ser utilizado co m o herram ienta para el ajuste
de un proceso, el procedim iento es el m ism o.

EJEMPLO 4.5
U n fabricante de lapiceros tiene un problem a de calidad con el dimetro de
la s ta p a s . A n te e llo , d e c id e e fe c tu a r un c o n tro l m e d ia n te un g r fic o de
p ro m e d io s y d e s v ia c io n e s e s t n d a r p u e s cre e que el p ro b le m a es de alta
va riabilidad. E ste p ro c e s o es co n tin uo por lo que le perm ite tom ar m u e stra s
grandes.
L a e s p e c ifica ci n se fija en 10 + 2 m m . La in form acin re c o le cta d a se
e ncuentra en el C u a d ro 4.5 . S e pide analizar la situacin.

SOLUCION
A.

C onstruccin del grfico

Lo s p aso s del 1 al 4 se encuentran en el C u a d ro 4.5.

Paso 5. Clculo de lmites de control

CUADRO 4.5. Datos para el Ejemplo 4.5

HOJA DE DATOS - GRAFICOS DE CONTROL x,0

Cdigo:
A-78
Especificacin: 10 5 mm
Mquina:
Moldeadora
Inspector:
J. A. Rojas
Hora de inicio: 8:00 a.m.

Artculo:
Tapas para lapicero
Caracterstica: Dimetro
Operacin:
Formacin de tapas
Operario:
J. M. Abarca
Fecha: 28-11-84
Turno: 1

V
A
L
O
R
E
S

25
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3

9,7
9.2
10,1
9,9
11,9
10,5
10,3
9,3
9,4
9,5
9,0
10,3
10,3
9,8
9,6
9,8
9,9
10,0
10,1
10,3
9.7
9,8

10,3
10,1
10,0
9,9
9,0
9,9
10,0
12,0
11,4
12,3
10,9
10,0
10,8
10,0
9,6
9,8
9,9
9,8
10,0
10,8
10,2
9,7
10,1

11,5
9,2
9,3
9,5
10,9
10,0
10,1
10,1
10,2
10,3
9,8
9,7
9,9
10,0
9,3
9,5
11,0
11,1
11,2
10,8
10,5
10,4
10,0

13,4
10,1
10,0
9,3
9,4
9,5
9,6
9,7
10,1
10,0
10,8
9,8
9,9
10,7
10,8
11,0
10,1
9,9
9,7
9,8
10,2
9,6
9,0

10,0
10,2
10,3
10,3
10,0
10,0
9,9
9,8
9,7
9,6
9,1
8,9
9,7
10,8
10,9
11,9
12,1
10,0
10,0
9,8
9,7
9,6
9,5

11,1

9,5
9,8
10,3 10,0
11,8 10,0
10,0
9,9
9,7
10,3
9,8
10,0
10,5 10,0
10,0 10,0
9,8 10,0
9,9 10,5
9,4 10,1
8,9 10,4
9,0 10,6
9,5 10,0
9,7 10,1
9,6 10,0
9,8 - 9,9
9,8
9,2
9,7
9,8
9,6
9,8
9,8
9,3
9,4
9,2
9,7
9,8

10

11

12

13

14

15

16

17

18

9,4
10,5
10,0
10,0
10,0
9,8
9,9
10,0
11,1
10,8
10,4
10,0
10,0
11,0
10,5
10,5
10,4
10,0
10,0
10,0
9,9
9,8
9,7

9,1
10,0
9,3
10,0
11,0
10,1
10,3
10,0
9,9
9,7
9,6
9,9
10,0
10 5
10,5
10,3
10,3
10,0
10,1
10,2
10,0
9,9
9,8

10,0
10,4
10,5
10,0
12,0
10,0
10,0
10,0
10,5
11,0
12,5
11,0
10,5
10,6
10,3
10,4
10,0
10,0
10,0
9,8
9,9
9,7
9,6

10,0
10,3
10,0
10,1
10,5
10,1
10,0
9,9
9,8
10,0
10,0
11,8
10,8
10,7
10,0
10,6
9,9
9,8
9,7
9,6
9,5
9,4
10,0

11,1
9,9
9,8
10,2
10,4
9,8
10,5
9,9
9,9
9,8
10,3
10,4
10,8
10,8
10,7
10,3
9,7
9,4
9,3
9,8
9,9
10,0
10,0

10,0
9,8
9.3
9,4
9,0
10,0
10,0
10,0
10,8
10,3
10,2
9,8
9,7
9,5
9,4
9,9
10,0
11,3
10,9
10,0
10,0
9,9
9,8

9,9
8,9
9,2
9,4
10,0
8,9
9,1
9,0
9,9
9,7
9,8
9,9
10,0
11,5
10,9
10,3
10,2
10,3
9,3
9,4
9,7
9,8
9,9

9,8
9,0
9,4
8,9
9,0
9,0
10,0
10,0
10,0
11,4
11,4
10,9
10,0
10,0
9,9
9,8
9,7
9,9
9,8
9,9
9,9
10,5
10,4

10,8
10,0
9,3
9,2
10,0
10,0
10,4
10,7
10,1
10,0
10,0
9,8
9,7
9,9
9,6
10,1
10,8
10,3
10,0
10,0
10,1
10,6
10,2

10,5
10,0
9,2
9,1
9,0
10,0
10,1
10,0
10,0
10,2
10,4
10,3
9,8
9,9
9,7
9,4
9,3
9,4
10,0
9,9
9,8
10,0
10,1

10,1
9,7
9,9
9,8
10,0
10,9
10,0
10,0
9,9
9,8
9,7
9,4
9,6
9,8
9,7
9,6
9,8
10,0
10,0
10,0
10,1
8,9
9,9

CONTROL DE CALIDAD

I
N
D
I
V
I
D
U
A
L
E
S

Hoja: # 1 de 2

Contina en la siguiente pgina

10

11

12

13

14

15

16

17

18

2
1

10,2
10,1

13.0
12.0

9,9
9,7

8,8
8,9

9,4
9,9

9,9
10,0

9,4
9,9

9.8
9.9

9,7
9,9

9,5
9,8

10,0
10,0

10,0
9,9

9,7
11,1

9,3
12,3

9,3
8,9

9,4
9,0

9.8
8.9

10,0
9,9

Total
Prom.
Desv.

249,6 250,8 249,5 244,5 272,4 251,8 268,2 252,2 251,8 249,6 246,6 246,8 250,0 244,8 246,6
9,98 10,03 9,83 9,89 10,14 10,07 *10,32 10,09 10,07 9,98 9,86 9,87 10,0
9,79 9,86
0,44
0,56 0,32 0,41 0,38
0,89 0,73
0,70 0,49
0,56 0,8
0,68 0,47
0,44 0,34

248,9 261,5 253,9

9,96 10,48 10,16
0,97 0,63
0,5

I On nstanl es
n
A,
c2
B,
B2
B3
B4

2
3,76
0,56
0
1,84
0
3,27

3
2,39
0,72
0
1,86
0
2,57

4
1,88
0,80
0
1,81
0
2,27

5
1,59
0,84
0
1,76
0
2,09

6
1,41
0,87
0,03
1,71
0,03
1,97

7
1,28
0,89
0,10
1,67
0,12
1,88

8
1,17
0,90
0,17
1,64
0,18
1,82

9
1,90
0,91
0,22
1,61
0,24
1,76

10
1,03
0,92
0,26
1,58
0,28
1,72

11
0,97
0,93
0,30
1,56
0,32
1,70

12
0,92
0,94
0,33
1,54
0,35
1,65

13
0,88
0,94
0,36
1,52
0,38
1,62

14
0,85
0,94
0,38
1,51
0,41
1,59

15
0,82
0,95
0,41
1,49
0,43
1,57

16
0,79
0,95
0,43
1,48
0,45
1,55

17
0,76
0,95
0,45
1,46
0,47
1,53

18
0,74
0,96
0,46
1,45
0,48
1,52

19
0,72
0,96
0,48
1,44
0,50
1,50

20
0,70
0,96
0,49
1,43
0,51
1,49

21
0,68
0,96
0,50
1,42
0,52
1,48

22
0,66
0,97
0,52
1,41
0,52
1,47

23
0,65
0,97
0,53
1,41
0,55
1,45

24
0,63
0,97
0,54
1,40
0,56
1,44

25
0,62
0,97
0,55
1,39
0,57
1,43

Contina en la pgina siguiente

JORGE ACUA ACUA

Continuacin del Cuadro 4.5

294

Continuacin del cuadro 4.5

HOJA DE DATOS - GRAFICOS DE CONTROL x, c

Cdigo:
A-78
Especificacin: 10 5 mm
Mquina:
Moldeadora
Inspector:
J. A. Rojas
Hora de inicio: 8:00 a.m.

Artculo:
Tapas para lapicero
Caracterstica: Dimetro
Operacin:
Formacin de tapas
Operario:
J. M. Abarca
Fecha: 28-11-84
Turno: 1
20

10,0
9.8
9,4
9.3
10,0
11.3
8.9
10,0
10,0
10,0
11,0
12.3
9.8
9.7
9.9
10,0
10,0
9.7
9,6
9.4
9.3
9,0
9.9

9,9
9.8
10,0
10,1
9.4
9.8
9.3
10,0
10,5
10.3
10,0
10,0
10,0
9.5
9.8
9.9
9.4
9.9
10,0
10,1
10.4
10,3
10,2
9.9
9,3

9.4

22

26

23

27

30

28

36

31

CO NTRO L

10,0

21

Contina en la siguiente pgina

DE CALIDAD

19

Hoja: # 1 de 2

b2

B3
b4

21

22

23

24

25

26

27

28

2
3,76
0,56
0
1 ,8 '
0
3,27

3
2,39
0,72
0
1.86
0
2,57

4
1,88
0,80
0
1,81
0
2,27

5
1,59
0,84
0
1,76
0
2,09

29

30

31

32

33

34

35

36

4
O o n s ta n t e s
6
7
8
9
10
1,41 1,28 1,17 1,90 1,03
0,87 0,89 0,90 0,91 0,92
0,03 0,10 0,17 0,22 0,26
1.71 1,67 1,64 1,61 1,58
0,03 0,12 0,18 0,24 0,28
1,97 1,88 1,82 1,76 1,72

11
0,97
0,93
0,30
1,56
0,32
1,70

12
0,92
0,94
0,33
1,54
0,35
1,65

13
0,88
0,94
0,36
1,52
0,38
1,62

14
0,85
0,94
0,38
1,51
0,41

15
0,82
0,95
0,41
1,49
0,43
1,59 1.57

16
0,79
0,95
0,43
1,48
0,45

17
0,76
0,95
0,45
1,46
0,47

18
0,74
0,96
0,46
1,45
0,48
1,55 1,53 1,52

19
0,72
0,96
0,48
1,44
0,50
1,50

20
0,70
0,96
0,49
1,43
0,51
1,49

21
0,68
0,96
0,50
1,42
0,52

22
0,66
0,97
0,52
1,41
0,52
1,48 1,47

23
0,65
0,97
0,53
1,41
0,55
1,45

24
0,63
0,97
0,54
1,40
0,56
1,44

25
0,62
0,97
0,55
1,39
0,57
1,43

ACUNA

C2
B,

20

247,7 248,1
9,91 9,92
0,72 0,31

Total
Prom.
Desv.
n
A,

19

ACUNA

I#

JORGE

Continuacin del Cuadro 4.5

295

CONTROL DE CALIDAD

296

a.

Lm ites de con tro l esp ecificado s

Especificacin: M + T = 10 2 m m

Para prom edios

L S E j = M + T/1 = 10 + 2/125

= 10,40 m m

LCE- = M

= 10,00 m m

L lE j

= M - T / f f i = 1 0 - 2 /(2 5

9 ,6 0 m m

P ara intervalos
L S E a = B , * T/3 = 1,39 *2/3 = 0,9 3 m m
L C E O = c , * T/3 = 0,97 *2/3 = 0,65 m m
L IE O = B 1
, * T/3 = 0,54
* 2/3 = 0,36
mm

Para n= 2 5 , los valores de B 2, c2 y B, se localizan en la hoja de datos en el

C u a d ro 4.5.

b.

Lm ites de c on tro l d e l p ro ce so
C o n ba se en la Informacin brindada por el C u a d ro 4 .5 se tiene:

2 0 0,1 6
x = --------------------= 1 0 ,0 0 m m

20

11,34

o = ----------------= 0 ,5 7 m m

20

Para prom e dios

L S C - = x + A ^ o = 10,00 + (0 ,6 2 * 0 ,5 7 ) = 10,35 m m

JORGE ACUNA ACUNA

L C C -= x

L IC - =

= 1 0 ,0 0 m m

- A 1* ct= 1 0 ,0 0 - (0 ,6 2 * 0 ,5 7 )=

9 ,6 4 m m

P a ra intervalos

L S C o = B 4* a = 1 , 4 3 * 0 ,5 7

= 0 ,8 2 m m

L C C o= o

= 0 ,5 7 m m

L IC 0

= 0 ,3
1 mm

= B 3 * o = 0 ,5 6 * 0 ,5
7

P a so 6 r C b n stru cci n del grfico

La F ig u ra 4 .2 7 presenta el grfico correspondiente a este ejem plo.

B.
1.

A nlisis del grfico

A n lisis con resp ecto a l pro ceso

Al observa r la Figu ra 4.27 se nota que hay puntos fuera en am bos grficos,
por lo que se pro cede a elim inarlos.

G r fico o

E n la Figu ra 4.27, se nota que las m uestras No. 2 y 4 se encuentran sobre

el lmite superior de control. Por ello deb en eliminarse y recalcular la desviacin
m edia y los lmites de control de proceso. E s importante recordar que los puntos
q u e sale n bajo el lm ite inferior d e b e n se r an a liza d o s en sus cau sa s, pero no
elim inados. El valor de la desviacin prom edio recalculada ser:

<
o:
3
<

O
cr
L

lO
o

<Jo

ro
O

> < t _ j O cr:

(\J o
O
uj

co

O
QUJ

en

oo

o>

ix

T
fS (D
<x> d
> < 3

0 0 : L (/)

FIGURA 4.27. Grfico de control del Ejemplo 4.5.

CONTROL DE CALIDAD

298

JORGE ACUA ACUA

299

1 1 , 3 4 - ( 0 , 9 7 + 0 ,8 9 )
om =

= 0,53
mm

20 -2
S e recalculan los lmites de control de proceso.

L S C c m = B*
4

= 1,43
* 0,5
3 = 0,76
mm

L IC c m = B3 * o m = 0 ,5
6 * 0 ,5
3 = 0,29
mm
7
7
7

Al o b s e rva r de n u e v o el grfico se nota que la m uestra No. 14 se sale de

lmites por lo que se elim ina.

9 ,4 8 -0 ,8
o m = -------------------------- = 0,51
mm

1 8 -1

Los nuevos lmites son:

LSCc
- m= 1 ,4
7 3 * 0 ,571 = 0 ,774 m m
L IC 3m = 0 ,5
7 6 * 0 ,571 = 0 ,278 m m
Y a no hay m s puntos fuera y se elim in solo el 1 5 % de las m uestras. S e
pro cede entonces a analizar el grfico de prom edios.
G rfico x
S e recalculan los lmites con el n uevo Intervalo prom edio.
L S C - = 1 0 ,0 0 + (0 ,6 2 * 0 ,5 1 ) = 1 0 ,3 2 m m
L C C S = 10,00
L IC -

= 10,00 m m

= 1 0 , 0 0 - (0 ,6 2 * 0 ,5 1 ) =

9,68 m m

CONTROL DE CALIDAD

300

A l o b s e r v a r la F ig u r a 4 .2 7 , s e n o ta q u e las m u e s tra s N o . 2 y 10 se
encuentran fuera de lmites. P or lo tanto se procede a elim inarlas y a recalcular
el p rom edio.
2 0 0 ,1 6

- (1 0 , 4 6 + 1 0 , 3 2 )
= 9 ,9 7 m m

x =
m
2 0 -2

Lo s lm ites de control de pro ceso m odificados sern:

L S C xm

= 9 ,9 7 + (0
,6 2 * 0 ,5 1 )' = 10,29 m m
'

L C C xm
-

= 9 ,9
7

L I C xm

= 9 ,9 7 - (0 ,6 2 * 0 ,5 1 ) = 9,65 m m

= 9,9 7 m m

Al o b s e rv a r de n u e v o la F ig u ra 4 .2 7 , se nota qu e y a no h ay m s p u n to s
fuera. E n cuanto a peculiaridades se pueden ver ciclos en a m b o s grficos que
v a ld ra la p e n a estudiar. La variabilidad al final del estu dio tiende a m e jo ra r,
p u e s dism in u ye . S e ra im portante realizar un nuevo estudio para analizar esta
situacin.

2.

A n lisis con resp ecto a especificaciones

Al c o m p a ra r la situacin de los lm ites de control de p ro ce so finales y los

lmites de control especificados se nota que corresponde a la Situacin 1. P o r lo

qu e se aplican las accion es ya citadas.
Al h acer el anlisis de exactitud y de precisin se tiene:

a.

E xactitu d

M = x
10,00 = 9,97

JORGE ACUA ACUA

301

E sta es u n a h ip tesis q u e no es n e c e sa rio pro bar, por lo qu e se p u e d e

concluir qu e el pro ceso es estadsticam ente centrado.

b.

P recisin

El proceso es preciso puesto que:

a ' < 1 /3
a ' = a / c2= 0 ,5 1 / 0,97 = 0,53
T/3 = 2 / 3 = 0,67
a < T/3
0 ,5 3 < 0 ,6 7
Al e s ta r p ro d u c ie n d o co n u n a v a ria b ilid a d inferior a la e s p e c ifica d a el
porcentaje de pro ducto disconform e es despreciable.
C o m o se p u e d e con clu ir del anlisis rea liza do, la elim inacin de cau sa s
a s ig n a b le s c o lo c a a e ste p ro c e s o en u n a s itu a c i n v e n ta jo s a a u n q u e se
cum pla con especificaciones desde el inicio del estudio. S e debe continuar con
el control de exactitud y precisin perm itiendo un poco de libertad al proceso.
T a m b i n ca b e la posibilidad de revisar las especificaciones.
E n con clu sin, la p re ocupacin del fabricante con respecto al com porta
m iento de esta va ria b le no tiene fu n d a m e n to , s e g n lo m uestra el presente
estudio. E n otras palabras, los problem as de calidad de este producto se deben
a otra caracterstica de calidad qu e no es el dim etro.

GRAFICO DE MEDIANAS E INTERVALOS

Este es un grfico poco usado en nuestro m edio pues tiene com o requisito
la certeza de qu e la caracterstica que est siendo controlada se com porta s e
g n la distribucin norm al. La raz n de ello es que esta distribucin es la nica
que tiene m edia aritm tica y m ediana de igual m agnitud, lo que permite usar la
m ediana com o m edida de exactitud en lugar de la media aritmtica. A d em s, es
conveniente qu e la dispersin no sea alta y que ojal se m antenga bajo control.

CONTROL DE CALIDAD

302

La ventaja de usar este tipo de grfico es que se facilita el clculo, pues la

m e d ia n a e s m s fcil de o b te n e r qu e la m edia. La v e n ta ja se h a ce a n m s
evidente cu a n d o se requiere entrenar al personal operativo. H a y que recordar
qu e la m e d ia n a se obtiene por inspeccin de los datos localizando aquel valor
hasta el q u e se encuentra el 5 0 % de los datos.
Existen dos tipos de grficos de m ediana e intervalo, estos son:
a.

G r fico de m ediana e intervalo m ediano

b.

G r fico de m ediana e intervalo prom edio

El se g u n d o tipo de grfico es una com binacin del prim ero con el grfico R

de un grfico de p rom edios e intervalos.

A continuacin se analizar el grfico de intervalo m ediano. Lo s cam bios
que sufrir este grfico para convertirse en el otro son m n im os y consisten en
la utiliza ci n de los lm ites del grfico R en lu gar de la utilizacin de lm ites
b a s a d o s en intervalos m edianos.
U n o de los aspectos qu e se deb e tom ar m uy en cuenta es qu e al localizar
la m e d ia n a e s n e ce sario alterar el o rden de los datos; sin e m b a rg o , se deb e
c o n s e rv a r e s e orde n al graficar, p u e s de lo contrario se alterara la serie de
tiem po y por lo tanto no se podran analizar tendencias y peculiaridades.

Construccin del grfico

Lo s p aso s en la construccin del grfico M e,R son los siguientes:
1.

E s t e p a s o e s el m is m o q u e s e s ig u e en el g r f ic o d e p r o m e d io s e
intervalos.

2.

E s te p a s o e s el m is m o q u e s e s ig u e en el g r f ic o de p r o m e d io s e
intervalos.

3.

Determinacin del nmero de subgrupos o muestras (m).

La d e te r

m in a c i n d e e s te n m e r o s e d e b e h a c e r d e ta l m a n e r a q u e la
p ro b a b ilid a d d e d e te c ta r c a u s a s a s ig n a b le s e n tre las u n id a d e s q u e
c o n f o rm a n la m u e s tra s e a la m n im a p o s ib le , p e ro la m x im a e n tre

JORGE ACUNA ACUNA

303

m u e stra s o s u b g ru p o s . E sto se logra si se c u m p le n las co n d icio n e s de

representatividad del m uestreo. La experiencia en el uso de este tipo de
grficos dicta qu e este nm ero deb e ser m a yo r a veinte.
4.

Determinacin del tamao dei subgrupo o muestra (n).

E s m uy im por

tante que la seleccin de esta m uestra sea aleatoria y que la frecuencia de

tom a de ella se haga sobre la base de los beneficios esperados y el costo
de evaluacin de calidad g enerado . Debido al uso del intervalo co m o m e
dida de dispersin, la experiencia dicta que el tam ao no deb e ser m ayor
que diez unidades. Los n m ero s m s usado s son cuatro, cinco y seis.
5.

Recoleccin de informacin. U n a

v e z diseado el esquem a de muestreo

se procede a la recoleccin de datos, ejecucin de m ediciones y clculo de

m edidas estadsticas. E s importante en este paso hacer uso de un formato
a decuqplQ q u e p re s e n te la in fo rm a ci n o rd e n a d a p a ra su a n lisis. El
Ejem plo 4 .6 presenta un ejem plo de formato. Los datos y las m edidas cal
c u la d a s a partir de ellos d e b e n te ner una cifra significativa m s q u e lo
exigido por la especificacin.
Los clculos qu e se efectan son los siguientes:

a. Localizacin de la mediana
P a ra esto se req u ie re , p rim e ro , del o rd e n a m ie n to de c a d a m u e stra de
m e n o r a m ayor.
n +1
M e=----------------- trm ino
2
donde:
n :

tam ao de la m uestra

M e: m ediana del grupo

b. Intervalo de la muestra
R = x im a.x - x im n,

S e a es el va lo r que se encuentra
en la mitad de los datos.

304

CONTROL DE CALIDAD

don de:
xjmx: dato de m a yo r m agnitud en la m uestra
xlmin: dato de m enor m agnitud en la m uestra

c. Localizacin de la mediana de medianas

m +1
M e =-------------------------trm ino

2
d on de:
m : n m e ro de m uestra s

M e : m e diana de m e diana s

d. Intervalo mediano
m + 1
R = --------------------- trm ino

S e localiza entre los intervalos

de cad a m uestra

don de:
m : n m e ro de m uestras

R: intervalo m ediano
Si se usara un intervalo prom edio se calcula el m ism o usado en el grfico
de prom e dios e intervalos.
6.

Clculo de lmites de control.

i_a descripcin de estos lmites es la m ism a

d a d a para el grfico de control de prom edio e intervalos. La dem ostracin

de estos lm ites se p u e d e o b s e rv a r en el A p n d ic e II. Lo s lm ites d e b e n
te ne r u na cifra significativa m s q u e lo exigido por la especificacin y el

JORGE ACUNA ACUNA

305

criterio de redondeo es lmites superiores hacia arriba a la cifra siguiente y

lm ites inferiores h acia abajo a la cifra p re ce d e n te . La s frm ulas son las
siguientes:
a.

Lm ites de control especificados

P a ra p rom e dios

ls e

Mb =

P ara intervalos

/^

L S E r = D 2*T/3

L C E Me= M

L C E R= d2* T/3

L IE U e = M - T / ^

L IE R = D ,* T / 3

L S E : Lm ite S u p e rio r Especificado

L C E : Lnea Central Especificada
L IE :
b.

Lm ite Inferior Especificado

Lm ites de control del proceso

Para pro m edio s

P ara intervalos

L S C Me= M e + A 2* R

L S C r = D 4*R

L C C Me = M e

LCCr = R

L 'C Me = M - A 2* R

L IC r

L S C : Lm ite S u p e rio r de Control

L C C : Lnea Central de Control
L IC :

Lm ite Inferior de Control

= D 3* R

306

CONTROL DE CALIDAD

L o s v a lo re s de las co n sta n te s A 2, D r D 2, D 3, D 4y d2se e n c u e n tra n en el

form ato de recoleccin de datos.
7.

C o n s t r u c c i n d e l g r f ic o . El grfico consiste de d o s partes: u na para

g ra fic a r las m e d ia n a s y el otro p a ra g raficar los in te rva lo s. E l p ro c e d i
m ie n to p a ra c o n s tr u ir el g r fic o e s el m is m o u s a d o p a ra el g r fic o
d e p ro m e d io s e intervalos. La F ig u ra 4 .2 8 m uestra un e s q u e m a de este
grfico.
La form a en que se graf ican los puntos debe ser acorde con la form a en que
se recolecta ron los datos y no de a cu e rd o con los o rdenam iento s h e ch o s
para el clculo de m edianas. Esto es m u y importante para efectos de anali
z a r te n d e n cia s y p e cu lia rid a d e s p u e s si no se h a ce a s, se altera la serie
cronolgica.

FIGURA 4.28. Representacin de un grfico Mg,R.

JORGE ACUNA ACUNA

307

A n lis is de l g r fic o
U n a v e z q u e se ha co n stru id o el grfico se p ro ce d e a h a ce r un anlisis
detallado con el fin de detectar los problem as que presenta la caracterstica de
calidad en estudio. El anlisis del grfico sigue los m ism os pasos del anlisis de
un grfico de p ro m e d io s e intervalos. El clcu lo de la m e d ia n a y el intervalo
m ediano m odificados se hace m ediante las siguientes expresiones:
[ (m - h) + 1 ]
M em = --------------------------------------- trmino

2
donde:

M em = m ediana de m edianas m odificada

h=

nm ero de m edianas que que dan fuera de lmites de control de proceso

[ (m - f) + 1 ]

R m= -------------------------------------------- trm ino

2
don de:

R m = intervalo m ediano m odificado

f

= n m e ro de intervalos que q u e d a n sobre el lmite superior de control de

proceso

E s im portante indicar que al elim in ar puntos, los restantes d e b e n o rd e

narse para continuar con el anlisis. E n ocasiones, la elim inacin de un punto
p ro vo ca que el total de m uestras sea impar, lo qu e ocasiona que el valor de la
m e d ia n a no se e n c u e n tre en el c o n ju n to de d a to s . S i esto o c u rre se d e b e
calcular la m ediana co m o el pro m e dio de los valores extrem os.
P or ejem plo, si quedan 20 subg ru p os, la m ediana ser el trm ino 10,5, el
cual no existe. E n este caso se calcula com o el prom edio entre los trm inos de
la posicin 10 y 11.

308

CONTROL DE CALIDAD

A l calcular el porcentaje de pro ducto disconform e la desviacin estn dar

se estim a com o:

c = R / d2
S e g u im ie n t o de l g r fic o
El procedim iento es el m ism o que se practica en el grfico de pro m edio s e
intervalos. S e d e b e tener especial cu idado respecto del com portam ien to de la
pre cisin de la ca ra cte rstica y de la co n se rva c i n de su n o rm alidad, p o r ser
requisitos cla ve s en la utilizacin de este tipo de grfico.
Para entender m ejor este procedim iento se puede usar el flujogram a I en el
A p n d ice III.

EJEMPLO 4.6
U n a c o m p a a farm ac utica tiene problem as con el enva se de uno de los
ung entos que fabrica, pues se ha detectado alguna variabilidad en el peso de
c a d a tubo. E n el p a sa d o se han h e ch o estudios y se ha c o m p ro b a d o q u e esta
va ria b le se distribuye se g n la distribucin norm al. S e ha decidido aplicar un
grfico de control pa ra constatar la hiptesis planteada.
La especificacin del p e so del tubo se establece en 15 5 g ra m o s. C o n el
fin de h a ce r el an lisis re q u e rido se recolect la inform acin m o s tra d a en el
C u a d r o 4 .6 . S e tra ta d e 2 7 m u e s tra s d e ta m a o 5 , las c u a le s a p a r e c e n
o rd e n a d a s de m e n o r a m a yo r en ca d a subgrupo.

SOLUCION
A.

Construccin del grfico

Lo s p aso s del 1 al 5 se encu entran en el C u a d ro 4.6.
P a so 6. C lc u lo de lmites de control

JORGE ACUNA ACUNA

309

CUADRO 4.6. Hoja de datos para el Ejemplo 4.6

Hoja de Datos - Grficos de control Me, R
Ungento dermatolgico
Cdigo:
A385
Artculo:
Especificaciones: 15 + 5 g
Caracterstica: Peso
Mquina:
Llenadora
Operacin:
Llenado del envase
Inspector:
M. Blanco
Operario:
J. Senz
Hora de inicio: 8:00 a.m. Hoja # 1 de 1
Fecha: 30-9-84
Turno: 1
1

Muestra #

10

n=
O

24.2
19.8
18.8
14,0
11.3

21.4
17.4
16,8
15,1
12,7

23.0
22,8
21,7
18,2
14.0

27.9
19,6
18,5
15,1
12.9

19,7
15.4
14.4
13,0
11,6

19,5
18,9
18,8
17.2
15.2

21,0
19.5
17,2
15,8
15.5

19.0
18,3
18.0
15,6
14,9

19,8
16.7
15.7
15,2
13.8

18,7
16,6
14.9
14.9
12,3

Mediana
Intervalo R

18,8
12,9

16,8
8,7

21,7
9,0

18,5
15,0

14,4
8,1

18,8
4,3

17,2
5,5

18,0
4,1

15,7
6,0

14,9
6,4

Muestra #

11

12

13

14

15

16

17

18

19

20

18.7
15.1
15.1
13,9
13.8

20,8
20,2
17,9
16,6
15,0

17.6
16,8
15,5
14.7
13,9

22,1
19.1
18.3
17.4
17.1

19.6
19.6
19,2
17.7
13,4

21.3
20,6
17.4
16,6
15,0

19,6
18,1
16.9
14.9
14,3

19.0
15.1
14.5
14,0
13.6

21,6
20.4
19,6
18.5
18,3

15.0
14,7
14,5
13,9
13.0

15,1
4,9

17,9
5,8

15,5
3,7

18,3
5,0

19,2
6,2

17,4
6,3

16,5
5,3

14,5
5,4

19,6
3,3

14,5
2,0

28

29

30

V
a
I
o
r

I
n
d
i
v.

5
4
3
2
1

B
S

V
V
a
I
o
r

I
n
d
i
v.

5
4
3
2
1

Mediana
Intervalo R
Muestra #
V
a
I
0
r

I
n
d
i
v.

5
4
3
2
1

Mediana
Intervalo R
n

21

22

23

24

25

26

27

16.5
15,3
14.5
14,0
13.5

15,9
15,8
14,7
14,4
14,3

15.9
15,5
15,0
14.9
13.9

23.9
21,5
21,3
20.9
14.9

15.0
15.0
14,8
14,7
13.1

19.7
16,0
15.7
15,5
15,1

21,1
15,3
14,2
13,7
13,0

14,5
3,0

14,7
1,6

15,0
2,0

21,3
9,0

14,8
1,5

15,7
4,6

14,2
8,2

A
C

E
S

10

A2

2,224

1,265

0,829

0,712

0,562

0,520

0,441

0,419

0,369

D3

0,078

0,139

0,187

0,227

1,901

1,850

1,809

2,791

2,916

3,024

D4

3,865

2,745

2,375

2,179

2,055

1,967

d2

0,954

1,588

1,978

2,257

2,472

2,645

CONTROL DE CALIDAD

a.

Lm ites de c o n tro l especificados

Espe cificaci n: M + T = 15 + 5 g ra m o s
P a ra prom edios
L S E Mb = M + T / f f = 15 + 5/1(5

= 1 7 ,2 4 gram os

L C E Me = M

= 1 5 ,0 0 gram os

L IE Me = M - T/ \fr = 1 5 - 5/

= 1 2 ,7 6 gram os

P a ra intervalos

L S E R = D 2* T/3 = 4 ,6 6 *5/3 = 7,7 9 g ram os

L C E r = d2* T/3 = 2 ,2 5 7 * 5/3 = 3,7 6 gram os

L I E r = D 1* T/3 = 0

*5/3 = 0

gram os

D 2= 3 d 3+ d 2
= 3 (0 ,8 )+ 2,257
= 4 ,6 6

d 3p ara n=5 tom a el valor de 0,8

P a ra n = 5 , los va lo re s de D 2, d2y D , se localizan en la hoja de dato s en el

C u a d ro 4 .6.

b.

Lm ites de c o n tro l d e l p ro ce so

A n te s d e c a lc u la r e s to s lm ite s e s n e c e s a rio lo c a liz a r la m e d ia n a de

m e d ia n a s y el intervalo m ediano. P ara ello es necesario o rd e n a r los dato s de
m e n o r a m a yo r. El C u a d ro 4.7 m uestra este ordenam iento.

JORGE ACUNA ACUNA

311

CUADRO 4.7. Ordenamiento de mayor a menor de los datos intermedios

Muestra
27
5
18
20
21
22
25
10
23
10
13
26
9
17
2
7
16
12
8
14
4
1
6
15
19
24
3

No. Mediana

Muestra

14,2
14,4
14,5
14,5
14,5
14,7
14,8
14,9
15,0
15,1
15,5
15,7
15,7
16,5
16,8
17,2
17,4
17,9
18,0
18,3
18,5
18,8
18,8
19,2
19,6
21,3
21,7

25
22
23
20
21
19
12
8
6
26
11
14
17
18
7
12
9
15
16
10
5
27
2
3
24
1
4

Localizacin de la m ediana de m edianas

(m + 1)
28
M = -------------------------- trm ino-= -----------trm ino = 14 o valor

No. Intervalo
1,5
1,6
2,0
2,0
3,0
3,3
3,7
4,1
4,3
4,6
4,9
5,0
5,3
5,4
5,5
5,8
6,0
6,2
6,3
6,4
8,1
8,2
8,7
9,0
9,0
12,9
15,0

312

CONTROL DE CALIDAD

M e= 16,5 g ra m o s
(m + 1)

28
trm ino = --------------trm ino = 14 o valor

R=

R = 5,4 g ra m o s
Para m ediana s

L S C Me= M e + A 2* R = 16,5 + (0 ,7 1 2 * 5 ,4 ) = 20,3 4 g ram os

L C C M e= M e

1 6 .5 0

g ram os

L IC Me = M e - A 2* R = 16,5 - (0 ,7 1 2 * 5 ,4 ) = 12,65 g ra m o s

Para intervalos m edianos

L S C r = D 4* R = 2,1 7 9 * 5 ,4

= 1 1 ,7 7 g ram os

LCCr =R

= 5,4 0 g ra m o s

L I C r = D 3* R = 0

* 5 ,4

= 0

g ram os

Los valores y constantes utilizados estn en el C u a d ro 4.6.

P a so 7. C onstru ccin del grfico

La Figura 4.29 presenta el grfico correspondiente a este ejemplo.

313

JORGE ACUNA ACUNA

NUMERO DE L A MUESTRA

FIGURA 4.29. Grfico Me,f para el Ejemplo 4.6.

314

CONTROL DE CALIDAD

B.

Anlisis del grfico

1.

A n lisis con resp ecto a l p ro ce so

Al obse rva r la Figura 4.29 se nota que hay puntos fuera en a m bos grficos,
por lo qu e se p ro ce d e a elim inarlos.

G rfico R

C o m o se p uede observar en la Figura 4.2 9 y en el C u a d ro 4 .7 las m uestras

N o . 1 y 4 se e n c u e n tra n so b re el lm ite s u p e rio r de co n tro l. S e re c a lcu la el
intervalo prom edio.
26
R mm= ----------- trm ino = 13 o trm ino

2
R m= 5 ,3 g ra m os
S e re c a lc u la s o lo el lm ite s u p e r io r p u e s es el q u e s e n e c e s ita p a ra
o b s e rv a r si h a y m s puntos fuera.

L S C r = D 4* R m= 2 ,1 7 9 * 5,3 = 11,55 g ram os

C o m o se p u e d e nota r en la F ig u ra 4 .2 9 y a no h a y m s p u n to s fuera de
lm ites en el grfico R y se elim in solo el 7 ,4 % de las m u estra s. S e p ro cede
ento nce s a ana liza r el grfico de m edianas.
G rfico M e
S e recalculan los lmites con el nuevo intervalo prom edio.
L S C Me = 15,7 + (0 ,7 1 2 * 5 ,3 ) = 19,48 g ram os
L I C Me = 15,7 - (0 ,7 1 2 * 5 ,3 ) = 11,92 g ram os

JORGE ACUNA ACUNA

315

S e nota qu e las m uestras No. 19, 24 y 3 se encuentran fuera del lmite su

perior. P or lo tanto se pro cede a elim inarlas.
25
M em =

trm ino = 12,5 trmino

M em= 15,7 g ra m os
E n este ca so no es necesario b u sc a r ei prom edio de extrem os, pues tanto
el dato N o. 12 co m o el n m ero 13 tienen el valor de 15,7 gram os.
Los lmites de control de pro ceso m odificados sern:

L S C Mem = 15,7 + (0 ,7 1 2 * 5 ,3 ) = 19,48 gram os

L I C M em

= 15,7 - (0 ,7 1 2 * 5 ,3 ) = 11,92 gram os

Al observar de nuevo el grfico se nota que ya no hay m s puntos fuera. En

cu a n to a p e cu lia rid a d e s y te n d e n c ia s se o b s e rv a n a lg u n a s te n d e n cia s que
deb e n ser ana lizad as con detenim iento, tratando de identificar sus causa s.

2.

A n lisis con resp ecto a especificaciones

Al co m p a ra r la situacin de los lm ites de control de pro ceso finales y los

lmites de control especificados se nota que corresponde a la Situacin 3. Por lo

que aplican las accion es y a citadas.
Al h a ce r el anlisis de exactitud, de precisin y de porcentaje de producto
no conform e con especificaciones se tiene:

a.

E xactitud

M =M

15,0 = 15,7

316

CONTROL DE CALIDAD

S e plantea la siguiente hiptesis

H 0: p = 15,0
H a: g = 15,0
La Figura 4 .3 0 m uestra la cu rva norm al correspondiente.

a = R/d?
a = 5,3/2,257 = 2 ,3 4 8 gram os
1 5 ,7 -1 5 ,0
Z =

= 0,67
2 ,3 4 8
'5

FIGURA 4.30. Curva normal para la prueba de hiptesis.

C o m o se puede observar en la Figura 4.30, no existe evidencia estadstica,

con a = 5 % , para re c h a za r la hiptesis nula. P or lo tanto, bajo las co n d icio n e s
a c t u a le s s e p u e d e a f irm a r c o n 9 5 % d e c o n f ia n z a q u e el p r o c e s o e s t
estadsticam ente centrado.

b.

Precisin

El proceso no es preciso puesto que:

JORGE ACUNA ACUNA

317

a > T/3
2.3 4 8 > 5/3
2 .3 4 8 > 1,67

S e plantea la siguiente hiptesis

H 0: cr2= 2,7 7 7
H a : o 2= 2,777

La Figu ra 4 .3 0 A m uestra la cu rva ch i-cu a d ra d o correspondiente.

( 5 - 1 ) 2 ,3 4 8 2
as2= -------------------------------------------- = 7,94
2,777
C o m o se puede observar en la Figura 4.30, no existe evidencia estadstica,
con a = 5 % , p a ra re c h a za r la hiptesis nula. P o r lo tanto, bajo las condiciones
a c t u a le s s e p u e d e a f ir m a r c o n 9 5 % d e c o n f ia n z a q u e el p r o c e s o es
estadsticam ente preciso.

c.

P orcentaje de p ro d u cto disconform e

c '.= 5 ,4 / 2 ,2 5 7 = 2,3 9 3
o f= 5 ,3 / 2 ,2 5 7 = 2,348

FIGURA 4.30A.
Curva chicuadrado para la
prueba de
hiptesis

CONTROL DE CALIDAD

318

L a s F ig u ra s 4.31 y 4 .3 2 m u e s tra n las c u rv a s n o rm a le s u s a d a s p a ra el

clculo del porcentaje de producto fuera de especificaciones.
A , = P ( x < 10,0 ) = N ((1 0 ,0 - 16,5)/2,393) = -2 ,72
A , = 0 ,0 0 3 3 0 ,3 3 %
A 2= P ( x > 2 0 ,0 ) = 1 - N ( ( 2 0 , 0 -1 6 ,5)/2,3 9 3 ) = 1 - N ( 1 , 4 6 )
A 2= 1 - 0 ,9 2 7 9 = 0,0721 7,21 %
El porcentaje de producto disconform e total inicial es 7,5 4 % .
A , = P ( x < 10,0 ) = N ((1 0 ,0 - 1 5,7)/2,348) = -2 ,4 3

FIGURA 4.31 Clculo del porcentaje disconforme inicial.

FIGURA 4.32. Clculo del porcentaje disconforme final.

JORGE ACUA ACUA

A , = 0 ,0 0 7 5 0 ,7 5 %
A 2= P ( x > 2 0 ,0 ) = 1 - N ((2 0 ,0 - 1 5,7)/2,348) = 1 - N (1 ,8 3 )
A 2= 1 - 0 ,9 6 6 4 = 0 ,0 3 3 6 3 ,3 6 %

El porcentaje de producto disconform e total final es 4,11 % .

C o m o se p u e d e co n clu ir del anlisis realizado, la elim inacin de ca u sa s
asignables ayu d a a dism inuir el porcentaje de producto diconform e de 7 ,5 4 %
a 4 ,1 1 % . S in e m b a rg o , a u n q u e la caracterstica en estudio ha m ostrado ser
e s ta d s tic a m e n te e x a c ta y p re c is a , es n e c e s a rio e v a lu a r si se re q u ie re n
m ejoras para elevar el nivel de calidad de este proceso.
U n o de los aspectos claves en la administracin de grficos de control es el
diseo de form atos que ayuden en la tom a de decisiones cuando se tengan que
ejercer a ccion e s preventivas y correctivas.
A lg u n a d e e s ta in fo rm a c i n s e re fie re a re s p o n s a b ilid a d e s , tip o de
a c c io n e s , c la s e de a c c io n e s , d e s c rip c i n de e s a s a c c io n e s y s o b re todo
ra z o n e s del p o r q u d e e s ta s a c c io n e s . D e b e c o n v e n c e r s e a qu ie n to m a
decisiones del p o rq u de ellas. Si los operarlos son los encargados de llevar los
grficos, es m u y im portante entrenarlos y darles a c o n o c e r las accio n es por
seguir cu a n d o se identifiquen situaciones an m alas en los grficos.

G R A F IC O D E S U M A S A C U M U L A D A S
Lo s grficos de s u m a s a c u m u la d a s se basan en la pre m isa de que c a m
bios p e q u e o s de exactitud no pu e d e n ser detectados fcilm ente u sand o los
grficos convencionales. Si esto se lograra se necesitara graficar una gran ca n
tidad de puntos para detectar el cam bio, accin que sera tarda y de tipo correc
tivo. E n un grfico de su m as acum uladas se acum ulan diferencias entre el valor
obte nido de ca d a p ro m e d io m uestral y el p ro m e dio e sp e ra d o . El objetivo es
lograr una estabilidad del pro ceso en cu yo caso esas diferencias debern ser
cero.
C u a lq u ie r cam bio en el nivel del proceso dar origen a un valor positivo o
negativo de la su m a acu m u lad a, ello depende de la pendiente del cam bio. Si el

CONTROL DE CALIDAD

320

c a m b io persiste, el va lo r absoluto de la s u m a a cu m u la d a de b e r a u m e n ta r y
ese efecto har aparente la situacin, con lo que se pueden tom ar las m edidas
p re v e n tiv a s del c a s o . Si el c a m b io no es sig nificativo , la s u m a a c u m u la d a
tend er a cero en form a rpida.
U n o de los p ro b le m a s de los g r fico s de control c o n v e n c io n a le s es el
hech o de que las decisiones estn basa d a s en igualdad de condiciones, tanto
para las prim eras m uestras com o las ltimas. Al representar con ellos una serie
de tiem po, debera ponrsele m s atencin a los datos m s recientes, cosa que
se pu e de lograr con los grficos de su m as acum uladas. Lo s grficos de su m as
a cu m u la d a s, cu yo objetivo prim ario es m antene r el control del pro ceso en las
m ejo res condiciones, son definitivam ente m s baratos. C o n estos grficos es
p o s ib le id e n tific a r c a m b io s en el p ro c e s o c u a n d o s to s so n re p e n tin o s y
g e n e ra d o s p or co n d icio n e s qu e se han v e n id o a c u m u la n d o en el tiem po. La
F ig u ra 4 .3 3 m uestra la rep resentacin de tendencias en este tipo de grfico.
E n la F ig u ra 4 .3 3 s e re fleja un im p o rta n te c a m b io al v a ria r a lg u n a s
con dicio ne s. E sto obliga a tener una regla de decisin con el fin de calificar la
m ag nitu d del c a m b io y e v a lu a r si ste es rea lm ente im portante o p o r lo c o n
trario no implica accion e s inm ediatas. E n otras palabras esta regla cum plir la
m isin de los lmites de control en grficos tradicionales.
La su m a a cu m u la d a se calcula al a cu m u la r las diferencias de los p ro m e
d io s re c o le c ta d o s co n el v a lo r n o m in a l, y a s e a en u n id a d e s s im p le s o en
unidade s de error estndar.
La regla de d e c isi n q u e se u sa e sta b le c e el tipo de g rfico de s u m a s
acum uladas. E n esta ocasin se presentan dos tipos que son la m scara V y el
intervalo de decisin h.
D a d o qu e estos grficos solo controlan exactitud se deb e definir qu tipo
de g r fico se v a u s a r p a ra co n tro la r p re c is i n , p u e d e s e r un gr fico R o un
grfico a. Ta m b i n es posible decidir no controlarla si sta no es un problem a en
la caracterstica en estudio.
Si se d e s e a se p u e d e construir, para la m ism a inform acin, el grfico de
control de pro m e dio s para o b s e rva r la gran eficacia de un grfico C U S U M en
deteccin de ca m bios en el centro del pro ceso.

(/)

Z
O
o
<
>

UJ

ir

c/)
OD
o

>-

Figura 4.33. Representacin de un Grfico CUSUM.

JORGE ACUNA ACUNA

321

CONTROL DE CALIDAD

322

Mscara V
E ste grfico u sa co m o m e dida de evaluacin del cam bio una plantilla en
form a de V cu ya funcin es detectar si la pendiente de un cam bio registrado es
significativa o no. Este es un procedim iento de decisin de dos extrem os (c o n
trol bilateral) p u e s controla tanto c u a n d o la pend ien te de ca m b io es positiva
c o m o negativa. El m todo consiste en colocar la plantilla en un punto determ i
na d o y si algn punto graficado anteriorm ente q u e d a debajo de la plantilla se
evidencia un cam bio importante a partir de l. Si ello ocurre se m ide la m agnitud
del ca m bio y se tom an las acciones correctivas y preventivas que se am eriten.
L a F ig u ra 4 .3 4 m u e s tra un e je m p lo de e sta p lan tilla. C o m o s e p u e d e
o b s e rv a r e sta q u e d a definida al c o n o c e r la m a g n itu d de la d ista n c ia

dy

dei

n g u lo 0.

Construccin del grfico

El procedim iento para la construccin de este grfico es el siguiente:
1.

Seleccin de la variable. E ste deb e ser necesariam ente un p a so y a eje

c u ta d o a tra v s de la id e n tifica ci n de c a ra c te rs tic a s d e c a lid a d e m
plea ndo el diag ram a de Ishikaw a y el paretogram a. Sin e m b a rg o , en este

FIGURA 4.34. Ejemplo de una mscara V.

JORGE ACUNA ACUNA

323

caso debe haberse com probado qu e existe la necesidad de controlar m s

de cerca la exactitud del proceso. E s Importante definir aqu el grfico que
se va a u sar para controlar variabilidad.
2.

Definicin del marco de muestreo y mtodo de seleccin. E s n e c e

sario definir el lu g a r de d o n d e s e extraern las m u e stra s, sea ste lotes
producidos o m quinas en proceso. S e siguen los m ism os procedim ientos
explicados para los grficos tradicionales

3.

Determinacin del nmero de subgrupos o muestras (m).

L a d eter

m inacin de este n m ero se deb e hacer de tal m anera que la probabilidad

de d e te c ta r c a u s a s a s ig n a b le s e n tre las u n id a d e s q u e c o n fo rm a n la
m u e s tra s e a la m n im a posib le , p e ro la m x im a entre m u e stra s o s u b
grupos. Esto se logra si se cu m p le n las condiciones de representatividad
del m uestreo. La experiencia en el uso de este tipo de grficos dicta que
este n m ero d e b e s e r m ayor a veinte.
4.

Determinacin del tamao del subgrupo o muestra (n). E s m uy im por

tante que la seleccin de esta m uestra sea aleatoria y que la frecuencia de
tom a de ella se h a g a sobre la base de los beneficios esperados y el costo
de evaluacin de calidad g enerado. Si se usa el intervalo com o m edida de
dispersin, la experiencia dicta qu e el tam ao no deb e ser m ayor que diez
unidades.

5.

Recoleccin de informacin. U n a v e z diseado el esq u em a de m uestreo

se p rocede a la recoleccin de datos, ejecucin de m ediciones y clculo de
m edidas estadsticas. E s importante en este paso h acer uso de un formato
a d e c u a d o qu e presente la inform acin ordenada para su anlisis. S e p u e
de usar a qu el form ato de un grfico de prom edio e intervalo o de prom edio
y desviacin estndar, segn cual sea el grfico para controlar precisin.
El clculo que se efecta es el de la su m a acum ulada. Existen dos form as
de calcularlo: u sand o diferencia sim ple o unidades de error estndar. C a d a
analista decide cul usar. Las expresiones son las siguientes:

Diferencia sim ple

m

Ym=T(vM)
i=1

CONTROL DE CALIDAD

324

U n id a d e s de desviacin estndar
m
Y m= I

_
t(x ,-M )/ a ; ]

i=1

en don de:
Y m = S u m a a cum ulada

xi = V a lo r del prom e dio de la m uestra i

M = pro m e dio especificado o pro m e dio deseado
o x = error estndar del m uestreo
6.

D is e o d e la p la n tilla . T a l y c o m o s e indic a n te rio rm e n te la plantilla

q u e d a d ise a d a cu a n d o se co n o ce n los valores de d y de 0. E xisten dos
form as de clculo se g n se co n o zca o no la desviacin estndar.

a.

M scara V p a ra variables no rm alm e nte distribuidas

P rocedim iento A . o con ocida (D u n c a n ,1 989)
P a ra d is e a r grficos en este c a s o s e c o n o c e o y se dice q u e es c o n s

tante. Para la m sca ra V los valores de d y 0 se calculan de la siguiente form a:

d= h/tan 0
0= t a n 1(k-m )/w
don de
w = factor de esca la. E s la ra z n de una unidad de distancia en la e sca la hori
zontal con respecto a una unidad de la e s "a la vertical.
E ste m to d o re q u ie re q u e a ntes se ap liq u e el co n c e p to de intervalo de
d e c is i n h co n el fin de e n c o n tra r los v a lo re s a q u re q u e rid o s . E s te p ro c e
dim iento se ve r m s adelante.

JORGE ACUNA ACUNA

b.

M scara V p a ra variables no rm alm e nte distribuidas

P rocedim iento B. o d esconocida (D u n c a n , 1989)

L o s va lo re s de d y 6 se calculan co n base en d o s parm e tros qu e son el

error tipo I (a ) y el ca m b io esperado en el proceso (8).
El valor de 5 se calcula en unidades de error estndar al dividir la diferencia
re q u e rid a p a ra d e te c ta r c a m b io s (D ) p o r el va lo r del error estn dar. La dife
rencia D representa al nm ero de errores estndar que se desea detectar con
la m sca ra . A s:
S = D/a
o - = o /V

& : estim acin de o

O btenido ese valo r se calcula d com o:
d = ( - 2 / 82) Inoc
El valor de 0 se calcula com o:
0 = arctan (8/2) si w es igual a 1
0 = a rc ta n [1 / (2 t)]o
0= arctan [1/(2ws)] para w diferente de 1
donde:
t:

es el cociente entre o -

(t = o - / w )

w: factor de escala (w = escala y / esca la x)

Seguimiento del grfico

E n este grfico no existe un anlisis por separado, pues este se realiza en
la etapa de seguim iento. La razn es qu e se debe tom ar una decisin por cada
punto que se grfica.

CONTROL DE CALIDAD

326

C o n el fin de ve r si existe un cam bio significativo durante el seguim iento del

g rfico y a la v e z e v a lu a r el d iseo de la m sca ra se co lo ca sta so b re ca d a
p u n to del gr fico a partir del s e g u n d o . S i n ing n p u nto q u e d a o cu lto p o r la
m scara, se dice que no hay cam bios significativos, si por el contrario un punto
o m s qu e d a n ocultos, se afirm a que un cam bio im portante se ha g e n e ra d o a
partir del intervalo de tiem po en el cual fue recogida esa muestra.
Esta m sca ra pu ede ser u sada para co n o ce r la m agnitud del c a m b io en el
prom e dio del proceso. P ara ello la m scara se pivotea alrededor del punto a n a
liza d o . S i se p u e d e lo c a liza r u n a posicin tal qu e los ltim os t p u n to s c a ig a n
dentro de la m sca ra V cu a n d o estos t puntos incluyen al m enos los puntos c u
biertos c u a n d o la m sca ra estab a horizontal, ento nces la direccin d e la lnea
O P en su n u e v a posicin p u e d e r ser usada para m edir el increm ento en el pro
m edio del proceso. Para aclarar este concepto se puede observar la Figu ra 4.35.
U n a fo rm a de ca lcu la r la m a g nitu d real de c a m b io es e n c o n tra n d o una
lnea de regresin con los valores de los puntos com prendidos entre el punto de
anlisis y el punto a partir del cual se detecta el cam bio, incluyndolos. S e a :
Y c = b o + b ,x

d onde:

I x 2 * Xy - Xx * Xxy
b o = -----------------------------------------------------------------

n X x 2- ( I x ) 2

nXxy - Xx * Xy
b, = ------------------------------------------------------------n X x 2- ( X x ) 2
C o m o b ^ y / x entonces 6 = arctan b ,-1
U tiliz a n d o cu a lq u ie ra de las e x p re s io n e s de 9 vista s a n te rio rm e n te se
despe ja el valor de 5 y con l se calcula el valor de D.
D = 6* o Esta m agnitud significa el verdadero valor de D que la m scara detect en
la z o n a do n de ocurri el cam bio.

JORGE ACUNA ACUNA

327

Lnea trazada
a mano a lo largo
de los 6 ltimos
/
puntos \
/

/
/
/

-i

Puntos cubiertos
por extensin de
la mascarilla en
la posicin
horizontal en P

i
i
i
i
1---------1-------- 1--------- 1
Nmero de observacin

FIGURA 4.35. Magnitud real de cambio.

EJEMPLO 4.7
U n a caracterstica de calidad d e b e cu m p lir con el v a lo r nom inal de 50 ,0
g ra m o s y se h a e s tim a d o u n a d e s v ia c i n e s t n d a r d e 2 ,0 g ra m o s . P a ra
observa r tendencias en el cum plim iento con ese valor nominal se desea disear
u n a M s c a ra V , p a ra la cu a l se han to m a d o los d a to s del C u a d r o 4 .7 que
corre sp onde a pro m edio s de m uestras de tam ao n=4.
Presente un grfico C U S U M en su s diferentes etapas que pueda detectar
ca m bios de un error estndar. U s a r a = 0 ,1 3 5 %

SOLUCION
A.

Construccin del grfico

Lo s pasos del 1 al 4 han sido previam ente ejecutados. P or lo tanto, se pro

ce d e a calcular las su m a s acum uladas. El C u a d ro 4.8 presenta estos clculos.

CONTROL DE CALIDAD

328

CUADRO 4.7. Informacin para el Ejemplo 4.7

No.

Promedio

No.

Promedio

No.

1
2
3
4
5

51,6
50,4
48,9
49,3
51,6

6
7
8
9
10

50,1
48,6
50,8
49,8
48,6

11
12
13
14
15

Promedio
50,4
52,1
49,8
52,4
51,9

No.

Promedio

16
17
18
19
20

51,1
49,9
52,4
52,9
51,4

Estos valores se grafican segn se m uestra en la F ig u ra 4.37 para obtener

el grfico de su m a s acu m ulad as.
5= DI cs-= 1 /1 ,0 = 1,0

D a d o D=1 entonces:

Oj = 2,0/^4 = 2,0/2 =1,0

El factor de escala w = escala en y / escala en x = 2/1 = 2
0 = arctan [1/(2t)]
t =1/1/2 = 2
0 = arctan [1/(2*2)]
0 = arctan [0,25]
0 = 14

-2
d=

-2
Ina =

( 12)

In (0 ,0 0 1 3 5 )

d = -2 (-6 ,6 )
d = 13,1
D a d o q u e la esca la es de d o s a uno se divide el v a lo r de d p o r d o s para
co n o ce r la m agnitud real de esa distancia. A s, el valo r de d es:

JORGE ACUA ACUA

CUADRO 4.8. Clculos para el Ejemplo 4.7

No.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

51,6
50,4
48,9
49,3
51,6
50,1
48,6
50,8
49,8
48,6
50,4
52,1
49,8
52,4
51,9
51,1
49,9
52,4
52,9
51,4

x -5 0

(x - 50)/1,0

1,6
0,4

1,6
0,4

-1,1
-0,7
1,6

-1,1
-0,7
1,6
0,1
-1,4
0,8
-0,2
-1,4
0,4
2,1
-0,2
2,4
1,9
1,1
-0,1
2,4
2,9
1,4

0,1

-1,4
0,8
-0,2
-1,4
0,4
2,1
-0,2
2,4
1,9
1,1
-0,1
2,4
2,9
1,4

1,6
2,0
0,9
0,2
1,8
1,9
0,5
1,3
1,1
-0,3
0,1
2,2
2,0
4,4
6,3
7,4
7,3
9,7
12,6
14,0

d = 6,6
La F ig u ra 4 .3 6 m u estra la m sca ra V para este ejem plo y la Figura 4.37
p re s e n ta la m s c a ra c o lo c a d a en u n o de los p u n to s graficados. H a y qu e
re ca lca r qu e esta m s c a ra no se dibu ja sino qu e se desliza sobre el grfico
CUSUM .

B.

Anlisis del grfico

C o n el fin de analizar posibles cam bios de tendencia se coloca la mscara

V sobre ca d a uno de los puntos del grfico. Al h acer esto, el primer cam bio se

CONTROL DE CALIDAD

330

dete cta en la m u e stra N o . 15, p u e s la m u e stra N o . 10 q u e d a oculta. E s to se

p u e d e ve r en la Figu ra 4.37.
Si se hubiera construido el grfico de prom edios hubiere sido difcil detec
tar un cam bio en la m uestra No. 15, a pesar de que la tendencia general refleja
a lgn ca m bio im portante en el prom edio del proceso. La Figura 4.3 8 presenta
el grfico corresp ondiente en el que se pu ede observar lo antes apuntado.
La m a gnitu d de ca m b io detectada se calcula u sand o el valor de la su m a
a c u m u la d a c o r re s p o n d ie n te a las m u e s tra s de la N o . 10 a la N o . 15. La
inform acin se presenta en el C u a d ro 4.9.
91 (1 4 ,7 )-2 1 (7 4 ,3 )
- = -2 ,1 2

b 0= -

6 (9 1 )-2 1 2

6 (7 4 ,3 ) - 2 1 (1 4 ,7 )
1,31
6 (9 1 ) - 2 1 2
La e cuacin es:
Y C = -2 ,1
3 + 1,31x

Lu e go:
y/x = 1,31

FIGURA 4.37. Grfico de sumas acumuladas para el ejemplo 4.7.

JORGE ACUA ACUA

331

CONTROL DE CALIDAD

X II

332

FIGURA 4.38. Grfico de promedios para el Ejemplo 4.7.

CUADRO 4.9. Clculos para anlisis de regresin

Muestra

xy

X2

10
11
12
13
14
15

1
2

-0,3
0,1
2,2
2,0
4,4
6,3

-0,3
0,2
6,6
8,0
22,0
37,8

1
4
9
16
25
36

Total

21

14,7

74,3

91

4
5

JORGE ACUNA ACU,

333

0 = arctan 1/1.31 = 37,35

Com o:
0 = arctan 1/(2w6)
Entonce s:
37,35 = arctan 1/(2w6)
0,7631 = 1/(2w s)
1,5262 w 8= 1
w 8= 0,6552
D a d o qu e w = 2 y 0^=1
2 5= 0,6552
Slog 2 = log 0 ,6552
log 0 ,6552
5 = -------------------------------------log 2
5= -0,61
D = a x *5 = 1 * (-0 ,6 1 ) = -0,61
E s to quie re decir q u e el grfico ha sido c a p a z de de te cta r en la zo n a de
anlisis una m agnitud de ca m b io de 0,61 en lu gar de +1 tal y co m o se h aba
estipulado.

C u rv a A R L
U n o de los a spectos im portantes de analizar es el n m ero de puntos que
se necesitan graficar para detectar un cam bio en la direccin del proceso. Para
ello, se utiliza una cu rva A R L .
Si un proceso com ienza a producir con el valor M y posteriorm ente cam bia
en una cantidad d> y si este cam bio persiste hasta ser detectado, el n m ero de

334

CONTROL DE CALIDAD

puntos de m uestra que sob re el prom edio tendrn que ser graficaaos antes de
que el esq u em a de control detecte un cam bio es amado Longitud Prom edio de

la C o rrid a (A v e r a g e R u n L e n g h t A R L ). P a ra co n stru ir e sta c u rv a s e u s a el

n o m o g ra m a de la F ig u ra 4 .39.
P a ra iniciar se fija un nivel de calidad m aque se considera el nivel de cali
d a d a ce p ta b le y qu e a d e m s existe otro nivel de calida d m r, m a y o r q u e m a,
considerado la peor calidad y que por lo tanto ser rechazado. A d em s, se tiene
que k = (m a+ m r)/2 y qu e ios valores de o , n y h son conocidos.
E n t o n c e s , c o n lo s v a lo r e s d e k, m a , n y
J a s e lo c a liz a el v a lo r d e
y = Ik - m j J / a en la e s c a la de la d e re c h a . C o n los v a lo re s de h, n y a se
localiza el valor de 2=h

/oen la tercera escala. El punto que se obtiene en la

escala de Laal unir los dos puntos correspondientes a los dos valores anteriores
es la longitud de la corrida para el nivel de calidad aceptable.
El m ism o procedim iento se sigue para encontrar L rpero sustituyendo rn e n
la posicin de m . La cu rva se obtiene dndole valores a m m enores que k para
encontra r L ay m a yore s qu e k para encontrar L r. El nm ero de puntos d e b e ser
tal que perm ita identificar la suavidad de la curva.

EJEMPLO 4.8
P a ra u na ca ra cterstica d e te rm in a d a el nivel de calida d acep table m aes
107, el nivel de calidad recha za ble m res 113. La desviacin estndar estim ada
es o = 1 0. El valor de h se ha fijado en h =9 ,5 y el tam ao de la m uestra es de 9.
C o n s tru irla cu rva A R L para valores de m entre 107 y 113.

SOLUCION
P a ra con stru ir la c u rv a se necesita d e term ina r los v a lo re s de L ay L rcon
valores de m dados u sa nd o la Figu ra 4.39.
El C u a d ro 4 .1 0 p re se nta los pares o rd e n a d o s para la con stru ccin de la
cu rva .

o =

JORGE ACUA ACUA

335

I k -m l / / o

Lo

i - 100

h 150

-200
-2 5 0

300
350
400
4 5 0
500
550
600
650
700
750
800
900

^ lO O C

FIGURA 4.39. Nomograma para construir la curva ARL.

La Figu ra 4 .4 0 presenta la cu rva A R L correspondiente. E n ella se puede

o b s e rv a r c m o co n fo rm e los v a lo re s de m tienden al va lo r re c h a za b le m r, la
cantidad de puntos qu e es necesario graficar son pocos.

CONTROL DE CALIDAD

CUADRO 4.10. Pares ordenados para construirla curva ARL

107
108
109
111
112
113

0,9
0,6
0,3
0,3
0.6
0,9

L
740
155
50

FIGURA 4.40. Curva ARL para el Ejemplo 4.8.

9,5
5,5
4,0

S i se d e s e a d e te c ta r c a m b io s en el p ro m e d io del p ro c e s o en una sola

direcci n, se a sta a s ce n d e n te o d e s ce n d e n te , existe un m todo m s gil y
sencillo, llam ado intervalo h.
P a ra tra b a ja r co n este m to d o se e s c o g e un v a lo r de refe re n cia k, se
calculan las su m a s a cu m u la d a s con diferencias entre los prom edios y el valor
de k. El valor de k es un valor m ayor que el va lo r nom inal especificado.
El p ro cedim iento original de este m todo perm ita decidir cu a n d o el pro
m edio del pro ce so h a b a cam biado hacia uno de los lados. C u a n d o el grfico
era usado para detectar un cam bio con pendiente positiva, la regla de decisin
consista en com parar el ltimo punto graficado con el graficado inicialmente. Si
la diferencia ex ce d a u n a cantidad especificada h, ento nces la conclusin era
q u e un c a m b io im p o rta n te h a b a o c u rrid o . E l p ro b le m a con esto es q u e el
grfico pod a detectar cam bios insignificantes.
A n te ello se cam bi el procedim iento y ah ora las acciones y decisiones se
tom an tan pronto co m o la su m a acu m u lad a excede el valor de h. Si ello ocurre,
se dice que el proceso ha cam biado por arriba de k. Si la su m a acum ulada cae
p o r d e b a jo de ce ro la se rie se ro m p e y se inicia u n a n u e v a . La F ig u ra 4.41
m uestra lo apuntado.
Si se usa un valor de k m enor que el valor nom inal la situacin es la m ism a
pero el anlisis se hace con respecto a un valor de h negativo.

Construccin del grfico

El procedim iento para la construccin de este grfico es el m ism o usado
para la M s c a ra V . L a s diferen cia s se dan en el p a s o 4 d o n d e el clcu lo del
tam ao de la muestra se hace con base en el nom ogra m a de la Figura 4.39 y en
el paso 6 el cual se describe a continuacin.
P a so 6. C lculo del intervalo de decisin h
E n el caso de un esquem a, por un lado se necesita conocer n y h. Para ello,
con las con dicio nes d a d a s de A R L para m ay de A R L para m f, k y o , se puede

CONTROL DE CALIDAD

338

encontrar el valor de n usando el nom ogram a. Esto se hace localizando el valor

de y = lk -m alVn/0 y d e sp e jan do para n. Si n es decim al se deb en probar los dos
extrem os con el fin de ve r cul est m s cerca de las condiciones pedidas. Para
esto, se sigue el siguiente procedim iento:
1.

S e determ ina k=lm a + m r I/2

2.

S e localiza en la Figu ra 4 .39 el valor de y =lk-M N n/a usando los valores de

L a yJ L r dados.

3.

C o n el valor de y se calcula n com o:

n = (y-o/lk-m i)2

4.

S e re d o n d e a el ta m a o de la m u e stra y se localiza en la F ig u ra 4 .3 9 el
n u e vo valor de y=lk-m lVn/o, con el valor de L adado.

5.

C o n el v a lo r o b te n id o e n 3 se lo c a liz a en la m is m a fig u ra el v a lo r de
0=fWn/rr

JORGE ACUA ACUA

6.

539

C o n el valor de Q. se calcula h com o:

h = Q * o A/n
P a so 7. C onstru ccin del grfico

S e tom a el valor de h y se representa en el grfico de su m a s acum uladas

construido con el tam ao de m uestra diseado.

Seguimiento del grfico

E n este m to d o , al igual que en la M s c a ra V , no existe un anlisis del
grfico, pues el anlisis se hace durante la etapa de seguim iento. C a d a punto
qu e se grfica se co m para con h y se tom an las decisiones antes apuntadas.

EJEMPLO 4.9
P a ra un g r fico C U S U M se tienen los sig u ie n te s p a r m e tro s: m a= 1 0 0 ,
m = 1 10, L a= 5 0 0 y L = 5 . La desviacin estndar se ha estim ado en cr= 1 0.
D eterm inar los valores de h y n para utilizar ese grfico C U S U M m ediante
el m todo del intervalo de decisin.

SOLUCION
1.

El valor de k es:
k = 1110+1001/2 = 105

2.

S e localiza en la Figura 4.39 el valor de y usand o La=500 y L = 5 .

y=lk-mlVn/cr= 0 ,742

3.

El valor de n es:
n = [ 0,742*10/5]2= 2,20
E s decir, n est entre 2 y 3

CONTROL DE CALIDAD

D e b e hacerse el clculo con a m b o s valores

a.

Si se tom a n= 3 entonces:
^=lk-MlVn/a= 0,866

5.

C o n y = 0 ,8 6 6 y L a= 5 0 0 se tiene 0 = 2 ,7 2

6.

El va lo r de h ser:
h= 2 ,7 2 (1 0)/1,7 3 2 = 15,7
E sto quiere decir que se de b e construir el grfico de su m a s a cu m u la
das restando el valor de k a prom edios obtenidos de m uestras de tres
u n id a d e s. S i la serie se h a ce neg ativa, sta se ro m pe y se inicia de
nuevo. P or otro lado, si la su m a acu m u lad a excede el valor de h = 1 5,7
se dice que ha habido un cam bio significativo en el pro m e dio del pro
ceso , por lo qu e se pu e d e actuar de inm ediato.
Si se localiza L r usando L a= 5 0 0 y 1=2,72 se tiene L = 3 ,9 , valor qu e es
m s ba jo q u e el d e s e a d o d e L = 5 . Si se lo c a liza L au s a n d o L = 5 y
A = u ,8 6 6 el va lo r de L aobte ndo es de m a sia d o alto en relacin con el
requerido de L a=5 00 .

b.

Si se tom a n= 2 entonces:
7 =lk-m l/Vn/o=

1105-100IV2/10 = 0,7 0 7

5.

C o n L a= 5 0 0 y 2=hVn/o= 3 ,3 5

6.

El valor de h es:
h= 3,3 5 (10)/V2 = 23,7
E sto quiere decir qu e se de b e construir el grfico de s u m a s a c u m u la
das restando el valor de k a pro m e dio s obtenidos de m uestra s de dos
unidades. Si la serie se hace negativa, sta se rom pe y se inicia de nue
vo . P o r otro lado, si la s u m a a cu m u la d a e x ce d e el va lo r de h = 2 3 ,7 se
dice que ha habido un cam bio significativo en el prom edio del proceso.
Si se localiza L ru sa nd o L a= 5 0 0 y Q = 3 ,3 5 se tiene L = 5 ,5 , va lo r que es
m s b a jo q u e el d e s e a d o de L = 5 . SI se lo c a liz a L au s a n d o L = 5 y
7= 0 ,7 0 7 el v a lo r de L ao b te nid o es d e m a s ia d o alto en relacin con el
requerido de L a=500.

JORGE ACUA A C U A /

341

/I
/

D a d o q u e el ta m a o de m u e stra de d o s e le m e n to s brin d a el v a lo r m s
c e rc a n o de L a l v a lo r re q u e rid o , e T g r fic o C U S U M u sa r m u e stra s de
tam a o 2, u sa n d o k=105 y un Intervalo de decisin h =23,7.

Capacidad de proceso
U n o de los requisitos indispensables en control de proceso es conocer cul
e s la c a p a c id a d d e ca lid a d q u e e se p ro c e s o tiene p a ra la ca ra cte rstica en
estudio. El fin de sto es saber si se pueden adquirir com prom isos para producir
con tolerancias ajustadas o si por lo contrario se desiste de ello.
S e con oce co m o

capacidad de proceso el grado

de variabilidad con que

un proceso o una m quina genera una caracterstica de calidad al ejecutar una

operacin determ inada.
Al co n o ce r la capa cid ad de un pro ceso se puede pre decir cul es el nivel
de calidad del producto. P or ello, al h acer el estudio es im portante cerciorarse
de q u e la m qu ina est pro d u cie n d o bajo con dicio nes n orm ales y a d e m s el
a n a lista d e b e c o n o c e r a fond o el e q u ip o al q u e se le e st d e te rm in a n d o su
capacidad. Si no es as, debe asesorarse por quien co n o zca el com portam iento
de ese proceso. La razn es que nunca la capacidad de un proceso es la que se
obtiene al Inicio del estudio, sino aquella lograda desp u s de varias pruebas al
varia r condiciones y h acer cam bios.
La capacidad de proceso se define com o la extensin m nim a de variacin
de la caracterstica, que garan tiza un 9 9 ,7 4 % de la pro duccin dentro de ella.
S e g n sto, la ca p a cid a d se calcula com o:
K = 3 o = 6 a
donde:
a = desviacin estn dar estim ada para la caracterstica en estudio
El clculo de la capacidad de proceso cobra an m s importancia cuando se
co m pa ra con la especificacin para evaluar el cum plim iento. Esta com paracin
se puede hacer a travs de las pruebas de exactitud y precisin. Sin em bargo, lo
m s usa do es el ndice de capa cid ad de proceso, el cual se calcula com o:
I
cp

V S E -V | E
6a

CONTROL DE CALIDAD

342

L gica m e n te la condicin favorable de este ndice se da c u a n d o tiende a

+, q u e se origina cu a n d o la variabilidad decrece. Si este ndice es m e n o r que
uno e stam o s ante un p ro blem a de incum plim iento de la especificacin y entre
m e n o r s e a , m a y o r s e r el p o r c e n t a je d e p ro d u c to d is c o n f o r m e c o n la
especificacin.
U n o de los principales beneficios de encontrar la capacidad del proceso es
que a travs de ella se p u ede determ ina r el costo necesario o innecesario del
control. A s , se p u e d e n presentar tres casos:

C aso 1. P roceso in ne cesariam e nte caro

E s te el c a s o en q u e se est tra b a ja n d o con un p ro c e s o que s u p e ra las
e x ig e n c ia s de ca lid a d d a d a s p o r la esp e cifica ci n , la cual se p re s e n ta m s
am plia de lo que el p ro ce so produce. La Figura 4.42 representa esta situacin.
El va lo r de lcpes m a y o r qu e uno.

C a so 2. P roceso en esta do de con tro l

E ste el ca so en qu e se est trabajando con un pro ceso que se encuentra
en el lmite de cum plim iento con la especificacin. E sto representa un peligro
p o r c u a n to un c a m b io p o r p e q u e o q u e s e a p u e d e p ro v o c a r p ro d u c c i n
defectuosa. La F ig u ra 4 .4 3 representa esta situacin. El valor del I es igual o
ce rca n o a uno.

VSE

V IE

FIGURA 4.42. Representacin grfica del Caso 1.

JORGE ACUA ACUA

343

Caso 3. P roceso fuera de c on tro l

E n e ste c a s o , la s itu a c i n es g ra v e y d e b e b u s c a rs e u n a so lu ci n in
m ediata, p u e s no se est cum pliendo con la especificacin. D e hecho se est
g enerando producto fuera de especificaciones que ser de gran volum en c u a n
do la especificacin se cierre con sid e ra b le m e n te . La F ig u ra 4.4 4 representa
esta situacin. El valor del lcpes m enor que uno.

FIGURA 4.44. Representacin grfica del Caso 3.

344

CONTROL DE CALIDAD

La c a p a c id a d de p ro c e s o se ca lcu la m e d ia n te el p ro ce d im ie n to q u e se
explica a continuacin:
1.

R e c o le c ta r no m e n o s de 50 o b s e rv a c io n e s en fo rm a c o n s e c u tiv a o en
in te rv a lo s de tie m p o o c a n tid a d . P u e d e u s a rs e la te o ra de m u e s tre o
estadstico si se de se a determ inar un tam ao de m uestra con a d e c u a d a s
bases estadsticas. Al ejecutar esta actividad debe cerciorarse que se est
trabajando bajo condiciones norm ales. N o deben hacerse ajustes durante
esta tarea.

2.

Efectuar un estudio de distribucin de frecuencias de datos a g ru pad os.

3.

C a lcula r una estim acin de la desviacin estndar y de la m edia aritmtica

de la variable a partir de la distribucin de frecuencias realizada en el paso
anterior.

4.

P ro b a r la n o rm a lid a d de la va ria b le m e d ia n te la p ru e b a de b o n d a d de
ajuste.

5.

C a lc u la r la ca pa cid ad instantnea de pro ceso com o:

K = 6 *o

6.

H a ce r la com paracin con especificaciones usando el anlisis de exactitud

y precisin.
Al hacer este anlisis pu e d e n su ce d e r d o s cosas:
a.

que la variable est dentro de especificaciones

b.

qu e la variable est fuera de especificaciones

Si su ce d e lo exp resad o en a., se contina con el P a so 7.

Si sucede lo expresado en b., se deben hacer los ajustes del caso y repetir
el estudio a partir del P a so 2. Si d e s p u s de varios intentos no es posible
pasar al P a so 7, se puede continuar con el fin de con ocer la capacidad real
del p ro ce so a sa b iend as de que no se cu m ple con especificaciones
7.

C o n los valores de x y a , se calculan lmites de control iniciales de proceso

para i in grfico de control de prom edio e intervalo o cualq uier otro grfico
que se desee, con un tam ao de m uestra escogido y aplicado en el P aso 8.
Los lm ites de control de proceso son:

l s ir

l c ir

= d2* o

2'

Ur = D V

P a ra prom edios

L S I - = x + ^ i

Vn
L C C X- = x
iL i. - = x 3 o

Vn
d on de :
LS I = lmite superior de control inicial
L C I = lnea central de control inicial
Lll = lmite inferior de control inicial
8.

R e c o le c ta r la in fo rm a ci n n e c e s a ria p a ra el a n lisis de un gr fico de

control de p rom edios e intervalos. S e siguen aq u los pasos ya conocidos.

9.

A n a liza r el grfico u sand o los lm ites de control iniciales calculados en el

P a so 7. Si no aparecen puntos fuera de lmites significa que el proceso es
ca p a z de m antener su exactitud y precisin iniciales. Si se desea, se puede
c o n stru ir el g rfico d e control c o n el fin de e v a lu a r te n d e n c ia s y p e c u
liaridades. S in e m b a rg o , lo que interesa aq u es estim ar la capa cid ad del
proceso con base en exactitud y precisin controladas m s que en ejercer
acciones, tal y co m o ocurre al aplicar estos grficos en form a separada.

10. C a lcular los lmites de control del grfico analizado en el P aso 9, pero con
los valores recolectados en el P a so 8. S e debe analizar de acuerdo con el
p ro ce d im ie n to a ntes descrito en la secci n del grfico de p ro m e d io s e
intervalos.

346

CONTROL DE CALIDAD

11. C a lcula r la capacidad de proceso k, una v e z concluido el anlisis. Para ello,

se usa la siguiente expresin:
6 *R
K = 6*cr = --------d2
12. C o m p ro b a r si el proceso es c a p a z de m antene r la capa cid ad instantnea
m o s tra d a al inicio del e stu d io . E s to se h a ce a tra v s de u na p ru e b a de
hiptesis de dos va ria n za s co m p a ra n d o k2con k2.
13. C a lc u la r el ndice de c a p a cid a d de p ro ce so y s a ca r las co n clu sio n e s del
caso.
Este procedim iento se p u ede visualizar m ejor en el Flujogram a N o. 3 en el
A p n d ice IV.

EJEMPLO 4.10
E n un ta lle r m e c n ic o se p ro d u c e u n a p ie z a c ilin d rica , c u y o d i m e tro
externo d e b e cu m p lir con una especificacin de 9,40 0,15 cm .
P a ra e n c o n tra r la ca p a cid a d instntanea del pro ceso se ha efectuad o la
d is tr ib u c i n d e f r e c u e n c ia s q u e s e p re s e n ta en el C u a d r o 4 .1 1 , y q u e
co rre sp o n d e a u na m uestra de 100 observaciones.
D a d o qu e se cum ple con especificaciones, se recolect la inform acin del
C u a d ro 4 .1 2 b ) con el fin de determ inar la capa cid ad del proceso. U tilizando el
procedim iento pre sentado anteriorm ente determ ine si el pro ceso es c a p a z de
m a n te n e r la ca p a cid a d instantnea inicial.

SOLUCION
Los p a so s 1 y 2 ya han sido realizados.
P a so 3. E stim a r el pro m e dio y la desviacin estndar
x = 9 ,3 9 + (39/100) * 0 ,0 3 = 9,40 cm
o = 0,0 3 -y (2 2 9 /1 0 0 ) - (3 9 /1 0O )2 = 0 ,0 4 4 cm

JORGE ACUNA ACUNA

347

CUADRO 4.11. Distribucin de frecuencias del Ejemplo 4.10

L.
9,285
9,315
9,345
9,375
9,405
9,435
9,465

Xk

9,315
9,345
9,375
9,405
9,435
9,465
9,495

9,29
9,32
9,35
9,38
9,41
9,44
9,47

9,31
9,34
9,37
9,40
9,43
9,46
9,49

9,30
9,33
9,36
9,39
9,42
9,45
9,48

TO TA L

3
8
12
33
21
14
9

nd

nkdz

-3
-2
-1
0
1
2
3

-9
-16
-12
0
21
28
27

27
32
12
0
21
56
81

39

229

100

CUADRO 4 .12a. Frecuencias observadas y esperadas

L,

L,

-o o

9,315
9,345
9,375
9,405
9,435
9,465

9,315
9,345
9,375
9,405
9,435
9,465

+oo

n
3
8
12
33
21
14
9

11

2,23
7,88
17,87
25,95
24,45
14,25
5,40

10,11

K -e J

K - e kl2/ek

0,89

0,0783

5,87
7,05
3,45
0,25
3,60

' 1,9281
1,9153
0,4868
0,0044
2,4000

as2=

6,8129

P a s o 4 . E l C u a d r o 4 .1 2 a ) p r e s e n t a las f r e c u e n c ia s o b s e r v a d a s y
e sp e ra das para la pru e ba de bondad de ajuste.
H 0: La variable se distribuye norm alm ente
H a: La variable no se distribuye norm alm ente

CONTROL DE CALIDAD

348

CUADRO 4 .12b). Datos para el grfico de promedios e intervalos

Hoja de datos - Grficos de control x, R
Cdigo:
Pieza cilindrica
Especificacin:
Dimetro
Mquina:
Torneado
Inspector:
R. A. Chaves
08-12-84
Turno: 1 Hora de inicio: 10:15 Hoja # 1

Artculo:
Caracterstica:
Operacin:
Operario:
Fecha:

A-80
9:40 0,15 cm
Torno H-1
A. F. Prez
de 1

Muestra

10

V
A
L
O
R

6
5
4
3
2
1

9,39
9,40
9,29
9,30
9,37

9,40
9,35
9,38
9,40
9,49

9,45
9,41
9,42
9,38
9,35

9,35
9,40
9,39
9,38
9,40

9,38
9,39
9,41
9,46
9,40

9,45
9,40
9,47
9,42
9,35

9,47
9,34
9,48
9,44
9,34

9,37
9,38
9,39
9,47
9,41

9,39
9,40
9,40
9,42
9,44

9,46
9,35
9,45
9,44
9,34

I
N
D
i
V

n=5

TOTAL 46,75 47,02 47,01 46,92 47,04 47,09 47,07 47,02 47,05 47,05
PROMEDIO 9,35 9,40 9,40 9,38 9,41 9,42 9,42 9.40 9,41 9,41
INTERVALO R 0,11 0,14 0,10 0,05 0,08 0,12 0,14 0,10 0,05 0,12
11

12

13

14

15

16

17

18

19

20

9,34
9,34
9,45
9,37
9,47

9,40
9,39
9,42
9,43
9,35

9,41
9,40
9,43
9,40
9,33

9,40
9,41
9,48
9,31
9,37

9,47
9,39
9,45
9,42
9,40

9,42
9,38
9,42
9,41
9,46

9,40
9,40
9,44
9,38
9,41

9,43
9,33
9,41
9,43
9,48

9,40
9,44
9,38
9,40
9,40

9,38
9,37
9,42
9,36
9,42

MUESTRA#
V
A
L
O
R

I
N
D
I
V

6
5
4
3
2
1

TOTAL 46,97 46,99 46,97 46,97 47,13 47,09 47,03 47,08 47,02 46,95
PROMEDIO 9,39 9,40 9,39 9,39 9,43 9,42 9,41 9,42 9,40 9,39
INTERVALO R 0,13 0,08 0,10 0,17 0,08 0,08 0,06 0,15 0,06 0,06
CONSTANTES
6
7

10

11

0.419

0.373

0.337

0.308

0.285

5,078

5,203

5,307

5,394

5,469

5,534

2,115

2,004

1,924

1,864

1,816

1,777

1,744

2,326

2,534

2,704

2,847

2,970

3,078

3,173

A2

1.880

1.023

0.729

0.577

0.483

D2

3,686

4,358

4,698

4,918

D4

3,267

2,575

2,282

d2

1,128

1,693

2,059

JORGE ACUNA ACUNA

349

T a l y com o se puede o b s e rv a re n la Figura 4.45, el valor del estadstico chicu a d rado terico es m a yo r que el va lo r calculado. A nte ello, se puede afirmar,
con a = 5 % , que la distribucin de probabilidad que corresponde a esta variable
es la distribucin norm al.

FIGURA 4.45. Curva se2para la bondad de ajuste.

P a so 5. C lculo de la capa cid ad instantnea de proceso
K = 6 * o = 6 * 0,0 4 4 = 0,2 6 4
P a so 6. C o m p a ra ci n con especificaciones

A n lisis de exa ctitud

M = x
9,4 0

= 9,40

A n lisis de pre cisi n

a < T/3
0 ,0 4 4 <0 ,1 5 /3
0,0 4 4 < 0 ,0 5
D a d o que se cu m ple con la especificacin se contina con el paso 7.
P a so 7. C lc ulo de lmites de control Iniciales

CONTROL DE CALIDAD

350

Para intervalos para n= 5

L S Ir =

D 2 * a = 4 ,9 1 8 * 0,0 4 4 = 0 ,2 1 7 cm

L C Ir =

d2 * o = 2 ,3 2 6 * 0 ,0 4 4 = 0,1 0 2 cm

LII r =

D, * a = 0

* 0 ,0 4 4 = 0

cm

P ara pro m ed ios

3* a
3 * 0 ,0 4 4
L S I- = x +
= 9 ,4 0 + T = 9 ,4 6 0 cm
*
V
V5
L C IX- = x = 9 ,4 0 0 cm
, ,,
3*o
. . . 3 * 0 ,0 4 4
L - = x ------- ^ = 9 , 4 0 -------------j= = 9 ,3 4 0 cm
V5
P a s o 8. E L C u a d r o 4 .1 2 p re s e n ta la In fo rm a c i n re c o le c ta d a p a ra el
anlisis de un grfico de pro m edio s e intervalos.
P a so 9. Anlisis del grfico de prom edios e intervalos
A l o b s e rv a r la in fo rm a ci n del C u a d r o 4 .1 2 se nota q u e n in g n p u n to
su p era los lmites de control iniciales, tanto en el grfico de intervalos co m o en
el d e p ro m e d io s . P o r lo ta n to , s e c o n c lu y e q u e la v a ria b le e s c a p a z de
m a nte ne rse bajo la exactitud y precisin m ostradas inicialmente.
P a so 10. C lc u lo de n u evo s lmites de control y anlisis del grfico.

Para intervalos p a ra n = 5

L S C r = D 4*R = 2 ,115 * 0 ,1 0 0 = 0 ,2 1 2 cm
LCCr =

R =

LIC r = D3*R = 0

= 0 ,1 0 0 cm

*0,100 = 0

cm

JORGE ACUA ACUA

Para p ro m ed ios

LSC; =

x +

A 2* R = 9,4 0 2 + 0 ,5 7 7 * 0 ,1 0 0 = 9 ,4 5 0 cm

L C C - = x

= 9,4 0 2 cm

L IC ; = x - A 2* R = 9,402 - 0,5 7 7 * 0,100 = 9 ,3 4 4 cm

A n lisis d e l gr fico

E n el C u a d r o 4 .1 2 se p u e d e o b s e rv a r q u e n in g n p u nto sale fu e ra de
lmites de control en a m b o s grficos.

A n lisis de e xa ctitud
M = x
9,4 0

= 9,402

A n lisis de p re cisi n
a = R/d2= 0,10/2,326 = 0,043
o < T/3
0 ,0 4 3 <0 ,1 5 /3
0,0 4 3 < 0 ,0 5

C o m o se puede observar la diferencia m ostrada en el caso de exactitud se

p u e d e c o n s id e ra r d e s p re c ia b le . S i s e d e s e a se p u e d e h a c e r la p ru e b a de
hiptesis.
P a so 11. C lc u lo de la capa cid ad de proceso
K = 6 * 0 ,0 4 3 = 0,258
P a s o 12. C o m p a r a c i n de la c a p a c id a d inicial co n la c a p a c id a d final
calculada en el P a s 11.

CONTROL DE CALIDAD

352

La ca p a cid a d instant nea fue de 0 ,2 6 4 , la c a p a c id a d del p ro c e s o es de

0 ,2 5 8 , esto d e m u estra qu e el p ro ce so es ca p a z de m a n te n e r las co n d icio n e s
iniciales. Si se d e s e a se pu e d e h a ce r la prueba de hiptesis, sin e m b a rg o , la
similitud de a m bos valores hace innecesario este clculo adicional.
P a so 13. C lc u lo del ndice de capa cid ad de pro ceso
V SE- V |E
I

9 ,5 5 -9 ,2 5

= -----------------------= -------------------------= 1 ,1 6 3
K

0,258

Este valor est ce rca de uno, lo q u e dice que el p ro ce so est bajo control
pero m u y cerca del lmite de cum plim iento. Ante ello, se le debe poner atencin,
p a ra e v ita r q u e p e q u e o s d e s p la z a m ie n to s d e la m e d ia o a u m e n to s de
v a ria b ilid a d o c a s io n e n v o l m e n e s d e m a g n itu d im p o rta n te d e p ro d u c to
disconform e con especificaciones.

Posicin ptima de la media

E n la m ayora de las ocasiones, las condiciones para producto qu e supera
el v a lo r su p e rio r de e specificaci n no so n iguales a las del p ro d u cto q u e se
e n c u e n tra ba jo el v a lo r infe rio r d e e s p e c ific a c i n . D o s e je m p lo s d e e sta
situacin son: el ca s o cu a n d o en un lado se puede re p ro ce s a r pero en el otro
no, con lo que el producto debe desech arse o usarse en otra actividad y el caso
cu a n d o el desgaste de herram ientas ocasiona que el prom edio tienda h acia un
lado, con lo que la posicin inicial de la m edia debe se r tal que se h a g a un uso
ptim o de la herram ienta.
E n estos ca so s no es rentable m antener el pro ceso centrado y por lo tanto
es necesario encontrar la posicin ptim a de la m edia.

C aso de desgaste de herram ienta

C u a n d o una ope ra ci n se rea liza h aciendo uso d e una h erra m ie n ta que
tiene tend encia al desgaste, es co n ve n ie n te c o n o ce r el instante en o u e deb e
s e r c a m b ia d a , de tal m a n e ra qu e se o b te n g a una utilizacin m x im a , lo que
re d u n d a en costo. P a ra lograr esto, se de b e n e sta b le ce r reglas q u e indiquen
c u n d o cam bia r la herram ienta. D o s de estas reglas se citan a continuacin.

JORGE ACUA ACUA

353

Regla 1
C u a n d o el m argen de tolerancia sea superior a 6 o , qu e es la capacidad de
p ro c e s o , no s e d e b e c o lo c a r la m e d ia del p ro c e s o in ic ia lm e n te c o in
cidie ndo con la m e dia e specificada, sino q u e se d e b e co lo ca r a una d is
tancia 3 o del valor de especificacin qu e est situado en el lado contrario
de la tendencia de desgaste.

Regla 2
E n el caso de una herramienta que se desgasta de tal m anera que la media
del proceso se desplaza hacia el valor superior de especificacin, entonces
se d e b e colocar la m edia del pro ceso a una distancia 3 o del valor inferior
d e e s p e c if ic a c i n y c a m b ia r la h e rr a m ie n ta c u a n d o e s a m e d ia s e
encu e ntre a una distancia 3 o del va lo r superio r de especificacin.
E s decir:
Posicin inicial de la m edia = V IE+ 3 o
Posicin final de la m edia

= V SE- 3 o

donde:
V IE: va lo r inferior de especificacin
V SE: valor superior de especificacin
o :

estim acin de la desviacin estn dar cu a n d o la herram ienta est nueva

o : e s tim a c i n de la d e s v ia c i n e s t n d a r c u a n d o la h e rr a m ie n ta e s t
desga stada
C u a n d o la tendencia de desgaste es en el otro sentido, se aplica esta regla
pero en sentido contrario al expresad o aqu.
La tendencia de la media del proceso es evidente en los casos de desgaste
y se p u e d e re p re s e n ta r s e g n la F ig u ra 4 .4 6 . L a s e s tim a c io n e s o y o se
pueden obte ner a travs de un grfico de control.

CONTROL DE CALIDAD

354

FIGURA 4.46. Representacin de la tendencia de desgaste.

E JE M P L 0 4 . i l
U n a guillotina usa una cuchilla que se desgasta de acuerdo con las ca ra c
tersticas del trabajo que se va a ejecutar. Para ello, previam ente se han iden
tificado cinco trabajos qu e son los qu e m s provocan e se desgaste. T o d o s es
tos trabajos se hacen bajo la especificacin 50,0 10,3 cm . U n estudio de capa
cidad de proceso realizado en el pasa d o origin una capacidad 6 o de 12,0 cm.
U n grfico de control de prom edios e intervalos perm iti estim ar la desviacin
e st n da r d e s p u s del desgaste co m o a = 1 8 cm .
C u le s deben ser las posiciones inicial y final del prom edio del proceso si
el d e sga ste de la h erram ienta tiende al valor superior de especificacin?

SOLUCION
V SE = 60 ,3 cm
6 a = 1 2,0

V |E= 3 9 ,7 cm
a = 2 ,0 c m

6 a = 1 8 c m

a = 3 , 0 c m

P osicin inicial de la m edia = V |E+ 3 a = 39 ,7 + 3 * 2 ,0 = 45 ,7 cm

P osicin final de la m edia

= V SE- 3 a = 60,3 - 3 * 3 ,0 = 51 ,3 cm

JORGE ACUA ACUA

355

Esto quiere decir que la herram ienta debe colocarse inicialmente para que
corte con una m edia de 45 ,7 cm . C u a n d o la m edia alcance el valor de 51,3 cm
significa que es el instante de c a m b ia r la herram ienta. El m argen de desgaste
permitido es de 5,6 cm (5 1 ,3 -4 5 ,7 ).

C aso de reproceso y desecho

E n estos casos la posicin de la m edia del proceso tiende hacia el lado que
m uestre el costo m s favorable. Existen varios m todos de localizar esta media
q u e v a n d e s d e la a p lica c i n de d e riv a d a s p a rcia le s p a ra lo c a liza r el costo
m n im o , h a s ta el p ro c e d im ie n t o d e p r u e b a y e rr o r q u e s e e x p lic a r a
continuacin.
E l p ro ce d im ie n to de p ru e b a y erro r se to rn a a n m s fcil c u a n d o una
bondad de ajuste ha dem ostrado que la variable en estudio se distribuye segn
la distribucin norm al.
Este mtodo consiste en calcular para diferentes valores de x el costo total
e s p e ra d o por p ie za p ro d u cid a y p ro b a r hasta q u e se en cu e n tre aq u ella que
o rig in e el c o s to to ta l m n im o . E s te c o s to e s p e r a d o e s t b a s a d o en las
probabilidades de detectar producto en zonas especficas y en el costo unitario
asociado con e sa zona.
A s, si una especificacin establece que las piezas que estn sobre el lmite
superior de especificacin se reprocesan y que las que estn bajo el lmite infe
rior de especificacin se desechan y la distribucin es norm al, el e sq u em a para
aplicar el m todo de pru e b a y error ser el qu e pre senta la F ig u ra 4 .4 7 . Si el
c o s to de d e s e c h a r e s m a y o r q u e el co s to de re p ro c e s a r, la p o s ici n m s
e co nm ica de la m edia se localiza hacia la derecha.
P ara el caso contrario al aq u expuesto las reas se invierten as co m o los
costos y probabilidades asociadas.
L a ca n tid a d de d e c im a le s en la b s q u e d a se b a s a en la c a n tid a d de
decim ales que tenga el valor nom inal especificado.
Los costos principales que se pueden considerar en este anlisis son:costo
del m aterial ( C m), co s to de o p e ra c i n ( C o) y co s to de re m a q u in a d o ( C r). La

CONTROL DE CALIDAD

356

C1:

costo de producir piezas no conformes a especificacin

p1:

probabilidad de que una pieza deba ser desechada

C2:

costo de producir piezas buenas

C3:

P2:

probabilidad de producir piezas buenas

costo de remaquinar o reprocesar una pieza

P3:

probabilidad de que una pieza sea remaquinada

y que por lo tanto deben ser desechadas

FIGURA 4.47. Lsquema para el mtodo de prueba y error.

ecu a c i n de costo e s p e ra d o con la q u e trabaja el m to d o de p ru e b a y error,

basa d a en el ca so citado anteriorm ente, es la siguiente:

( C m+ C o ) P l +

( C m+ C o )P 2 +

( C m + C o+ C r ) P 3

C o sto e spe ra do = ---------------------------------------------------------------------------------por pie za

P2+ P 3

E ste costo se ca lcu la para diferentes va lo re s de m e dia aritm tica hasta

d e te c ta r la de m e n o r co s to . La c u rv a de co s to e st re p re s e n ta d a p o r u na
funcin tal co m o la qu e se presenta en la Figu ra 4.48.
E sta m etodo loga se p u ede usar en com binacin con grficos de control.
Lo que se h ace es sustituir este anlisis por el anlisis de exactitud el c u a 1no
tiene sentido cu a n d o lo que se desea es descentrar el proceso. Lo m ism o o c u
rre al calcular el porcentaje de producto no conform e con la especificacin. El
resto del anlisis p e rm a n e ce igual.

JORGE ACUA ACUA

57

FIGURA 4.48. Curva de costos para el mtodo de prueba y error.

EJEMPLO 4.12
U n torno p roduce una pie za cu y a s d im e n sio n e s deb en cum plir con la e s
pecificacin 5 ,0 0 0 0 ,0 2 5 m m . U n analista tom veinte g ru p o s de cuatro pie
za s ca d a uno y encontr un valor del intervalo prom edio de 0,0 4 m m . E sta v a
riable ha de m ostrado en el pasad o com portarse seg n la distribucin norm al.
L o s co s to s p o r p ie za so n : p a ra el m aterial e m p le a d o 02, p a ra el re m a q u in a d o 0 0 ,1 0 (p a ra el c a s o de q u e resulte co n u n a lon gitud m e n o r q u e la
especificada) y para el costo de operacin 0 0 ,12.
a.

Q u porcentaje de pro du cto no est co n fo rm e a especificaciones si se

a su m e qu e la m edia de longitud est centrada?

b.

Q u porcentaje de producto se rep rocesa?

c.

C u l es la posicin m s e co n m ica de la m edia?

d.

Q u a h orro p o r m e s im plica tra baja r con la m edia m s e co n m ic a ? El

nivel diario de produccin es de 750 piezas y se trabajan 26 das por m es.

e.

Q u m ejoras propone en esta operacin?

SOLUCION

a.

Porcentaje de producto no conforme

CONTROL DE CALIDAD

358

La Figu ra 4.4 9 m uestra la cu rva para calcular ese porcentaje.

% de producto conform e = N [(5,025 - 5,000)/0,0194] - N [(4,975 - 5,000)/0,0194]
% de producto conform e = N (1 ,2 9 ) - N (-1 ,2 9 )
% de producto conform e = 0 ,9 0 1 5 - 0 ,0985 = 0,8 0 3
% de producto no conform e = 1 - 0,8 0 3 = 0,197
El porcentaje de producto no conform e con especificaciones es de 1 9 ,7 % .

FIGURA 4.49. Porcentaje de producto no conforme con proceso centrado.

b.

El porcentaje de producto qu e se reprocesa es 9 ,8 5 % , seg n los clculos

h e ch o s en a).

c.

P osicin e co n m ica de la m edia

D a d o q u e el v a lo r n o m in a l d e e s p e c ific a c i n tie n e tre s d e c im a le s se

p robar n valores prom edio con esa cantidad de decim ales.

x= 5 ,0 0 0 m m (P ro ce so centrado)
% de pie za s bu e n a s (p 2)

= 8 0 ,3 %

% de piezas bajo el V IE (p t)

= 9 ,8 5 %

% de piezas sobre el V SE (p 3)

= 9 ,8 5 %

C m = 02 por pieza

JORGE ACUA ACUA

359

C o = 0 0 ,1 2 por pieza
C

= 0 0 ,1 0 por pieza
( C m+ C o+ C r ) P l + ( C m+ C o )P 2 + ( C m + C o ) P 3

C E /p ie za = -

P, + P2
(2 + 0 ,1 2 + 0 ,1 0 )0 ,0 9 8 5 + (2 + 0 ,1 2 )0 ,8 0 3 + (2 + 0 ,1 2 )0 ,0 9 8 5
C E /p ie za = 0 ,0 9 8 5 + 0,8 0 3
2 ,2 2 (0 ,0 9 8 5 ) + 2 ,1 2 (0 ,8 0 3 ) + 2 ,1 2 (0 ,0 9 8 5 )
C E / p ie z a :
0 ,9015
C E /p ie za = 02,362
D a d o q u e p ro d u c ir d e s e c h o es m s ca ro (0 2 ,1 2 ) q u e el re m a q u in a d o
(0 ,1 0 ), se proseguir con el m todo de prueba y error con prom edios inferiores
a 5 ,0 0 0 m.
x = 4 ,9 7 0 m m
La Figura 4 .50 presenta la curva normal para el clculo de los valores de p,,

p 2y P3p, = N [(4 ,9 7 5 -4 ,970J/0,0194 = N (0 ,2 6 )

p, = 0 ,6026
p3= 1 - N [(5 ,0 2 5 -4 ,970)/0,0194 = 1 - N (2 ,8 4 )
p3= 1 -0 ,9 9 7 7 = 0,0023
p2= 1 - p, - p3= 1 - 0 ,0 0 2 3 - 0,6026
p2= 0,3951

360

CONTROL DE CALIDAD

FIGURA 4.50. Curva de costo esperado

= 4 ,970j.

2 ,2 2 (0 ,6 0 2 6 ) + 2 ,1 2 (0 ,3 9 5 1 ) + 2 ,1 2 (0 ,0 0 2 3 )
C E /p ie za = ----------------------------------------------------------------------------------------0 ,6 0 2 6 + 0,3951
C E /p ie za = <62,185

C o m o 0 2 ,1 8 5 es un v a lo r m e n o r q u e 0 2 ,8 2 , e n to n c e s x= 4 ,9 7 0 es u na
m ejor posicin que la m edia centrada. S e probar un valor m enor para ve r si es
m ejor que ste.
x = 4 ,9 6 5 m m
La Figura 4.51 presenta la curva normal para el clculo de los valores de p,,
p2y p 3-

(tedia propuesta

cr - 0, OI 94^

4 ,9 6 5

4 ,9 7 5

m edia centrada

/
/

5 ,0 0 0

FIGURA 4.51. Curva de costo esperado ( x=4,965).

5 ,0 2 5

JORGE ACUNA ACUNA

Pi = N [(4 ,9 7 5 -4 ,965)/0,0194 = N (0 ,5 2 )
p, = 0 ,6985
p3= 1 - N [(5 ,0 2 5 -4 ,965)/0,0 1 9 4 = 1 - N (3 ,0 9 )
p3= 1 -0 ,9 9 9 = 0,001
p2= 1 - p, - p3= 1 -0 ,0 0 1 -0 ,6 9 8 5
p2= 0 ,3005
2 ,2 2 (0 ,6 9 8 5 ) + 2 ,1 2 (0 ,3 0 0 5 ) + 2 ,1 2 (0 ,0 0 1 )
C E /p ie za = -----------------------------------------------------------------------------------------0 ,6 9 8 5 + 0 ,3005
C E /p ie za = 02,192
C o m o 0 2 ,1 9 2 es un v a lo r m a y o r q u e 0 2 ,1 8 5 , e n to n ce s x= 4 ,9 7 0 es una
m ejo r posicin q u e la m edia en 4 ,9 6 5 . S e deb en p ro b a r valores entre 4 ,9 7 0 y
5 ,0 0 0 .
x = 4 ,9 7 5 m m
La Figura 4 .52 presenta la curva normal para el clculo de los valores de p,,
p 2y p 3-

FIGURA 4.52. Curva de costo esperado (x=4,975).

CONTROL DE CALIDAD

362

p, = N [(4 ,9 7 5 -4 ,975)/0,0194 = N (0 ,0 0 )
p, = 0 ,5 0 0 0
p3= 1 - N [ ( 5 , 0 2 5 -4 ,975)/0,0 1 9 4 = 1 - N ( 2 , 58)
p3= 1 -0 ,9 9 5 1 = 0 ,0 0 4 9
p2= 1 - p, - p3= 1 - 0 ,0 0 4 9 - 0 ,5000
p2= 0,4951
2 ,2 2 (0 ,5 0 0 0 ) + 2 ,1 2 (0 ,4 9 5 1 ) + 2 ,1 2 (0 ,0 0 4 9 )
C E /p ie za =--------------------------------------------------------------------------------------------0 ,5 0 0 0 + 0,4951
C E I/ p ie za = 0 2 ,1 8 0 7
C o m o 0 2 ,1 8 5 es un va lo r m a y o r qu e 0 2 ,1 8 0 7 , ento nces x= 4 ,9 7 5 es una
m ejor posicin que la m edia en 4,970. S e probar un valor m ayor para ve r si es
m ejor qu e ste.
x = 4 ,9 7 6 m m
La Figura 4.53 presenta la curva normal para el clculo de los valores de pv
p2y p 3p, = N [(4 ,9 7 5 -4 ,976)/0,0 1 9 4 = N (-0 ,0 5 )
p, = 0,4801

o -' = 0 ,0 1 9 4

FIGURA 4.53. Curva de costo esperado (x=4,976).

JORGE ACUA ACUA

363

p3= 1 - N [(5 ,0 2 5 -4 ,976)/0,0194 = 1 - N (2 ,5 3 )

p3= 1 -0 ,9 9 4 3 = 0,0057
p2= 1 - p , - p 3= 1 -0 ,0 0 5 7 -0 ,4 8 0 1
p = 0,5142
2 ,2 2 (0 ,4 8 0 1 ) + 2 ,1 2 (0 ,5 1 4 2 ) + 2 ,1 2 (0 ,0 0 5 7 )
C E /p ie za =
0,4801 + 0 ,5 1 4 2

C E /p ie za = 02,1804

C o m o 02,1804 es un valor m eno r que 02,1807, entonces x= 4 ,9 7 6 es una

m ejor posicin que la m edia en 4,975. S e probar un valor m ayor para v e r si es
m ejor qu e ste.
x = 4 ,9 7 7 m m
La Figura 4.54 presenta la curva normal para el clculo de los valores de p,,
p 2y p 3p, = N [(4 ,9 7 5 -4 ,977J/0,0194 = N (0 ,10)
p, = 0 ,5398

tr = 0 , 0 1 9 4

4 ,9 7 5

4 ,9 7 7

5 ,0 0 0

5 ,0 2 5

FIGURA 4.54. Curva de costo esperado (x=4,977).

CONTROL DE CALIDAD

p3= 1 - N [(5 ,0 2 5 -4 ,977)/0,0194 = 1 - N (2 ,4 7 )

p3= 1 -0 ,9 9 3 2 = 0,0068
p 2= 1 - p, - p3= 1 - 0 ,0 0 6 8 - 0,5398
p2= 0 ,4 5 3 4
2 ,2 2 (0 ,5 3 9 8 )+ 2 ,1 2 (0 ,4 5 3 4 )+ 2 ,1 2 (0 ,0 0 6 8 )
C E /p ie za = -------------------------------------------------------------------------------------------0 ,5 3 9 8 + 0,4534
C E /p ie za = 0 2 ,189

C o m o 0 2 ,1 8 0 4 es un va lo r m e n o r qu e 0 2 ,1 8 9 , en to n ce s x= 4 ,9 7 6 es una
m ejo r posicin que la m e dia en 4 ,9 7 7 . P o r lo tanto la posicin m s e co n m ica
de la m edia es:
x = 4 ,9 7 6
Si se probara n d o s va lore s alejado s c o m o 4 ,9 3 0 y 5 ,0 2 0 se obtienen los
siguientes resultados.
x = 4 ,9 3 0 m m
La Figura 4.55 presenta la curva norm al para el clculo de los valores de p,,

p2y p 3-

= 0 , O I 9 4

FIGURA 4.55. Curva de costo esperado (x=4,930).

JORGE ACUNA ACUNA

365

p, = N [(4 ,9 7 5 -4 ,930)/0,0194 = N (2 ,3 2 )
p, = 0,9898
p3= 1 - N [ ( 5 , 0 2 5 -4 ,930)/0,0 1 9 4 = 1 - N ( 4 , 90)
p3= 1 -1 = 0
p2= 1 - p, - p3= 1 - 0 ,0 0 2 3 - 0,6026
p2= 0,0010
2 ,2 2 (0 ,9 8 9 8 ) + 2 ,1 2 (0 ,0 0 1 0 )
C E /p ie za = 0 ,9898 + 0 ,0010
C E /p ie za = 02,219

x = 5,0 2 0 m m

La Figura 4.56 presenta la cu rva normal para el clculo de los valores de p ,,

p2y p 3p, = N [(4 ,9 7 5 -5 ,020)/0,0194 = N (-2 ,3 2 )
p, = 0,0102

(T

- 0 ,0 1 9 4

m edia propue sta

4 ,9 7 5

med a centrada

5 ,0 0 0

5 ,0 2 0

5 ,0 2 5

FIGURA 4.56. Curva de costo esperado (x=5,020).

CONTROL DE CALIDAD

366

p3= 1 - N [(5 ,0 2 5 -5 ,020)/0,0194 = 1 - N (0 ,2 6 )

p3= 1 -0 ,6 0 2 6 = 0,3974
p2= 1 - p, - p3= 1 -0 ,0 1 0 2 -0 ,3 9 7 4
p2= 0 ,5924
2 ,2 2 (0 ,0 1 0 2 ) + 2 ,1 2 (0 ,5 9 2 4 ) + 2 ,1 2 (0 ,3 9 7 4 )
C E /p ie za =----------------------------------------------------------------------------------------------0 ,0 1 0 2 + 0,5924

C E /p ie za = 0 3 ,5 2 0

U n re su m e n de este anlisis se pu ede o b servar en el C u a d ro 4 .1 3 y en la

Figu ra 4 .5 7 .
Al o b s e rv a r la F ig u ra 4 .5 7 se nota qu e el costo e sp e ra d o por pie za crece
c u a n d o la m e d ia se c o lo c a en el lado co n tra rio al q u e d e b e estar. E s to d e
m u estra q u e el control d e b e s e r eficiente para evitar el d e sp la za m ie n to de la
m edia en e se sentido.
d.

A h o rro m ensual esperado

n= 75 0 pie za s por da
P ro duccin m ensual = 750 * 26 = 19500
C o n x= 5 ,0 0 0 el C E /p ie za = 02,36
C E por m es = 19500 * 2,3 6 = 046020
C o n x= 4 ,9 7 6 el C E / p ie za = 0 2 ,1804
C E por m es = 19500 * 2 ,1 8 0 4 = 0 4 2517 ,8
Ahorro e sperado por m e s= 4 6 0 2 0 - 4 2 5 1 7 ,8 = 3 5 02,2
al nivel de 19500 piezas
A h o rro e sperado por m e s = 0 3 502,2

FIGURA 4.57. Representacin de la posicin ptima de la media.

CUADRO 4.13. Resumen de posicin econmica de la media

Media del proceso

4,930

Costo esperado (0 por pieza)

2,2190

4,970

2,1850

4,975

2,1808

4,976*

2,1804

4,977

2,1890

5,000

2,3620

5,020

3,5200

promedio ptimo

CONTROL DE CALIDAD

368

e.

M ejoras en esta operacin

La prim era y m s importante m ejora es llevar la m edia del proceso al valor

d e 4 ,9 7 6 m m , e n lu g a r del a c tu a l v a lo r d e 5 ,0 0 0 m m . C o n ello , s e e sta r

trabajando con:
Porcentaje de d e s e ch o

= 0 ,5 7 %

Porcentaje de re m aq uin ado = 48,01 %

Porcentaje de pie za s b u e n a s = 5 1 ,4 2 %
C o s to e spe ra do p o r pie za

= 0 2 ,1 8 0 4

Si se d e s e a n lm ites p a ra un g rfico de control de p ro m e d io s , stos se

pu e d e n calcular as:

L S C - = 4 ,9 7 6 + 3 * 0 ,0 1 9 4 = 5,0 0 3
V5
L S C - = 4 , 9 7 6 - 3 * 0 1 9 - = 4 ,9 4 9
5

APLICACIONES DE SER IES DE TIEMPO

El objetivo de aplicar se ries de tiem po al control de p ro ce so s es an a liza r
te n d e n cia s en funcin del co m p o rta m ie n to qu e m u e stre n las o b s e rv a cio n e s
to m a d a s , con el fin de eje rce r a cc io n e s p re ve ntivas. E n este ca so se utilizan
tcnicas de pronstico para identificar ca u sa s de variacin que permitan al per
son al de calida d, con base en p ro ye c cio n e s, tom ar las a cc io n e s pre ve n tiva s
que se am eriten.
Los m odelos qu e se usan a q u son los m odelos de auto-regresin con pro
m edio mvil denotados con las siglas A R M A . Estos m odelos consideran los d a
tos actuales co m o los de m ejor prediccin co n se rva n d o la influencia de valores
pasados. Esto es lo que permite afirmar que se trata de un m odelo con m em oria.
U n a de las razo ne s por las qu e es deseable aplicar esta tcnica es porque
los grficos tradicionales de p rom edios tienen debilidades para servir de m edio
preventivo. A lg u n a s otras ra zo n e s son:

JORGE ACUA ACUA

1.

369

U n grfico con lmites basado en 3 o ~ solam ente provee una seal de alar
m a cu a n d o la situacin en estudio difiere del nivel de la m qdia re q u e rid o X

2.

La seal de a la rm a en un grfico tradicional d e p e n d e nicam ente de los

ltim os d a to s y los d a to s m s a n tig u o s no so n to m a d o s en c u e n ta , a
excepcin de los grficos de su m a s acum u lad as.

3.

La ve rd a d e ra tend encia de la variable no est eficazm ente representada

deb ido a qu e los grficos d e control tradicionales no han sido d isead os
para m e m o riza r condiciones. A n te ello, las desviaciones-cum ulativas no,
s e to m a n en c u e n ta . D e n u e v o , a e x c e p c i n de los g rfos d e .s u m a s
a cu m u la d a s.

4.

U n pronstico a certado de situaciones futuras es posible solo cu a n d o los

datos del m uestreo son analizad os a fondo y las conclusiones son co m b i
n a d a s con la ex p e rie n cia de in specto res q u e co n o c e n la co n d u cta de la
caracterstica de calidad en estudio.

5.

Este m odelo pu ede a y u dar a determ inar las condiciones m s econm icas
de operacin, por m edio de una com paracin entre el com portam iento de
la calida d del p ro ce so y la calida d del producto, c u a n d o las co n d icio n e s
cam bian.

6.

E n grficos tradicionales, la evaluacin de tendencia es com plicada; si se

usan m odelos A R M A se podr con sid erar el im pacto que datos histricos
tienen sobre la tend encia futura de la serie.

7.

E n grficos tra dicion ales es difcil e n te n d e r y v is u a liza r la co n d u cta del

p ro c e s o . L a s s e rie s a y u d a n a v is u a liz a r m e jo r la falta de con trol en el
p ro ceso al existir ca u sa s asignable s de variacin.

8.

A tra v s d e un m o d e lo A R M A s e p u e d e p ro c e d e r a la c a lib ra c i n de
instrum entos de m edicin.

9.

U n m o d e lo d e a u t o -r e g r e s i n p u e d e d e te c ta r s e a le s y p ro b a r las
consecuencias en el sistem a si algunos parm etros son alterados. Esto es
im p o rta n te p u e s p e rm ite a n a liz a r las c o n d ic io n e s d e e sta b ilid a d q u e
a yu dan a m antene r un proceso bajo control.

CONTROL DE CALIDAD

370

M o d e lo s A R M A ( n ,n -1 )
Los m odelos A R M A (n ,n -1 ) fueron desarrollados con el objetivo de que se
p u e d a m e m o riz a r in form a cin p a ra s e r c o n s id e ra d a al to m a r u n a d ecisin
(P a n d it y W u , 1 98 6 ). A u n q u e los m odelos m s sencillos pueden obte nerse en
form a m anual, la regla general obliga a b u sca r soluciones a travs del uso del
com pu tad or. E sto de p e n d e del m odelo que se ajuste a la situacin en estudio.
E n un m odelo A R M A (n , n -1 ), n representa el nm ero de parm etros o ^ u e
p o se e el m odelo en estudio. El trm ino n-1 es el n m ero de parm etros o ^ u e
co n sid e ra el m odelo. El m odelo general es:

C o m o se p u e d e o b s e rv a r en este m odelo, los v a lo re s de a .y B ^ o n equi

valen tes a los valores I3 de un m odelo de regresin, los valores de atson equi
valentes a los valores de de dicho m odelo. La diferencia es que, en regresin,
ca d a valor tiene su propia identidad, m ientras que en auto-regresin, tal y com o
lo m uestra el m odelo general, la ocurrencia de un valor x,depen de de los va lo
res de xtanteriores as com o de los respectivos errores asociados. L a cantidad
de valores de xt y de a tde pe nden de la m em oria que se desee dar al m odelo. El
C u a d ro 4 .1 4 presenta algunos m odelos qu e explican esta notacin.

CUADRO 4.14. Algunos modelos ARMA (n, n-1)

Modelo

Ecuacin respectiva

A R (2 )

x = 0 ,xM+ 0 2x,2+a,

M A (2)

x= at-0 ,a - 92a,.2

A R M A (2,1)

x,=0 ,xt.,+ 0 2x, 2-e ,a + a,

A R M A (3,2)

Xr 0 l X,.1+ 0 2Xt.2+ 0 3Xt-3-e,a , . , - 0 2a ,-2+ a t

JORGE ACUNA ACUNA

371

Lo s parm e tros de estas ecu acion es se obtienen a trvs de solucin de

e cuaciones usand o m atrices. P o r ejem plo, para los m odelos A R (n ) los valores
de o , y o 2se obtienen resolviendo la siguiente multiplicacin de matrices:

= ( X 'X ) ' X ' Y

Xn

X n-1

X n+2

x n+1,

Xn

XN _

X =

X
z
rb

X n*1

_ XN-,

n: n m ero de parm etros

X-i

... X,

XM
N-n

N : n m ero de observaciones
La solucin de este sistem a de ecuaciones, la m ayor parte de las veces, se
h a ce a tra v s de un p ro g ra m a de c o m p u ta d o r, d eb ido a la g ra n cantidad de
clculos necesarios. U n o de los pro gram as que se puede usar es el program a
D D S (P a n d ity W u ,1 9 8 6 ).
Ta m b i n existen m odelos A R M A (n ,m ) donde la cantidad de parm etros 6
se determ ina en form a independiente de los parm etros 0 :. A s se puede tener
un m o d e lo A R M A (5 ,2 ) en el cu a l se tienen c in co p a r m e tro s 0 ^ dos p a r
m etros 9..
T a l y co m o se nota en la anterior descripcin, es posible aplicar esta tc
nica al control de una serie de tiempo, como lo es un grfico de control. La decisin

CONTROL DE CALIDAD

372

por to m a r se ce n tra en la definicin del m o d e lo m s a d e c u a d o , p a ra lo cu al

u sa m o s la funcin de G re e n y la su m a de cu ad rados de regresin en la m ism a
form a qu e se u sa en regresin. A d e m s , es im portante co n sid erar un m odelo
con la m enor cantidad de parm etros con el fin de facilitar su aplicacin. A s, se
d e b e p ro ba r si el d e c re m e n to en la s u m a de cu a d ra d o s del error al c o m p a ra r
p a re ja s de m o d e lo s e s sig nificativo . P a ra ello, se a p lica la p ru e b a lineal F
(P a n d ity W u ,1 9 8 6 ).
La fu n ci n g e n e ra l de G re e n p a ra m o d e lo s A R M A (n , n -1 ) tie n e c o m o
objetivo describir la dinm ica o m em o ria del m odelo en trm inos de los at. S e
ex p re sa as:

Gi=glY1i+g2Y2i+ g3Y3+

+9X

donde Y,,Y2,...,ynson las races de la ecuacin

Yn- 0,Yn'1' 0 2Y"'2 " 0 n= 0

P o r e je m p lo en u n m o d e lo A R M A ( 2 , 1 ) las ra c e s s e o b tie n e n d e las

e cu acion es
Y,+Y2= 0 ,
y, y2=

-02

( f - o x 2- - - - 0 , , )

g_.-----------------------------------------(YfY,)(YfY2)(YfY. i)(YfY*i)(YfY)
i= 1 ,2 ,3 ,...,n
el d e n o m in a d o re s el p ro du cto de to d o s los trm ino s (y-Y,) p a ra j= 1 ,2 ,3 ,...,n ,
ex clu ye n d o el trm ino ce ro (y-y.)
Los com pon e nte s de la funcin G re e n pueden ser im aginarios o reales.
El m e jo r m o d e lo e s el q u e se obtiene d e s p u s d e c o m p a ra r a tra v s de
u n a p ru e b a F q u e ste tiene la m e n o r s u m a de c u a d ra d o s del e rro r, p a ra el
m n im o posible de parm e tros por considerar. Al graficar la Fu n ci n de G re e n

JORGE ACUNA ACUNA

373

correspondiente a ese m odelo, se podr evaluar su dinm ica y sus condiciones

de e s ta b ilid a d . La b s q u e d a del m e jo r m o d e lo es e fe c tu a d a m e d ia n te el
com pu ta d or u sa n d o el pro gra m a D D S , citado anteriorm ente.

EJEMPLO 4 .1 3

E n u na e m p re s a fabrica nte de artcu lo s de P V C u n o de los principales

p roductos es tubera para la construccin. La variable principal es el dim etro
por lo que se quiere establecer un control sobre ella. Para efectuar este anlisis
se to m a u n a m u e s tra de 3 0 0 m e d ic io n e s p re s e n ta d a s e n el C u a d r o 4 .1 5 y
obtenidas de la siguiente m anera:
1.

2.

C a d a tres minutos un tubo de 15 m etros se corta en tres secciones de cinco

m etros ca d a uno.
E n ca d a m etro de ca d a seccin se efecta una m edicin para un total de
cinco obse rva ciones.

3.

El intervalo de m uestreo es de 0 ,6 m inutos.

a.

C o n s tru ir y a n a liza r un grfico de control de p ro m e d io s e intervalos

to m a n d o la inform acin c o m o si fu e se n se se n ta m u estra s de cinco
elem entos ca d a una.

b.

D e t e r m in a r un m o d e lo A R M A ( n , m ) q u e p u e d a s e r a ju s ta d o al
com portam iento de esta variable.

c.

Q u con clusiones obtiene?

SOLUCION
1.

A p lic a n d o los p ro c e d im ie n to s y a e x p lic a d o s en e ste c a p tu lo , p a ra la

construccin de grficos de control de prom edios e intervalos, se construye
el grfico qu e m uestra la F ig u ra 4.58.
T a l y c o m o se p u e d e o b s e rv a r en la F ig u ra 4 .5 8 , en las p rim eras veinte
m uestras se da una inestabilidad m uy grande, inclusive existen tres puntos
fuera de lmites en el grfico de prom edios y uno en el grfico de intervalos.

CONTROL DE CALIDAD

374

CUADRO 4.15. Valores de xt para los modelos ARMA(n,m)

H o ja d e d a t o s - A n li s i s A R M A (n ,m )

A r t c u l o :

T ubo d e PVC

C d ig o :

C a r a c t e r s t i c a :

P eso

E s p e c ific a c i n :

4 0 ,0 4 ,1

O p e r a c i n :

E x t r u s i n

M q u in a :

C o m p a c ta d o ra

O p e r a r io :

L. M a ro to

F e c h a : 1 1 -0 7 -8 5

In sp e cto r

Tum o: 1

43,3

39,1

40,7

42,7

37,5
40,5
40,1

35,9
40,0
39,2

40,2

36,9

43,0
38,8

44,0
46,0

45,6
40,6

47,0
38,5

50,0
39,7

37,9
40,3

41,5
42,1
40,1

40,8
43,3
42,7

41,3
39,7
43,8

40,3
40,0
41,7

42,3
37,9

40,5
40,0

38,8
42,4

40,3

39,1

38,5
40,2
38,7

41,5
39,1

41,3
38,8

39,9
41,5

38,3
39,6
42,7

40,1
40,6
39,8
37,6
39,5
40,0
38,7
40,4
41,7

40,0
39,5
39,8

T A 457

38,0
39,2
41,4
40,5

39,7

38,8

41,1
39,6
38,0
40,3

36,9
38,9

36,9
39,4

40,0
38,7
40,1

42,3
40,0

40,5

40,3

39,3
40,6
40,0

40,0
38,5
40,0

39,9
39,9
40,0
39,5
40,5

H o r a d e in ic io : 2 : 4 5 a .m .

42,1
37,7
43,4
36,9
38,7
37,6
38,9
40,8
35,9
42,1
41,4
40,9
38,8
41,6
41,5

39,4

47,2

40,5

37,8
43,5

37,9
41,7

39,5

39,9
38,4

41,5
37,0

39,9
39,0
42,3

35,0
39,3
43,2

40,0
40,3
42,1

39,6
41,5

42,5

39,3
38,9

38,6
36,5
48,0
39,8

37,5
40,6
39,9
36,9
40,0
40,0

40,9
40,6

40,3
40,7

41,3

40,5
40,3

41,5
39,5
38,9
40,7
42,6
39,9
40,7

S . P rez
H o ja # 1 d e 1

40,5
39,8
38,6
38,1
39,7
38,1

38,9
39,0
40,0
39,7
38,4

38,9
40,7
40,2
41,3
39,3
38,4
40,3

40,3

39,3
40,5

39,0
39,5

38,8
40,0

40,3
41,0

41,0
40,0
40,0

39,8
40,3
40,7

39,7

40,0

40,2
40,1

39,5

41,1

_ _
38,5
40,0

38,8
42,5

38,7
46,9

36,0
46,1
39,7

37,1
38,4

38,8
36,3

41,5
37,8

38,0
38,3
42,1

40,8
39,7
40,5
40,8

41,5
43,4
37,6
39,4

38,5
37,6
38,7

37,5
39,9

41,9
38,7

40,9
41,2

39,8

39,3
38,9

38,0
41,3
41,0
42,0
39,2
40,2
40,9

40,3
40,0
41,6
39,1
39,5
40,3

38,9
38,8
37,4
38,6
40,0
43,0
39,8
38,0
41,0
41,5
36,9

46,7
41,5
43,7
45,6
41,5
42,5
40,0
41,5
39,4
39,8
39,9
38,9
37,9
40,9
41,9
40,1

39,9
41,3

40,3
40,0

38,9
40,1

38,9
39,6
39,9

39,9
40,1
38,7
39,6
39,9

39,7
40,0
40,8
39,0

OBSERVACIONES: Para efectos de la serie de tiempo, los datos deben leerse por renglones,
pues as corresponde.

FIGURA 4.58. Grfico de control

JORGE ACUA ACUA

375

376

CONTROL DE CALIDAD

E n las siguientes cuarenta m uestras ningn punto en el grfico de p ro m e

dios y en el grfico de intervalos se sale fuera de lmites, por lo que se pu e
de decir que la variable dimetro en este perodo se encuentra bajo control.
E n cuanto a tendencias es evidente el decrecim iento de la variabilidad, lo
qu e es realm ente favorable.
2.

La F ig u ra 4 .5 9 p re s e n ta el g r fico de o b s e rv a c io n e s in d iv id u a le s q u e
p e rm itir h a c e r el an lisis de e sta b ilid a d y a la v e z g ra fic a r el m o d e lo
seleccionado.

FIGURA 4.59. Observaciones individuales.

L a b s q u e d a del m odelo A R M A (n ,m ) s e hizo con el p ro g ra m a D D S . Lo s

C u a d ro s 4 .1 6 y 4 .1 7 pre sentan a lg u n o s de los m o d e lo s p ro b a d o s , d o n d e se
e ncu e ntra n los pa rm e tros con sus respectivos intervalos de confianza. D e s
p u s del anlisis de v a ria n za para m ed ir la regresin, a s c o m o de la funcin
G re e n y del a ju ste o b te n id o al gra fica r el m o d e lo so b re los d a to s re a le s, la
solucin es usar el m odelo A R M A (4 ,3 ) pu es es el qu e m ejor calific.
E l C u a d r o 4 .1 8 p re s e n ta los v a lo re s in iciales de los p a r m e tro s de la
e cu acin del m odelo escogido.

La funcin de Green de este modelo es la siguiente:

JORGE ACUNA ACUNA

377

CUADRO 4.16. Salida del programa con los modelos evaluados

Parmetro

0,

Modelos AR M A
(1.1)

(2.1)

(4.3) I

0,3270,310

0,2141,690
0,0480,563

-0,594+0,lo 3
-0,580+0,111
-0,491 0,117
0 ,3 6 8 0 ,1 0 2 \

02
03
0<

05
06
e,
02
e3
04

0,4900,017
-0,6440,791
0,36510,423
0,13210,595
\ - 0 , 12510,524
^ 2 9 0 1 0 ,4 8 0

0,003+0,330

-0,1191,690

0,9790,005
-1,090+0,055
-0,934+0,054

0,13710,016
-0,02410,469
0,34710,406
0,07510,576
0,16110,438

1001,75

1007,10

888,87

913,03

05
SCE

(6,5)

G (j)= 1 ,0 4 7 7 * (0 ,4 0 9 8 )'+ 0 ,0 3 2 5 * (-0 ,9 5 2 3 )+

Q ,08173*(0,97059)<*CO S(2jt*0,42369*0,6*j+(2,9 4 4 7 9 ))
P a ra j> 0
El C u a d ro 4 .19 presenta algunos valores para graficar la funcin de G re e n
que se esq u e m a tiza en la Figura 4.60.
La funcin de G re e n representada en la Figura 4.58 tiene dos races reales
y dos races com plejas. S e presentan en form a separada, con el fin de evaluar
la influencia de cada una de ellas. La prim era raz expresa su falta de m em oria,
p u e s r p ida m e n te tom a el va lo r de ce ro . Lo s otros c o m p o n e n te s no m u e re n
r p ida m e n te por lo qu e den otan su ca p a cid a d de m em o ria. La s e g u n d a raz
tiene una tendencia a p e rm an ecer fluctuando cerca del valor nom inal 40,0. La
funcin de G re e n , denotada por D , refleja una alta capa cid ad de m em oria que
permite concluir que usar este m odelo para el control proyectivo de esta varia
ble es a d e cu a d o , pu es pueden ser detectadas tendencias acum uladas.

CONTROL DE CALIDAD

378

CUADRO 4.17. Salida del programa con los modelos evaluados

0,4850,157

SCE

1158,6

-0,398+0,120
-0,7510,125
-0,221+0,139
0,4150,135
0,0300,117
0,181 0,111

-0,354+0,335
-0,1720,413
0,011 0,373
0,6360,300
0,1090,217
-0,1070,164
-0,1010,119
-0,184+0,114

0,365+0,623
-0,276+0,387
0,3580,343
0,6700,452
-0,290+0,406
0,2140,279
-0,213+0,164
-0,6800,185
0,1330,134

-0,7490,050
-0,0110,063
-0,6690,057

-0,741 0,346
-0,4840,512
-0,2040,562
0,4190,498
0,3580,321

-0,0090,629
-0,3460,352
0,2510,326
0,6170,368
0,1620,370
0,220+0,321

852,55

820,48

814,84

CUADRO 4.18. Parmetros del modelo ARMA(4,3)

Valor

JORGE ACUNA ACUNA

379

CUADRO 4.19. Valores de la funcin de Green para el modelo ARMA(4,3)

''.' A >, vj
j

1
2
3
4
5
6
7
8
9
10
11
12
13
14
20
30
50

3.

2do
componente componente
componente
real
complejo?]

0,4294
0,1760
0,0721
0,0295
0,0121
0,0049
0,0020
0,0008
0,0003
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000

-0,0309
0,0294
-0,0280
0,0267
-0,0254
0,0242
-0,0230
0,0219
-0,0209
0,0199
-0,0189
0,0180
-0,0172
0,0164
0,0122
0,0075
0,0028

0,3984
0,2054
0,0440
0,0563
-0,0133
0,0292
-0,0210
0,0228
-0,0205
0,0200
-0,0189
0,0181
-0,0172
0,0164
0,0122
0,0075
0,0028

-0,0132
0,0762
0,0085
-0,0722
-0,0043
0,0682
0,0005
-0,0643
0,0027
0,0604
-0,0057
-0,0566
0,0083
0,0529
-0,0424
0,0275
0,0078

mm

G(J)
0,38526
0,28171
0,05258
-0,01595
-0,01765
0,09749
-0,02049
-0,04153
-0,01781
0,08056
-0,02466
-0,03857
-0,00889
0,06937
-0,03023
0,03504
0,01066

C o nclu sio ne s

Al obs e rva r la Figu ra 4.57, es posible afirm ar que la serie es estacionarla

pues todos los valores fluctan alrededor del prom edio de 40,0. N o existe una
tendencia estricta y es claro que la variabilidad, especialm ente d e s p u s de la
observacin N o . 50, tiende a decrecer hasta el final de la serie.
El m o d e lo A R M A (4 ,3 ) es sele ccio n a d o para controlar el dim etro de los
tubos P V C , p u e s es el m odelo de los que tienen pocos parm etros que tiene la
m e n o r s u m a d e c u a d ra d o s de erro r (8 8 8 ,8 7 ). La F ig u ra 4.61 fortalece esta
afirmacin. Lo s m odelos A R M A (6 ,3 ) y A R M A (9 ,6 ) son tam bin adecuados, sin
em bargo, la dificultad de trabajar con m odelos de m uchos parm etros, los hace
poco tiles. A d e m s , la prueba F dem uestra qu e la dism inucin en la su m a de
c u a d ra d o s del e rro r, al u s a r c u a lq u ie ra de ellos en re laci n co n el m o d e lo
escogido, no e s significativa.

CONTROL DE CALIDAD

380

FIGURA 4.60. Funcin Green del modelo ARMA(4,3).

El m odelo esco gido es:

x=

-0 ,5 9 3 8 5 x t1-0 ,5 7 9 6 x t2-0 ,4 9 0 9 7 x |3+ 0 ,3 6 7 7 x t4+at

+ 0 ,9 7 9 1 2 a t ,+ 0,10901 at2+ 0 ,9 3 4 1 5at_3
C o n este m odelo se puede proyectar cualquier situacin futura. Entre m s

a lejado est el valor de t, la pro yeccin pierde confiabilidad.

Si se de sea usar el m odelo con lmites de control, es posible calcular stos
b a sa do en + 3 o , su p on ien do distribucin norm al de la siguiente m anera:
L S C = M + 3 t/ v 0

U C = M-3^Vo~

M: el valor nom inal

JORGE ACUA ACUA

381

TIE M P O (m in u to s)

FIGURA 4.61. Ajuste del modelo ARMA(4,3).

E n este ca so M es igual a 4 0 ,0 y la desviacin estn dar V 0 se obtiene del

pro gra m a D D S , V 0 = 3,81.

O sea, los lmites son:

L S C = 40,0 + 3* 1/ 3 ,81 = 45,86
L IC = 4 0 ,0 - 3* \ 3.81 = 34,14

382

CONTROL DE CALIDAD

E n c o n clu s i n , el m o d e lo A R M A (4 ,3 ) se r u sa d o para p re d e cir el c o m

portam iento futuro de la variable dim etro de los tubos P V C . S e ha dem ostrado
su grado de adecuacin y su ajuste por lo qu e es lgico pensar que servir para
detectar, no solo ca m bios de tendencia sino tam bin cam bios bruscos, pues se
pu e d e n tener lmites de control.
El uso de series de tiem po en control de procesos permite detectar cam bios
de m a n e ra p re ve n tiva y to m a r las a cc io n e s qu e se am eriten. S u aplicacin se
deb e h a ce rco n m odelos de bajo nivel (pocos parm etros), pues m odelos de alto
nivel com plican el anlisis. Esto no es una limitacin importante, pues usando la
prue ba F se p u e d e p ro b a r la eficacia de un m odelo e sco gido por convenie ncia.

RESUMEN
S e han visto en este captulo distintos aspectos relacionados con el anli
sis y control de p ro ce so s c u a n d o las caractersticas de calidad son variables.
Lo s m s im portantes son los grficos de control.
D entro de los aspectos relevantes a q u analizad os se tienen:
1.

Lo s grficos de control p u e d e n ser una excelente h erram ienta para c o n

trolar de m a n e ra p re ve ntiva y correctiva las variables que se co n sid eren
m s importantes de sde el punto de vista de calidad. S e debe ser ordenado
en su a plicacin , p a s a n d o en form a a d e c u a d a por los tres p a so s: c o n s
truccin, anlisis y seguim iento.

2.

La s e le cci n del g r fico a d e c u a d o se d e b e h a c e r so b re la b a s e de las

caractersticas especficas de la variable que v a a ser estudiada.
E n especial, los grficos de su m a s acu m u lad as deben ser usado s cuan do
se te ng a experiencia en el m anejo de otro tipo de grfico.

3.

E s de su m a im portancia para el control de procesos co n o ce r la capacidad

de p ro ce so , p u e s e s la m ejo r form a de sa b e r si ste es c a p a z de cum plir
con las exigencias planteadas.

4.

La b sq u e da de la posicin m s eco nm ica de la m edia es una m etodolo

ga ade cu a da para aquellos caso s en qu e las prdidas eco nm icas de pro
ducto bajo el v a lo r su p e rio r de especificacin son diferentes de aquellas

JORGE ACUNA ACUNA

383

p ro v o c a d a s por p ro d u cto fuera del va lo r inferior d e e s p e c ific a c i n rto s

resultados obtenidos deben verse a nivel m acro, para altos volm enes de
produccin.
5.

El anlisis de series de tiem po es importante cu a n d o se quiere desarrollar

un estudio exhaustivo de una variable con el fin de proyectar su c o m p o r
ta m ie n to fu tu ro . P a ra su a p lic a c i n s e d e b e n d e s a rro lla r p ro g ra m a s
com putacion ales qu e faciliten los clculos.

6.

E l anlisis y control por variables requiere capacitacin y entrenam iento

p ara el personal e ncarg ado de esta tarea. Si esto no se h a c e ^s f, se_corrael rie s g o de q u e su a p lic a c i n no d los re s u lta d o s d e s e a d o s o p ro
yectados.

PREGUNTAS DE REPASO
1.

Q u son ca u sa s asignables de variacin y qu im portancia tienen en el

anlisis de p ro c e s o s ? D un e jem plo de un p ro ce so y desglo se las o p e
raciones citando las causa s asig nable s de variacin para las principales
variables que se g eneren.

2.

Por qu se usan grficos de control de valores prom edio y no de valores

in d iv id u a le s ? Q u rie s g o s se c o rre n si se u s a n g r fico s de v a lo re s
individuales?

3.

D e sc rib a las tres etapas en la utilizacin de un grfico de control. Q u

aspectos relevantes se deben considerar en cad a u na de esas etapas?

4.

Explique am pliam ente la siguiente afirmacin:

El hecho de que un proceso est bajo control, no significa que cum ple con
las especificaciones

5.

Explique el procedim iento para utilizar el grfico de control de prom edios e

intervalos en el ajuste de un proceso. Q u limitaciones cree U d qu e tiene
este procedim iento?

6.

Q u diferencias hay entre grficos de control de prom edios y grficos de

control de m edianas?

384

7.

CONTROL DE CALIDAD

P a r a q u so n tiles los g r fic o s de s u m a s a c u m u la d a s ? C m o se

calculan las su m a s a cu m u lad as?

8.

Q u d if e re n c ia h a y e n tre un C U S U M M s c a r a V y u n C U S U M de
intervalo de decisin h?

9.

E xplique el concepto de longitud prom edio de la corrida y de m agnitud real

de cam bio.

10. E n q u c o n s is te un a n lis is d e c a p a c id a d de p ro c e s o ? E x p liq u e el

significado de la m agnitud obtenida al calcular el ndice de ca p a cid a d de
proceso.
11. E xplique el procedim iento para localizar la posicin m s eco n m ica de la
m edia del proceso.
12. E x p liq u e las v e ntajas y d e s ve n ta ja s de usar series de tiem po en c o m b i
nacin con grficos de control.
13. Q u p ro c e d im ie n to se u sa p a ra s e le c c io n a r el m o d e lo A R M A m s
a d e c u a d o para ajustarlo a una variable previam ente sele ccionada ?
14. C m o se usa el m odelo A R M A esco gid o en control de pro cesos?

PROBLEMAS
1.

U n a em presa m anufacturera de productos farm acuticos produce pastillas

p a ra el m a le s ta r e s to m a c a l, c u y a e s p e c ifica ci n d e p e s o es 5 ,0 0,1
g ra m o s.
P a ra e stu d ia r la situ a ci n del p ro c e s o con re s p e cto a e sta v a ria b le se
tom an veinte m uestras de tam ao cinco, las cuales aparecen en el C u a d ro
4 .2 0 . S e pide:

2.

a.

Elabora r un grfico de control x,R y ejecutar el anlisis

b.

O b te n e r las con clu siones y reco m endacio n es del caso.

E n una industria de e nvase s plsticos, existe un producto cu yo peso debe

cu m p lir con la especificacin de 45 5 g ra m o s. S e d e s e a e sta b le ce r un
control de p ro ce so so b re esta ca racterstica para lo q u e s e han to m a d o

JORGE ACUA ACUA

CUADRO 4.20. Hoja de datos para el

H o ja d e d a t o s - G r f i c o s d e c o n t r o l x , R
A r t c u lo :

P a s t il la s p a r a m a l e s t a r e s

C a r a c t e r s t i c a :
O p e r a c i n :

C o m p a c ta d o

O p e r a r io :

L. E c h e v e r r a

F e c h a : 1 0 -0 9 -8 5

M uestra#

I
N
D
I
V.

A
L
O
R

5
4
3
2
1

Muestra #
V
A
L
O
R

I
N
D
I
V.

C d ig o :

P eso

5
4
3
2
1

A 890

E s p e c ific a c i n :

5 ,0 0 , 1

M q u in a :

C o m p a c ta d o ra

In sp e cto r:

T um o: 2

M . A s to rg a

H o r a d e n ie lo : 2 : 0 0 a .m .

H o ja # 1 d e 1

10

5,1
5,0
5,0
5,1
5,3

5,0
4,8
4,9
5,2
5,0

5,1
4,9
5,1
4,9
5,1

4,8
5,2
5,0
4,9
4,9

4,9
4,9
5,0
5,0
5,0

5,0
5,1
4,4
5,0
5,2

4,7
4,9
5,2
5,0
4,8

4,9
4,8
5,0
5,1
4,8

5,0
5,2
5,0
4,7
5,0

4,9
5,0
5,3
5,1
5,1

11

12

13

14

15

16

17

18

19

20

5,0
5,1
5,0
4,9
5,0

5,0
5,0
5,1
5,0
5,1

5,0
4,9
4,8
4,8
4,8

5,1
4,8
4,8
4,8
4,9

4,9
4,9
4,9
4,9
5,0

4,5
5,0
5,0
4,8
4,9

5,0
5, i
5,0
4,9
4,9

5,9
5,1
5,1
5,0
4,8

5,2
5,1
5,0
5,1
5,3

5,2
5,1
4,6
5,0
5,1

veinte m uestras de cinco elem entos cad a una. El C u a d ro 4.21 presenta los
datos recolectados.

3.

a.

E la b o ra r un grfico de control de p ro m e dio e intervalos y efectuar el

anlisis correspondiente.

b.

Q u c o n c lu s io n e s se o btiene n a c e rc a de la posibilidad de q u e el
p ro ceso p u e d a cum plir a cabalidad con la especificacin?

E n el p ro c e s o de c o lo ra c i n d e fib ra s de la n a , la a c id e z del lq u id o
colorante d e b e ser cu id a d o sa m e n te controlada. Si el g rado de a cid e z es
m enor qu e el valor especificado, la penetracin del color es insuficiente. Si
ste es m ayor, el color es intenso y el grado de acidez afecta la vida til de
los productos confeccionados con esa fibra.

CONTROL DE CALIDAD

386

CUADRO 4.21. Hoja de datos para el Problema 2

H o ja d e d a t o s - G r f i c o s d e c o n t r o l x , R
A r t c u lo :

E n v a s e p l s t ic o

C d ig o :

A R D 879

C a r a c t e r s t i c a :

P eso

E s p e c ific a c i n :

45 5

O p e r a c i n :

T e r m o fo r m a d o

M q u in a :

T e r m o fo r m a d o r a

O p e r a r io :

K. L pez

In sp ector

N, F on seca

F e ch a : 0 9 -0 7 -8 5

Muestra #
V
A
L
O
R

I
N
D
1
V.

5
4
3
2
1

Muestra #
V
A
L
O
R

I
N
D
I
V.

5
4
3
2
1

T um o: 3

H o r a d e in ic io : 1 0 : 0 0

?!:

i!?

H o ja # 1 d e 1

10

41
55
46
35
48

46
45
47
48
42

41
48
49
40
42

43
43
40
40
42

45
51
51
42
41

59
47
54
47
45

40
49
49
40
49

40
42
43
46
47

40
42
43
46
47

42
45
39
44
45

11

12

13

14

15

16

17

18

19

20

52
38
48
44
45

44
53
47
38
44

44
43
45
40
43

54
41
45
44
39

51
39
54
45
38

44
45
46
37
43

46
55
47
46
43

39
42
55
47
48

42
42
49
43
44

43
38
47
40
44

El Inspector de calidad ha llegado a la conclusin de qu e un grfico de co n

trol x ,R pu e de se r de gran a yu d a para el control de esta caracterstica de
ca lid a d . P a ra ello s e han to m a d o 2 m u e stra s de 5 e le m e n to s c a d a una
origin ndo se la inform acin del C u a d ro 4.22.
a - A n a lic e el g r fico c o rre s p o n d ie n te y o b te n g a las c o n c lu s io n e s del
ca so .
b-

D isee un grfico C U S U M m scara V , utilizando el criterio del nivel de

calidad aceptable y nivel de calidad rechazable. A n a lce lo y explique
su funcionam iento.

4.

El grfico de control x, R es llevado para controlar la resistencia a la tensin

de un cierto hilo. S e ha u sa d o un ta m a o de m uestra de cinco elem entos.
Lo s va lores de las su m a torias co m p u ta d a s con veinticinco g rupos son:

JORGE ACUNA ACUNA

387

CUADRO 4.22. Informacin recolectada para el Prplema 3

H o ja d e d a t o s - G r f i c o s d e c o n t r o l x , R
A r t c u lo :

F ib r a s d e la n a

C d ig o :

FB9087

C a r a c t e r s t i c a : p H

E s p e c i f i c a c i n : 4 , 3 0 0 ,1 8

O p e r a c i n :

T e id o

M q u in a :

T e id o r a

O p e r a r io :

P. A rce

In sp e cto r:

B. P a ch eco

F e c h a : 0 6 -1 2 -8 4

T um o:

H o r a d e n ie lo : 6 : 0 0 a .m .

H o ja # 1 d e 1

Muestra #

10

Promedio
Intervalo R

4,17
0,14

4,15
0,30

4,18
0,20

4,17
0,09

4,20
0,10

4,22
0,24

4,33
0,65

4,33
0,17

4,34
0,58

4,50
0,22

Muestra #

11

12

13

14

15

16

17

18

19

20

Promedio
Intervalo R

4,34
0,22

4,31
0,18

4,61
0,44

4,21
0,20

4,37
0,23

4,24
0,23

4,29
0,32

4,35
0,62

4,31
0,28

4,32
0,20

I x = 5 1 4 ,2 8
I R = 120,00
a.

C a lcular los lmites de control de proceso.

b.

Estim ar el va lo r de a .

c.

Determ inar el error estndar del prom edio de las 125 m ediciones.

d.

SI se e sta b le ce n to le rancias de 0 ,4 so b re un v a lo r nom inal de 21

P u e d e el pro ceso satisfacer las especificaciones?

5.

E n un d e te rm in a d o p ro ce s o , se h a co n stru id o un g rfico de control de

prom edios e intervalos con m uestras de tam ao cinco. Hasta el m om ento,
los datos originan un pro m e dio de 2 0 ,0 y una d esviacin estim ada o de
2 ,0 . S e re co m ie n d a que se a u m e n te el tam ao de la m uestra de cinco a
seis, m anteniendo en am bos grficos los lmites. La especificacin de esta
caracterstica es de 20 ,0 4,1.
a.

C u le s sern las co n se cu e n c ia s si se siguen las re c om endacion es

d ad as?

388

CONTROL DE CALIDAD

b.

C u le s s e r n las c o n s e c u e n c ia s en el p o rc e n ta je d e p ro d u c to
disconform e, si se siguen las recom endacion es?

c.

H a b r m a y o r p ro b a b ilid a d d e q u e los p u n to s c a ig a n fu e ra d e los

lm ites de con trol en a m b o s g r fico s? Ju stifiq u e su re s p u e s ta con
nm eros.

6.

E n una e m p re s a qu e fabrica varillas c ro m a d a s, c u y a longitud est e s p e

cificada en 1 7 8 ,0 1,06 cm , se tienen p ro b le m a s de calida d, p u e s si las
varillas su pe ra n el valor superio r especificado de b e n rem aq u in arse, pero
se d e s e ch a n si estn bajo el v a lo r inferior e specificado . El costo de pro
duccin es de p 1 3,7 5 y el rem aq uin ado ag re g a a ese costo 6,25.
A ctu a lm e n te se tiene la p osibilidad de v e n d e r el p ro d u cto de d e s e c h o ,
recuperando 3/5 del costo de produccin entregado. C o n el fin de analizar
la situacin se recolect la inform acin que se presenta en el C u a d ro 4.23.
a.

Analice esta situacin u sa n d o un grfico de prom edios e intervalos si

se usaron m uestra s de ta m a o cinco.

CUADRO 4.23. Datos recolectados para el Problema 6

Hoja de datos - Grficos de control x, R

Articulo:
Varillas cromadas
Caracterstica: Longitud
Operacin:
Corte
Operario:
A. J. Lpez
Fecha: 05-12-85
Turno: 2

Cdigo:
VC987
Especificacin: 178,0 1 ,06
Mquina:
Cortadora A
Inspector:
C. Herrera
Hora de inicio: 3:00 p.m. Hoja# 1 de 1

Muestra #

10

Promedio
Intervalo R

177,6
23

176,6
8

178,4
22

176,6
2

177,0
7

179,4
8

178,6
5

179,6
6

178,8
7

178,2
4

Muestra #

11

12

13

14

15

16

17

18

19

20

Promedio
Intervalo R

179,8
9

176,4
8

178,4
4

178,2
4

180,6
6

179,6
6

177,8
1

178,4
9

181,6
7

177,6
4

JORGE ACUA ACUA

7.

38

b.

Q u dicen en este caso los lmites de atencin 2 a - ?

c.

D eterm ine la posicin m s eco n m ica de la media.

d.

Q u lmites de control recom ien da para el futuro?

Los datos presentados en el C u a d ro 4.24 corresponden a ensayos de veri

ficacin de calibracin pertenecientes a 21 m quinas. Lo s valores se han
obtenido usa nd o calibres patrn pre viam ente calibrados y verificados.

8.

a.

C o nstru ir y an a liza r un grfico x ,R .

b.

Q u con clusiones se obtienen?

U n fa b rica n te trata de q u e el p ro d u c to c u m p la con los re q u e rim ie n to s

especificados para una caracterstica de calidad. El C u a d ro 4.2 5 presenta
los valores del prom edio y la desviacin estndar para quince m uestras de
cincuenta o b servacio nes cad a una, tom adas en das consecutivos.

CUADRO 4.24. Hoja de datos para el Problema 7

Hoja de datos - Grficos de control x, R

Artculo:
Calibres
Caracterstica: Calibracin
Operacin:
Verificacin
Operario:
M. Orozco
Fecha : 07-10-85
Turno: 1
Muestra #
V

a
I
0
r

d
i
V.

5
4
3
2
1

Muestra #
V

a
I
0
r

d
i
V.

5
4
3
2
1

Cdigo:
No hay
Especificacin:
70 2
Mquina:
Inspector:
M. Arce
Hora de inicio: 8:00 a.m.
Hoja # 1 de 1

10

75
75
73
73
73

72
71
71
71
70

75
72
74
74
75 '

73
72
70
71
70

70
70
70
76
73

70
65
66
65
65

76
74
75
72
72

73
73
71
70
69

72
71
71
71
73

72
71
73
70
69

11

12

13

14

15

16

17

18

19

20

72
72
71
71
70

72
73
77
71
70

75
75
75
78
70

73
74
73
70
71

79
69
74
72
73

70
69
69
70
73

73
73
77
71
70

71
71
70
75
77

71
78
69
70
72

67
69
69
67
69

CONTROL DE CALIDAD

390

CUADRO 4.25. Hoja de datos para el Problema 8

Hoja de datos - Grficos de control x, o

Artculo:
Caracterstica:
Operacin:
Operario:

Muestra #

'

.
Cdigo:
CH456
Especificacin: 34,0 4,9
Mquina:
Hiladora KA
Inspector:
C. Herra

Canutos de hilo
Resistencia a tensin v Hiladura
A. B. Brenes

10
34,8
3,8
20

Promedio
Desviacin

35,1
5,4

34,6
4,7

33,2
3,8

34,8
4,5

33,4
4,0

33,9
4,3

34,4
5,0

33,0
5,3

32,8
3,3

Muestra #

11

12

13

14

15

16

17

18

19

Promedio
Desviacin

33,8
2,3

32,7
4,3

35,4
1,2

36,5
2,7

33,7
4,3

9.

U n a m quina desarroll un trabajo calibrada para generar un dim etro con

una especificacin de 0,258 0,004 pulgadas. S e hizo un estudio tom ando
c in c u e n ta u n id a d e s en fo rm a c o n s e c u tiv a o rig in n d o s e los d a to s del
C u a d ro 4 .26 (valores expresados en m ilsim as de pulgada, por encim a de
0 ,2 5 0 pulga da s)
a.

R ealizar una distribucin de frecuencias de datos ag ru p a d o s y probar

la norm alidad del proceso.

b.

H a c e r un estudio de capa cid ad de pro ceso con base en un grfico de

c o n tro l d e p ro m e d io s e in te rv a lo s , s ig u ie n d o el p ro c e d im ie n to
explicado en este captulo. Utilice los m ism os datos para el anlisis del
grfico.

10. R e s u e lv a el P r o b le m a 9 p e ro u tiliz a n d o u n g r fic o d e p ro m e d io s y

desvia ciones estndar.
11. U n fa b ric a n te trata d e m a n te n e r su p ro d u c to ba jo un n ivel de c a lid a d
aceptable, exigido por las siguientes especificaciones de longitud:

E: 84,0 8 ,0 cm

JORGE ACUNA ACUNA

391

CUADRO 4.26. Hoja de datos para el Problema 9

Hoja de datos - Grficos de control X, R

Articulo:
Lmina rectangular
Caracterstica: Dimetro
Operacin:
Taladrado
Operario:
M. Blanco
F echa: 07-09-84
Tumo: 1
Muestra #
V
A
L
O
R

I
N
D
I
V.

5
4
3
2
1

Cdigo:
LR980
Especificacin: 0,258 0,004
Mquina:
Taladro
Inspector:
M. Guzmn
Hora de inicio: 8:00 a.m.
Hoja # 1 de 1

10

12
10
12
11
15

13
6
10
9
10

12
6
7
8
13

11
16
12
11
10

9
8
7
9
6

7
13
10
10
9

7
6
11
9
9

8
7
10
10
11

11
10
12
10
15

6
9
12
8
4

P a ra a ve rig u a r si lo est lo g ra n d o tom a qu ince m u e stra s de veinticinco

lm inas ca d a una, originando la inform acin que presenta el C u a d ro 4.27.

CUADRO 4.27. Hoja de datos para el Problema 11

Hoja de datos - Grficos de control x, o

Artculo:
Subensamble
Caracterstica: Longitud
Operacin:
Corte
Operario:
A. B. Bolaos
Fecha: 03-02-85
Turno: 2

Cdigo:
SE323
Especificacin: 84,0 8 ,0
Mquina:
Cortadora J
Inspector:
D. Pacheco
Hora de inicio: 3:00 p.m.
Hoja #1 de 1

Muestra #

10

Promedio
Desviacin

85,1
7,4

84,6
7,7

83,2
5,8

84,8
5,5

83,4
4,0

83,9
4,3

84,4
5,7

83,0
9,3

82,8
4,3

84,8
7,8

Muestra #

11

12

13

14

15

16

17

18

19

20

Promedio
Desviacin

83,8
6,3

82,7
3,3

85,4
7,2

86,5
4,7

83,7
6,3

CONTROL DE CALIDAD

a.

H a c e r el anlisis del grfico.

b.

Q u pa sa ra si las tolerancias se am plan a + 1 0 cm ?

c.

Q u p a s a r a si se c o m p r a u n a m q u in a n u e v a q u e tie n e u n a
capa cid ad de 6 ct= 15,0 cm ?

d.

Q u h a ra U d si el p ro c e s o se d e s ce n tra a 3 2 ,0 cm y m a n tie n e la
m ism a variabilidad?

e.

Q u h a ra U d si el p ro c e s o a u m e n ta su v a ria b ilid a d en u n 2 0 % ,
m a nteniendo su exactitud?

N O T A :T o d a s las respuestas deb en ser justificadas con nm eros.

S e ha tenido la idea de que en la e m presa A T R A S A , el troquel 3 0 2 6 tiene
problem as g ra ves, pues no p u e de m antener su exactitud en una posicin
e c o n m ic a . C o n el fin d e in v e s tig a r la s itu a c i n s e to m a ro n tre in ta
m uestras de cinco piezas ca d a una y se midi el dim etro encontrn dose
un prom edio de 15,6 m m y un intervalo prom edio de 0.6 3 m m .
La cara cte rstica de esta m q u in a es qu e si las p ie za s tienen d im etros
superiores a lo especificado se pueden reprocesar, pero si este dim etro
es inferior a lo especificado entonces se deben v e n d e r a una cuarta parte
del costo.
Si la especificacin que se debe cum plir es E: 15,60 0,56 m m y los costos
unitarios son los siguientes:
C o s to del m aterial:

0 7,25

C o s to de rem aq uin ado: 0 2,15

C o sto de o peracin:

0 9,35

C o sto de transporte de unidade s con dism inucin de precio: 0 0,1 6

a.

C u l es el costo esp era do por pieza?

b.

C u l es la posicin e co n m ica de la m edia?

c.

C u l es el ahorro por m e s al nivel de produccin de 25000 unidades

diarias en prom edio?

JORGE ACUNA ACUNA

d.

393

C u le s sern los lm ites de control para un grfico de prom edios e

intervalos?

e.

C u le s son los lmites de control para valores individuales?

13. R e su e lva la parte b) del P ro b le m a 12 usand o clculo diferencial.

14. La e m p re s a C A L C O S .A . s e d e d ic a a la fabricacin de roles, los cu a le s
p a sa n por una c u id a d o sa in sp e cci n , en d o n d e se c h e q u e a la distancia
entre el dim etro interior y el dim etro exterior. Los datos obtenidos de 25
m uestras de cinco roles ca d a u na se presentan en el C u a d ro 4.28.
Si la especificacin es E: 72 ,6 4 ,0 m m
a.

C u l es la capa cid ad de este pro ceso?

b.

Q u porcentaje de producto fuera de especificaciones se produjo?

CUADRO 4.28. Informacin para el Problema 14

Hoja de datos Grficos de control x, R

Artculo:
Roles
Caracterstica: Longitud
Operacin:
Torneado
Operario:
A. Cabezas
Fecha: 09-12-84
Tumo: 1

Cdigo:
R900
Especificacin: 72,6 4 ,0
Mquina:
Torno M
Inspector:
C. Morales
Hora de inicio: 9:00 p.m.
Hoja #.1 de 1

Muestra #

10

Promedio
Desviacin

73,8
8,3

72,5
3,3

73,5
2,1

72,1
1,5

74,0
5,4

67,0
4,2

72,5
4,1

73,4
1,8

75,2
2,3

73.1
2.1

Muestra #

11

12

13

14

15

16

17

18

19

20

Promedio
Desviacin

73,2
2,4

72,7
1,5

74,0
1,7

72,8
1,7

72,0
1,8

71,9
2,1

70,8
1,5

71,5
1,4

74,0
1,1

75,3
1,3

Muestra #

21

22

23

24

25

26

27

28

29

30

Promedio
Desviacin

72,1
1,2

72.0
1.0

72,5
3,8

71,6
0,7

73,9
2,7

CONTROL DE CALIDAD

394

c.

H a y tend encias im portantes?

d.

C o n s t ru y a un g r fic o C U S U M d e M s c a ra V u s a n d o un n iv e l de
con fia n za del 9 5 % .

e.

E s ta b le z c a c o m p a ra c io n e s entre el grfico u s a d o en a ) y el grfico

u sa d o en d).

15.

f.

C o n s tru y a un grfico C U S U M de intervalo h.

g.

Q u c o n c lu s io n e s o b tie n e U d . a c e r c a d e la s itu a c i n d e e s ta
caracterstica de calidad?

El C u a d ro 4 .2 9 p re senta el peso de 20 m uestras de cinco unidade s ca d a

u n a obte nid a s en un p ro ce so de elab oracin de gelatina. S e ha fijado un
va lo r de referencia de 0 ,8 3 4 0 d e c a g ra m o s.
a.

C o n s tru y a y analice un grfico de prom edios e intervalos.

b.

C o n s tru y a y analice un grfico de su m a s a cu m u la d a s de M sca ra V .

c.

C o n s tru y a y analice un grfico de su m a s acu m u la d a s de intervalo h.

d.

C o m p a re los tres grficos y obte nga algunas conclusiones.

CUADRO 4.29. Hoja de datos del Problema 15

Hoja de datos - Grficos de control x, R

Artculo:
Gelatina
Caracterstica: Peso
Operacin:
Llenado
Operario:
A. Vargas
Fecha: 12-12-83
Tumo: 1
Muestra#
Promedio
Intervalo R
Muestra#
Promedio
Intervalo R

Cdigo:
G965
Especificacin: 0,834 0 ,12
Mquina:
Llenadora
Inspector:
S. Zapata
Hora de inicio: 8:00 a.m. Hoja #1 de 1
3

10

0,8372 0,8324 0,8318 0,8344 0,8346 0,8332 0,8340 0,8344 0,8308 0,8350
0,001 0,009 0,008 0,004 0,005 0,011 0,009 0,003 0,002 0,006
11

12

13

14

15

16

17

18

19

20

0,8380 0,8322 0,8356 0,8322 0,8304 0,8372 0,8282 0,8340 0,8360 0,8374
0,006 0,002 0,013 0,005 0,008 0,011 0,006 0,005 0,004 0,006

16. Para un nivel de calidad aceptable m a=6 ,5 m m y un nivel de calidad recha

zable m = 2,0 m m , cul debe ser el tam ao de la m uestra y los valores de
k y h para un C U S U M unilateral, si A R L a= 1 000, A R L =2 ,5 y cr=5?
17. S u p o n g a qu e se decide controlar la exactitud de un proceso con un grficc

C U S U M similar al del Problem a 14, excepto que k est colocado simtrica

m ente al otro lado de m a y qu e se u sa -h en lugar de h co m o intervalo de
decisin.
Si se desea operar con +h y -h , es decir con un e sq u e m a bilateral,
a.

C u l d e b era ser el A R L para un m a=6,5, un m r1= 2 ,0 y r n ^ l 1,0?

b.

Construya una M scara V que sea equivalente a este grfico bilateral.

18. D a do s los siguientes valores, trazar la curva A R L de longitud prom edio de

la corrida:
k, = 110

= 113

k2 = 104

= 101

h = 9 ,5

ma=

= 9 o = 10

107

19. E n un intento por establecer grficos de su m as acu m u lad as se han fijado

los s ig u ie n te s v a lo re s : A R L = 5 0 0 p a ra m a= 1 0 0 , A R L = 5 para m = 1 1 0 y
g = 1 0. C u le s son los valores de h y de n para un C U S U M unilateral?

20. C o n el fin de disear una m scara V se han fijado los siguientes p a r m e

tros: A R L = 2 5 0 para m a= 7 0 , A R L = 5 para m = 9 0 , y w = 2 . C u le s son los
valores de d y 0 para la m scara V ?
21. U n grfico C U S U M tiene un valor de referencia k igual a 8,4 y un intervalo
de decisin de 2,8. El tam ao de m uestra es nueve unidades, la desviacin
estndar es 2 ,3 y el nivel de calidad aceptable es 10,7. Construir la curva
A R L de longitud prom edio de corrida.
22. C o n s tru ir u n a m s c a ra V p a ra el p ro b le m a 2 y c a lc u la r la v e rd a d e ra
m agnitud de cam bio si se detecta algn cam bio de tendencia.
23. Desarrolle un pro gram a de com pu tad ora que permita la b squeda de una
ecuacin de un m odelo A R (n ).

CONTROL DE CALIDAD

396

2 4. Desarrolle el sistem a de ecuacion es de un m odelo A R M A (n, m ).

N O T A : R e cu e rd e que al existir 0's, el m odelo no es lineal.
2 5. P a ra el P ro b le m a 2, d e te rm in e si un m o d e lo A R (2 ) es a p ro p ia d o p a ra
a n a liza r la estab ilidad en el c o m p o rta m ie n to de la v a ria b le en e stu dio .
D em ustrelo.
26. P a ra el P ro b le m a 1, d e te rm in e cul de los sig u ie n te s m o d e lo s es m s
apropiado para representar la con ducta de la variable en estudio: A R (2 ),
A R M A (2 ,1 ), A R M A (3 ,2 ), A R (3 ).

GRAFICOS DE CONTROL
PARA ATRIBUTOS

n m u c h a s o c a s io n e s u n a ln e a de p ro d u c c i n tiene
dificultades con dos o m s caractersticas de calidad,
las cuales pueden o no ser llevadas a una escala de m e
dicin. C o n lo visto hasta el m om ento solo sera posible
e v a lu a r las c a ra c te rs tic a s v a ria b le s co n el in c o n v e
n iente de q u e se d e b e co n stru ir un grfico de control
para cada una de ellas. Esta accin sera costosa y p o
co funcional p u e s se ra im posible h a ce r el anlisis de
informacin, con lo que esta herram ienta tan importante
perdera todo su aporte.
Ante esta situacin, se pueden aplicar los grficos
los cuale s perm iten el c o n

de control para atributos,

trol de varias caractersticas a la v e z, calificando la c a

lidad de las p ie za s co m o con form es o disconform es al
com pararlas con las norm as de produccin previam ente
establecidas.
E sto s g rficos tienen un costo de inspeccin por
u nid a d m s bajo q u e los g rficos p a ra v a ria b le s. S in
e m bargo , requieren de una excelente organ izacin de
la inspeccin y de la informacin recolectada. La organi
zacin de la inspeccin, entre otras cosas, deb e co n si
d e ra r la e s ta n d a riza c i n de criterios de a c e p ta ci n y

398

CONTROL DE CALIDAD

re c h a z o m ie n tra s q u e la in fo rm a ci n re c o le c ta d a d e b e c o n te m p la r p ro c e
dim ientos qu e perm itan investigar ca u sa s asignable s de variacin, las cuales
no son tan e v id e n te s c o m o en los grficos para va ria b le s, p u e s en stos se
analizan varias caractersticas a la vez.
La uniform idad de criterios se logra a travs de un p ro g ra m a de e ntrena
m ie n to y d e c a p a c ita c i n y del d e s a rro llo de un m a n u a l de in s p e c c i n q u e
especifique entre otras cosas:
a.

Procedim ientos de inspeccin

b.

B a se s estadsticas de m uestreo

c.

M anejo de instrum entos

d.

Criterios de acep tacin y re c h a zo de producto

e.

Especificacio nes tcnicas

f.

M uestras patrn

g.

Destino de producto a cep tado y re cha za do

h.

D ocu m e n ta cin

Lo s m a n u a le s de inspeccin eficientes garan tizan qu e la calificacin del

producto se haga de una m anera m s real y h om ognea, evitando al m xim o la
utilizacin de criterios subjetivos. Si esto se logra, los resultados qu e se obten
gan del uso de grficos para atributos, solam ente dependern del conocim iento
de la tcnica, qu e te n g a el personal qu e lo aplica y de los erro re s pro pio s del
m uestreo.
U n a ventaja qu e tiene el estudio p o r atributos es qu e si existen variables
continuas de poca relevancia en el control de proceso, pero que se desean con
trolar, se pueden usar calibres p a sa -n o pasa para evitar la m edicin de la varia
ble y tratar sta co m o si fuese un atributo. El Ejem plo 5.1 ilustra esta situacin.

E J E M P L O 5.1
L a lo n gitu d d e u n a p ie z a p lstica , u s a d a en u n e n s a m b le s e c u n d a rio ,
h a s id o c a ta lo g a d a c o m o d e m e d ia n a im p o rta n c ia e n la c la s ific a c i n d e

JORGE ACUA ACUA

c a r a c te r s t ic a s de c a lid a d . L a lo n gitu d de esta p ie z a d e b e

siguiente especificacin:
E: 3 0 2 c m
D isear dos calibres p a sa -n o pasa qu e eviten la m edicin de esta variable
de tal m anera que se dism inuyan los costos de inspeccin.

SOLUCION
U n a form a de e fe ctu a r esta in sp e cc i n es d is e a r d o s calibres q u e se
ajusten a la sim etra de la p ieza. El m aterial puede s e r de plstico, m ad e ra o
metal.
El diseo de los calibres debe efectuarse de form a tal que las superficies
que van a estar en contacto con las piezas m edidas no sean speras ni tengan
protuberancias que afecten la decisin. Lo s calibres se disean uno para c o n
trolar el valor superior especificado (calibre pasa) y otro para controlar el valor
inferior especificado (calibre no pasa). Estos calibres pueden tener la forma que
presenta la Figura 5.1, en donde se consideran los valores especificados com o
los topes m xim os en cad a caso. C o n ello se est afirm ando que una pieza no
estar conform e a especificaciones si m ide m enos de 28 cm o m s de 32 cm ,
sin necesidad de efectuar la m edicin.
El procedim iento para usar los calibres de la Figura 5.1 es el siguiente:
1.

T o m a r la pieza e introducirla en el calibre no pasa.

28 cm

Calibre no pasa

32 cm

Calibre pasa

FIGURA 5.1. Esquema de calibres pasa-no pasa del Ejemplo 5.1

CONTROL DE CALIDAD

400

2.

S i la pie za entra en el calibre no p a sa se co n sid era no conform e a e s p e

cificaciones, p u e s m ide m enos de 28 cm . N o es n e cesario utilizar el otro
calibre y la p ieza se rechaza.
Si la pieza no entra, entonces m ide m s de 28 cm , por lo que se procede a
introducirla en el calibre pasa.

3.

S i la p ie za no entra en el calibre p a sa se con sid era no con form e a e s p e

cificaciones, p u e s m ide m s de 32 cm . Esta pieza es re cha za da.
S i la p ieza entra en el calibre pasa se considera que cu m p le con lo e s p e
c ific a d o p u e s tie n e u n a d im e n s i n q u e va de 2 8 a 3 2 , p o r lo q u e es
acep tada.

D E F E C T U O S O S V R S D IS C O N F O R M E S
P a ra obtener conclusiones a d e cu adas despu s de efectuar un control por
atributos es de su m a importancia establecer la diferencia existente entre unidad
defectuosa y unidad disconform e. U n a unidad defectuosa es una unidad que
no cu m p le con la n o rm a de produccin y qu e por lo tanto p o se e defectos que
pueden o no pueden ser corregidos conllevando a u n reproceso o a un desecho
parcial o total del producto.
U n a unidad disconforme es una unidad que no cu m p le con la n orm a de
produccin y que por lo tanto no puede ser aceptada. A diferencia de la unidad
defectuosa, la unidad disconform e pu ede que no con tenga ningn defecto. Si
contiene uno o m s defectos se convierte en unidad defectuosa.
U n a unidad por s sola se cataloga c o m o defectuosa deb ido a que p u e d e
te ner uno o m s defectos. D e a q u se c o n c lu y e que no es correcto hablar de
porcentaje de defectos sino de n m ero de defectos por unidad, por m uestra o
p o r c a d a cie n u n id a d e s p ro d u c id a s . S e s c o rre c to h a b la r de n m e ro de
d efectuosos o de porcentaje de defectuosos.
Al igual que en el control por variables, el control por atributos requiere de
clasificar las no conform idades con el fin de realizar el estudio sobre los m s im
portantes de acuerdo con su criticidad y su frecuencia de ocurrencia. S e aplican
tam bin en este ca so los dia g ram as de Ishikawa, Pareto y C a u s a -e fe c to . Los
defectos qu e se p u e d e n encontrar en los pro ductos se clasifican de la m ism a
form a qu e las caractersticas de calidad:

JORGE ACUNA ACUNA

1.

401

No conformidades crticas

Estas co rre sp onden a pro blem as m uy serios detectados en e l producto y

que conllevan a defectos crticos evidentes. S e caracterizan porque:

2.

a.

H a ce n que la unidad de producto sea totalm ente itif-

b.

P u e d e n c a u s a r fallas du rante la p u esta en u so del pro du cto qu e no

pueden ser corregidas

c.

O fre ce n riesgo de ca u s a r da o s a personas o pro piedades

d.

D e b e n se r totalm ente elim inadas

No conformidades mayores

C o rre s p o n d e n a p ro b le m a s serio s en el p ro d u cto y p u e d e n o no existir

defectos. S e caracterizan porque:

3.

a.

Posible m ente cau se n fallas durante la puesta en uso del producto las
cuales pueden ser corregidas con un grado alto de dificultad y de costo.

b.

S e g u ra m e n te ca u sa r n un increm ento en m antenim iento cu a n d o se

deseen evitar.

c.

P ueden acortar la vida til del producto.

No conformidades menores

S o n a q u e lla s q u e se refieren a p ro b le m a s m o d e ra d a m e n te serio s que

g e neralm ente no ca u sa n defectos. S e caracterizan porque:

4.

a.

La p ro b a b ilid a d d e q u e o c a s io n e n fa lla s d u ra n te la v id a til del

producto no es despreciable.

b.

P u e de n ca u sa r problem as en las lneas de produccin de naturaleza

no tan seria co m o las dos clases anteriores

c.

G e ne ra lm ente cu an do existen defectos, stos se deben a problem as

de apariencia.

No conformidades incidentales

S o n aquellas que existen en el producto y que pueden ser fcilm ente vis
tas, sin e m ba rgo, su influencia en el d e s e m p e o del producto es casi nula. S e
caracterizan porque:

CONTROL DE CALIDAD

402

a.
b.

N o ca u sa n fallas de operacin durante la vida til del producto

Lo s defectos, si se presentan, no tienen un peso de im portancia y en
a lg u nos ca so s pu eden pasar desapercibidos.

Si se p re senta n estas no co n fo rm id a d e s h acen q u e la p ie za q u e las c o n

tiene se c a ta lo g u e de a c u e rd o con la clasificacin a la q u e p e rte n e c e . A s se
p ueden tener unidades disconform es crticas, m ayores, m enores e incidentales.
Al igual q u e en los g rficos de control para v a ria b le s, en los g rficos de
control para atributos es necesario clasificar las no conform idades con el fin de
efectuar control sobre aquellos atributos que realm ente m erecen atencin.
Para esto se hace uso de los diagram as ya vistos, en especial el diagram a
de Pareto. El Ejem p lo 5.2 presenta una clasificacin de defectos.

EJEMPLO 5.2
C o n el fin de estructurar un control por atributos se tom de un proceso una
m u estra de 8 0 u n id a d e s y se in sp e cc io n con el fin de localizar los defectos
p re s e n ta d o s en el C u a d r o 5 .1 . E s te m is m o c u a d ro p re s e n ta la c a n tid a d
e ncontra d a as co m o el peso asignado.

CUADRO 5.1. Informacin recolectada para el Diagrama

de Pareto del Ejemplo 5.2

Defecto

No.

Criticidad

Huecos
Rayaduras
Porosidades
Quebraduras
Deformaciones
Dimensiones
Asperezas
Suciedad
Grietas

100
25
35
10
84
78
65
70
10

100
25
100
100
50
1
50
25
100

JORGE ACUA ACUA

403

S O L U C IO N
Siguiendo el procedim iento de construccin del paretogram a ya explicado
anteriorm ente se construye el C u a d ro 5.2.
C o n ba s e en el o rd e n a m ie n to de la q u inta c o lu m n a del C u a d ro 5 .2 , se
c o n s tru y e el C u a d r o 5 .3 , el c u a l s e rv ir p a ra g ra fic a r el d ia g ra m a q u e se
p re se n ta en la F ig u ra 5.2. C o m o se p u e d e o b s e rv a r en el C u a d ro 5 .3 y en la
F ig u ra 5.2 , los defectos sobre los cuales se basar prioritariamente el control
p or atributos sern: hu ecos, deform aciones, porosidades y asperezas.
U n a v e z c o n o c id o s los d efecto s m s im po rtantes, el siguiente p a so es
definir qu tipo de grfico de control se debe usar. Si se detectara que la causa
de a lguno de estos defectos es una variable, se puede establecer un grfico de
co n tro l p a ra v a ria b le s , y a q u e pe rm itir e s tu d ia r m s a d e c u a d a m e n te los
problem as. Si eso no ocurre se im plem enta un grfico de control para atributos
e sco giend o, se g n se estudien defectos o defectuosos o unidades no confor
m e s con especificaciones, entre los siguientes:
a.

Grfico de fraccin defectuosa o disconform e (G rfico p)

b.

Grfico de n m e ro de defectuosos o disconform es (G rfico np)

c.

Grfico de n m e ro de defectos por m uestra (G rfico c)

CUADRO 5.2. Clculos intermedios para el Diagrama

de Pareto del Ejemplo 5.2

Defectos
Huecos
Rayaduras
Porosidades
Quebraduras
Deformaciones
Dimensiones
Asperezas
Suciedad
Grietas

No.

No. *w

100
25
35
10
84
78
65
70
10

10
25
100
100
50
1
50
25
100

1000
625
3500
1000
4200
78
3250
1750
1000

39,37
2,46
13,78
3,94
16,53
0,31
12,79
6,89
3,94

CONTROL DE CALIDAD

404

CUADRO 5.3. Clculos finales para el Diagrama de Pareto

No.

Defecto

1
2
3
4
5
6
7
8
9

Huecos
Deformaciones
Porosidades
Asperezas
Suciedad
Grietas
Quebraduras
Rayaduras
Dimensiones

39,37
16,53
13,78
12,79
6,89
3,94
3,94
2,46
0,31

% acum ulado
39,37
55,90
69,68
82,47
89,36
93,30
97,24
99,70
100,00

d.

G rfico de nm ero de defectos por unidad (G r fico u)

e.

G rfico de nm ero de defectos por 100 unidade s (G rfico 10Ou)

f.

G rfico de dem ritos

JORGE ACUA ACUA

\
405
i405

GRAFICO PARA FRACCION DEFECTUOSA O DISCONFORME (p)

E ste grfico tam bin con ocido con los n o m b re s de g r ficcTjjy g ra fco de
p o rce n ta je d e fe c tu o so , es m u y til en el estu d io del nivel de ca lid a d de un
proceso, cu a n d o este se expresa en porcentaje defectuoso o fraccin discon
forme. Este grfico es conveniente aplicarlo a aquellos procesos que no tengan
porcentajes superiores al 1 0 % . S i esta cifra es s u p e ra d a se deb e optar por la
aplicacin de grficos para defectos.
U n a specto relevante en la aplicacin de este grfico es el hech o de que
puntos qu e estn bajo el lmite inferior de control, no deben ser elim inados. Por
el c o n tra rio , d e b e n e s tu d ia rs e a fo n d o las c a u s a s de o c u rre n c ia de e s a
situacin, con el fin de ejercer accion es que favore zcan la aplicacin futura de
esta tcnica. D entro de las posibles ca u sa s que se pueden detectar se tienen,
desde el punto de vista optimista, m ejoras considerables en el nivel del proceso
o, desde el punto pesim ista, inspeccin que no se ejecuta correctam ente, por
ra zo nes de falta de entrenam iento o negligencia.
Si se detectan situaciones favora bles se de b e n estab lecer m e canism o s
que permitan la aplicacin efectiva de los m edios que generan una baja fraccin
d e fe ctu o sa . Si o cu rre n situ a cio n e s d e s fa v o ra b le s o in d e se a b le s, se de b e n
ejercer de inm ediato las acciones del caso con el fin de elim inar totalmente las
ca u sa s respectivas.
E n la aplicacin de este tipo de grficos se deben utilizar m uestras grandes
q u e p e rm ita n e v id e n c ia r las c o n d ic io n e s de un p ro c e s o . E l ta m a o de la
m uestra d e b e s e r ca lcu la d a u sa n d o la m e to d o lo g a de m uestreo estadstico
presentada en el captulo 2.
El tam ao de m uestra puede ser constante o variable para cada grupo que
se re c o le cte . S i es co n s ta n te , los lm ites de con trol de p ro c e s o son ln e a s
rectas, tal y c o m o se vio en el ca p tu lo anterior. S i es variable, los lm ites de
control de proceso pueden ser lneas rectas o lneas quebradas. Esto depende
de qu tan grande sea la variabilidad en el tam ao J e la muestra. La decisin de
usar un valor constante o variable depe nde de las caractersticas del proceso y
de la facilidad y posibilidad de extraer m uestras de ta m a o constante, form a
que siem pre ser la preferida, debido a la facilidad de clculo.

CONTROL DE CALIDAD

406

Lo s dos ca so s qu e se p re sentan a continuacin d e m uestran los riesgos

q u e se g e n e ra n p o r u tiliza r lm ites de control de p ro c e s o rectos, c u a n d o lo
requerido eran lmites de control de pro ceso quebrados.
Caso A
O b s e r v a n d o la F ig u ra 5 .3 , se no ta , s e g n el lm ite recto, q u e el punto
co rre s p o n d ie n te a la m u e stra k est fu e ra de control, sin e m b a rg o , el lmite
q u e b ra d o de ta m ao de m uestra variable indica lo contrario.

FIGURA 5.3. Representacin del Caso A.

Caso B
O b s e r v a n d o la F ig u ra 5 .4 , se nota , s e g n el lm ite recto, q u e el punto
c o rre sp o n d ie n te a la m u estra 1 est den tro de control, sin e m b a rg o , el lmite
q u e b ra d o de ta m a o de m uestra variable indica lo contrario.
Al igual que en los grficos de control para variables, estos grficos tam
bin se aplican en las tres etapas a sa b e r construccin, anlisis y seguim iento.

JORGE ACUA ACUA

FIGURA 5.4. Representacin del Caso B.

C onstruccin d e l grfico
El procedim iento para la construccin de un grfico p es el siguiente:
1.

Identificar el proceso o m quina que cau sa problem as de calidad. Esto se

hace con la ayuda de los diagram as de Ishikawa, de Pareto y causa-efecto.

2.
3.

A n a liza r en detalle los defectos que ocasionan piezas defectuosas.

Determ inar el tam ao de la m uestra (n ) seg n el procedim iento ya citado.
E s c o n ve n ie n te q u e esta m u e stra no se a de un ta m a o inferior a veinte
unidades.

4.

D e term ina r el n m e ro de m uestras (m ) por tom ar y el intervalo de m u e s

treo. E s conveniente que este nm ero de m uestras sea superior a quince
y el intervalo deb e ser determ inado de tal form a que se reflejen las condi
ciones del proceso.

5.

R e colecta r las m -m u e stra s de tam ao n. S e debe anotar aqu toda infor

m a cin qu e se co n sid e re n ecesaria, p u e s se de b e record ar que en este
tipo de grfico es m s difcil el estudio de causas asignables. Durante esta
recoleccin no se deb en ejecutar cam bios ni ajustes en el proceso. Para

CONTROL DE CALIDAD

408

ordenar este proceso se puede hacer uso de un formato com o el m ostrado

en el C u a d ro 5.4.
6.

R e a liz a r la in s p e c c i n de las m -m u e s tr a s , s e p a r a n d o co n su d e b id a
identificacin a las p ie zas defectuosas o disconform es. S e debe llevar un
registro de la cantidad de piezas defectuosas identificando el tipo y nm ero
de defectos encontrados.

7.

C a lc u la r el p o rc e n ta je d e d e f e c tu o s o s o d is c o n fo rm e s u tiliz a n d o la
siguiente expresin:
To ta l de defectuosos en la m uestra
np* 100
p ( % ) = ------------------------------------------------------------------------------------= ------------------tam a o de la m uestra
n

8.

C a lc u la r el porcentaje prom edio de defectuosos o disconform es usand o la

siguiente expresin:
_
p

To talida d de unidades defectuosas en las m -m u e stra s

( % ) = --------------------------------------------------------------------------------------------------------------------------------------------------------

n m ero total de unidades

In p * 1 0 0

p(%) = ---------------m*n
S e p u e d e calcu lar tam bin co m o el p ro m e dio de los porcentajes ca lcu la
dos en el punto 7. Sin em bargo, existe el problem a de que por redondeo se
pierden los datos originales.
C u a n d o el tam ao de la m uestra es variable el trmino m*n se convierte en
In .
9.

C a lc u la r los lm ite s e s p e c ific a d o s y los lm ites de co n tro l de p ro c e s o ,

b a s n d o se en la distribucin binom ial.
a.

Lm ite s especificados

E s to s lm ite s p u e d e n e s ta r b a s a d o s en un v a lo r m x im o , c u a n d o se
establece qu e el porcentaje defectuoso no deb e superar una cantidad fijada o
en un v a lo r prom e dio cu a n d o se especifique el requerim iento en esa form a.

V a lor m xim o (p = fraccin m xim a especificada)

L S E p= p
V a lor pro m e dio (p = fraccin prom edio especificada)
L S E p= p + 3 \J[p(1-p)]/n

L C E p= p
L IE p= p - 3 v[p(1 -p)]/n
b.

Lm ites de control del pro ceso

L S C p= p + 3 \J[p(1-p)]/n

L C C p= p

L IC p= P 3 \j [p(1 -p)]/n
El lmite superior se red o ndea hacia arriba y el lmite inferior hacia abajo,
con dos decim ales.
C u a n d o el lmite inferior de control del proceso es negativo, tom a el valor
de c e ro . E n c a s o de q u e el ta m a o de la m u e stra se a va ria b le , se p u e d e n
calcular los lmites de control del pro ceso de dos form as:
U sa n d o un tam ao de m uestra prom edio calculado com o:
m
X ni

=t
n = ----------------------m

y sustituyndola en los anteriores lmites en lugar de n.

CONTROL DE CALIDAD

C alcula ndo lmites de control individuales m ediante la aplicacin de las

anteriores frm ulas en form a se p a ra d a para cad a m uestra tom ada.

Constru ir el grfico. El grfico p presenta en el eje

x el nm ero

de m uestra,

la hora de recoleccin, nom bre del recolector, la m qu ina, etc., y en el eje

y el porcentaje de

producto disconform e o fraccin defectuosa usando una

escala ade cu a da que permita graficar hasta el valor m s alto entre el lmite
s u p e rio r de control de p ro c e s o y el v a lo r de m a y o r m a g n itu d e ntre los
porcentajes defectuosos o disconform es.
U n a v e z que se tienen los ejes se trazan los lmites de control del proceso
y c a d a uno de los p u nto s c o rre sp o n d ie n te s a ca d a m u estra , u nindo los
con lnea recta continua tal y co m o se m uestra en la Figura 5.5. Los lmites
e specificado s se p u e d e n s u p e rp o n e r en plstico so b re el grfico. N o es
con venie nte graficarlos.

lisis d e l grfico
Al analizar un grfico p, hay que tener en cuenta dos aspectos principales:
a.

La situacin del proceso con respecto a s m ism o

FIGURA 5.5. Representacin de un grfico p

JORGE ACUA ACUA

b.

411

El control del proceso con respecto a especificaciones

Si se analiza el prim er aspecto, se pueden encontrar tres situaciones:

M uestras sob re el lmite superio r de control

M uestras bajo el lmite inferior de control

Te n d e n c ia s

Si existen m u e s tra s sob re el lm ite su perio r de control es n e ce sa rio eli

m inarlas y recalcular una nueva fraccin prom edio con sus respectivos lmites
de control. El va lo r de la fraccin defectuosa m odificada se calcula as:
In p -A
Pm= ----------------------(m -s )-n
don de :

pm

= fraccin defectuosa pro m e dio modificada

X n p = total de defectuosos originales

A

= total de defectuosos sobre del L S C

= n m e ro inicial de m uestras

= n m e ro de m uestras que superan el L S C p

= ta m ao de la m uestra

L o s lm ite s d e c o n tro l m o d ific a d o s se re c a lc u la n u s a n d o la fra c c i n

defectuosa m odificada. C o n estos n u e vo s lmites se deb e revisar de n u e vo si
existen puntos fuera. Si los hay, se recalculan de n u e v o p y los lm ites. Si se
elimina m s del 4 0 % de las m uestras, el estudio pierde validez estadstica y por
lo tanto no es conveniente continuar. S e deben introducir mejoras que reduzcan
el porcentaje defectuoso y repetir el anlisis con nu e va informacin.
Las m uestras que se encuentren bajo el L IC p, no deben eliminarse, pero s
investigar las ra zo n e s de tal situacin, pu es tal y co m o se dijo anteriorm ente,
p u e de que sean ca so s especiales dignos de tratar con cuidado.

CONTROL DE CALIDAD

412

Si h a y te n d e n c ia s de p e n d ie n te p o sitiva , se d e b e d a r un s e g u im ie n to
estricto al proceso, con el fin de tom ar acciones preventlvas.que eviten qu e la
fraccin defectuosa, de un m om ento a otro, supere el L S C p.
Si la tendencia e s negativa, implica un indicio de m ejora en el proceso. De
todas form as se deb e n investigar las ca u sa s para estar seg u ro s de que son de
c arcte r beneficioso y no perjudicial.
U n a v e z que se ha investigado el proceso, se debe analizar la situacin del
m is m o con re s p e cto a la e sp e c ifica ci n . S e d e b e te n e r p re se n te a q u , si la
especificacin es un m xim o o un prom edio. Si no se cum ple con lo especifica
do, se deben introducir m ejoras que dism inuyan la fraccin defectuosa o pactar
u na n u e v a fraccin con el cliente si es posible. Lo s e g u n d o es la nica opcin
que qu e da cuando se tiene certeza de que el proceso no tiene posibilidades de
m ejora.

S eg uim ien to d e l g r fico

U n a v e z q u e s e tie n e c e r t e z a de q u e el p r o c e s o h a s id o a n a liz a d o
deten id am e nte, se p u ede n usar los ltim os lmites de control de pro ceso para
con trola r las caractersticas de calidad hasta que a lca n ce un nivel de calidad
satisfactorio. E s im po rtante en esta e ta p a fijar m e ta s, cu m p lirla s y tra za rs e
n u e v a s. Esto con el fin de bu scar la excelencia en el proceso.
L a a p lica c i n d e g r fico s de co n tro l p se p u e d e v is u a liz a r m e jo r en el
F lu jo g ra m a que se presenta en el A p n d ice II.

EJEMPLO 5.3
U n a ln e a de p ro d u c c i n de p a n ta lo n e s tie n e g ra n d e s p ro b le m a s de
c a lid a d , p u e s lo s lo te s e s t n s ie n d o p r o d u c id o s c o n un p r o m e d io de
defectu osos su p erio r al 3 % especificado co m o pro m e dio . Esto ha significado
g ra n d e s v o l m e n e s de re cha zo en los ltimos m eses.
C o n el fin de investigar esta situacin se ha recolectado la informacin que
p re senta el C u a d ro 5.4.

Estudiar este problema usando un grfico p.

JORGE ACUNA ACUNA

41 3

CUADRO 5.4. Informacin recolectada para el Ejemplo 5.3

H O JA D E D A T O S G R A F IC O S D E C O N T R O L P
Artculo:
Pantalones
Inspector:
V. Sanabria
Lnea:
12
Fecha: 12-09-85
Turno: 1
Nmero de muestra

Cdigo:
PA-678
Especificaciones:
3 % promedio
Tam ao de muestra: n=50
Hora de inicio: 8:00 am
Hoja #1 de 1
1

Hora
# de defectuosos
Fracc. de defectuosos

10

8:00 8:10 8:35 8:51 9:00 9:16 9:29 9:41 9:59 10:07
4
3
8
2
5
1
2
10
4
3
0,06 0,16 0,08 0,04 0,10 0,02 0,04 0,20 0,06 0,08

Nmero de muestra

11

Hora
#de defectuosos
Fracc. defectuosa

12

13

14

15

16

17

18

19

20

10:18 10:25 10:31 10:42 10:55 11:03 11:15 11:25 11:35 11:50
2
4
1
4
3
5
3
2
7
2
0,06 0,04 0,10 0,08 0,06 0,04 0,14 0,04 0,02 0.08

SOLUCION
I.

C onstruccin

L o s P a s o s 1, 2, 3 y 4 fu e ro n r e a liz a d o s d e p re v io a la to m a d e la
informacin.
Los P a so s 5 ,6 y 7 se encuentran en el C u a d ro 5.4.
P a so 8. C lc u lo del pro m e dio de defectuosos

Zn p

75

p = ------------- =------------------ = 0,0 7 5

m-n

1000

CONTROL DE CALIDAD

414

P a so 9. Lm ites de control
a.

Lm ites especificados
p

= 0 ,0 3

n=50

L S E p = 0 ,0 3 + 3
LCE

\j[0,03*(1 -0 ,03)]/50 =

0,11

= 0 ,0 3

L IE p = 0 ,0 3 - 3 \| [0,03*(1 -0 ,03)]/50 = -0 ,0 4 2
D a d o que el L IE p result negativo a su m e el va lo r de cero. S e a :
L IE p= 0

b.

Lm ites de control de proceso

L S C p = 0 ,0 7 5 + 3 \|[0,075*(1 -0 ,075)]/50 = 0 , 1 9
L C C = 0 ,0 7 5
P

L IC p = 0 ,0 7 5 - 3 \f[0,075*(1 -0 ,075)]/50 = -0 ,0 3 7
El lmite inferior se asu m e cero. S e a :
L IC = 0
P

P a so 10. C o n stru cci n del grfico

L a F ig u ra 5 .6 m uestra el grfico correspondiente a este ejem plo.

II.

A n lisis d e l gr fico
Al o b s e rva r la F ig u ra 5.6, se nota un punto fuera, el co rresp ondiente a la

m u e s tra N o . 8. P o r c o n s ig u ie n te s e e lim in a y s e p ro c e d e a re c a lc u la r el
p ro m e dio de defectuosos y los lm ites m odificados.
7 5 -1 0

65

65

p m= -----------------------= --------------- = ---------------= 0,068

1

(20-1 )*50

19*50

950

JORGE ACUA ACUA

415

FIGURA 5.6. Grfico de control p para el Ejemplo 5.3.

LSC

p>

LCC.

0 ,0 6 8 + 3

\j [0,068*(1 -0,068)]/50 = 0 , 1 8

0 ,0 6 8

L IC pm

= 0 ,0 6 8 - 3 \[ [0,068*(1 -0 ,068)]/50 = -0 ,0 4

L IC

= 0

Al obs e rva r de nuevo la Figu ra 5.6 con los n u evo s lmites m odificados, se
nota que no se sale ningn punto. E n cuanto a tendencias no hay nada im por
tante qu e m encionar.
H asta aqu, el pro ceso de fabricacin de pantalones es ca p a z de brindar
una calidad prom edio de 6 ,8 % , lo cual est lejos de la especificacin 3 % . S e de
be Investigar la causa de tanto rechazo, averiguando cules caractersticas de
calidad son las m s problem ticas con el fin de controlarlas en una form a m s
estricta.
E n general, se puede concluir que en realidad el proceso est produciendo
con un bajo nivel de calidad.

CONTROL DE CALIDAD

416

III.

S eguim iento
N o e s p o s ib le u s a r e ste g r fico de con trol p a ra s e g u im ie n to p u e s no

c u m p le con la e s p e c ific a c i n . S e d e b e repetir el e stu d io c u a n d o se te n g a

ce rte za de que la calidad ha m ejorado.

E J E M P L O 5.4
E n el E je m p lo 5 .3 , se d e s e a in v e s tig a r la s itu a c i n del p ro c e s o pero
u tiliza n d o m u e s tra s de ta m a o va ria b le . La info rm a ci n se p re s e n ta en el
C u a d ro 5.5. Efe cte el anlisis a travs de un grfico p.

CUADRO 5.5. Informacin del Ejemplo 5.4

HOJA DE DATOS GRAFICOS DE CONTROL p

Artculo:

Pantalones

Inspector:

V. Solano

Lnea:
12
Fecha: 12-09-85
N m e ro d e m u e s tra

PA -6 78

Cdigo:
Especificacin:

3% promedio

Tamao de muestra:
Hora de inicio: 7:00 am

Turno: 1

Variable
Hoja # 1 de 1

10

7:00

7:30

8:00

8:30

9:00

9:30

10:00

10:30

11:00

11:30

Tamao dem uestra

50

58

40

80

68

65

60

44

55

58

# de defectuosos

10

0,061

0,083

Hora

Fracc. defectuosas

Nm ero de muestra

0,080 0,052 0,125

11

12

0,125 0,118

0.045 0,018 0,052

13

14

15

16

17

18

19

20

1:30

2:00

2:30

3:00

3:30

4:00

4:30

5:00

Tamao dem uestra

41

54

60

50

55

65

66

50

41

66

# de defectuosos

Hora

Fracc. defectuosa

12:00 1:00

0,049 0.148 0,067

0,100 0,054

0,030 0,061

0,060 0,122

1
0.015

JORGE ACUNA ACUA

417

SOLUCION
I.

C onstruccin d e l gr fico

L o s P a s o s 1, 2 , 3 y 4 f u e ro n r e a liz a d o s d e p r e v io a la to m a d e la
inform acin.
Lo s P a so s 5 ,6 y 7 se encuentran en el C u a d ro 5.5.
P a so 8. C lc u lo de la fraccin prom edio de defectuosos
Xnp
p=
Xn

82
= ------------1126

= 0 ,0 7 3

P a so 9. C lc u lo de lmites
a.

Lm ites especificados
S o n los m ism o s del E jem plo 5.3.

b.

Lm ites de control del proceso.

S e presentan aqu los dos casos, para efectos de m ostrar su aplicacin. La

decisin de cul usar se da en funcin del grado de variabilidad del tam ao de
la m uestra , lo qu e pu e d e p ro v o c a r dificultades s e g n lo pre sentan los casos
citados al inicio del captulo.
C A S O A . B a sa d o en el pro m e dio del tam ao de la m uestra
50 + 58 + 4 0 + ..................+66
n =------------------------------------------------------------ = 56,3

20
L S C p = 0 ,0 7 3 + 3

J [0,073*(1 -0 ,073)]/56,3=

0,18

L C C = 0 ,0 7 3
P

L lC p = 0 , 0 7 3 - 3 \f[0,073*(1-0,073)]/56,3 = -0 ,0 3 1
L IC

=0

CONTROL DE CALIDAD

418

C A S O B . B a sa d o en lm ites individuales
S e d e b e u s a r c u a n d o el ta m a o de la m u e s tra s e a m u y v a ria b le . L o s
lmites se presentan en el C u a d ro 5.6.

CUADRO 5.6. Clculos para lmites individuales

LS C p

0 ,7 8 /V n

Vn

(*)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

(*)

0,184
0,176
0,197
0,161
0,168
0,170
0,174
0,191
0,179
0,176
0,195
0,180
0,174
0,184
0,179
0,170
0,169
0,184
0,195
0,169

0,1103
0,1024
0,1233
0,0872
0,0946
0,0967
0,1007
0,1176
0,1052
0,1024
0,1218
0,1061
0,1006
0,1103
0,1052
0,0967
0,0960
0,1103
0,1218
0,0960

7,071
7,616
6,324
8,944
8,246
8,062
7,746
6,633
7,416
7,616
6,403
7,348
7,746
7,071
7,416
8,062
8,124
7,071
6,403
8,124

50
58
40
80
68
65
60
44
55
58
41
54
60
50
55
65
66
50
41
66

_ 3 '[ p*(1-p)
3 ,0,073(1-0,073)
0,78
3\J[p*(1-p)]/n = -----------------------= -------------------------------------------= ------------

fn

>ln

JORGE ACUA ACUA

418

0 ,78
(**) L S C p= p + ------------------ = 0,0 7 3

0,78
+ ---------------

IrT

Los lmites inferiores de control tienen una m agnitud negativa por lo que se
tom an co m o cero.
P a so 10. C onstru ccin del grfico
La Figura 5 .7 m uestra el grfico p de este ejemplo, en l se dibujan los dos
tipos de lm ites, para m o stra r qu e p a ra esta m u e stra e sp e c fica los lm ites
individuales no son necesarios.

II.

A n lisis de l grfico

Al observar la Figura 5.7, se puede ve r que ningn punto supera el L S C , por

lo qu e se concluye que el proceso est bajo control. Existe una tendencia ne g a
tiva, no m u y pronunciada, que refleja una disminucin del porcentaje defectuoso.
E n cuanto a la especificacin, este proceso no la cu m ple pues g enera un
prom edio del 7 ,3 % , cuando lo requerido es del 3 % . Por lo tanto, se deben inves
tigar las ca u sa s de ello.

III.

Seguim iento

N o es co n ve n ie n te tra b a ja r con este grfico en la etapa de segu im iento

hasta tanto no se cu m p la con especificacin o se llegue a un acu e rd o con el
cliente de ace p tar lo qu e se est pro d u cie n d o , con el co m p ro m iso de q u e se
har todo lo posible para m ejorar.
Si se desea continuar con la etapa de seguim iento es posible que se den
p u n to s c e rc a del L S C p, p o r lo q u e los lm ite s in d ivid u a le s p u e d e n s e r m s
efectivos que los lmites b asado s en el tam ao de m uestra prom edio.

GRAFICO PARA NUMERO DE DEFECTUOSOS (np)

Este grfico tiene las m ism as caractersticas del grfico p, con la diferencia
de q u e e n lu g a r del v a lo r p en el eje y , se u sa el v a lo r d e np (n m e r o de

0,18

FIGURA 5.7. Grfico de controlp para el Ejemplo 5.4

420
CONTROL DE CALIDAD

JORGE ACUA ACUA

421

defectuosos o disco n fo rm e s). La form a del grfico es la m ism a, pero la infor

m acin que se obtiene es diferente, pues el grfico p origina conclusiones con
base en valores relativos, m ientras que el grfico np las origina con base en v a
lores absolutos. D e p e n d e de lo que se desee se selecciona uno u otro grfico.
El grfico np so la m e n te se usa para ta m a o de m u estra con stante. Los
paso s en la construccin, anlisis y seguim iento son los m ism os del grfico p,
con algu nas variantes en los clculos.
C o n s t r u c c i n de l g r fic o

El procedim iento para la construccin de un grfico np es el siguiente:

1.

Identificar el proceso o m quina qu e causa problem as de calidad. Esto se

hace con la ayuda de los diagram as de Ishikawa, de Pareto y causa-efecto.

2.

A n a liz a r e n fo rm a d e ta lla d a , los d e fe c to s q u e o c a s io n a n p ie z a s d e

fectuosas.

3.

D eterm inar el tam ao de la m uestra (n) segn el procedim iento ya citado.

E s co n v e n ie n te qu e esta m u e stra no sea de un ta m a o inferior a veinte
unidades.

4.

D eterm inar el n m ero de m uestras (m ) a tom ar y el intervalo de m uestreo.

E s co n ve nie nte que este n m e ro de m uestras sea superior a quince y el
intervalo debe ser determ inado de tal forma que se reflejen las condiciones
del proceso.

5.

R e cole ctar las m -m u e stra s de ta m a o n. S e d e b e anotar aqu toda infor

m acin qu e se co n sid e re ne ce sa ria , pu es se de b e record ar qu e en este
tipo de grfico, al igual qu e en el grfico p, es m s difcil el estudio de ca u
sas asignables. Durante esta recoleccin no se deben ejecutar cam bios ni
ajustes en el proceso. Para tener una recoleccin m s ordenada se puede
usar un form ato co m o el que m uestra el C u a d ro 5.7.

6.

R ealizar la inspeccin de las m -m uestras, separando con su debida identi

ficacin a las piezas defectuosas o disconform es. S e debe llevar un regis
tro de la cantidad de piezas defectuosas identificando el tipo y nm ero de
defectos encontrados.

CONTROL DE CALIDAD

422

7.

C a lc u la r el n m e ro p ro m e d io de defectuosos o d isco n fo rm e s u sa n d o la
siguiente expresin:
To ta lid a d de unidades defectuosas en las m -m u e stra s
np =
n m e ro total de m uestras extradas
In p
nP =

100

m
S e p u e d e ca lcu la r tam bin m ultiplicando el ta m a o de la m u estra por la
fraccin defectuosa prom e dio.
8.

C a lc u la r los lm ite s e s p e c ific a d o s y los lm ites de co n tro l de p ro c e s o ,

ba s n d o se en la distribucin binom ial.
a.

Lm ites especificados

E stos lmites p u ede n estar b asados en un va lo r m xim o, cu a n d o se esta

blece que el n m e ro de defectuosos no debe su p e ra r una cantidad fijada o en
un valor pro m e dio cu a n d o se especifique el requerim iento en esa form a.

V a lo r m xim o (p = fraccin m xim a especificada)

A

L S E p = np
V a lo r pro m e dio (p = fraccin prom edio especificada)

L C E np = np

L IE
b.

Lm ites de control del proceso

JORGE ACUA ACUA

423

L C C p = np
L|Cp = n p - 3 ' l n p (1 -p )
El lmite superior se red o ndea hacia arriba y ei lmite inferior hacia abajo,
con dos decim ales.
C u a n d o el lmite inferior de control del proceso es negativo, tom a el valor
de cero.
9.

C onstru ir el grfico. El grfico np presenta en el eje x el nm ero de m u e s

tra, la hora de recoleccin, nom bre del recolector, la m quina, etc., y en el
eje

el nm e ro de defectuosos. S e d e b e usar una escala ade cu a d a que

permita graficar hasta el valor m s alto entre el lmite superior de control de

p roceso y el valor de m s m agnitud entre los nm ero s de defectuosos.
U n a v e z que se tienen los ejes se trazan los lmites de control del proceso
y c a d a uno de los pu nto s co rresp o ndientes a ca d a m uestra, unindolos
con lnea recta continua tal y com o se m uestra en la Figura 5.8. Los lmites
especificado s se p u e d e n su p e rp o n e r en plstico sob re el grfico. N o es
convenie nte graficarlos.

FIGURA 5.8. Representacin de un grfico np

CONTROL DE CALIDAD

424

A n lisis de l gr fico
Al igual que el grfico p, hay que tener en cuenta dos aspectos principales:
a.

La situacin del pro ceso con respecto a s m ism o

b.

El control del proceso con respecto a especificaciones

Si se analiza el prim er aspecto, se pueden encontrar tres situaciones:

M uestras sob re el lmite superior de control

M uestras bajo el lmite inferior de control

T e n d e n c ia

S i e x is te n m u e s tra s s o b re el lm ite s u p e rio r de co n tro l es n e c e s a rio

elim inarlas y recalcular el nuevo prom edio de defectuosos o disconform es con
sus respectivos lmites de control. El valor del nm ero prom edio de defectuosos
m odificado se calcula as:
_

In p -F

nPm= ------------------

(m-l)
donde:
npm = n m e ro prom edio de defectuosos m odificado
X n p = total de defectuosos originales
F = total de defectuosos fuera del L S C np
m = n m e ro inicial de m uestras
I = n m e ro de m uestras que superan el L S C np
n = ta m a o de la m uestra
Lo s lmites de control m odificados se recalculan usand o el nuevo valor del
prom edio de defectuosos. C o n estos lmites se debe revisar de nuevo si existen
puntos fuera. Si los hay, se recalcula de nuevo el prom edio de defectuosos y los
lm ites. S i se elim ina m s del 4 0 % de las m uestras, el estudio pierde va lid e z
esta d stica y p or lo tanto no es co n v e n ie n te co n tin u a r. S e d e b e n introd u cir

JORGE ACUA ACUA

425

m ejoras que reduzcan el nm ero de defectuosos y repetir el anlisis con nueva

informacin.
La s m uestras que se encuentren bajo el L IC np no deben eliminarse, pero se
deben investigar las razo nes de tal situacin, pu es tal y co m o se dijo anterior
m ente, puede qu e sean ca so s especiales dignos de tratar con cuidado.
Si h a y te n d e n c ia s de p e n d ie n te p o sitiva , se d e b e d a r un s e g u im ie n to
estricto al proceso, con el fin de que se puedan tom ar acciones preventivas que
eviten que el n m ero de defectuosos, de un m om ento a otro, su pere el L S C np,
Si la tendencia es negativa, implica un indicio de m ejora en el proceso. De
todas form as se deb en investigar las causa s para estar seguros de que son de
carcter beneficioso y no perjudicial.
U n a v e z qu e se h a investigado el p ro ce so , se d e b e an a liza r su situacin
con respecto a la especificacin. H a y qu e tener pre sente aq u , si la especifi
cacin es un m xim o o un pro m e dio . Si no se cu m p le con lo especificado, se
deb e n introducir m ejoras qu e dism in uyan el n m ero de defectuosos o pactar
una nueva especificacin con el cliente si es posible. Lo segundo es la nica op
cin q u e q u e d a c u a n d o se tie n e c e rte z a de q u e el p ro c e s o no tiene p o s i
bilidades de m ejora.

S eguim iento d e l grfico

S e aplica lo ya anotado para el grfico de control p.

C o n este g r fico se p u e d e a p lica r el flu jo g ra m a q u e se p re se n ta en el
A p n dice II, siem pre y cu a n d o se cam bien los trm inos que hablan de porcen
taje defectuoso por nm ero de defectuosos.

E JE M P L O 5.5

U n a imprenta desea estudiar su proceso mediante un grfico de control np.

Para ello, se tom an 20 m uestras de 200 lm inas im presas cada una, las cuales
se m uestran en el C u a d ro 5.7. H a c e r el anlisis correspondiente.

CONTROL DE CALIDAD

426

CUADRO 5.7. Informacin recolectada para el Ejemplo 5.5

HOJA DE DATOS GRAFICOS DE CONTROL np

Cdigo:
Especificacin:
Tamao de muestra:
Hora de Inicio: 2:00 pm

Artculo:
Impresos
Inspector:
A. Siles
Linea: 1
2-67
Fecha: 12-03-85
T urno: 2
1

Nmero de muestra

2:00 2:30
7
6

Hora
# de defectuosos

11

Nmero de muestra

12

7:00 7:30
7
9

Hora
# de defectuosos

IP 458
2% Mximo
n=200
Hoja # 1de 1

10

3:00
4

3:30
2

4:00
10

4:30
8

5:00
6

5:30
4

6:00
5

6:30
4

13

14

15

16

17

18

19

20

8:00
2

8:30
1

9:00
4

9:30 10:00 10:30 11:00 11:30

2
4
3
12
15

SOLUCION
I.

C onstruccin d e l gr fico

L o s P a s o s 1, 2 , 3 y 4 f u e ro n r e a liz a d o s d e p r e v io a la to m a d e la
inform acin.
Los P a so s 5 y 6 se encuentran en el C u a d ro 5.5.
P a so 7. C lculo del pro m e dio de defectuosos
In p

115

np = --------------= ----------------= 5,75

20

P a so 8. Lm ites de control
a.

Lm ite s especificados

b.

Lm ites de control de proceso

115
p = ------------------- = 0 ,02875

200*20
L S C np = 5,75 + 3 5 ,7 5 * (1 -0 ,0 2 8 7 5 )%= 13
L C C np = 5 ,7 5
L IC np = 5 , 7 5 - 3 '1 5 ,75.(1-0,0287 5) = - 1 , 3 4

El lmite inferior se su po n e que es cero. S ea:

L IC np = 0
P a so 9. C onstruccin del grfico
La Figura 5.9 m uestra el grfico correspondiente a este ejemplo.

II.

A n lisis d e l gr fico
A l o b s e rv a r la F ig u ra 5 .9 , se nota q u e la m u e stra N o . 17 sale so b re el

L S C np, lo que indica que en el m om ento de tom a de esta m uestra el nm ero de

defectuosos se increm ent. A nte sto, se elimina esta m uestra y se recalculan
los lmites de control de proceso.
In p -1 5
1 1 5 -1 5
n p m= ----------------------= ------------------------------ = 5,26
m -1
19
pm
1

= 1 / 3 8 0 0 = 0 ,0263

L S C np = 5,2 6 + 3 ^ 5 ,2 6 .(1 -0 ,0 2 6 3 ) = 12,0

L C C n p = 5 ,2 6

CONTROL DE CALIDAD

428

Fi GURA 5.9. Grfico de control np para el Ejemplo 5.5

L IC np = 5 ,2 6 - 3 i 5 ,2 6 .(1 -0 ,0 2 6 3 ) = -1 ,9 4
L IC n p = 0
Al o b s e rv a r de nu e vo la F ig u ra 5.9, pero con los n u e vo s lm ites m odifica
d o s , se nota q u e la m uestra N o . 16 est fuera del lm ite su p e rio r de control.
P uesto que an no se han elim inado m s del 3 0 % de las m uestras se procede
a recalcular el pro m e dio y los lm ites de control.
1 0 0 -1 5
np
r m=

= 4 ,89
1 9 -1

pm
1

= 88/3800 = 0,0 2 44

L S C np = 4 ,8 9 + 3 'J4 ,8 9 * (1 -0 ,0 2 4 4 ) = 12,0
L C C np = 4 ,8 9

JORGE ACUA ACUA

L IC

429

= 4 ,8 9 -3 '1 4 ,8 9 .(1 -0 ,0 2 4 4 ) =

Al observar la Figura 5.9 se nota que

se sale ninguna otra m uestra.
C o n respecto a especificacione s, no h a y cum plim iento, pues el m xim o
requerido es de 4 unidades disconform es, m ientras que el pro ceso g e nera 12
u nidade s defectuosas co m o m xim o. D e b e n buscarse soluciones inm ediatas
pues la situacin es crtica.
C o n respecto a tendencias, el grfico m uestra bastante irregularidad, con
altibajos que m erecen ser estudiados.

Seguim iento
El seguim iento con este grfico no es conveniente, pues no se cum ple con
la especificacin, y el pro ceso se encuentra m uy lejos de cum plirla.
M to d o g r fic o
C u a n d o no interese analizar tendencias sino m s bien sa b e r si el proceso
est fuera de control con base en un anlisis rpido, se p u e d e utilizar la Figura
5.10. El procedim iento por seguir es el siguiente:
1.

S e calcula el valor de np, con base en la frm ula ya dad a.

2.

S e localiza en el eje x el va lo r del n m e ro de d efectu osos y se tra za una

lnea recta hacia arriba hasta intersectar la lnea de trazo grueso.

3.

S e traza una lnea horizontal punteada desde la interseccin anterior y el

eje y. Este valor es el L S C np.

4.

S e busca en el cuadro de valores de np, la o las m uestras que sobrepasan

el valor del L S C np. Si no hubiese ningn punto fuera de ese lmite se dice
que el proceso est bajo control estadstico.

5.

Si existen puntos fuera se ejecuta el anlisis si corresponde.

CONTROL DE CALIDAD

430

Valores de np

FIGURA 5.10. Forma grfica de aplicar un grfico de control np.

E J E M P L O 5.6

Resolver el Ejemplo 5.5, utilizando el mtodo grfico.

1.

El valor de np es 5,75 segn el E jem plo 5.5.

2.

S e localiza el valor de 5,75 en el eje x.

3.

Al utilizar la Figura 5.1 0 se obtiene que el L S C np es Igual a 13 defectuosos.

4.

Al o b s e rv a r el C u a d ro 5 .7 se nota qu e la m uestra N o. 17 tiene 15 defec

tuosos, por lo que es necesario h acer el anlisis.
1 1 5 -1 5
npm= ------------------------= 5,26

20-1
Al localizar el nuevo valor de 5,26 en el eje x de la Figura 5.1 0 se nota que
el L S C np m odificado es 12 defectuosos. Al o bservar de nuevo el C u a d ro 5.7 se
nota q u e la m u e stra N o . 16 se e n c u e n tra fuera de ese lm ite. S e p ro ce d e a
recalcular el valor de np.
npm=

1 1 5 -1 5 -1 2
-------------------18

4,89

Al re visa r de n u e v o la F ig u ra 5 .1 0 , ah o ra con n p m= 4 ,8 9 se tiene qu e el

L S C npsigue siendo 12 defectuosos. Por lo tanto, ya no hay m s m uestras fuera
del lmite superior de control.
E n c o n clu s i n , se tiene un p ro c e s o qu e brind a un lm ite su p e rio r de 12
defectuosos, el cual es m ayor que el valor especificado de 4 defectuosos. Por lo
tanto h a y que ejercer accion es para dism inuir esa cantidad de defectuosos.

GRAFICO PARA DEFECTOS POR MUESTRA (c)

E ste grfico, llam ado tam bin grfico c, sirve para el control de defectos
cu an do stos se ch eq u e a n por m uestra extrada.
E n estos grficos, al igual que en los grficos para defectuosos, los puntos
que estn bajo el lmite inferior de control no se eliminan, sino que se investigar
sus ca u sa s, pues pueden significar baja cantidad de defectos. La importancia

CONTROL DE CALIDAD

432

de estos grficos es qu e perm iten a n a liza r a fondo aquellos defectos q u e se

p re senta n con m s frecu e ncia , c u y a red u cci n y posible elim inacin, p u e d e
permitir la elim inacin o reduccin de la cantidad de defectos.
C o m o se ha dicho antes, la clave de xito de este tipo de control est en la
eficiencia y eficacia de la insp eccin . A n te ello, es necesario n o rm a liza r m
todos y criterios en las decisiones de aceptacin y rechazo de unidades. C o m o
u n a a y u d a c la v e a e sto se tie nen los m a n u a le s de in sp e cc i n b a s a d o s en
m u e s tra s p a tr n q u e e s ta b le z c a n el g ra d o de criticid a d d e c a d a d e fe c to
encontrad o en la lnea de produccin en estudio.
E s im portante reca lca r qu e por ser atributos los qu e se in speccio n an, se
deb e n tener a d e c u a d o s m e dios de recoleccin de datos que perm itan la a n o
tacin de ca ra cte rstica s e sp e cia le s o b s e rv a d a s en el m o m e n to de to m a de
m uestras.
E stos grficos tam bin se aplican en tres etapas: construccin, anlisis y
seguim iento.

C onstruccin d e l gr fico
Los p aso s en la construccin del grfico c son los siguientes:
1.

2.

L o c a liz a r la m q u in a o ln e a de p ro d u c c i n con p ro b le m a s de c a lid a d

originados por la cantidad de defectos producidos.
C la s ific a r los d e fe c to s , de tal m a n e ra q u e el e stu d io se re a lic e so b re
defectos crticos.

3.

S e leccionar el o los defectos sobre los cuales se llevar el grfico de c o n

trol c.

4.

5.

C a lc u la r el ta m a o de la m u e stra n. E s ta m u e stra d e b e s e r de ta m a o
constante.
Determ inar el nm ero de m uestras m que se van a extraer. E s re com enda
ble que sea superior a veinte.

6.

R ecolectar las m uestra s a un intervalo de m uestreo qu e garantice aleato

riedad y representatividad. El C u a d ro 5.8 m uestra un ejem plo de form ato
que pu e de se r usa do para orga n iza r el proceso de recoleccin.

JORGE ACUNA ACUNA

433

m
8.

C a lc u la r los lm ites de control del grfico b a s n d o s e en la distribucin de

Poisson.
a.

Lm ites especificados

Si se da el nm ero de defectos en promedio, los lmites se calculan as:

L S E C = c + 3 j*e
L C E C= c
L IE C = c - 3

Si se da el n m ero de defectos com o m xim o

L S E C= c
donde:
A

c = n m e ro de defectos por m uestra especificada

b.

Lm ites de control de proceso

L S C c = c + 3 \|c~
LCC c = c
L IC C = c - 3 'Je
*

434

9.

CONTROL DE CALIDAD

Construir el grfico, colocando en el eje x el nm ero de la m uestra y/o fecha

d e e x tra cci n y en el eje y el n m e ro de de fe c to s e n c o n tra d o s en c a d a
muestra. La escala debe ser escogida con los cuidados ya explicados en los
ante rio res grficos. La F ig u ra 5.11 m u e stra un e s q u e m a de este tipo de
grfico.

FIGURA 5.11. Representacin de un grfico c.

A n lisis de l grfico

Si e x iste n m u e s tra s fu e ra de lm ite s d e b e p ro c e d e rs e a re c a lc u la r el

p ro m e d io y los lm ites de control, en especial el lmite su p e rio r de control. El
prom edio m odificado se calcula as:
Zc-t
c m= --------------------------m -k
donde:
cm= prom edio de defectos por m uestra m odificado
t

= total de defectos de las m uestras fuera del L S C c

JORGE ACUNA ACUNA

435

m = nm ero total de m uestras en el estudio

k = nm ero de m uestras fuera del L S C c
E n cuanto a tendencias, se deben obsen/ar y cuidar aquellas que tiendan
a hacer crecer el nm ero de defectos a niveles que afecten el desem peo de la
lnea de produccin o m quina.
C o n respecto a la com paracin con especificaciones, se sigue el procedi
m iento usado en el grfico p. S e deb e po n e r especial cuidado para saber
especificacin ha sido establecida co m o un m xim o o co m o un prom edi .

Seguim iento d e l gr fico

U n a v e z qu e se tiene el p ro ce so o lnea bajo control y se cu m p le con la
especificacin se procede a construir un grfico que con tenga los ltirhos lmi
tes de control. C o n este grfico se llevar un control a futuro, de tal m anera que
se puedan ejercer acciones correctivas y en especial preventivas. Este grfico
debe colocarse cerca del lugar de inspeccin para qu e puntos correspondien
tes a inspecciones recientes se grafiquen lo antes posible. Solo as se pueden
ejercer acciones eficaces.

GRAFICO PARA DEFECTOS POR UNIDAD (u)

E ste grfico, llam ado tam bin grfico u, sirve para el control de defectos
cuando stos se chequean por unidad extrada. La form a de este tipo de grfico
es exactam ente la m ism a del grfico c.
D e b e se r u sa d o c u a n d o la can tida d de defectos es alta y por lo tanto la
cuantificacin por m uestra es difcil pu es m anejara nm ero s grandes.
E n estos grficos, al igual que en los grficos c los puntos que estn bajo el
lmite inferior de control no se eliminan, sino que se investigan las causas, pues
p u e d e n significar baja cantidad de defectos. Al igual qu e los grficos c, stos
permiten analizar a fondo aquellos defectos que se presentan con m s frecuen
cia y cu y a reduccin y posible elim inacin, puede permitir la elim inacin o re
duccin de la cantidad de defectos.

436

CONTROL DE CALIDAD

El xito de la aplicacin de este grfico se basa en la eficiencia y eficacia de

la insp e ccin , por lo qu e es ne cesario n orm alizar m todos y criterios para las
decisiones de a ceptacin y re cha zo de unidades.
Estos grficos tam bin se aplican a travs de las tres etapas: construccin,
anlisis y seguim iento.

C onstruccin d e l gr fico
Lo s paso s en la construccin dei grfico u son los siguientes:
1.

L o c a liz a r la m q u in a o ln e a de p ro d u c c i n con p ro b le m a s de ca lid a d

originados por la cantidad de defectos producidos.

2.

C la s ific a r los d e fe c to s , de tal m a n e ra q u e el e stu d io se re a lice s o b re

defectos crticos.

3.

Se le ccio n a r el o los defectos sobre los cuales se llevar el grfico de c o n

trol u. P a ra q u e se a utilizado un grfico u y no un grfico c el n m e ro de
defectos debe se r alto.

4.

C a lc u la r el ta m a o de la m u e s tra n. E s ta m u e stra d e b e s e r de ta m a o
constante o variable se g n lo am erite la tom a de ella.

5.

Determ inar el nm ero de m uestras m que se van a extraer. E s recom enda

ble que sea supe rio r a veinte.

6.

R e co le cta r las m u e stra s a un intervalo de m uestreo que garantice a le a toriedad y representatividad. El C u a d ro 5.8 muestra un ejem plo de formato
para la recoleccin de inform acin.

7.

C a lc u la r el v a lo r d e u p ro m e d io o n m e ro de d e fe c to s p ro m e d io p o r
unidad.
m
Ic ,
i=1
u = ------------m*n

8.

C a lc u la r los lm ites de control del grfico b a sndose en la distribucin de

Poisson.

JORGE ACUNA ACUNA

437

a.

Lm ites especificados

Si se da el n m ero de defectos por unidad en prom edio los lmites se

calculan as:
L S E u = + 3 \ju/
LC Eu= u
L I E U = u - 3 \fu/
'

b.

Lm ites de control de proceso

L S C u= u + 3 \lu/n
LCC=u
L I C u = - 3 \Tu/rT

9.

C on s tru ir el grfico, co locand o en el eje x el n m ero de la m uestra y/o fe

ch a de extraccin y en el eje y el nm ero de defectos por unidad. La escala
d e b e s e r e s c o g id a co n los c u id a d o s ya e x p lic a d o s en los a n te rio re s
grficos. La F ig u ra 5.12 m uestra un e sq u e m a de este tipo de grfico.

A n lisis de l gr fico
S i e x iste n m u e s tra s fu e ra de lm ites d e b e p ro c e d e rs e a re c a lc u la r el
p ro m e d io y los lm ites de control, en especial el lmite su perio r. El p ro m e d io
m odificado se calcula as:

438

CONTROL DE CALIDAD

FIGURA 5.12. Representacin de un grfico u.

Ic-t
Um= ----------------------n - I n h
donde:
um = pro m e dio de defectos por unidad m odificado
t

= total de defectos de las m uestras fuera del L S C u

Zn

= total de unidades en la m m uestras

X n k = total de unidade s en las k m uestras fuera del L S C u

E n cuanto a tend e ncia s y co m p a ra ci n con especificaciones, se sigue el
m ism o procedim iento del grfico c.

S eguim iento d e l grfico

E sta etapa sigue los m ism os p aso s explicados para el grfico c.

GRAFICO PARA DEFECTOS POR CIEN UNIDADES

Este grfico, llamado tambin grfico 10Ou, sirve para el control de defec
tos cuando stos se chequean por cada cien unidades extradas de un lote o

JORGE ACUA ACUA

439

lnea de produccin. La form a de este tipo de grfico es exact; (mente la m ism a

de los grficos c y u.

Este grfico debe ser usado cuando la cantidad de detecte s es baja y por lo
tanto la cuantificacin por muestra es difcil pues m anejara nr heros pequeos.
E n estos grficos, al igual que en los grficos c, los puntos cjue estn bajo
el lmite inferior de control no se elim inan, sino que se investigan las ca u sa s,
pues pueden significar baja cantidad de defectos. La importancia de estos gr
ficos e s que permiten analizar a fondo aquellos defectos que se presentan con
m s frecuencia y cu ya reduccin y posible eliminacin, permitira la eliminacin
o reduccin de cantidad de defectos.
El xito de la aplicacin de este grfico se basa en la eficiencia y eficacia de
la inspeccin. A nte ello, es necesario n orm alizar m todos y criterios para las
decisione s de aceptacin y recha zo de unidades.
Estos grficos tam bin se aplican a travs de las tres etapas: construccin,
anlisis y seguim iento.

C onstruccin de l grfico
Lo s pasos en la construccin del grfico 10Ou son los siguientes:
1.

L o c a liz a r la m q u in a o lnea de p ro d u c c i n con p ro b le m a s de ca lid a d

originados por la cantidad de defectos producidos.

2.

C lasificar los defectos, de tal m an e ra que el estudio se realice sob re d e

fectos crticos.

3.

S e le cciona r el o los defectos sobre los cuales se llevar el grfico de co n

trol 10Ou. P ara que se a utilizado un grfico 10Ou y no un grfico c o u el
n m e ro de defectos deb e ser pequeo.

4.

C a lc u la r el ta m a o de la m u e stra n. E sta m u e stra d e b e ser de ta m a o

constante o variable segn se am erite.

5.

D eterm inar el nm ero de m uestras m que se van a extraer. E s recom enda

ble que sea superior a veinte.

440

6.

CONTROL DE CALIDAD

R e co le cta r las m u e stra s a un intervalo de m u estre o qu e garantice a le a

toriedad y representatividad. El C u a d ro 5.8 m uestra un ejem plo de formato
para la recoleccin de inform acin.

7.

C a lc u la r el va lo r de 10Ou p ro m e d io o n m e ro de defectos p ro m e d io por

ca d a cien unidades.
m
1001c,
_

i= 1

100u = ------------------------m*n
8.

C a lc u la r los lmites de control del grfico ba s n d o se en la distribucin de

Poisson.
a.

Lm ite s especificados

S i s e da el n m e ro de d efectos p o r cien u n id a d e s en p ro m e d io los

lm ites se calculan as:
L S E 100u = 10Ou + 100*[3 f u / n ]

L C E IOOu= 100u
L I E 100u = 100u - 100*[3 fu /]

Si se da el n m ero de defectos por unidad c o m o m xim o

L S E 100u = 100u
donde:
A

10Ou = n m e ro de defectos por cad a cien unidade s especificada

b.

Lm ites de control de proceso

L S C )00u= 100u + 100*[3 i u/n]

JORGE ACUA ACUA

441

LCC1(X)u= 100u
L I C ioou

9.

= 100u - 100*[3

u/n]

C onstruir el grfico, colocando en el eje x el nm ero de la m uestra y/o fecha

de extraccin y en el eje y el nm ero de defectos por cada cien unidades. La
escala de b e ser esco gida con los cuidados ya explicados en los anteriores
grficos. La Figu ra 5.1 3 m uestra un e sq u e m a de este tipp de grfico.

9080"
70
60
lOOu 5 0
40
30

20

10
-LIC ioo
4

N ? d e la m u e s tro

FIGURA 5.13. Representacin de un grfico 100u.

A n lisis d e l$ r fic o
S i e x iste n m u e s tra s fu e ra de lm ite s d e b e p ro c e d e rs e a re c a lc u la r el
p ro m e d io y los lm ites de control, en especial el lmite superio r de control. El
pro m e dio m odificado se calcula as:

[Xc-t]
100u = 1 0 0 * --------------------------In - In k
donde:

10Ou

= promedio de defectos por cada cien unidades modificado

438

CONTROL DE CALIDAD

FIGURA 5.12. Representacin de un grfico u.

Xc-t
Um= ----------------------Xn - X nk
donde:
= pro m e dio de defectos por unidad m odificado
t

= total de defectos de las m uestras fuera del L S C u

Xn

= total de unidade s en la m m uestras

X n k = total de unidades en las k m uestras fuera del L S C u

En cuanto a tend encias y co m p a ra ci n con especificaciones, se sigue el
m ism o procedim iento del grfico c.

S eguim iento d e l g r fico

Esta etapa sigue los m ism o s paso s explicados para el grfico c.

GRAFICO PARA DEFECTOS POR CIEN UNIDADES

Este grfico, llamado tambin grfico 10Ou, sirve para el control de defec
tos cuando stos se chequean por cada cien unidades extradas de un lote o

JORGE ACUA ACUA

439

lnea de produccin. La form a de este tipo de grfico es exactam ente la m ism a

de los grficos c y u.
Este grfico debe ser usado cuando la cantidad de dpfectos es baja y por lo
tanto la cuantificacin por m uestra es difcil pues m anejara nm eros pequeos.
E n estos grficos, al igual que en los grficos c, los puntos que estn bajo
el lmite inferior de control no se elim inan, sino que se investigan las c a u s a n
pues p ueden significar baja cantidad de defectos. La importancia de estos gr
ficos es que permiten analizar a fondo aquellos defectos que se presentan con
m s frecuencia y cu ya reduccin y posible eliminacin, permitira la eliminacin
o reduccin de cantidad de defectos.
El xito de la aplicacin de este grfico se basa en la eficiencia y eficacia de
la inspeccin. A n te ello, es necesario n orm alizar m todos y criterios para las
decisione s de aceptacin y rechazo de unidades.
Estos grficos tam bin se aplican a travs de las tres etapas: construccin,
anlisis y seguim iento.

C onstruccin d e l gr fico
Los p aso s en la construccin del grfico 10Ou son los siguientes:
1.

L o c a liz a r la m q u in a o lnea de p ro d u c c i n con p ro b le m a s de calida d

originados por la cantidad de defectos producidos.

2.

C lasifica r los defectos, de tal m a nera que el estudio se realice sob re d e

fectos crticos.

3.

S e lecciona r el o los defectos sobre los cuales se llevar el grfico de co n

trol 100u. P a ra que se a utilizado un grfico 100u y no un grfico c o u el
n m e ro de defectos debe ser pequeo.

4.

C a lc u la r el ta m a o de la m u e stra n. E sta m u e stra d e b e ser de ta m a o

constante o variable seg n se am erite.

5.

Determ inar el nm ero de m uestras m que se van a extraer. E s recom enda

ble que sea superior a veinte.

440

6.

CONTROL DE CALIDAD

R e co le cta r las m u estra s a un intervalo de m u estre o qu e garantice a le a toriedad y representatividad. El C u a d ro 5.8 muestra un ejem plo de formato
para la recoleccin de inform acin.

7.

C a lc u la r el va lo r de 10Ou p ro m e d io o n m ero de defectos p ro m e d io por

ca d a cien unidades.
m

1001c,
=1

100u = ------------------------m*n
8.

C a lc u la r los lmites de control del grfico ba s n d o se en la distribucin de

Poisson.
a.

Lm ites especificados

Si s e d a el n m e ro de d efecto s por cien u n id a d e s en p ro m e d io los

lmites se calculan as:
L S E 100u = 10Ou + 100*[3 'I u/n]
L C E 100u= 100u
L I E 100u = 100u - 100*[3 fu /n]

Si se da el n m ero de defectos por unidad co m o m xim o

L S E 100u = 100u
donde:
A

10Ou = nm ero de defectos por cad a cien unidades especificada

b.

Lm ites de control de proceso

L S C 100u= 100u + 100*[3 'J u/n]

JORGE ACUNA ACUNA

441

L C C 1OOu= 1 0 0 u

L I C ioou = 1 0 0 u - 1 0 0 * [ 3

9.

'u /n ]

Construir el grfico, colocando en el eje x el nm ero de la m uestra y/o fecha

de extraccin y en el eje y el nm ero de defectos p o rca d a cien unidades. La
escala de b e ser esco gida con los cuidados ya explicados en los anteriores
grficos. La Figu ra 5 .1 3 m uestra un e sq u e m a de este tipo de grfico.

-LSC|<

so 70
60
lOOu 5 0
4 0 -30

20

10
H
4

LICioo u

N?de la muestra

FIGURA 5.13. Representacin de un grfico 100u.

A n lisis d e l$ r fic o
S i e x iste n m u e s tra s fu e ra de lm ite s d e b e p ro c e d e rs e a re c a lc u la r el
p ro m e d io y los lm ites de control, en especial el lmite su p e rio r de control. El
prom e dio m odificado se calcula as:
[Ic -t ]
10Ou = 1 0 0 * --------------------------In - In k
donde:

10Ou

= promedio de defectos por cada cien unidades modificado

442

CONTROL DE CALIDAD

t = total de defectos de las m uestras fuera del L S C 100u

X n = total de unidade s en las m m uestras
X n k = total de unida de s en las k m uestras fuera del L S C 100u
En cu a n to a te nd e ncia s y com p a ra ci n con especificaciones, se sigue el
m ism o procedim iento del grfico c.

S eguim iento d e l grfico

Esta etapa sigue los m ism o s paso s explicados para el grfico c.
D a d o que los tres grficos anteriores tienen la m ism a form a, se presenta a
continuacin un ejem plo en el que se m uestra que son equivalentes. T a m b i n
se presenta otro ejem plo en el cual se tienen grficos para diferentes tipos de
defectos.

EJEMPLO 5.7
U n a e m p re s a qu e se d e d ica a la fa b rica ci n de e n v a s e s de vidrio tiene
problem as de calidad, pues la cantidad de defectos en los en va se s ha crecido
co n sid era b lem e nte. A n te esta situacin, se ha decidido instalar un grfico de
control para defectos.
La especificacin es de 0,5 defectos por unidad co m o m xim o.
P a ra ello, se ha n to m a d o veinte m u e s tra s de d ie z u n id a d e s c a d a u n a ,
originndose la inform acin que se presenta en el C u a d ro 5.8.

SOLUCION
S e construirn en este ejem plo los tres grficos c, u y 100u, para m ostrar
que los tres son equivalentes a pesar de la diferencia entre sus definiciones. E n
la prctica solam e nte uno deb e ser con sid erad o.
Los p a so s del 1 al 6 ya han sido ejecutados.
Pa so 7. C lc u lo de valores prom edio

JORGE ACUNA ACUNA

443

CUADRO 5.8. Hoja de datos para et Ejemplo 5 .7

HOJA DE DATOS GRAFICOS DE CONTROL ckj,100u

Cdigo:
Especificacin:
Tamao de muestra:
Inspector:
Hora de inicio: 10:00 pm

Artculo:
Envases de vidrio
Caractersticas: Defectos
Operacin:
Formado
Operario:
Juan Bermdez
Fecha: 23-04-85
T umo: 3
1

Nmero de muestra
Hora de toma
Defectos /muestra
Defectos/unidad
Defectos/100 unidad

W -4567
0,5 por unidad
n=10
L. Domnguez
Hoja # 1 de 1
7

11

Hora de toma
Defectos/muestra
Defectos/unidad
Defectos/100 unidad

11:21
1
0,1
10

12

13

14

15

16

17

Ic

90

u =---------= -----------= 0,45 defectos por unidad

Xn

18

19

11:35 11:40 11:54 12:08 12:17 12:34 12:45 12:56

1
4
6
4
5
2
6
3
0,6
0,4
0,2
0,6
0,4
0,3
0,5
0,1
60
40
50
20
10
60
40
30

Ic
90
c = = ----------= 4 ,5 defectos por muestra

20

10

10:00 10:10 10:23 10:30 10:35 10:45 10:54 10:59 11:12 11:16
14
4
1
1
5
2
9
2
6
6
0,2
0,4
0,5
0,2
0,6
0,6
0,9
1,4
0,1
0,1
20
90
20
40
10
10
50
140
60
60

Nmero de muestra

200

10Ou = 100*0,45 = 45 defectos por cada 100 unidades

P a so 8. Lm ites de control
a.

Lm ites especificados

Para el grfico c

20
1:15
8
0,8
80

444

CONTROL DE CALIDAD

L S E C = 5 + 3 ' T i = 11,7

L C E c= 5
L IE c = 5 - 3

\5 = -1 , 7

UEc =0

P a ra el grfico u
L S E u = 0 ,5 + 3 {0 ,5 / 1 0 = 1,17
L C E u = 0,5
L IE u = 0 , 5 - 3

'Jo, 5/10 = -0 ,1 7

L IE u = 0

P ara el grfico 100u

L S E 100u = 100*0,5 + 100*[3 'J0,5/10]

= 117

L C E 100u= 100*0,5

= 50

L I E 100u = 1 0 0 * 0 ,5 -1 0 0 * [3 'l0 ,5 / 1 0 ]

= -1 7

LIE.oou = 0
b.

Lm ite s de control

P a ra el grfico c
L S C c = 4,5 + 3 { 4 ^ = 11
L C C . = 4,5
L IC c = 4,5 - 3 {4 ^5 = - 1 , 9
L IC

=0

P ara el grfico u

LSCu = 0,45 + 3 \| 0,45/10= 1,1

JORGE ACUA ACUA

445

L C C u = 0,4 5
L IC u = 0 ,4 5 -3 ^ J 0,45/10 = -0 ,1 9
L IC u = 0

Para el grfico 100u

L S C 100u = 100*0,45 + 100*[3 nJ0,45/10] = 110
45
L IC ,00u = 100*0,45 -1 0 0 * [3 \ |0 ,45/10] = -1 9

P a so 8. C onstru ccin de los grficos

L a s Figu ra s 5 .1 4 ,5 .1 5 ,5 .1 6 m uestran los tres grficos. E n ellas se puede
o b se rva r que la form a del grfico es exactam ente la m ism a. Ante ello, se puede
concluir que en este caso cualquiera de las tres formas de m edir los defectos es
bu e n a . Sin e m ba rgo , por la facilidad de clculo y la m agnitud de los valores el
m s a d e c u a d o es el grfico c.

A n lisis de los grficos

Al observar las Figuras 5 .1 4 ,5 .1 5 y 5.16 se nota que la m uestra No. 5 sale
fu era del lm ite s u p e rio r de control. Lo s va lo re s p ro m e d io m odificados y los
n u e vo s lmites son:
cm

9 0 -1 4

76

2 0 -1

19

= 4 defectos por m uestra

cm: prom edio de defectos por m uestra modificado

L S C c = 4 + 3\(4~ = 10
L C C c =

L IC C = 4 - 3
L IC c = 0

\T4 = -2

O)

FIGURA 5.14. Grfico de control u para el Ejemplo 5.7

o
o
2
H
5
O
r~
O
m
O
>
n
O
>
O

o
J3
O
m
>
o
c
z*
>
>
o
c
z
>

FIGURA 5.15. Grfico de control cpara el Ejemplo 5.7.

"

100 u
160

FIGURA 5.16. Grfico de control 100u para el Ejemplo 5.7.

CONTROL DE CALIDAD

JORGE ACUNA ACUNA

449

9 0 -1 4
76
u = -------------------= --------------= 0 ,4 defectos por unidad
2 0 0 -1 0
190
um: prom edio de defectos por unidad m odificado
L S C u= 0,4 + 3 ''10 ,4 / 1 0 = 1
L C C u= 0,4
L I C u= 0,4 - 3 ^0,4/10 = -0 ,2
L I C u= 0
[9 0 -1 4 ]
76
100 u = 100*----------------------- = --------------= 40 defectos por 100 unidades
20 0 -1 0
190
10 0 u m: prom edio de defectos por ca d a 100 unidades m odificado
L S C 100u= 100*0,4 + 100*[3\l0,4/10] = 1 0 0
L C C 100U= 100*0,4

=40

L I C 100u = 100*0,4 - 1 0 0 * [ 3 \ l 0 ,4/10] = - 2 0

E n ninguno de los grficos se salen m s muestras. E n cuanto a tendencias

es importante investigar el com portam iento que se presenta de la m uestra No.
6 a la m uestra No. 15 y el que se aprecia de la muestra No. 15 a la No. 20. La pri
m era serie evidencia una tendencia al decrecim iento en el nm ero de defectos,
pero la se g u n d a serie presenta una tendencia contraria.
E n cuanto a especificaciones, stas no se cu m plen , por lo qu e se deben
h acer los ajustes necesarios para bajar el nm ero de defectos.

Seguim iento
N o es re com endable efectuar un seguim iento con los lmites finales obte
nidos, pues an no se ha logrado cumplir con los niveles de nm ero de defectos
e specificado s. Si se d e s e a se pu e d e n utilizar para identificar los p ro b le m a s

CONTROL DE CALIDAD

450

a ctu a le s y a s e je rce r a c c io n e s p re ve n tiv a s y co rre ctiva s q u e d ism in u ya n el

n m ero de defectos en los en va se s de vidrio.
E J E M P L O 5.8

E n el control de re c e p ci n de u na e m p re s a fabrica dora de puertas d e c o

radas se utilizan grficos de control para defectos por m uestra (c ). Actualm ente
s e re c ib e n lote s de m a d e ra c o rta d a s o b re los c u a le s se in s p e c c io n a n , p o r
m uestreo, tres tipos de defectos principales: defectos A , defectos B y defectos C .
A ctu a lm e n te no h a y e specificacione s estab lecidas por lo qu e se e s p e ra
que este estudio sirva para re c o m e n d a r alguna, si es posible.
S e propone llevar un grfico para ca d a tipo de defecto y uno para defectos
totales. P a ra cum plir con ello se recolecta la inform acin del C u a d ro 5.9.
C o n s tru y a y analice los grficos propuestos.
S O L U C IO N

Lo s paso s del 1 al 6 y a han sido ejecutados.

P a so 7. C lc u lo de valores de c prom edio

P a ra defectos tipo A
Ic A

115
= 5,75 defectos por m uestra

'A

20

Para defectos tipo B

Ic B

91

20

= 4,55 defectos por muestra

c,'B

Para defectos tipo C

JORGE ACUNA ACUNA

451

CUADRO 5.9. Hoja de datos para el Ejemplo 5.8

HOJA DE DATOS GRAFICOS DE CONTROL C

Artculo:
Lminas de acero
Caracterstica: Defectos A, B y C
Operacin:
Recepcin
Operario:
G. Fonseca
Fecha: 01 -03-85
T urno: 1

Nmero de muestra
Hora de toam
# de defectos A
# de defectos B
# de defectos C
Defectos totales

AC 1130
No hay
n=50
C. Valds
H oja# 1 de 1

10

7:00
5
6
8
19

7:20
8
3
8
19

7:35
8
3
2
13

7:43
1
5
6
12

7:57
6
4
3
13

8:14
3
2
1
6

8:35
5
4
3
12

8:46
9
6
6
21

9:06
8
7
7
22

9:35
10
4
3
17

11

12

13

14

15

16

17

18

19

20

Nmero de muestra
Hora de toma
# de defectos A
# de defectos B
# de defectos C
Defectos totales

Cdigo:
Especificacin:
Tamao de muestra:
Inspector:
Hpra de inicio: 7 :0 0 am

9:56
6
2
1
9

10:14 10:23 10:36 10:44 10:58 11:12 11:23 11:34 11:56

7
8
4
5
3
2
4
7
6
1
5
4
7
3
4
10
5
6
2
7
5
8
9
10
4
6
3
18
16
10
19
15
22
16
13
16

lc c
102
c = -------------- = ---------------= 5,1 defectos por m uestra

20

Para defectos totales

Ic T
cT =--------------- =

308
= 15,4 defectos por m uestra

20

P a so 8. Lm ites de control de proceso

Para defectos tipo A

CONTROL DE CALIDAD

452

L S C cA4 = 5,7
5 + 3 \l 5 ,7 5 = 13

L C C cAa = 5 ,7
5

L IC cA
l ic

cA

= 5 , 7 5 - 3 '15 ,7
5 = -1 ,4

=o

P a ra defectos tipo B
L S C cB = 4,5 5 + 3 ^ 4 ,5 5

=11

L C C cB = 4 ,5 5

=5

L IC cB = 4,5 5 - 3\|~4j55

= -1 ,9

L I CcBr

=6

=0

P a ra defectos tipo C
L S C CC = 5 ,1
+ 3 \ 5 l T = 12
7
L C C CC = 5 ,1
7

= 5

L IC CrC = 5 ,1
7 -3 \5 ~7T = - 1 ,6
L IC c

=0

P a ra defectos totales
L S CCtl = 1 5 ,4 + 3'115,4

=28

L C C cl = 15,4
7

=15

L IC cT

=3

= 1 5 ,4 -3 ^ 1 5 ,4

P aso 9. C onstru ccin de los grficos.

C o n el fin de c o n o c e r el a p o rte de c a d a defecto al total de d e fe c to s es
c o n ve n ie n te d ib u ja r un grfico c o m p u e s to en el que se pre senten los cuatro
elem entos, se g n se m uestra en la Figura 5.17.

JORGE ACUNA ACUNA

453

A n lisis de lo s grficos
Al ob s e rva r la Figura 5.17, se nota que ningn punto se sale de lmites en
ningn grfico. P or ello, no existen ca u sa s asignable s en este estudio, con lo
q u e los lotes se estn recibiendo bajo control estadstico.
Si se a n a liza n te n d e n cia s en los grficos en form a co n ju n ta se pu e d e n
saca r importantes conclusiones acerca de la influencia de cad a uno de los tipos
de defecto en la cantidad de defectos totales.
Si se diera una ponderacin a cada tipo de defecto, se tendra que uno de los
tres defectos sera el m s importante y, por lo tanto, el control se centrara en l.
O b s e rv a n d o en la F ig u ra 5 .1 7 el grfico de defectos totales, se ve qu e a
partir de la m uestra No. 6, el n m ero de defectos por m uestra crece, debido a
que la cantidad de defectos de los tres tipos se incrementa, tal y com o se puede
o b serva r en los otros grficos. T a m b i n , a partir de la m uestra No. 9 se aprecia
u na d ism in u ci n en el n m e ro de defectos totales, d e b id a a la d ism in uci n
sufrida por los defectos tipo B y C .
O tra observacin m u y im portante es que a partir de la m uestra No. 13, se
nota u na tend encia a dism inuir en el n m ero de defectos totales por m uestra,
deb ida a la te nd e ncia qu e tienen los defectos tipo A , p u e s los defectos tipo B
parecen p e rm a n e ce r constantes y los defectos tipo C tienden a aum entar.
C o n c lu sio n e s de este tipo son las que se pueden obtener cu a n d o se lleva
un grfico por defecto, de m anera que se pueden tom ar m edidas preventivas y
dism inuir la cantidad de defectos totales.
O tro de los a sp e c to s q u e d e b e a n a liza rs e es el h e c h o de q u e esta ins
peccin indica que el proceso de donde provienen los lotes m uestreados, est
bajo control en todos sus tipos de defectos.
D a d o qu e la cantidad de defectos por m uestra se encuentra bajo control
estadstico es posible tom ar los valores prom edio de cada tipo de defecto com o
referencia para estab lecer valores iniciales especificados. D e b id o a que una
especificacin siem pre busca el m ejoram ienio de la calidad del producto, no es
re c o m e n d a b le e stab lecerlas al m ism o nivel del pro m e dio , sino a un va lo r un
p oco m s exigente, el cual se con vierta en una m eta. A s , los va lo re s e s p e
cificados propuestos pueden ser:

456

CONTROL. DE CALIDAD

1 0 0 ,5 0 ,1 0 y 1, de tal m anera qu e el nm ero total de dem ritos para un perodo

se determ ina u sand o la siguiente expresin:
D = 1 00 cA+ 5 0 cB+ 10cc + c D
donde:
cA, c B, cc y c Drepresentan el nm ero de defectos de cada tipo por m uestra
Estos grficos se aplican en las tres etapas ya explicadas en los grficos
anteriores.

C onstruccin
E n la construccin de un grfico U sse siguen los siguientes pasos:
1.

S e le c cio n a r cuatro ca te goras importantes de defectos. E sta labor puede

ser a y u d a d a por un grfico de Pareto.

2.

C a lc u la r el ta m ao de la m u e s tra n .

3.

D eterm inar el nm ero de perodos de estudio. Estos pueden ser sem anas,
m e se s o trim estres entre otros.

4.

R egistrar la inform acin por perodo. El C u a d ro 5.1 0 m uestra un ejem plo

de form ato para la recoleccin de informacin.

5.

C a lc u la r el valor de U de n m e ro de defectos del tipo i por unidad.

U=

c.
-.....
n

donde:
c es el n m e ro de defectos del tipo i por m uestra
6.

C a lc u la r el valor del ndice de dem ritos.

U s= 1 0 0 U a + 5 0 U b + 1 0 U c + U d

donde:

UA, UB, Ucy UDrepresentan el nmero de defectos de cada tipo por unidad

JORGE ACUNA ACUNA

7.

457

C a lc u la r los lmites de control del grfico b a s n d o se en la distribucin de

Poisson. Estos lmites son para cad a perodo o sea son individuales.

d onde:

C s= 1002*U a + 502. U b+ 102*Uc + U d

8.

C onstruir el grfico, colocando en el eje x la identificacin del perodo y en

el eje y el ndice de d e m ritos (U s). La escala d e b e se r esco gid a con los
cu idado s y a explicados en los anteriores grficos. La Figura 5.18 m uestra
un e sq u e m a de este tipo de grfico.

90

LSCus

80
70
60
Us 5 0
40

7"

30

20
10
0

4 -----------1----------- 1----------- 1----------- 1---------- -----------1----------- 1-----------1---------- + ~ L I C u s

2
3
4
5
6
7
8
9
10
II

Perodo de tiem po

FIGURA 5.18. Representacin de un grfico Us

A nlisis de l grfico

Si existen puntos fuera de lmites se puede elim inar el perodo co rresp on

diente, pero se deben investigar las causas. N o es necesario recalcular ningn
valor pu e s los perodos se analizan en form a independiente.

r
454

CONTROL DE CALIDAD

C.

Ce
LSCc c

CT

FIGURA 5.17. Grficos de control c para el Ejemplo 5.8.

JORGE ACUA ACUA

455

cA = 4 defectos tipo A por m uestra

A

c B = 4 defectos tipo B por m uestra

A

cc = 4 defectos tipo C por m uestra

A

cT = 12 defectos totales por m uestra

S eguim iento
D e bido a la estabilidad presentada por los diferentes tipos de defectos es
im p o rta n te c o lo c a r los lm ites de con trol en un g r fico , q u e s e rv ir p a ra ir
tom ando informacin peridica, y que permitir la tom a de acciones correctivas
o pre ve ntivas si se am eritan.
A d e m s por m edio de este se g u im ie n to se p u e d e n introducir m ejo ras y
establecer especificaciones m s rgidas que poco a poco con du zcan a m ejorar
la a pa rie n cia de las p uertas de co ra d a s. Las especificaciones iniciales deb en
se r revisadas peridicam ente para adaptarlas a las condiciones que m uestre el
proceso.

GRAFICO PARA DEMERITOS

E ste grfico, tam bin con ocido co m o grfico U s, es una form a grfica de
calificar la ca lida d de un p ro ce so . E s te grfico es para uso adm inistrativo y
p erm ite o b s e rv a r el g ra d o en q u e la can tida d e im po rtancia de los defectos
afectan el desarrollo de un proceso.
Si la tendencia que sigue el grfico es de pendiente positiva, se tom arn m e
didas adm inistrativas qu e en el prxim o perodo perm itan cam biar esa te n d e n
cia. E n este grfico los defectos se m iden a travs de una unidad llamada d e m
rito que es una ponderacin multiplicada por el nm ero de defectos por m uestra.
El sistem a de ponderacin usado en este grfico se basa en el sistem a de
D o d g e -T o r r e y , el cual establece cuatro categoras de defectos con peso s de

CONTROL DE CALIDAD

458

Lo m s im portante en este ca so son las tendencias pues son las q u e per

miten evaluar la funcin administrativa en cuanto a calidad se refiere. Las accio
nes por tom ar deben se r lo m s eficaces posibles, de tal m anera que los resul
tados se p uedan ob s e rva r en la etapa de seguim iento.

S eguim iento d e l gr fico

E n esta e ta p a se e v a lu a r n las a c c io n e s a d m in istra tiva s to m a d a s , las

cuales sern positivas si logran cam biar tendencias perjudiciales en la cantidad
de defectos que originan las lneas de produccin.

E J E M P L O 5.9
U n a em p re sa de confeccin de ropa desea llevar un control administrativo
s o b re cu a tro tipos de de fe c to s q u e s o n : ca rrile s (A ) , c o s tu ra s s u e lta s (B ),
tonalidad ( C ) y m a n c h a s (D ). P a ra ello tom a la inform acin de la can tida d de
defectos en los ltimos doce m eses, la cual se presenta en el C u a d ro 5.10.
Pre sentar una form a de control m ediante un grfico U s.

S O L U C IO N

C onstruccin d e l gr fico
Lo s paso s del 1 al 4 se encuentran en el C u a d ro 5.10.
L o s p a s o s del 5 al 7 se e n c u e n tra n en el C u a d r o 5 .1 1 . E ste c u a d ro se
construye para facilitar los clculos y registrar la informacin adicional que se va
genera ndo.
C o m o se p u e d e o b s e rv a r los c lcu lo s de los va lo re s de U se h a ce n por
perodo, lo cual permite calcular los lmites de control en form a individual. Esto
g e n e ra r un grfico de control con lm ites q u e b ra d o s . S e p u e d e c a lc u la r un
lmite constante si se desea, pero para ello el tam ao de la m uestra no debe ser
q l t a m o n t o \ /a ri }h lp

JORGE ACUA ACUA

459

CUADRO 5.10. Hoja de datos para el Ejemplo 5.9

HOJA DE DATOS - GRAFICO Us

Artculo:
Piezas de confeccin
Caracterstica: Defectos A,B,C y D
Operacin:
Lnea de confeccin
Operario:
G. Fernndez
Fecha:01-01-85 al 15-12-85
Mes
Tamao de muestra
# de defectos A
# de defectos B
# de defectos C
# de defectos D
Mes
Tamao de muestra
# de defectos A
# de defectos B
# de defectos C
# de defectos D

CODIGO:
Especificacin:
Periodo:
Inspector:
Unidad: Defectos* 102

Varios
No aplica
Mensual
C. Calero
Hoja #1 de 1

35
10
8
7
4

40
15
7
10
8

30
18
6
11
7

38
14
9
12
5

37
10
10
5
3

34
9
5
7
10

30
18
8
8
12

41
14
9
9
13

35
18
6
10
8

36
10
10
11
7

38
2
12
9
5

42
12
8
7
3

LSC

L IC

CUADRO 5.11. Clculo de limites de control para el grfico Us

MES

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre

n
35
40
30
38
37
34
30
41
35
36
38
42

Uc

uD

u,

c.

au

1474 0,290 0,230 0,200 0,110 42,61 3486,1 9,98 72,55 12,67
1958 0,375 0,175 0,250 0,200 48,95 4212,7 10,26 79,74 18,16
2217 0,600 0,200 0,370 0,230 73,90 6537,0 14,76 118,20 29,60
1975 0,370 0,240 0,320 0,130 51,97 4332,0 10,68 84,00 19,93
1553 0,270 0,270 0,135 0,080 41,97 3388,6 9,57 70,70 13,20
1230 0,265 0,147 0,206 0,294 36,18 3038,4 9,45 64,53 7,82
2292 0,600 0,270 0,270 0,400 76,40 6702,0 14,95 121,20 31,60
1953 0,340 0,220 0,220 0,320 47,63 3972,0 9,84 77,16 18,10
2208 0,510 0,170 0,290 0,230 63,10 5554,0 12,60 100,90 25,30
1617 0,278 0,278 0,306 0,200 44,92 3505,8 9,87 74,52 15,31
1595 0,240 0,320 0,240 0,130 41,97 3224,0 9,21 69,60 14,34
1673 0,286 0,190 0,170 0,071 39,83 3352,0 8,94 66,63 13,03

CONTROL DE CALIDAD

460

P a s o 8. C o n s tru c c i n del grfico. La F ig u ra 5 .1 9 pre se n ta el grfico U s

correspondiente.

MESES

FIGURA 5.19. Grfico de demritos para el Ejemplo 5.9.

A n lisis d e l grfico
Al o b s e rva r la Figu ra 5 .1 9 , se pueden anotar a lg unos aspectos im portan
tes. E n tre ellos:
a.

La tendencia aparenta ser cclica. S e ra m uy conveniente agregar m s in

form a cin que perm ita p ro b a r la hiptesis de que los ciclos p re sentado s
son significativos. E s importante, en caso de que exista ciclicidad, e n c o n
tra r las c a u s a s d e e s a situ acin, p u e sto que sta es perjudicial p a ra el
control.

b.

Los ndices de dem ritos m s altos se presentaron en los m eses de m arzo

y ju lio . E s c o n v e n ie n te in v e s tig a r q u c a r a c te r s tic a s o s itu a c io n e s
im portantes se gene ra ron en esos m eses.

JORGE ACUA ACUA

c.

461

El ndice de dem ritos m s bajo es el correspondiente al m es de junio. E s

c o n v e n ie n te a v e rig u a r qu a sp e c to s b u e n o s se im p le m e n ta ro n en ese
p erodo que perm itieron dism inuir el n m ero de defectos.

d.

A partir del m e s de setiem bre se nota u na cla ra te n d e n cia del ndice de

dem ritos a disminuir.

e.

D e a c u e r d o c o n la v a r ia b ilid a d e n el ta m a o d e la m u e s tra , no es
conveniente trabajar con lmites prom edio. Si se pudiera trabajar con ellos,
se calculan as:
S u m atoria de la co lu m n a de lmites superiores
L S = ------------------------------------------------------------------------------------------------------------n m ero de perodos
S u m atoria de la colu m n a de lmites inferiores
L l = --------------------------------------------------------------------------------------------------------------nm ero de perodos
E n general, se puede decir que un grfico de dem ritos, bien llevado, puede

ser una excelente arm a administrativa, que permite evaluar la labor de la organi
za ci n y llevar un control m acro del com portam iento de calidad del producto.

S eguim ien to d e l gr fico

E n esta e tapa se eva lu a r n las a cc io n e s adm inistrativas to m a d a s en el
p e ro d o de e s tu d io a n te rio r. S e d e b e n e m p le a r los lm ite s y a fija d o s y se
m odificarn u na v e z que se tenga n u e v a inform acin del perod o en estudio.
La s m edidas qu e se tom en deben g arantizar cam bios positivos de tendencias
perjudiciales en la cantidad de defectos que originan las lneas de produccin.

RESUMEN
En este captulo, se han a nalizad o los diferentes grficos de control para
atributos y se han podido analizar las ventajas que stos ofrecen con respecto
a los grficos de control para variables.

CONTROL DE CALIDAD

462

Estos grficos tienen ia ventaja de qu e permiten el control de varias carac

tersticas a la v e z , pe ro la d e s ve n ta ja de qu e no son eficientes para detectar
ca u sa s asignables de variacin.
C o n el fin de decidir qu grfico usar se debe determ inar prim ero si el co n
trol se har para defectuosos o para defectos. Si la cantidad de defectuosos es
excesiva se deb e optar por el control por defectos.
U n aspecto relevante en el uso del control por atributos es el desarrollo de
m a n u a le s de in s p e c c i n c u y o obje tivo es m in im iz a r el e m p le o d e criterios
subjetivos por parte de los inspectores.

PREGUNTAS DE REPASO
1.

P o r q u e s til un m a n u a l de in s p e c c i n ? E x p liq u e las p a rte s q u e lo

co m p on e n.

2.

S eleccione en una e m presa industrial, una lnea de produccin y clasifique

los defectos encontrados.

3.

P o r q u d e b e n s e r c la s ific a d o s los d e fe c to s , los d e fe c tu o s o s y los

disconform es? Explique las diferencias entre ellos.

4.

Q u peligros se corre n al u sa r lm ites b a s a d o s en ta m a o de m u estra

prom edio en lugar de lmites individuales en grficos de control p?

5.

Q u de sve n ta ja s tiene el uso del m todo grfico en grficos de control

np?

6.

Q u criterios se de b e n s e g u ir para decidir si el control por atributos se

har para defectuosos o para defectos?

7.

Q u criterios se deben seguir para seleccionar entre un grfico de control

c, u o 100u?

8.

Ela bore un form ato qu e perm ita recolectar inform acin sobre varios tipos
de defectos y qu e se p uedan graficar en el m ism o form ato.

9.

Q u ventajas y desventajas tiene el uso de grficos de dem ritos?

10. S e le c cio n e una lnea de p ro d u cci n y elabore un m a n u a l de inspecci n

para los defectos que se g eneren en ella.

JORGE ACUA ACUA

463

PROBLEMAS
1.

C o n el fin de iniciar el diseo de un sistem a de control de proceso basado

en atributos para la lnea de cam isas, un ingeniero construy un diagram a
d e Ishikaw a que origin el siguiente listado de caractersticas de calidad:
1. La rgo del rollo de tela
2. A n c h o del rollo de tela
3. H u e c o s
4. C arriles
5. M a n ch a s
6. C o rte s torcidos
7. C o stu ra s torcidas
8. Distancia entre ojales
9. T e la desteida
10. A juste de rayas
11. F o rm a del cuello
12. H o m b ro cado
13. C o stu ra s sueltas
14. M arca en el e m paq ue
15. Im presin del e m paq ue
16. B otones sueltos
C o n b a s e en este listado, tom 150 ca m is a s y e n c o n tr la cantidad de

defectos indicada en el C u a d ro 5.12.

C u le s son los defectos sobre los que se basar el sistem a planteado?
2.

E n una fbrica de e nvase s de vidrio recin instalada, se ha iniciado el esta

ble cim iento de un sistem a de control de pro ceso por atributos. S e deter
m in co m o rea de inspeccin la litografa, debido al volum en de rechazo
que se est g e nerando en esa seccin. D ado que la inspeccin se ejecuta
diariam ente sob re la totalidad pro du cida, el vo lu m e n de inspeccin ser
proporcional al volu m en de produccin. El 1 de abril se recibi un informe
del inspector de la lnea de litografa, el cual se m uestra en el C u a d ro 5.13.
a.

C u l fue la fraccin defectiva del m es de m arzo?

b.

C u le s son los lmites de control basados en el m es de m arzo?

CONTROL DE CALIDAD

CUADRO 5.12. Informacin recolectada de defectos

D EFEC TO

N IV E L DE C R ITIC ID A D

No.

Carriles
Huecos

Crtico

15

Crtico

28

Manchas
Costuras sueltas

Crtico
Menor

125

25

Costuras torcidas

Mayor

Tela desteida

Mayor

Cuello deformado

Mayor

15

Impresin torcida
Rayas desajustadas

Incidental

25

Ojales disparejos

Crtica
Incidental

Botones sueltos

Incidental

Hombro cado

Crtica

c.
d.

100
55

30
100
50
23

Efecte un anlisis sobre el grfico p del m es de m arzo.

Q u fraccin defectiva re c o m e n d a ra co m o especificacin para el
m es de abril?
El 1 de m ayo se recibi el informe del m es de abril, el cual se m uestra
en el C u a d ro 5.14.

e.

C o n s tru y a y a n a lic e un gr fico p b a s a d o en la in fo rm a ci n de los

m e se s de m a rzo y abril.

f.
g.

Q u tan acertada fue la especificacin recom endad a en el punto d.?

C u l fue la p ro d u c c i n d ia ria p ro m e d io b u e n a del m e s de abril?
C u l es el va lo r esperado para el m es de m a yo ?

h.

Q u lm ite s d e c o n tro l p ro p o n e p a ra el m e s d e m a y o ? S e r
conveniente tom ar la fraccin defectiva pro yectada del m es de m ayo
co m o el pro m e dio de los dos m eses anteriores?

JORGE ACUNA ACUNA

465

CUADRO 5.13. Informe del inspector para el mes de marzo

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L p
Artculo:

Envases de vidrio

Cdigo:

Operacin: Litografa
Fecha de inicio 03-03-85
Da

AT-4567

Tam ao de muestra:
Hoja #1 de 1

LUNES

MARTES

Inspector:
MIERCOLES

variable
L. Lara

JUEVES

VIERNES

SEM ANA

No.

np

np

np

np

np

Marzo 3
Marzo 7

172

18

68

10

75

12

76

16

65

10

Marzo 10
Marzo 14

77

78

18

70

10

60

11

72

Marzo 17
Marzo 21

78

12

62

70

10

71

62

12

Marzo 24
Marzo 28

58

57

77

75

74

11

Marzo 31

68

i.

S e tiene suficiente inform acin para dar una especificacin para el

futuro?

3.

E n u n a e m p re s a la ra z n de p ro d u c c i n es de 9 0 0 0 u n id a d e s d iarias.
C o m o plan de m uestreo se sacan m uestras de 100 piezas por da, directa
m ente de la lnea de produccin. Lo s datos de los prim eros veinte das se
m uestran en el C u a d ro 5.15.

a.

Efecte un control por atributos usando un grfico p.

CONTROL DE CALIDAD

CUADRO 5.12. Informacin recolectada de defectos

D EFEC TO

N IV E L D E C R IT IC ID A D

No.

Carriles
Huecos

Crtico

15

Crtico

28

Manchas

Crtico
Menor

125

Costuras sueltas

25

Costuras torcidas

Mayor

Tela desteida

Mayor

Cuello deformado
Impresin torcida

Mayor

15

Incidental

25

Rayas desajustadas

Crtica

Ojales disparejos
Botones sueltos

Incidental
Incidental

Hombro cado

Crtica

c.
d.

100
55

30
100
50
23

Efecte un anlisis sobre el grfico p del m es de m arzo.

Q u fraccin defectiva re c o m e n d a ra co m o especificacin para el
m es de abril?
El 1 de m ayo se recibi el informe del m es de abril, el cual se m uestra
en el C u a d ro 5.14.

e.

C o n s tru y a y a n a lic e un gr fico p b a s a d o en la in fo rm a ci n d e los

m e se s de m a rzo y abril.

f.

Q u tan acertada fue la especificacin recom endad a en el punto d.?

g.

C u l fue la p ro d u c c i n d ia ria p ro m e d io b u e n a del m e s de abril?

C u l es el va lo r esperado para el m es de m a yo ?

h.

Q u lm ite s d e c o n tro l p ro p o n e p a ra el m e s d e m a y o ? S e r
conveniente tom a r la fraccin defectiva pro yectada del m es de m ayo
co m o el pro m e dio de los dos m eses anteriores?

JORGE ACUNA ACUNA

465

CUADRO 5.13. Informe del Inspector para el mes de marzo

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L p
Artculo:

Envases de vidrio

Operacin: Litografa
Fecha de inicio 03-03-85

Cdigo:

AT-4567

Tam ao de muestra:

variable

Hoja #1 de 1

Inspector:

Da

LUNES

MARTES

No.

np

np

Marzo 3
Marzo 7

172

18

68

10

Marzo 10
Marzo 14

77

78

Marzo 17
Marzo 21

78

12

Marzo 24
Marzo 28

58

Marzo 31

68

SEM ANA

i.

MIERCOLES

L. Lara
JUEVES

VIERNES

np

np

np

75

12

76

16

65

10

18

70

10

60

11

72

62

70

10

71

62

12

57

77

75

74

11

S e tiene suficiente inform acin para dar una especificacin para el

futuro?

3.

E n u n a e m p re s a la ra z n de p ro d u c c i n es de 9 0 0 0 u n id a d e s d iarias.
C o m o plan de m uestreo se sacan m uestras de 100 piezas por da, directa
m ente de la lnea de produccin. Lo s datos de los prim eros veinte das se
m uestran en el C u a d ro 5.15.

a.

Efecte un control por atributos usando un grfico p.

CONTROL DE CALIDAD

466

CU A ORO 5.14. Informe del inspector para el mes de abril

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L p
Artculo:
Envases de vidrio
Operacin: Litografa
Fecha de inicio: 01-04-85
Da
SE M A N A

Hoja 1de 1

LUNES

MARTES

No.

np

np

Abril 1
Abril 5

64

68

Abril 7
Abril 11

65

10

66

Abril 14
Abril 18

68

10

Abril 21
Abril 25

64

Abril 28

66

b.
4.

MIERCOLES

JUEVES

VIERNES

np

np

np

10

67

68

64

64

12

65

66

67

62

64

68

65

65

64

10

R e co m ie n d e una especificacin para el futuro.

El C u a d ro 5.1 6 proporciona los resultados de una inspeccin sobre rollos

de tela en el m e s de abril.
a.

C o n s tru y a y analice un grfico c y un grfico u.

b.

Q u valor de defectos prom edio recom ienda para el m es siguiente?

c
5.

Cdigo:
A T-4567
Tam ao de muestra: variable
Inspector:
L. Lara

Q u con clu sione s obtiene de su estudio?

E n extrusin de v ig a s de M g I stas se cortan en form a longitudinal con

dim ensin 90 cm y luego se inspeccionan g e n e ra n d o el C u a d ro 5.1 7.

JORGE ACUA ACUA

467

CUADRO 5.15. Datos para el Problema 3

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L p
Artculo:
Fajas de cuero y vlnll
Cdigo:
ZV-5210
Caractersticas:Defectuosos
Especificacin:
7 % mximo
Operacin:
Revisado final
Tam ao de muestra: n=100
Operario:
JosBism arck
Inspector:
L. Coronado
Fecha:23-10-85
Turno: 3
Horade inicio:10:00pm
Hoja #1 de 1
Nmero de muestra
Hora de toma
# de defectuosos

1
7:00
13

2
7:30
10

3
8:00
7

4
8:30
7

5
9:00
11

Nmero de muestra

11

12

13

14

15

16

17

18

19

20

1:30
8

2:00
14

2:30
18

3:00
10

3:30
15

4:00
8

4:30
13

5:00
9

Hora de toma
# de defectuosos

12:00 1:00
10
13

7
6
8
9
10
9:30 10:00 10:30 11:00 11:30
8
12
13
10
13

CUADRO 5.16. Datos para el Problema 4

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L c y u
Artculo:
Rollos de tela de algodn
Caractersticas:Defectos
Operacin:
Inspeccin de recepcin
Operario:
Juan Solera
Fecha23-07-85
Turno: 1
Hora
Nmero de muestra
Hora de toma
# de defectuosos
Nmero de muestra
Hora de toma
# de defectuosos

Cdigo:
Especificacin:
Tam ao de muestra:
Inspector:
de inicio: 7:00am

10

7:00
3

7:30
3

8:00
6

8:30
3

9:00
1

11

12

13

14

15

16

17

18

19

20

1:30
5

2:00
4

2:30
3

3:00
1

3:30
5

4:00
4

4:30
1

5:00
3

12:00 1:00
4
10

AS-5210
2 en promedio
n=50
L. Corts
Hoja #1 de 1

9:30 10:00 10:30 11:00 11:30

8
7
5
1
3

468

CONTROL DE CALIDAD

CUADRO 5.1 7. Datos para el Problema 5

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L c y u
Artculo:
Vigas de Magnesio en I
Cdigo:
VM-3218
Caractersticas: Defectos
Especificacin:
No hay
Operacin:
Inspeccin de recepcin
Tam ao de muestra: n=200
Operario:
Jaime Solano
Inspector:
H. Corrales
Fecha:28-05-84
Tu rn o :1 y 2
Hora de inicio: 7:00am
Hoja #1 de 1
Nmero de muestra
Hora de toma
# de defectos
Nmero de muestra
Hora de toma
# de defectos
Nmero de muestra
Hora de toma
# Defectos

6.

7:00
22

7:30
27

8:00
17

8:30
22

9:00
19

11

12

13

14

15

16

17

18

19

20

1:30
28

2:00
33

2:30
36

3:00
43

3:30
28

4:00
30

4:30
20

5:00
17

29

30

12:00 1:00
41
18

10

9:30 10:00 10:30 11:00 11:30

28
31
38
24
12

21

22

23

24

25

26

27

28

5:30
23

6:00
27

6:30
12

7:00
15

7:30
17

8:00
3

8:30
18

9:00
45

9:30 10:00
60
77

a.

C o n s tru y a y analice un grfico c y uno 10Ou. C o m p re lo s.

b.

Q u conclusiones sa ca U d . de este estudio?

c.

Q u valor de c prom edio recom ienda para el siguiente perodo?

d.

Q u valor especificado recom ienda?

U n a lne a de p ro d u cci n de ju g u e te s de rueda tiene p ro b le m a s de cali

d a d q u e s e p re s e n ta n c o m o d o s d e fe c to s im p o rta n te s , d e fe c to s A y
defectos B.

JORGE ACUA ACUA

469

C o n el fin de h a c e r un e s tu d io se to m a n 20 m u e s tra s o rig in n d o s e la

inform acin presentada en el C u a d ro 5.18.

7.

a.

C o n s tru y a tres tipos de grficos e indique cu le s se ria n los lm ites

para la etapa de seguim iento.

b.

Q u su geren cias tiene para m ejorar la calidad de este producto?

c.

Q u especificaciones sugiere para el futuro?

d.

Q u probabilidad de detectar puntos fuera de lmites tienen los tres

grficos construidos en a?

U n a m u e ble ra tiene pro b le m a s de calidad con cuatro caractersticas de

calidad asociadas a cuatro tipos de defecto. Para investigar la situacin se

CUADRO 5.18. Informacin para el Problema 6

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L PO R A T R IB U T O S
Artculo:
Juguetes de rueda
Caractersticas: Defectos A y B
Operacin:
Ensamble
Operario:
Carlos Salas
Fecna:27-03-85
Turno:1

Cdigo:
Especificacin:
Tam ao de muestra:
Inspector:
Hora de inicio: 7:00 am

JR-4879
No hay
Variable
L. Domnguez
H oja#1de1

Nmero de muestra

10

Tam ao de muestra
# de defectos A
# de defectos B
# de defectos

59
39
20
5

45
18
13
4

74
28
12
8

80
35
15
19

35
36
15
2

39
28
10
5

49
28
20
4

51
18
10
3

73
35
14
8

68
39
20
7

Nmero de muestra

11

12

13

14

15

16

17

18

19

20

Tam ao de muestra
# de defectos A
# de defectos B
# de defectuosos

64
39
30
8

65
30
39
12

81
41
15
8

30
20
30
22

39
21
15
13

42
31
18
4

55
30
14
10

62
31
15
11

69
39
12
15

79
41
10
31

CONTROL DE CALIDAD

470

tom an 2 0 m uestra s de ta m ao variable, originndo se la inform acin que

presenta el C u a d ro 5.19.
a.

H a g a un p are tog ra m a con la siguiente ponderacin: 1 0 0 ,5 0 , 25, y 1

para defectos A , B, C y D respectivam ente.

CUADRO 5.19. Informacin para el Problema 7

H O J A D E D A T O S - G R A F IC O S D E C O N T R O L P O R A T R IB U T O S
Artculo:
Caractersticas:
Operacin:
Operario:
Fecha:01-01-85

Muebles
Defectos A ,B ,C y D
Ensamble
Cecilia Borbn
Turno:1

Cdigo:
Especificacin:
Tam ao de muestra:
Inspector:
Hora de inicio: 7:00am

JR -4879
12%
Variable
L. Zapata
Hoja#1de1

Nmero de muestra

10

Fecha

10

11

12

Tam ao de muestra
# de defectos A
# de defectos B
# de defectos C
# de defectos D
# de defectuosos

56
18
20
15
12
13

72
25
18
10
13
8

47
8
15
28
17
10

45
13
13
17
18
10

69
8
12
29
19
5

65
15
14
11
11
5

60
8
18
20
12
8

58
25
17
19
11
13

50
10
13
10
3
12

54
28
10
28
4
8

Nmero de muestra

11

12

13

14

15

16

17

18

19

20

Fecha

15

16

17

18

19

22

23

24

25

26

Tam ao de muestra
# de defectos A
# de defectos B
# de defectos C
# de defectos D
# de defectuosos

55
16
18
18
13
5

61
17
15
15
11
14

71
16
10
14
9
8

68
14
10
15
8
7

50
11
17
16
7
10

51
9
14
17
16
8

58
10
12
20
15
17

60
9
23
18
14
3

65
17
15
17
11
4

66
15
19
16
8
10

JORGE ACUA ACUA

471

b.

C o n s tru y a y a n a lic e un g r fic o d e co n tro l p c o n lm ite s re c to s y

que brados. Analice las ventajas y desventajas de uno y otro.

c.

C onstru ya y analice un grfico de control c para cad a tipo de defecto y

uno para defectos totales.

d.

Si se da u na especificacin prom edio del 5 % para defectuosos y de 5

defectos en prom edio para defectos totales, cul es la situacin de
esta lnea de produccin?

e.

C o n s tru ya y analice un grfico u para defectos tipo D .

f.
g.
8.

Q u lmites de control propone usar en el perodo siguiente?

C o n s tru ya un grfico de Indice de dem ritos.

E n un p ro c e s o d e co rte y c o n fe c c i n s e in s p e c c io n a n 2 0 lotes d e 20
c a m is a s c a d a un o . L o s resu ltados d e la in sp e cci n se pre se n ta n en el
C u a d ro 5 .20 . La especificacin se ha fijado en un p ro m e d io de 5 % para
defectuosos y en 10 defectos co m o m xim o.

CUADRO 5.20. Informacin para el Problema 8

H O JA D E D A T O S - G R A F IC O S D E C O N T R O L P O R A T R IB U T O S
Artculo:
Camisas
Caractersticas: Defectos
Operacin:
Corte y Confeccin
Operario:
Carlos Salazar
Fecha:27-08-85
Turno:1

Cdigo:
Especificacin:
Tam ao de muestra:
Inspector:
Horade inicio: 7:00am

CA-3412
10% 10
n=20
L. Domnguez
Hoja#1 de 1

10

# De defectos
# De defectuosos

15
5

19
8

20
3

25
4

5
3

14
2

5
1

20
5

0
0

13
4

Nmero de muestras

11

12

13

14

15

16

17

18

19

20

# De defectos
# De defectuosos

15
6

18
8

15
4

10
5

5
1

0
0

12
5

11
3

9
/

15
8

Nmero de muestra

472

9.

CONTROL DE CALIDAD

a.

Q u p u e d e d e c ir U d de este p ro c e s o ? Ju s tifiq u e su a n lisis con

nm ero s.

b.

Q u pro p one h acer en el futuro?

E n u n a p la n ta q u e tra b a ja tre s tu rn o s se h a lle v a d o un re g is tro de

im perfecciones de acuerdo con el tam ao de m uestra seleccionado, el cual
se m uestra en el C u a d ro 5.21.

CUADRO 5.21. Registro de informacin para el Problema 9

Lunes

Martes

Mircoles

Jueves

Viernes

Sbado

Turno

6a 2
2 a 10
10a 6

16
4
15

16
20
11

21
6
16

27
34
19

6
1
1

17
6
22

18
9
9

11
33
28

17
6
5

27
21
35

3
1
2

25
37
17

a.

A n alice la situacin a travs de un grfico de control.

b.

Si se pide una especificacin cul recom endara?

c.

Q u im plicaciones tiene este estudio?

d.

D e te rm in e la p ro b a b ilid a d de q u e tres p u n to s co n s e c u tiv o s e stn

sob re el lmite superior de control?

10.

E n u n a e n s a m b la d o r a d e a u to m v ile s se d is p o n e de un re g is tro de
inspeccin de todos los ve h cu lo s e nsam b lados en un m es. Este registro
se m uestra en el C u a d ro 5 .22 y consta de la siguiente inform acin:

F e c h a de ensa m b le

C d ig o de la unidad

To ta l de defectos encontrad os en la unidad

N m e ro de defectos por departam ento

473

JORGE ACUNA ACUNA

CUADRO 5.22. Informacin para el Problema 10

H O JA D E D A T O S - G R A F IC O S D E D E M E R IT O S
Artculo:
Automvil
Caracterstica: Defectos A ,B ,C y D
Operacin:
Ensamble
Operario:
Carlos Carrillo
Fecha:07-12-85
Turno: 1
Cdigo de auto
# Defectos totales
# Def. carrocera
# Def. pintura
# Def. tapicera
# Def. mecnicos
Cdigo de auto

# Defectos totales
# Def.
# Def.
# Def.
# Def.
# Def.

carrocera
pintura
tapicera
mecnicos
elctricos

Cdigo:
Especificacin:
Tam ao de muestra:
Inspector:
Hora de inicio: 7:00am

JR -4879
No aplica
Variable
L. Snchez
Hoja # 1 de 1

3646 3761 3760 3759 3758 3737 3756 3755 3745 3754
86
48
22
8
5

63
25
17
10
8

59
27
18
7
6

60
30
14
9
4

61
24
23
7
5

66
32
19
6
6

63
24
24
7
6

57
33
13
6
3

88
40
23
14
9

54
18
19
12
5

3749 3753 3750 3752 3751 3747 3746 3748 3745 3744
60
29
12
9
2
8

59
32
16
8
1
5

70
33
15
7
2
7

62
32
16
8
1
5

64
33
15
7
2
7

67
23
18
13
2
11

57
27
15
5
3
6

64
32
13
10
2
7

62
28
16
10
0
8

58
23
14
9
3
9

a.

C onstruir y analizar un grfico c.

b.

C o n s tru ir un g r fic o de d e m rito s u s a n d o ia e s c a la D o d g e -T o rre y .

c.

Q u conclusiones saca U d de este estudio?

Captulo VI

MUESTREO DE ACEPTACION

n o c a s io n e s se d e s e a in s p e c c io n a r la ca lid a d so b re
cantidades de artculos ya producidos, com o en lotes de
pro du ctos en p ro ce so o lotes recibidos del pro veedor.
,

P a r a e je c u ta r e s te tip o d e in s p e c c i n e x is te n d o

f o r m a s : la in s p e c c i n 1 0 0 % y la in s p e c c i n p o r
m uestreo.
E n la p rim e ra se in s p e c c io n a la totalidad de las
u n id a d e s q u e c o m p o n e n el lote m ie n tra s q u e en la
in s p e c c i n p o r m u e s tre o se to m a u n a m u e s tra de
unidades y con base en su com portam iento se concluye
acerca de la calidad del lote. La eficacia y eficiencia del
m u e s tre o d e p e n d e d e la a le a to rie d a d y r e p r e s e n
tatividad de la m uestra usada para la inferencia.
A lg u n a s c a ra c te rs tic a s que d ife re n cia n a m b o s
tipos de inspeccin se enum eran a continuacin.
IN S P E C C IO N 100%

IN S P E C C IO N PO R M U E S T R E O

A. COSTO
S u costo total es alto, es

Su costo total es bajo, se

476

los e n s a y o s

CONTROL DE CALIDAD

son

c o s to s o s .

Las

y s e to m a n d e c is io n e s en form a
gil.

decisione s son lentas.

B. UTILIZACION
S e em p le a cu a n d o no se pu e den to

S e em plean cu a n d o se pueden tole

lerar riesgos deb ido s al m uestreo en

rar riesgos y es posible aleatorizar la

oca sio nes c u a n d o los defectos ins

recoleccin de datos.

p eccion a dos son crticos.

C. ERRORES
S e e m p le a c u a n d o no es posible
tolerar errores propios de la naturale
z a estadstica de las m uestras.

S e em plea cu a n d o los errores de tipo

e sta d s tic o se p u e d e n a c e p ta r y
pueden ser contratados.

D. SESGOS
Los errores h u m a n o s tales co m o fati
ga, negligencia y dificultades de s u
pervisin, qu e no se pu e den m edir ni
estim ar, h a ce n que rara v e z las c o n
c lu s io n e s q u e se o b tie n e n s e a n
exactas y vera ce s.

E s posible una exactitud real, pues la

cantidad por inspeccionar es m e n o r y
m anejable. La inspeccin se puede
o rgan izar y a travs de entrenam ien
tos se pueden reducir los errores h u
m anos.

E. TIPO DE ENSAYO
N o es aplicable cu a n d o el e n s a yo es
destructivo.

E s el nico m todo aplicable cu an do

el e nsayo es destructivo.

F. CANTIDAD DE PERSONAL
R e q u ie re de m u c h o s insp ecto res,
cu y o costo de adiestram iento es alto.
La orga n izacin de este personal es
m s com pleja.

S e requiere m enos inspectores y su

entrenam iento es m s fcil y eficaz.
La organizacin de este personal es
m s fcil.

JORGE ACUNA ACUNA

477

G.
N ecesita de m uch o equipo. Si ste es
com ple jo y caro ser m uy difcil esta
blecer un laboratorio.

H.
Existe una tendencia a creer que solo
se pueden obtener buenos resultados
si s e in s p e c c io n a la to ta lid a d de lo
p ro d u cid o . E sto es falso p u e s la ins
p e cc i n de g ra n d e s v o l m e n e s m e
d ia n te o p e ra c io n e s rep e titiva s difi
c u lta la o b te n c i n d e b u e n o s r e

EQUIPO
S e puede sele ccionar equipo y for
m ar un laboratorio a d ecuado y orga
nizado.

MITOS
Existe una tendencia a desconfiar de
la estadstica, pues se cree qu e no es
posible obtener m uestras adecuadas.
Si se siguen los pasos del m todo
cientfico no h a y por qu du da r de la
eficacia de los m todos estadsticos.

sultados.

L o s anterio res a sp e c to s h a ce n q u e la m a yo ra de las v e c e s c u a n d o se

p ie n s a en co n tro l e s ta d s tic o de la c a lid a d , se p re fie ra la in s p e c c i n por
m uestre o. Para ello se deb e dispon er de un m anual que especifique pro cedi
m ientos y criterios de decisin.

MANUAL DE INSPECCION
El m a nu a l de inspeccin constituye una im portante herram ienta para la
e sta n da riza cin de criterios, pu es define los pro cedim ientos y m etodo logas
que se deben aplicar al efectuar la inspeccin. El m anual puede estar dedicado
a inspeccin de proceso o de materias prim as y producto terminado. Existen al
g u na s diferencias qu e se centran en el hecho de que si es para el proceso, las
caractersticas deben analizarse con base en las operaciones de produccin y
no en el o los productos que se fabriquen.
El objetivo del m anual es lograr la norm alizacin de los m todos y p ro ce
dim ientos de inspeccin, con el fin de m inim izar las decisiones subjetivas que
se to m e n. Lo que se quiere es qu e los inspectores tengan un m edio de tom ar
decisiones que no se vean influenciadas por criterios propios y subjetivos.

478

CONTROL DE CALIDAD

El m anual de b e estar co m p u e s to por una serie de seccio nes. A lg u n a s de

ellas son:

1.

2.

Informacin general. Esta

inform acin incluye:

a.

N o m b re de la em p resa

b.

N o m b re y tipo de producto o proceso

c.

C d ig o del producto

d.

N o m b re del o de los inspectores

e.

F e ch a s

Tipo de contrato. S e

indicar en el caso de inspeccin de materias prim as

el tipo de contrato que se ha suscrito entre el com p ra d o r y el ven d e d o r. S e

indicar a q u entre otras cosas:

3.

a.

N o m b re y direccin del p ro ve e d o r o pro veedores

b.

A Q L (N ivel de calidad aceptable)

c.

C o n d icio n e s de re ch a zo de producto

d.

R e e m b o lso p or producto no conform e a requerim ientos

e.

A c u e rd o s especiales con el p ro veedor

Tipo de inspeccin. S e

indicar aq u si la inspeccin es de rutina o e sp e

cial y en qu ca so s se aplica ca d a una de ellas.

4.

Lugar de inspeccin.

S e d e b e d e fin ir el sitio d o n d e se re a liz a r la

inspeccin y el tipo de puesto que se requiere. S e estab lecer el m todo

p or seguir y se darn la pautas para efectuar la actividad con alto g rado de
eficiencia y efectividad.
5.

Procedimiento de inspeccin. S e

definen aqu los pasos por seguir en la

inspeccin, incluyendo el tam ao de la m uestra y la form a en que v a a ser

recolectada, de tal m anera qu e se logre la aleatoriedad y representatividad
requerida.
Ta m b i n se deben definir los criterios de aceptacin y recha zo de lotes, sin
que haya m a yor influencia de los inspectores. S e pu eden utilizar, m uestras

JORGE ACUA ACUA

479

patrn que permitan evidenciar la criticidad de los defectos. S e debe expli

ca r el procedim iento de anlisis de la m uestra y de tom a de decisiones.
6.

Instrumentacin. Si se ejecuta inspeccin por variables se debe organizar

el m anejo y la utilizacin de instrumentos de tal m anera que las mediciones
obtenidas con ellos sean confiables. S e pu eden a g re g a r ilustraciones de
las partes del instrum ento y dependiendo de la com plejidad de su manejo,
se p u e d e n a g re g a r ilustraciones de los diferentes pasos en su utilizacin.
Si los instrum entos son m u ch os, esta seccin puede constituir por s sola
un m anual.

7.

Documentacin. E s im portante tener docu m en tos que perm itan con ser
va r la inform acin recolectada de la inspeccin para su posterior anlisis.
Esta informacin se podra anotar en la orden de fabricacin; sin em bargo,
es m e jo r te ner d o c u m e n to s aparte q u e pu e d a n se r a n a liza d o s ind e p e n
dientem ente. A lg uno s docum entos qu e pueden utilizarse se presentan en
el C a p tu lo 7.

8.

Destino de producto rechazado. T o d o

material o producto que sea re

c h a z a d o de b e tener su a d e c u a d o destino, con el fin de no ca u sa r d es r

d e n e s q u e c a u s e n con fusin en b o d e g a s y lneas de p ro d u cci n . D ebe
b u sca rse salida a todo material re ch a za d o y a sea por venta o desecho.
U n a form a es m arcar un rea en bod ega desde donde se tom ar constan
tem ente ese producto para su venta o desecho.
El m a n u a l de inspeccin , si est bien estructurado, p u e d e servir para la
capacitacin y entrenam iento de inspectores.

DEFINICION DE MUESTREO DE ACEPTACION

El m uestreo de aceptacin es una tcnica estadstica que permite calificai
la c a lid a d de un lote, con b a s e en los a n lisis e fe ctu a d o s so b re u n a o m s
caractersticas de calidad y con base en una o m s m uestras extradas de l.
E s ta t c n ic a e s a p lic a b le p rin c ip a lm e n te en la re c e p c i n d e m aterias
prim as y m ateriales y en la inspeccin de productos term inados y a sea fuera c
de n tro de la f brica q u e p ro d u c e o p ro v e e . T a m b i n es posible utilizarla e r

480

CONTROL DE CALIDAD

in s p e c c i n e n p ro c e s o , c u a n d o un d e p a rta m e n to e n tre g a a otro lotes de

producto sem ielaborado.
C u a n d o se d e c id e a p lic a r m u e s tre o de a c e p ta c i n s e p e rs ig u e n d o s
objetivos fundam entales:
1.

A s e g u ra r la calida d del lote e n v ia d o p ro cu ra n d o qu e ste cu m p la con lo

requerido por el cliente y qu e lo satisfaga durante el plazo pactado.

2.

A s e g u ra r la calidad del lote recibido y aceptar solo aquel que cu m pla con
los requerim ientos.
E n el logro de estos o b je tivo s uno de los a sp e cto s m s relevantes es la

confiabilldad qu e tenga el m uestreo. El tam ao de la m uestra y la aleatoriedad

en su seleccin constituyen las fuentes de error que deben estudiarse a fondo.
Para que el m uestreo de aceptacin sea representativo, debe tenerse e s
pecial cuidado en la form a en q u e se agru pan los lotes, los cuales deben estar
f o r m a d o s p o r u n id a d e s q u e h a y a n s id o f a b r ic a d a s b a jo la s m is m a s
c o n d ic io n e s , e s d e c ir, c o n lo s m is m o s m a te ria le s , m to d o s , m q u in a s ,
operarios y con dicio ne s am bientales.
Al igual q u e en los g r fico s de con trol, se p u e d e e fe ctu a r m u e stre o de
acep taci n pa ra varia ble s y m u e stre o de aceptacin para atributos. La e s c o g encia del tipo de m u e stre o d e p e n d e de las caractersticas por e v alu ar en el
producto som etido a inspeccin.

MUESTREO DE ACEPTACION PARA ATRIBUTOS

U n plan de m uestreo para atributos funciona extrayendo m uestras de lotes
y con ba se en el n m e ro de defectos o defectuosos que con teng an, se decide
sob re la calidad del lote.
D e a cu e rd o con sto, se p u e d e contar con tres tipos de planes:
a.

Planes sim ples de m uestreo

b.

Planes dob le s de m uestre o

c.

Planes m ltiples de m uestreo

JORGE ACUNA ACUNA

481

La discrimin,acin de estos planes de sd e el punto de vista del consum idor

y del productor se analiza en funcin de la probabilidad de aceptacin del lote
som etido a inspeccin.

l a n e s

s im p l e s

d e

m u e s t r e o

El plan sim ple de m uestreo se disea con base en un tam ao de m uestra

(n ) y un n m e ro de a c e p ta c i n (c ). E l ta m a o de m u e s tra es el n m e ro de
u n id a d e s qu e d e b e n s e r ex tra d a s del lote y el n m e ro -d e a ce p ta ci n es el
criterio que perm ite acep tar o recha za r la m uestra y el lote. Este n m ero debe
especificarse co m o n m ero de defectos, defectuosos o disconform es, al inicio
de la Inspeccin.
D e b e re co rd arse q u e el pro ducto defectu oso se diferencia del producto
disconform e en que el defectuoso no puede cum plir con la funcin en co m e n d a
da, p u e s tiene fallas, m ientras q u e el d isco n fo rm e es p ro d u cto q u e no est
a co rde con lo requerido aunque no tenga fallas.
Este plan de m uestreo funciona s e g n el siguiente procedim iento:
1.

S e selecciona un lote (N ) al a za r y se extrae una m uestra de tam ao n en

form a aleatoria y representativa.

2.
3.

S e inspecciona 1 0 0 % la m uestra.
Si la muestra contiene c o m enos defectuosos, defectos o unidades discon
form es, se acep ta la m uestra y el lote de don de pro viene. A q u finaliza la
inspeccin.

4.

Si por el contrario, la m uestra contiene m s de c defectuosos, disconfor

m e s o defectos, se recha za la m uestra y el lote de don de proviene.

5.

S e Inspecciona el rem anente del lote (N -n ) 1 0 0 % y se envan las unidades

defectuosas al proveedor, tom ando registro de l.
E ste procedim iento se representa en la Figu ra 6.1. U n plan de m uestreo

sim ple se denota con el trmino (n ,c). D e m anera que un plan (1 0 0 ,4 ) significa
que se v a a tom ar una m uestra de 100 unidades y se aceptar la m uestra y el
lote si el nm ero de defectos o defectuosos es igual o m e n o r que 4.

482

CONTROL DE CALIDAD

FIGURA 6.1. Representacin grfica del funcionr' rniento del plan simple.

JORGE ACUA ACUA

483

La discrim ina cin del plan d e m u estre o, anterio rm ente m e n cio n a d a , se

m ide usando la curva caracterstica de operacin (O C ). Esta curva es un grfico
de lnea en el qu e se representa el porcentaje de defectuosos o disconform es
(p ) en el eje x y la probabilidad de aceptacin (P A) en el eje y. El procedim iento
para su construccin es el siguiente:
1.

E s ta b le c e r va lo re s d e p q u e se e n c u e n tre n entre 0 y 0 ,1 . E sto s valores

rep resen tan las posibles fraccio nes de defectuosos o disconform es qu e
p u edan tener los lotes.

2.

C a lcula r el valor de np, es decir, multiplicar el tam ao de la m uestra por el

v a lo r de p.

3.

Utilizar las tablas de la aproxim acin de la distribucin binom ial a la P ois

son, cuando el tam ao del lote es grande, o la distribucin binomial cuando
e s p eq ueo, para b u sc a r los valores de np.

4.

L o ca liza r la probabilidad de a cep taci n (P A) aso c ia d a con el va lo r de np

localizado en 3 y el n m e ro de acep taci n (c ) co rresp ondiente al plan de
m uestreo en estudio, utilizando la T a b la VIII del A pndice I. La probabilidad
de aceptacin para un lote cero por ciento defectuoso es 1 0 0 % (1 ).

5.

C onstruir la cu rva caracterstica de operacin (O C ) usand o los valores de

p y p A-

6.

O b te n e r las con clusiones del caso.

EJEMPLO 6.1
U n com p ra dor m uestrea los lotes qu e recibe sacando una m uestra de 150
unidades y decide recha za r si encuentra m s de tres unidades defectuosas. E s
decir, utiliza un plan de m uestreo n =15 0, c=3. C u l es la cu rva caracterstica
con la que ese co m p ra d o r inspecciona esos lotes?

SOLUCION
1.
2.

S e establecen valores de p co m prendido s entre 0 y 0,05.

S e calcula el va lo r de np, m ultiplicando el ta m a o de la m uestra (n = 1$0)
p or los valores d e p .

CONTROL DE CALIDAD

CUADRO 6.1. Datos para la curva OC del Ejemplo 6.1

n=100, c=3
p
0,01
0,02
0,03
0,04
0,05

np

P*

1,5
3,0
4,5
6,0
7,5

0,934
0,647
0,343
0,151
0,059

U tiliza n d o las tablas de la a p ro xim a ci n de la distribucin binom ial a la

Poisson se localizan los va lore s de np.
S e localiza la probabilidad de aceptacin (P A) asociada con el valor de np
lo c a liza d o en 3 y el n m e ro de a ce p ta ci n c= 3 , u sa n d o la T a b la VIII del
A p n d ice I. El C u a d ro 6.1 pre senta la inform acin.
S e construye la curva caracterstica de operacin (O C ) usando los valores
de p y P A, obtenidos en 4. La Figura 6.2 presenta la curva correspondiente.

FIGURA 6.2. Curva caracterstica de operacin del Ejemplo 6.1

JORGE ACUA ACUA

6.

485

C o n la cu rva graficada, se p u e d e localizar la probabilidad de aceptacin

qu e le corresponde a un lote que es inspeccionado con el plan n=1 J b ,c = 3 .
A s , por ejem plo, si se tiene un lote 3 ,4 % defectuoso, su probabilidad de
aceptacin ser de 0 ,2 5 1 , lo que significa que si se som eten a inspeccin
100 lotes, se aceptarn 25 y se re c h a za r n 75 lotes.
El g ra do de discrim inacin de un plan de m uestreo es el g ra d o de rigidez

con que un plan dism inuye la probabilidad de aceptacin a p e sa r de que el lote

con te nga poca cantidad de producto disconform e o defectuoso.
A s , el plan m s discrim inante ser siem pre aquel que se encuentre m s
ce rca del origen. Si el productor est c h e q u e a n d o m aterias prim as, usar ese
plan; si est chequeando su producto term inado, deber ch e q u e a r tambin con
ese plan a pesar de que de se e hacerlo co n un plan m enos discrim inante.
Para observar m ejor el grado de discrim inacin de un plan de m uestreo, se
plantean los siguientes caso s:
C A S O A . Planes que m antienen el tam ao de m uestra constante p e ro nm ero

de ace ptacin variable

EJEMPLO 6.2
C o n s tru y a las cu rva s O C para los siguientes cuatro planes de m uestreo y
com prelos.
n=100,

c=1

n=1 0 0,

c= 2

n=1 0 0,

c=3

n=1 0 0,

c=4

SOLUCION

El Cuadro 6.2 resume los pasos del 1 al 4. La Figura 6.3 presenta el paso 5.

486

CONTROL DE CALIDAD

CUADRO 6.2. Datos para la curva OC para el CASO A

n=100, c=1

n=100, c=2

n=100, c=3

n=100,c=4

np

P*

np

Pa

np

P*

np

0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08

1
2
3
4
5
6
7
8

0,736
0,406
0,199
0,092
0,040
0,017
0,007
0,003

1
2
3
4
5
6
7
8

0,920
0,677
0,423
0,238
0,125
0,062
0,030
0,003

1
2
3
4
5
6
7
8

0,981
0,857
0,647
0,433
0,265
0,151
0,082
0,042

1
2
3
4
5
6
7
8

>

0,996
0,947
0,815
0629
0,440
0,285
0,173
0,100

O b s e rv a n d o las c u rv a s caractersticas de ope ra ci n , en la F ig u ra 6.3, se

p u e d e co n c lu ir q u e los p la n e s de m u e s tre o se v u e lv e n m s d iscrim in a n te s
c u a n d o , m ante niend o constante el ta m a o de la m uestra, se hace d e c re ce r el
n m e ro de a cep taci n.

FIGURA 6.3. Curva caracterstica de operacin para tamaos de muestra constantes y

criterios de aceptacin variables.

JORGE ACUA ACUA

487

O b s e rv a n d o las cu rva s caractersticas de o peracin, en la F ig u ra 6.3, se

p u e d e co n clu ir q u e los p la n e s de m u e s tre o se v u e lv e n m s d iscrim in a n te s
c u a n d o m antenie nd o con stante el ta m a o de la m u estra se h a ce d e c re ce r el
nm e ro de aceptacin.
A u n q u e el productor desee ch e q u e a r con el plan n=100, c=4, debe hacerlo
con el plan n = 1 0 0 ,c = 1 , pues es el plan qu e usar el co n su m ido r para probar la
calidad de las entregas que se le hagan. Existe tam bin la posibilidad de pactar
con el c o m p ra d o r para u sa r un plan interm edio que no s e a tan rgido p a ra el
pro ductor y que a la v e z proteja al com prador.
C A S O B . P lanes q ue m a n tie n e n e l n m e ro de a c e p ta ci n co n sta n te p e ro e l

tam ao de m uestra variable

EJEMPLO 6.3
C o n s tru ya las cu rva s O C para los siguientes cuatro planes de m uestreo y
com p re los.
n=100,

c=3

n=150,

c= 3

n=20 0,

c= 3

n=25 0,

c= 3

SOLUCION
El C u a d ro 6.3 resum e los pasos del 1 al 4. La Figura 6.4 presenta el paso 5.
A l o b s e r v a r la F ig u r a 6 .4 , s e p u e d e n o ta r q u e c u a n d o s e m a n tie n e
constante el nm ero de aceptacin y se v a ra el tam ao de la m uestra, el plan
m s discrim inante ser siem pre aquel que tenga el m ayor tam ao de m uestra.
D e los cu a tro pla n e s m o stra d o s, el q u e d e b e usa rse es el plan n = 2 5 0 , c= 3 .
C laro est, en igual form a qu e en el caso anterior, un acuerdo entre el productor
y el co n su m ido r puede llevar a la esco ge n cia de un plan interm edio.

CONTROL DE CALIDAD

488

CUADRO 6.3. Datos para la curva OC para el CASO B

n=100, c=3

n=150, c=3

n=200, c=3

n=250, c=3

np

PA

np

PA

np

PA

np

PA

0,01
0,02
0,03
0,04
0,05
0,06
0,07

1,0
2,0
3,0
4,0
5,0
6,0
7,0

0,981
0,857
0,647
0,433
0,265
0,151
0,082

1,5
3,0
4,5
6,0
7,5
9,0
10,5

0,934
0,647
0,342
0,151
0,059
0,021
0,007

2,0
4,0
6,0
8,0
10,0
12,0
14,0

0,857
0,433
0,151
0,042
0,010
0,002
0,000

2,5
5,0
7,5
10,0
12,5
15,0
17,5

0,758
0,265
0,059
0,010
0,001
0,000
0,000

FIGURA 6.4. Curva caracterstica de operacin para tamaos de muestra variables y

criterios de aceptacin constantes

C A S O C . P la n e s q u e c o n s e rv a n una m is m a ra z n e n tre e l ta m a o de la

m ue stra y e l n m ero de aceptacin (n/c).

JORGE ACUNA ACUNA

489

E J E M P L O 6.4

C o nstru ya las cu rva s O C para los siguientes cuatro planes de m uestreo y

com prelos.

n= 50,

C=2

n= 75,

c= 3

n=100,

c=4

n=125,

c=5

SOLUCION
C o m o se p u ede notar la razn (n/c=25) es la m ism a en todos los planes.
El C u a d ro 6 .4 resum e los pasos del 1 al 4. La Figura 6.5 presenta el paso 5.
C o m o se puede observar en la Figura 6.5, cuando se m antiene una m ism a
ra z n entre el ta m a o de m u e stra y el n m e ro de a ce p ta ci n , los p la n e s de
m u estre o, hasta un cierto va lo r de p, tienen un g rado de d iscrim inacin m u y
parecido. Para este ejem plo, este valor de p es a p roxim adam ente 3 ,3 % .

CUADRO 6.4. Datos para la curva OC para el CASO C

n=50, c=2

n=75, c=3

n=100, c=4

n=125, c=5

np

PA

np

PA

np

PA

np

PA

0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08

0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0

0,986
0,920
0,809
0,677
0,544
0,423
0,321
0,238

0,75
1,50
2,25
3,00
3,75
4,50
5,25
6,00

0,993
0,934
0,800
0,647
0,480
0,342
0,231
0,151

1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0

0,996
0,947
0,815
0,629
0,440
0,285
0,173
0,100

1,25
2,50
3,75
5,00
6,25
7,50
8,75
10,00

0,998
0,958
0,820
0,616
0,400
0,240
0,128
0,067

490

CONTROL DE CALIDAD

I ,0
0,8
0,6
0 ,4
0 0 0 ,4 )

0,2
O
O

8 p (% )

FIGURA 6.5. Curva caracterstica de operacin para planes que tienen una misma razn
entre el tamao de muestra y el nmero de aceptacin.

A s , en este e je m p lo se p u e d e con clu ir que para va lo re s de p m e n o re s o

iguales a 3 ,3 % , el g ra do de discrim inacin de todos los planes es el m ism o. Sin
e m b a rg o , p a ra va lo re s s u p e rio re s a 3 ,3 % el plan m s discrim inante es el de
m a y o r ta m a o de m u e stra y m a y o r n m e ro de aceptacin.
C A S O D. Planes que usan un tam ao de m uestra po rce n tu a l a l tam ao de l lote
y n m ero de a ce p ta ci n consecutivo.

EJEMPLO 6.5
E n in s p e c c i n d e re c e p ci n se tiene la pr ctica de m u e s tre a r el 1 % del
tam a o del lote recibido (0,01 N ). C o n s tru y a las curva s O C para los siguientes
planes de m u e stre o y com prelos.
N=10000,

n=10 0,

c=2

N=20000,

n=20 0,

c= 3

N=25000,

n =25 0,

c=4

JORGE ACUA ACUA

491

SOLUCION
El C u a d ro 6.5 resum e los pasos del 1 al 4. La Figura 6.6 presenta el paso 5.

CUADRO 6.5. Datos para la curva OCpara el CASO D

..

n=100,c=2

n=200,c=3

n=250,C=4

np

PA

np

PA

np

PA

0,01
0,02
0,03
0,04
0,05
0,06
0,07

1,0
2,0
3,0
4,0
5,0
6,0
7,0

0,920
0,677
0,423
0,238
0,125
0,062
0,030

2,0
4,0
6,0
8,0
10,0
12,0
14,0

0,857
0,433
0,151
0,042
0,010
0,002
0,000

2,5
5,0
7,5
10,0
12,5
15,0
17,5

0,891
0,440
0,130
0,029
0,005
0,001
0,000

FIGURA 6.6. Curva caracterstica de operacin para planes con tamao de muestra
porcentual a N y criterios de aceptacin consecutivos

CONTROL DE CALIDAD

492

Al o b s e rv a r la F ig u ra 6 .6 , se p u e d e notar que c u a n d o se usan planes de

m uestreo b a s a d o s en criterios porcentuales sobre el tam ao del lote, el plan se
v u e lv e m s d iscrim in a n te c u a n d o el ta m a o del lote c re c e . E n este c a s o los
planes n = 2 0 0 ,c= 3 y n = 2 5 0 ,c= 4 tiene un grado de discrim inacin m uy parecido,
a u n q u e e s m s discrim inante el s e g u n d o . E n g eneral, se puede concluir que
bajo esta prctica e s m ejo r el e n vo de lotes p eq u eos, pu es stos tienen una
m s alta probabilidad de aceptacin.
S i el p r o v e e d o r c o n o c e q u e los lo te s , en la e m p re s a del c lie n te , se
m uestrean bajo el criterio de porcentajes sobre el tam ao del m ism o y tiene un
e n v o de un lote de ta m a o N , la m e jo r alte rn a tiva es s e c c io n a r ese lote al
m xim o que pu e da . P ara ello se d e b e h acer un anlisis de costos, tom ando en
cu en ta que al se cc io n a r el lote crecer n los costos de e n vo y transporte, pero
d e c re ce r n los costos de a lm a cen aje y de m ala calidad.
El E je m p lo 6 .6 ilustra lo anteriorm ente dicho.

EJEMPLO 6.6
U n fa brica nte re cib e un p e d id o de 2 0 0 0 0 u n id a d e s el cual v a a s e r in s
pe cc io n a d o en la planta del cliente u sa n d o un plan de m uestre o n = 2 0 0 , c= 4 ,
n = 1 00, c= 2 o n=50 , c=1 segn se e n ve un solo lote, dos lotes de 10000 unida
des o cuatro lotes de 5000 unidades. La razn es que el cliente usa el criterio de
extraer el 1 % del ta m a o del lote.
Analice para ca d a caso las ventajas del fabricante si este entrega lotes que
son 2 % d e fe ctu o so s. N tese q u e la ra z n entre el ta m a o de la m u estra y el
n m e ro de a cep tacin en los tres planes de m uestreo es la m ism a.

SOLUCION
E nvo de un solo lote de 2 0 0 0 0 unidades
A n te este ta m a o d e lote el cliente u sa el plan de m u e stre o n = 2 0 0 , c=4.
S i s e b u s c a e n la s T a b l a s d e la a p r o x i m a c i n B i n o m i a l -P o i s s o n , la
p ro b a b ilid a d d e a c e p ta c i n q u e c o r r e s p o n d e a e s e p la n , c o n p = 0 ,0 2 es
0 ,6 2 9 . A s se tiene:

JORGE ACUA ACUA

493

N m e ro espe ra do de unidades ace p ta d a s= 1*20000*0,629 = 12580 unidades

N m e ro espe ra do de unidades re c h a za d a s= 1 *20000*0,371 = 7 4 2 0 unidades

E nvo de dos lotes de 10000 un id ade s cada uno

Al u sa r este ta m a o de lote, el cliente utiliza el plan de m u estre o n = 1 00,
c = 2 . S i s e b u s c a en las T a b la s de la a p ro x im a c i n B in o m ia l- P o is s o n , la
probabilidad de acep tacin qu e co rre sp o n d e a ese plan con p = 0 ,0 2 es 0,677.
A s se tiene:
N m e ro espe ra do de unidades ace p ta d a s= 2*10000*0,677 = 13540 unidades
N m e ro espe ra do de unidades re c h a za d a s= 2*10000*0,323= 6460 unidades

Envo de cua tro lotes de 5 0 00 lenidades cada uno

Al usar este tam ao de lote el cliente utiliza el plan de m uestreo n=50, c = 1 .
Si se busca en las Ta b la s de la aproxim acin Binom ial- Poisson, la probabilidad
de aceptacin que co rresp onde a ese plan con p = 0 ,0 2 es 0 ,6 7 7 . A s se tiene:
N m e ro espe ra do de unidades ace p ta d a s= 4*5000*0,736 = 14720 unidades
N m e ro e sp e rado de unidades re c h a za d a s = 4*5000*0,323 = 5280 unidades
E s claro que conform e decrece el tam ao del lote, la cantidad esperada de
u n id a d e s a c e p ta d a s c re ce . A s , si se e n v a n cuatro lotes de 5 0 0 0 u n id a d e s
cada uno, se espera que se acepten 2140 unidades m s que si se enva un solo
lote de 2 0 0 0 0 u n id a d e s. D e s p u s de h a c e r el anlisis d e co sto s p la n te a d o
anteriorm ente se p u e de llegar a u na m ejo r conclusin.
E n re s u m e n , si se aplica el m u estre o porcentual el p ro v e e d o r te n d e r a
enviar lotes de tam ao lo m s pequeo posible, m ientras qu e el cliente desear
recibir lotes de ta m a o lo m s g rand e posible.

Diseo de un plan simple de muestreo

A p e sa r de qu e los planes de m uestre o pueden se r extrados de n orm as
tam bin pueden disearse. La ventaja de sto es que el analista puede plantear

494

CONTROL DE CALIDAD

su s condiciones y dise a r un plan qu e las satisfaga. E n la norm a hay que ajus

tarse a las con dicio nes d a d a s por ella.
P a ra dise a r planes de m uestreo es necesario con ocer dos pares ordena
dos m u y importantes, stos son: ( A Q L , 1 - a )y (P N C T , P). E L significado de estos
p a rm e tros es el siguiente:
A Q L : nivel de calidad aceptable. E s la m ejor calidad que un proceso puede
brindar bajo co n d icio n e s norm ales de operacin
P N C T : porcentaje n o conform e tole rado en el lote. E s la peor calidad que
se p u e d e dar co m o a ce p ta d a bajo co n d icio n e s norm ales

a: riesgo del productor de que le recha cen lotes buenos. E s la probabilidad

de que lotes m u y buen os, con calidad superio r al A Q L , sean re cha za dos (E rro r
tipo I)
B: riesgo del co n su m id o r. E s la probabilidad de qu e lotes m u y m alos, con
calidad inferior al P N C T , se a n acep tados (E rro rtip o II)
E stos puntos se representan en la cu rva caracterstica de operacin segn
lo m uestra la Figu ra 6 .7 .

AQL

PNCT

FIGURA 6.7. Representacin de los pares ordenados (AQL, 1-a) y (PNCT,3).

JORGE ACUA ACUA

495

C o n base en diseos experim entales y para efectos de operacin y diseo

de planes, se fija el riesgo del productor (a ) en 5 % y el riesgo del consum idor (13)
en 1 0 % . Esto no evita que el analista pu eda usar los valores qu e le garanticen
m a yo r confiabilidad a su estudio. Ta m b i n , se puede fijar un nivel de calidad de
indiferencia (p 0), para el cual la probabilidad de aceptacin es igual a la pro ba
bilidad de re c h a zo (0 ,5 ). E sto lo q u e b u sc a es o b te n e r un riesgo com partid o
entre el productor y el consum idor.
El diseo de un plan de m uestreo se puede basar en el riesgo del pro duc
tor, en el riesgo del co n s u m id o r o en a m b o s. S i el p ro d u cto r es el qu e de se a
tener su propio plan podr disear una serie de planes y e sco g e r aquel que lle
na m s su s e x p e cta tiv a s . Lo m is m o o cu rre p a ra el c o n s u m id o r. S i tanto el
consum idor com o el productor desean llegar a un acuerdo para disear un plan
co n ju nto qu e satisfaga a m b o s riesgos, en to n ce s se d ise a un nico plan de
m uestreo.
Si el plan se dise a b a s a d o en a m b o s riesgos su c u rv a caracterstica de
o p era cin es la m o strada en la F ig u ra 6.7 . Si se disean plan es de m uestreo
b a sa do s en el riesgo del productor, las cu rva s caractersticas de operacin de
esos planes se p u eden representar segn se m uestra en la Figura 6 .8 (a ). Si se
d is e a n b a s a d o s en el riesg o del co n s u m id o r, e s a s c u rv a s se re p re se n ta n
se g n se puede v e r en el F ig u ra 6 .8 (b ).
E s im p o rta n te re c a lc a r q u e a u n q u e se p u e d e n d is e a r v a rio s p la n e s
basados en uno de los riesgos, solo uno es ca p a z de cum plir con am bos riesgos
a la v e z.

Planes de muestreo basados en el riesgo del productor

P ara disear estos planes, tam bin llam ados planes a, se necesita co n o
ce r de a ntem ano el valor del riesgo del productor (a ) y el valor del A Q L corres
pondiente al producto sobre el cual se v a a aplicar el plan de m uestreo. El valor
de a , tal y c o m o s e dijo a n te rio rm e n te se e sta b le c e g e n e ra lm e n te en 5 % .
C o n o c id o s stos, se utiliza para el d ise o de los p la n e s el sig uiente p ro c e
dim iento:
1.

Estable ce r diferentes valores de nm ero de disconform es, defectuosos o

defectos. E sto d e p e nder de lo que se quiera m uestrear. Este n m ero se

CONTROL DE CALIDAD

496

AQL

(p % )
(o)

(p % )

PNCT

(b )

FIGURA 6.8. Curvas caractersticas de operacin para riesgo del productor (a) y riesgo
del consumidor (i).

llama nm ero de aceptacin (A c). N o es recom endable utilizar el valor de A c

igual a ce ro p u e s los pla n e s con este n m e ro de a ce p ta ci n son pla n e s
m u y discrim inantes

JORGE ACUNA ACUNA

2.

497

Localizar en las tablas de la aproxim acin binom ial-Poisson los valores de

np corresp ondientes a la probabilidad de aceptacin (1 -a ) y a los valores
de A c establecidos en 1.

C a lc u la r el ta m a o de la m u e s tra q u e c o rre s p o n d e a c a d a v a lo r d e np
e x tra d o e n el p a s o 3. E s te ta m a o de m u e s tra s e c a lc u la u s a n d o la
siguiente expresin:
np
n = -----------------

4.

AQL

Dibujar las curvas caractersticas de operacin, con el fin de esco ger aquel
plan que se acerque m s a los requerimientos y exigencias de la inspeccin.

EJEMPLO 6.7
D is e a r c in c o p la n e s d e m u e s tre o q u e c u m p la n c o n un rie s g o del
productor (a ) del 5 % , asociado a un nivel de calidad aceptable (A Q L ) de 0 ,6 5 % .

SOLUCION
El C u a d ro 6 .6 re su m e los p aso s del 1 al 3. Lo s valores de np se localizan
con el valor de A c y el valor de (1 -a )= 0 ,9 5 .

CUADRO 6.6. Clculos para planes a

na = n 'pa /0,0065

498

CONTROL DE CALIDAD

Si se dibujan las cu rva s caractersticas de operacin, todas pasarn por el

punto (0 ,0 0 6 5 ,0 ,9 5 ) qu e es el p a r o rd e n a d o (A Q L , P A). H a b r p e q u e o s d e s
fases oca sio na do s por el re d ondeo de datos. Los planes sern m s parecidos
conform e se a ce rq u e n al p a r o rd e n a d o citado.

Planes de muestreo basados en el riesgo del consumidor

Para disear estos planes, tam bin llam ados planes B, se necesita conocer
d e a n te m a n o el valor del riesgo del co n s u m id o r (B ) y el va lo r del P N C T co rre s
pondiente al producto sobre el cual se va a aplicar el plan de m uestreo. El valor de
B, tal y co m o se dijo anteriorm ente se establece g eneralm ente en 1 0 % . C o n o c i
d o s s to s p a r m e t ro s , s e u tiliz a p a ra el d is e o de los p la n e s el s ig u ie n te
procedim iento:
1.

E sta b le ce r diferentes valores de n m e ro de disconform es, defectuosos o

defectos. E sto d e p e n d e r de lo qu e se quiera m uestrear. E ste n m ero se
llama nm ero de aceptacin (A c). N o es recom endable utilizar el valor de A c
igual a ce ro p u e s los p la n e s con este n m e ro de ace p ta ci n son planes
m u y discrim inantes

2.

Localizar en las tablas de la aproxim acin binom ial-Poisson los valores de

np correspondientes a la probabilidad de aceptacin B y a.los valores de A c
establecidos en 1.

3.

C a lc u la r el ta m a o de la m uestra qu e corre sp o n d e a cad a va lo r de np ex

trado en el paso 3. Este ta m ao de m uestra se calcula usando la siguiente
expresin:
nP*
PNCT

4.

Dibujar las cu rva s caractersticas de operacin, con el fin de e sco g e r aquel

plan q u e se a c e rq u e m s a los re q u e rim ie n to s y e x ig e n c ia s de la in s
peccin.

JORGE ACUNA ACUNA

499

EJEMPLO 6.8
D ise a r cinco planes de m uestreo qu e cum plan con un riesgo del co n s u
m id or (p ) del 1 0 % , a s o c ia d o a un porcentaje no co n fo rm e tolerado en el lote
( P N C T ) de 4 ,5 % .

SOLUCION
El C u a d ro 6 .7 re su m e los paso s del 1 al 3. Los valores de np se localizan
con el va lo r de A c y el va lo r de P= 0,1.

CUADRO 6.7. Clculos para planes 3

n = np^O, 045

Ac

nPj

1
2
3
4
5

3,90
5,33
6,70
8,00
9,30

87
119
149
178
207

Si se dibujan las cu rva s caractersticas de operacin, todas pasarn por el

p u nto (0 ,0 4 5 , 0 ,1 ) o s e a el p a r o rd e n a d o ( P N C T , P A). H a b r p e q u e o s d e s
fases oca sio nados por el redondeo de datos. Los planes sern m s parecidos
conform e se e ncuentren m s cerca del par ordenado citado.

Plan de muestreo basado en ambos riesgos

E ste plan de m uestreo, tam bin llam ado plan <x,p, se obtiene con base en
los planes de m uestreo diseados para cad a tipo de riesgo en form a separada.
P a ra ello se sigue el siguiente procedim iento:
1.

D is e a r un n m e ro d e te rm in a d o de plan es de m u e s tre o b a s a d o s en el
riesgo del productor (a )

CONTROL DE CALIDAD

500

2.

D ise a r el m ism o n m e ro de planes de m uestreo b asado s en el riesgo del

co n su m id o r (B )

3.
4.

O b te n e r la diferencia absoluta In a -n 8l
Lo ca liza r la m e n o r diferencia lna - nBl y observar a q u nm ero de a ce p ta
cin A c pertenece, pues ste ser el nm ero de aceptacin del plan basado
en a m b o s riesgos

5.

C a lc u la r el ta m a o de m uestra u sa n d o la siguiente expresin:

na,8. = (n
+ n)/2
' a
8'
El plan de m u estre o ser (n aB A c)

6.

Constru ir la cu rva caracterstica del plan. Por razones de redondeo a m bos

puntos no coincidirn con los va lo re s tericos.
S e de b e n dise a r suficientes planes de m uestreo a y B de tal m anera que

sea posible encontra r la m e n o r diferencia In^ - nBl. El analista debe cerciorarse

de ese m nim o, por ello este m nim o no puede estar en el ltimo plan diseado.

EJEMPLO 6.9
D ise a r el plan b a s a d o en a m b o s riesgos tom ando c o m o base los planes
dise a d o s en los E je m p lo s 5.6 y 5.7.

SOLUCION
El C u a d ro 6.8 p re senta los p aso s del 1 al 3.
P a so 4. Al localizar la m enor diferencia sta pertenece al nm ero de a c e p
tacin A c- 2 , lo qu e quie re de cir que este es el n m ero de aceptacin del plan
a ,p .
P a so 5. Los ta m a os de m uestra que corresponden al valor de A c del Paso
4 son 126 Jy 118. El v a lo r de n a.p se calcula as:
na|5= ( 1 2 6 + 1 18)/2 = 122
C o n ello el plan de m uestreo qu e cu m p le con a m bos riesgos es:

JORGE ACUNA ACUNA

501

CUADRO 6.8. Plan de muestreo que satisface ambos riesgos

Planes R

Planes a
Ac

na

1
2
3
4
5

55
126
211
300
400

nK n.
Ac
1
2
3
4
5

=2

87
119
149
178
207

32
7
62
122
193

Paso 6.

Si se con struye la c u rv a caracterstica de o peracin se ve r que

sta pasa por los puntos (A Q L ,1 -a ) y ( P N C T ,(3). El desfase se debe al redondeo
efectuado al obtener los planes de m uestreo.

Costo total esperado de inspeccin por muestreo

Al utilizar planes de m uestreo sim ple, siem pre es co n ve n ie n te co m p a ra r
las bon da de s de dos o m s de estos planes, no solo b asndose en el grado de
discrim inacin de los m ism o s, sino tam bin en el costo de la inspeccin. C o n
este fin, se p u e d e eva lu a r este costo utilizando la siguiente expresin:
C T E I L = [n + ((N -n ) * P R)] * c
donde:
C T E I L : costo total e sperado de inspeccin por lote
n:

ta m a o de la m uestra

N:

ta m ao del lote

P R:

probabilidad de recha zo ( P R=1 -P A)

c:

costo de inspeccin por unidad

502

CONTROL DE CALIDAD

Si se o b s e rv a la e x p re s i n d e co s to a n o ta d a a n te rio rm e n te se p u e d e
a precia r qu e el costo se obtiene m ultiplicando el total de u n idade s inspeccio
nad as por el costo de inspeccionar una unidad. El total de unidades inspeccio
nadas lo constituye la su m a de las unidades que conform an la m uestra, las que
se inspeccionan 1 0 0 % , con las unidades del rem anente del lote (N -n ) cuando el
lote s e a re c h a z a d o . R e c u rd e s e q u e el re m a n e n te se in s p e c c io n a 1 0 0 %
cu a n d o la m uestra es re cha za da.

EJEMPLO 6.10
S e han recibido para su inspeccin 5 lotes cuyas caractersticas se presen
tan en el C u a d ro 6.9. El costo de inspeccin por unidad se ha calculado en 015.
C u l plan de m u estre o resulta m s eco n m ico ?

CUADRO 6.9. Caractersticas de los lotes sometidos a inspeccin

Tamao

1
2
3
4
5

5000
10000
12000
8000
15000

0,076
0,030
0,035
0,051
0,014

Plan usado
n=100,
n=200,
n=220,
n=150,
n=200,

A c=2
A c=4
Ac=4
Ac=3
Ac=3

SOLUCION
P a ra encontra r el plan m s eco n m ico se har uso del C u a d ro 6.10.
La probabilidad de aceptacin se localiza con el valor de np y el nm ero de
aceptacin corresp ondiente al plan qu e est siendo usado. A s, para el prim er
plan se m ultiplica 100 p o r 0 ,0 7 6 y con el va lo r obtenido y el n m e ro de a c e p
tacin A c= 2 , se b u sca en la tabla de aproxim acin b in o m ia l-P o is so n la p ro b a
bilidad de aceptacin, la cual resulta ser 0,019.

JORGE ACUNA ACUNA

503

CUADRO 6.10. Clculos para determinar el plan de muestreo ms econmico

..

oiOMv-

Plan

N-n

P*

1 -P *

Costo esperado por lote

n=100, Ac=2

5000

100

4900

0,019

0,981

[100+(4900*0,981)]*15= 0 73604

n=200, Ac=4

10000

200

9800

0,285

0,715

[200+(9800*0,715)]*15=

n=220, Ac=4

12000

220

11800

0,119

0,881

[220+( 11800*0,881)]*15= 0159237

r>=150, Ac=3

8000

150

7850

0,053

0,947

[150+(7850*0,947)]*15= 0113760

n=200, Ac=3

15000

200

14800

0,692

0,308

[200+(14800*0,308)1*15=0 71376

0108105

D a n d o respuesta a la pregunta planteada se tiene que el plan m s e co n

m ic o e s el p la n n = 2 0 0 , A c= 3 u s a d o c o n lote s de ta m a o 1 5 0 0 0 u n id a d e s
(0 7 1 3 7 6 ). D e lo anterior se concluye que el plan m s econm ico no es aquel re
la cion ado con un ta m a o de lote p e q u e o , sino m s bien el plan qu e co rre s
pon de al lote que sum inistra la m ejor calidad (m e n o r valor de p).

P lan es d o bles de m u estr eo

Lo s planes dobles de m uestreo son aquellos m ediante los que la decisin

de a cep tacin o re c h a zo del lote se ba s a en el establecim iento de dos m u e s
tras, p u d i n d o se a ce p ta r o re c h a za r co n la prim era. E s to s plan es d e b e n s e r
utilizados c u a n d o se d e m u e stre qu e los pla n e s sim ples no so n con fiab les o
cuando el interesado desee m ayor proteccin en la inspeccin. N o es recom en
dab le usarlos sin q u e se h a y a g e n e ra d o ex p e rie n cia en el uso de pla n e s de
m uestre o sim ples.
La aplicacin de planes de m uestreo dobles, cua n d o tienen baja pro babi
lidad de aceptacin con la prim era m uestra, resulta m s cara que la aplicacin
de pla n e s sim ples. E sto se deb e a que el costo de inspeccin por m uestra es
m s g ra nd e ya que la su m a del ta m a o de las dos m uestras del plan doble es
m a yo r qu e el tam ao de la m uestra de un plan sim ple equivalente (n ,+ n 2> n ).

CONTROL DE CALIDAD

504

U n plan doble de m u e stre o se aplica extrayendo del lote una m uestra de

tam ao n, y som etindola a inspeccin 1 0 0 % . Si el nm ero de unidades discon
form es o d e fe ctu osas de tecta das no e x c e d e el n m e ro de aceptacin A c1, se
a ce p ta la m u e stra y el lote de d o n d e ella pro vie n e . Si e se n m e ro e x c e d e el
n m e ro de re c h a z o R e1, se re c h a za la m u e s tra y el lote de d o n d e p ro v ie n e ,
o b lig a n d o a e fe ctu a r u na in sp e cc i n 1 0 0 % so b re el re m a n e n te (N - n ,) . S i el
n m e ro de d iscon form e s o defectu osos se encu entra entre los n m e ro s A cl y
R e1, se to m a u n a s e g u n d a m u e s tra d e ta m a o n2 ig u a l a n r S i e n a m b a s
m u e s tra s el n m e ro de d is c o n fo rm e s o d e fe c tu o so s e x c e d e el v a lo r R e 2_, se
re c h a za n a m b a s m u e stra s y el re m a n e n te del lote de d o n d e pro vien en ( N - n ,n2), obligando a una inspeccin 1 0 0 % so b re l. Si por el contrario, ese nm ero
e s m e n o r q u e R e2, e n to n c e s s e a c e p ta n las m u e s tra s y el lote d e d o n d e
pro vien e n. La F ig u ra 6.9 ilustra el funcionam iento de este tipo de planes.
E n igual form a q u e los pla n es sim p le s, los planes dob les tienen su cu rva
caracterstica de o p e ra ci n . El m to do p a ra su con stru ccin es un p o c o m s
c o m p le jo p u e s la p ro b a b ilid a d de a c e p ta c i n d e b e c a lc u la rs e p a ra a m b a s
m uestra s. El siguiente procedim iento se aplica para ca d a uno de los valores de
p qu e sea n escogidos.
1.

C a lc u la r la probabilidad de acep taci n de la prim era m uestra (P A1)

a. C a lc u la r el va lo r de n ,p qu e con siste en m ultiplicar el tam ao de la pri
m e ra m uestra por el va lo r de p.
b. C a lc u la r la p ro b a b ilid a d de a c e p ta c i n c u a n d o el n m e ro de d e fe c
tu oso s o disconform es es m e n o r que A c1.

2.

C a lc u la r la probabilidad de acep taci n de la se g u n d a m uestra (P A2)

a. C a lc u la r el v a lo r de n2p q u e co n s is te en m u ltip lica r el ta m a o de la
se g u n d a m uestra por el valor de p.
b. C a lc u la r las probabilidades de encontrar un va lo r de nm ero de defec
tuosos o disconform es entre A c1 y R e1 en la prim era m uestra.
c. C a lc u la r las probabilidades com ple m en tarias a las calculadas en b. tal
q u e se cu m p la con A c2.
d. S u m a r las probabilidades de acep taci n calculadas en b. y

JORGE ACUNA ACUNA

FIGURA 6.9. Representacin grfica del funcionamiento de un

plan doble de muestreo

505

506

3.

CONTROL DE CALIDAD

C a lc u la r la probabilidad de ace p ta ci n total su m a n d o las probabilidades

ca lcu la d a s en 1. y 2.

E JE M P L 0 6 . i l
D ete rm ina r dos puntos de la cu rva caracterstica de operacin co rre sp o n
diente al siguiente plan doble de m uestreo.

n,= 45
A,= 1
R.,= 5

n2= 45

ac2=

Re2=

U s e p=0,01 y p = 0 ,0 2

SOLUCION
Lo s C u a d ro s 6.11 y 6 .1 2 presentan la inform acin necesaria para calcular
la probabilidad de aceptacin para valores de p de 0,01 y 0,02. La s probabilida
d e s fueron localiza das en la tabla de la aproxim acin binom ial-P oisson.
El va lo r de probabilidad de aceptacin de 0,06 se obtiene de m ultiplicar la
p ro b a b ilid a d d e e n c o n tra r d o s d e fe c tu o s o s o d is c o n fo rm e s en la p rim e ra
muestra por la probabilidad de encontrar no m s de dos en la seg u nda m uestra,
p u e s el n m e ro d e a c e p t a c i n en la s e g u n d a m u e s tra e s 4. L a s d e m s
pro babilidades de los C u a d ro s 6.11 y 6.1 2 se calculan en igual form a.

P l a n e s m l t ip l e s d e m u e s t r e o

E stos planes, tam bin llam ados planes progresivos, consisten en la tom a
su cesiva de m m uestras de igual tam ao. El nm ercfde m uestras depe n d e del
m om e nto en qu e se logre obte ner nm ero s de aceptacin y de recha zo co n se
cu tivo s. E l fu n cio n a m ie n to de este tipo de pla n e s es sim ila r al de los pla n e s
dobles, con la diferencia de qu e en este caso se tienen tres o m s m uestras. La
F ig u ra 6 ,1 0 y el E je m p lo 6 .1 2 m u estran este procedim iento.

JORGE ACUNA ACUNA

507

FIGURA 6.10. Representacin grfica del funcionamiento de un plan m ltiple de

muestreo

508

CONTROL DE CALIDAD

CUADRO 6.11. Clculo de probabilidad de aceptacin del EJEMPLO 6.11

p=0,01

Anlisis de Primera
muestra

Anlisis de Segunda
muestra

n,*p=45*0,01=0,45

(n, + n2)*p=90*0,01=0,9

P*

P (d < 1) = 0,925
P (d = 2) = 0,064

P(d < 2) = 0,937

0,925
0,064*0,937
0,060

P (d < 2 ) = 0,989
P (d = 3) = 0,010

P (d < 1) = 0,772

0,010*0,772
0,0077

P (d < 3) = 0,999
P (d = 4) = 0,001

P (d = 0) = 0,407

0,001*0,407
0,0004

Contribucin
a

P (d < 4) = 1,000
PA= 0,9931

La cu rva caracterstica de o peracin de este tipo de planes es sim ilar a la

cu rva de los planes dobles, a u n q u e su construccin es sum am ente elaborada,
p u e s se tienen q u e ca lcu la r p ro b a b ilid a d e s de a ce p ta ci n p o r m u estra . Lo s
p la n e s m ltiples de m u e stre o p u e d e n s e r re p re s e n ta d o s g r fica m e n te tal y
c o m o se ob s e rva en la Figu ra 6.11.

EJEMPLO 6.12
Exp lica r el funcionam iento y representar grficam ente el plan mltiple de
m u e s tre o q u e se e n c u e n tra en el C u a d r o 6 .1 3 . E s te p la n c o n s ta de siete
m u e s tra s . N te s e q u e en la m u e s tra N o . 7, los n m e ro s de a c e p ta c i n y

JORGE ACUA ACUA

509

CUADRO 6.12. Clculo de probabilidad de aceptacin del EJEMPLO 6.11

p=0,02

Anlisis de Primera
muestra

Anlisis de Segunda
muestra

n *p=45*0,02=0,9

(n, + ns)*p=90*0,02=1,8

P (d < 1) = 0 ,7 7 2
P (d = 2) = 0 ,1 6 2

Contribucin
a
Pa
0,772

P(d < 2 ) = 0,731

0,162*0,731
0,1184

P (d < 2) = 0,937
P (d = 3) = 0,050

P (d

< 1) = 0,463

0,005*0,463
0,0232

P (d < 3)
P (d = 4)

= 0,987
= 0,011

P (d

= 0) = 0,165

0,011*0,165
0,0018

< 4)

= 0 ,9 9 8

P (d

P,A = 0,9154

re c h a zo son co n se cu tivo s. E sta situacin, tal y co m o se dijo antes, es la que

define el n m ero de m uestras del plan.

SOLUCION
El plan pre sentado funciona de la siguiente m anera: se to m a una prim era
muestra de 200 unidades del lote, si al inspeccionarla 1 0 0 % se encuentran una
o m enos unidades disconform es o defectuosas se acepta la m uestra y el lote de
donde proviene. Si esa m uestra contiene och o o m s unidades disconform es o
defectuosas se rechaza la m uestra y el lote de donde proviene. Si el nm ero de
unida de s d iscon form es o defectu osas se en cu e n tra entre 1 y 8, se tom a una

510

DISCONFORMES

CONTROL DE CALIDAD

FIGURA 6.11. Representacin grfica del plan mltiple de muestreo.

CUADRO 6.13. Plan de muestreo mltiple del Ejemplo 6.12

n,

m,

A,

R,

1
2
3
4
5
6
7

200
200
200
200
200
200
200

200
400
600
800
1000
1200
1400

1
6
11
16
22
27
32

8
12
17
22
25
29
33

JORGE ACUA ACUA

51 1

n u e v a m u e s tra de 2 0 0 u n id a d e s. Si en la totalidad de u n id a d e s c o rre s p o n

dientes a a m b a s m uestras h ay 6 o m e n o s unidades disconform es se aceptan
la s m u e s tra s y el lo te d e d o n d e p r o v ie n e n . S i s e e n c u e n t r a n 12 o m s
u n id a d e s d isco n fo rm e s o d efectuosas s e re c h a za n las m u e stra s y el lote de
d o n d e p ro vien e n. Si e se n m e ro se en cu e n tra entre 6 y 12 en to n ce s se tom a
u n a n u e v a m u e stra de 2 0 0 u n id a d e s. E s te p ro ce d im ie n to c o n tin a h asta la
m u e stra # 7 en la cual se extrae u na m u e stra final de 2 0 0 unid a d e s. Si en las
1 4 0 0 u n id a d e s h a y 32 o m e n o s u n id a d e s d is c o n fo rm e s o d e fe c tu o s a s se
a cep tan las siete m uestras y el lote de don d e pro vienen, pero si h a y 33 o m s
u n id a d e s en e s a s c o n d ic io n e s , s e re c h a z a n las siete m u e s tra s y el lote de
d o n d e pro vie n e n.
E n la F ig u ra 6.11 se h ace la rep resen tacin del plan mltiple.

Uso de planes en aceptacin-rectificacin

L a utilizacin de plan es de m u estre o para ca so s de aceptaci n-rectifica
cin co n siste en recibir lotes, so m e te rlo s a in sp e cci n y re p o n e r to d o aquel
p ro d u cto qu e no c u m p la con los req u erim ie ntos p a cta d o s entre fabricante y
c o m p r a d o r . T o d o s los a s p e c to s re fe re n te s a la f o rm a d e in s p e c c i n y a
rep osicin de pro ducto se fija de an te m a n o .
E n el uso de este procedim iento se utiliza el co n ce p to de calidad saliente
m e d ia ( A O Q ) y lm ite de calidad saliente m e dia ( A O Q L ) . La ca lid a d saliente
m e d ia e s el p o rc e n ta je de p ro d u c to d is c o n fo rm e a re q u e rim ie n to s q u e se
e ncuentra en ca d a lote cu ya m uestra es aceptada. El lmite de calidad saliente
m edia es el valor m xim o de calidad saliente m edia qu e representa el m xim o
p o rce ntaje de p ro d u cto d iscon form e q u e p a sa ra al so m e te rse a inspecci n
v a rio s lotes con diferentes ca lid a d e s d e entrada. L a existencia del A O Q L es
l g ica p u e s no e s p o sib le q u e los lotes te n g a n s ie m p re el m is m o n ivel de
calida d a p e sa r de q u e ello se h a y a pactado.
L o s p a so s en la aplicacin de este pro cedim ien to son los siguientes:
1.

Estable ce r el pacto entre co m p ra d o r y v e n d e d o r fijando entre otras cosas

el lugar de m uestreo, el tipo de m uestreo, el procedim iento para d e vo lve r
las u n ida de s re c h a za d a s y criterios de re ch a zo .

2.

Recibir M lotes de tamao N para ser muestreados.

510

DISCONFORMES

CONTROL DE CALIDAD

FIGURA 6.11. Representacin grfica del plan mltiple de muestreo.

CUADRO 6.13. Plan de muestreo mltiple del Ejemplo 6.12

n,

In ,

A,

R,

1
2
3
4
5
6
7

200
200
200
200
200
200
200

200
400
600
800
1000
1200
1400

1
6
11
16
22
27
32

8
12
17
22
25
29
33

JORGE ACUA ACUA

511

n u e v a m u e s tra de 2 0 0 u n id a d e s. S i en la totalidad de u n id a d e s c o rre s p o n

dientes a a m b a s m uestras h ay 6 o m e n o s unidades disconform es se aceptan
la s m u e s tra s y el lote d e d o n d e p r o v ie n e n . S i s e e n c u e n t r a n 12 o m s
u n id a d e s d isco n fo rm e s o d e fe ctu o sa s se re c h a za n las m u e stra s y el lote de
d o n d e p ro vien e n. Si e se n m e ro se en cu e n tra entre 6 y 12 en to n ce s se tom a
u n a n u e v a m u e stra de 2 0 0 u n id a d e s. E s te p ro ce d im ie n to c o n tin a h asta la
m u e stra # 7 en la cual se extrae u na m u e stra final de 2 0 0 unid a d e s. Si en las
1 4 0 0 u n id a d e s h a y 3 2 o m e n o s u n id a d e s d is c o n fo rm e s o d e fe c tu o s a s se
a cep tan las siete m u estra s y el lote de don d e pro vienen, pero si h ay 33 o m s
u n id a d e s en e s a s c o n d ic io n e s , se re c h a z a n las siete m u e s tra s y el lote de
d o n d e pro vie n e n.
E n la F ig u ra 6.11 se h ace la rep resen tacin del plan mltiple.

Uso de planes en aceptacin-rectificacin

L a utilizacin de plan es de m u estre o para ca so s de aceptaci n-rectifica
cin co n siste en recibir lotes, so m e te rlo s a in sp e cci n y re p o n e r to d o aquel
p. od u cto qu e no c u m p la con los req u erim ie ntos p a cta d o s entre fabricante y
c o m p r a d o r . T o d o s los a s p e c to s re fe re n te s a la f o rm a d e in s p e c c i n y a
rep osicin de p ro du cto se fija de an te m a n o .
E n el uso de este procedim iento se utiliza el co n ce p to de calidad saliente
m e d ia ( A O Q ) y lm ite de calida d saliente m e dia ( A O Q L ) . La ca lid a d saliente
m e d ia e s el p o rc e n ta je d e p ro d u c to d is c o n fo rm e a re q u e rim ie n to s q u e se
e ncuentra en ca d a lote cu ya m uestra es aceptada. El lmite de calidad saliente
m edia es el valor m xim o de calidad saliente m edia qu e representa el m xim o
p o rce ntaje de p ro d u cto d iscon form e q u e p a sa ra al so m e te rse a inspecci n
v a rio s lotes con diferentes ca lid a d e s de entrada. L a existencia del A O Q L es
l g ica p u e s no e s p o sib le q u e los lotes te n g a n s ie m p re el m is m o n ivel de
calida d a p e sa r de qu e ello se h a y a pactado.
L o s p a so s en la aplicacin de este pro cedim iento son los siguientes:
1.

Estable ce r el pacto entre co m p ra d o r y v e n d e d o r fijando entre otras cosas

el lugar de m uestreo, el tipo de m uestreo, el procedim iento para d e vo lve r
las u n ida de s re c h a za d a s y criterios de re ch a zo .

2.

Recibir M lotes de tamao N para ser muestreados.

512

CONTROL DE CALIDAD

3.

Lo ca liza r la probabilidad de aceptacin correspondiente al va lo r de p del

lote. S e p u e d e u sa r para ello la cu rva caracterstica de operacin del plan
de m u e stre o utilizado.

4.

C a lc u la r los valores de calidad saliente m edia ( A O Q ) corresp ondientes a

ca d a lote. E ste clculo v a ra seg n se est o p e rando con un plan sim ple,
doble o mltiple. La s e x p resiones que se usan son las siguientes:
a.

P la n e s sim ples
P A*P* (N -n )
A O Q = -------------------------N

donde:
P A: probabilidad de aceptacin a sociad a a p
p: n ive l de c a lid a d del lote al q u e se a p lica el plan d e m u e s tre o ,
ex p re sa d o en fraccin disconform e o defectuosa

b.

n:

ta m a o de la m uestra

N:

ta m a o del lote

P lan e s dobles
[p A,*(N - n, ) + P A2*(N - nr n2)] 'P
A O Q = ----------------------------------------------------------N

d onde:
P A1: probabilidad de aceptacin en la prim era m uestra asociada con p
P A2:p roba bilida d de a ceptacin en la se g u n d a m uestra asociad a con
P
n,: ta m a o de la prim era m uestra
n2: ta m a o de la s e g u n d a m uestra
p : n iv e l d e c a lid a d del lote al q u e s e a p lica el p la n de m u e s tre o ,
ex p re sa d o en fraccin disconform e o defectuosa

N: tamao del lote

JORGE ACUNA ACUNA

c.

513

P lanes mltiples
[ P A i * ( N ' n i ) + P A 2 * (N ' n r n 2 ) + -

+ P A k * (N ' n r n 2

' - ' n k )]* P

A O Q = ---------------------------------------------------------------------------------------------------------N
donde:
P A1: probabilidad de aceptacin en la prim era m uestra asociada con p
P ^ip ro b a b ilid a d de aceptacin en la se g u n d a m uestra asociad a con
P
P Ak: probabilidad de aceptacin en la k-sim a m uestra asociada con p
n ,: tam ao de la prim era m uestra
n2: tam ao de la se g u n d a m uestra
n k tam ao de la k-sim a m uestra
p : nivel de c a lid a d del lote al q u e se a p lic a el p la n d e m u e s tre o ,
expresado en fraccin disconform e o defectuosa
N:

tam ao del lote

5.

Lo ca lizar el valor del lmite de calidad saliente m edia (A O Q L ).

6.

E je cu ta r el procedim iento de devolucin de producto recha za do.

L o s E je m p lo s 6 .1 3 y 6 .1 4 m u estra n la form a de o p e ra r bajo este p ro c e

dim iento y la form a de calcular los valores de A O Q .
R e c u rd e s e , q u e los lotes re c h a z a d o s se d e b e n in s p e c c io n a r 1 0 0 % ,
sustituyendo las piezas d iscon form es p o r pie za s b u e n a s. C o m o es lgico, la
calidad de salida es superior a la calidad de entrada y la calidad saliente m edia
ser ce ro solo en el m om ento en que todos los lotes sean rech a za d o s, puesto
que la cantida d de unidade s defectuosas q u e q u e d e n en los lotes sern solo
aquellas qu e la inspeccin no haya detectado.
La aplicacin de planes de m uestreo bajo este pro cedim ien to es de gran
utilidad tanto para el productor com o para el consum idor. P ara ello, se requiere
de m u y b u e n a s re la cio n e s e ntre a m b o s . P o r e je m p lo , p a ra fijar el nivel de
calidad o fraccin de pro d u cto discon form e o defectu oso se d e b e n p o n e r de

514

CONTROL DE CALIDAD

acuerdo de tal m anera que se establezca el nm ero y la form a en que se ejecu

tar la inspeccin , se a si sta se v a re a liza r en la fbrica del p ro d u cto r o del
cliente.
Si la inspeccin se efecta en la planta del cliente se aum entan los costos
de envo y de inspeccin pero se garantiza la devolucin de todo aquel producto
que no satisfaga los requerim ientos y la no paralizacin de la planta por falta de
material.
Si la inspeccin se efecta en la planta del proveedor o fabricante se evita
el e n v o de p ro d u cto d isco n fo rm e y los co sto s de in sp e cc io n a r, pero se a u
m e n ta la p ro b a b ilid a d de p a ra liza c i n de la planta p o r falta de m a terial. Si
existen acuerdos claros entre a m b a s partes no hay necesidad de preocuparse
por el lugar donde se v a a ejecutar la inspeccin.

EJEMPLO 6.13
E n la seccin de recepcin de m ateria prim a de una planta se reciben diez
lotes de 15000 unida de s cada uno. El pro ve e d o r y el co m p ra d o r han fijado un
porcentaje de disconform es del 1 ,5 % , la utilizacin del plan simple n=200, A c=3
y la aplicacin del procedim iento de aceptacin-rectificacin.
a.

C u l es la calidad saliente m edia? Utilice un procedim iento de clculo sin

u sar la frm ula y u sa nd o la frm ula.

b.

Si los lotes realm ente tuviesen las siguientes calidades: 0,01, 0,01, 0,015,
0 ,0 2 , 0,0 2, 0 ,0 2 5 , 0 ,0 3 , 0 ,0 3 , 0 ,0 3 5 y 0 ,0 4 , C u l es el lmite de calidad
saliente m edia?

SOLUCION
a.

C lcu lo de la calidad saliente m edia (A O Q )

S e c u m p le n to d o s los p a s o s p a ra la a p lic a c i n del p ro c e d im ie n to de

ace p ta ci n -re ctifica ci n . S e p ro ce d e e n to n ce s a ca lcu la r la p ro babilidad de

a ce p ta ci n qu e c o rre s p o n d e a un lote con 1 ,5 % de p ro d u cto d isco n fo rm e y
utilizando el plan sim ple dado.

JORGE ACUNA ACUNA

515

Al b u sca r en las tablas de la aproxim acin binom ial-P oisson se encuentra

que para un valor de np=200*0,015 = 3 y un valor de c=3, la probabilidad de acep
tacin es de 0 ,6 4 7. E s decir, se tiene una probabilidad de recha zo de 0,353.

P rocedim iento sin frm ula

P o r tratarse de un sistem a a cep taci n-rectifica ci n, toda s las unidades
in s p e c c io n a d a s so n b u e n a s, por ello todo s los lotes se re d u ce n en 2 0 0 uni
d ad e s, o se a 1 5 0 0 0 -2 0 0 = 1 4 8 0 0 unidades.
A d e m s , todas las m uestras qu e se aceptan obligan a aceptar los lotes de
d o n d e p ro v ie n e n . P o r ello, la siguiente can tida d de u n id a d e s d isco n fo rm e s
e v a d e n la inspeccin:
10 lote s*0,64 7*(15000-200)*0,015= 1437 unidade s disconform es
S i este n m e ro de u n id a d e s se divide por la ca n tid a d total de u n idade s
som etidas a inspeccin se obtiene la calidad saliente m edia. A s:
1437
A O Q = ------------------= 0 ,0 0 9 5 8 0 0 ,9 5 %
150000

P rocedim iento con frm ula

P .* p * (N -n )
0,647*0,015*(15 0 0 0 -2 0 0 )
A O Q = -------------------- = ------------------------------------------------------- = 0 ,0 0 9 5 8 0 ,9 5 8 %
N
15000
C o m o se pu e de, ve r am b o s procedim ientos brindan el m ism o resultado,
b.

C lculo del lmite de calidad saliente m edia (A O Q L )

El C u a d ro 6 .1 4 pre se n ta los c lcu lo s de la ca lid a d saliente m e dia para

ca d a lote y el va lo r del lmite de calidad saliente m edia.
Estos valores de A O Q pueden graficarse obtenindose la C u rv a A O Q de la
Figu ra 6.12.
P u e d e nota rse qu e p re cis a m e n te el lmite de calida d saliente m e dia se
obtiene para lotes con la calidad de entrega fijada, qu e es de 1 ,5 % .
El valor de 0 ,9 5 8 % es el peor nivel de calidad qu e se acep ta con los diez
lotes presentados.

516

CONTROL DE CALIDAD

CUADRO 6.14. Clculo del AOQL para n=200, A =3

np

0 ,0 1 0

0 ,8 5 7

0 ,0 0 8 4 5

0 ,0 1 5

0 ,6 4 7

0 ,0 0 9 5 7

0 ,0 2 0

0 ,4 3 3

0 ,0 0 8 5 4

0 ,0 2 5

0 ,2 6 5

0 ,0 0 6 5 3

0 ,0 3 0

0 ,1 5 1

0 ,0 0 4 4 7

0 ,0 3 5

0 ,0 8 2

0 ,0 0 2 8 3

0 ,0 4 0

0 ,0 4 2

0 ,0 0 1 6 6

Pa

AOQ

f-A O Q L

P (% )

FIGURA 6.12. Curva de calidad saliente media

EJEMPLO 6.14
C u l es la calidad saliente m edia en el Ejem plo 6.1 3 si se usa el siguiente
plan doble de m uestreo?

JORGE ACUNA ACUNA

120

A c, =

n,

P el =

517

n2 = 1 2 0
A c2 =

P e2 =

SOLUCION
E L C u a d r o 6 .1 5 p re s e n ta los c lc u lo s n e c e s a rio s p a ra e n c o n tra r la
p ro b a b ilid a d de a c e p ta c i n c o rre s p o n d ie n te a un lote c u y o p o rce n ta je de
producto disconform e es de 1 ,5 % .
P A1 = 0,966
P A2
a = 0 ,0
2 6 * 0 ,3
0 3 + 0 ,0
0 6 * 0 ,1 2 6 + 0 ,0 0 2 * 0 ,0 2 7 = 0 ,0 0 8 6 8 8

1
p

=0,015

n,

=120

n2 =120
N

= 15000

[P A,*(N - n i)+ P A2*(N - n C n2)]*P

A O Q = -----------------------------------------------------------------N
[0,96 6*(15 0 0 0 -1 2 0 )+ 0 ,0 0 8 6 8 8 * (1 5 0 0 0 -1 2 0 -1 20)]*0 ,015
A O Q = ---------------------------------------------------------------------------------------------------------------------15000
A O Q = 0,0 14 5 o 1 ,4 5 %
La calidad saliente m edia (A O Q ) de un lote que tiene un porcentaje de pro
du cto d isco n fo rm e de 1 ,5 % y qu e se m u e stre a con el plan do b le d a d o es de
1 ,4 5 % .
P l a n e s s e c u e n c ia l e s d e m u e s t r e o

E n m uchas ocasiones, la inspeccin de producto es destructiva, pues las

u n id a d e s se de s tru ye n deb ido a la p ru e b a que se les ejecuta. P or ello no es

518

CONTROL DE CALIDAD

CUADRO 6.15. Clculo de probabilidad de aceptacin (p=0,015)

Anlisis de Primera
muestra

Anlisis de Segunda
muestra

n *p= 120*0,015=1,20

(n+n2)*p=240*0,015=3,6

P (d < 3) = 0,966
P (d = 4) = 0,026

P(d < 2) = 0,303

P (d < 4 ) = 0,992
P (d = 5) = 0,006

P (d < 1) = 0,126

P (d < 5) = 0,998
P (d = 6) = 0,002

P (d = 0) = 0,027

P (d < 6) = 1,000

factible, de sde el punto de vista eco n m ico , tom ar m u ch a s unidades para ser
probadas. E n este caso se deben usar planes que permitan adoptar decisiones
r p id a s , in s p e c c io n a n d o el m e n o r n m e ro de u n id a d e s . E s to s p la n e s se
co n o ce n com o planes secuenciales de muestreo.
U n plan secue ncial puede ser u sa d o en form a grfica o en form a tabular.
La Figu ra 6.1 3 m uestra la form a grfica de este tipo de plan.
El plan secuencial funciona de la siguiente m anera: se tom a una unidad y
se prueba. Si su nm ero de defectos ca e en la zo n a de rechazo, se re c h a za el
lote de donde proviene esa unidad. Si cae en la zo n a de aceptacin, se acepta
el lote de donde proviene la unidad. S i el nm ero cae en la z o n a de inspeccin
se insp eccion a una n u e v a p ie za y se con tin a as hasta qu e h aya criterio de
a ce p ta ci n o de re c h a zo . C o m o se p u e d e notar el ta m a o de la m u e stra es
variable.
T a l y com o se puede o b s e rv a re n la Figura 6.13, un plan secuencial queda
p la n te a d o c u a n d o se d e te rm in a n la e c u a c i n de la ln e a de re c h a z o y la
ecuacin de la lnea de aceptacin. E sta s ecuaciones son:

JORGE ACUNA ACUNA

519

FIGURA 6.13. Representacin grfica de un plan secuencia!

E cu a ci n de la lnea de aceptacin (L A c)
C ,= -h , + s* k
E cu a ci n de la lnea de recha zo (L R e)
C 2= h2 + s*k
donde:
k: nm ero de unidades por inspeccionar
y h2: intersecciones de las lneas
s: pendiente de am b a s lneas
P a ra d is e a r un plan se c u e n c ia l de m u e s tre o es n e c e s a rio c o n o c e r el
rie sg o del p ro d u c to r (a ), el nivel de c a lid a d a ce p ta b le ( A Q L ) , el rie sg o del
c o n s u m id o r (B ) y el porcentaje no con form e tolerado en el lote ( P N C T ) . C o n

520

CONTROL DE CALIDAD

e s to s v a lo re s se c a lc u la n los p a r m e tro s de las e c u a c io n e s cita d a s a n te

riorm ente.
log [(1 -a )/ p ]
h ,=--------------------------------------------------------------------------------------------log [(P N C T * (1 -A Q L ))/ (A Q L * (1 -P N C T ))]
log [(1-p)/oc]
h2=--------------------------------------------------------------------------------------------log [(P N C T * (1 -A Q L ) )/(AQ L*(1 - P N C T ) ) ]
log [(1 -A Q L ) ,( 1 -P N C T )]
s = --------------------------------------------------------------------------------------------log [(P N C T * ( 1-A Q L ))/ (A Q L * (1 - P N C T ) ) ]
La cu rva caracterstica de operacin de un plan secuencial se puede apro
xim ar con la graficacin de los siguientes cinco puntos:

P a ra p = 1 ,

3.

P a ra p = A Q L ,

4.

P a ra p = P N C T ,

5.

Para p =s,

P A= 1

II<

2 .

P a ra p =0,

Ql

1.

p a= i
p

a=P

P A= h2/(h2+ h 1)

La form a tabular de estos planes consiste en dar valores a k y generar dos

c o lu m n a s , u n a de a ce p ta ci n y otra de re c h a zo . C a d a v e z q u e se s o m e te a
prue ba una unidad se ob s e rva la tabla para v e r cul es el criterio por seguir. El
v a lo r de a ce p ta c i n se re d o n d e a hacia a b a jo y el criterio d e re c h a zo hacia
a rrib a . E l E je m p lo 6.15 p e rm ite o b s e rv a r las d o s fo rm a s d e o p e ra r p la n e s
secu e nciale s de m uestreo.

EJEMPLO 6.15
D is e a r un plan se cu e ncial de m u e stre o q u e c u m p la c o n las sig uiente s
condiciones:

JORGE ACUNA ACUNA

521

a.

R ie sgo del productor (a )

5%

b.

R iesgo del co n su m ido r (P)

10%

c.

Nivel de calidad aceptable (A Q L )

= 0 ,0 1 2

d.

Porcentaje no conform e tolerado ( P N C T )

= 0,1 3 2

SOLUCION
Para conocer este plan se deben calcular los parm etros de las ecuaciones
de acep tacin y recha zo .
log [(1 -0 ,0 5 )/0 ,10]

h _.--------------------------------------------------------------log [(0 ,1 32*(1 -0 ,0 1 2))/(0,012*(1 -0 ,1 3 2 ))]

h ,= 0,8 9
log [(1 -0 ,1 0)/0,05]
h2= -----------------------------------------------------------------------------------------log [(0 ,1 32*(1 -0 ,0 1 2))/(0,012*(1 -0 ,132),]
h2= 1,144
log [(1 -0 ,0 1 2)/(1 -0 ,1 3 2 )]
s = -----------------------------------------------------------------------------------------log [(0 ,1 32*(1 -0 ,0 1 2))/(0,012*(1 -0 ,1 3 2 ))]
s= 0,051
C o n estos valores se plantean las ecu acion es siguientes:
Ln e a de re cha zo
c2= 1,144 + 0,051 *k
Ln e a de aceptacin

c ,= -0,89 +0,051 *k

522

CONTROL DE CALIDAD

E ste plan de m u e stre o p u e d e re c h a za r co n la p rim e ra u n id a d , p e ro no

aceptar. Para tener criterio de aceptacin se necesitan al m enos 18 unidades,
valor que se obtiene h aciendo cero el valor de c ,.
0 = - 0 ,8 9 + 0 ,0 5 1 *k
k = 0,89/0,051 = 1 7 , 4 5 - 18
La Figura 6 .14 presenta el plan respectivo.
La form a tabular de este plan se m uestra en el C u a d ro 6.16.
N O R M A IS O 2859-1

E sta no rm a , a c tu a liza d a en 1989 p o r la O rg a n iz a c i n Internacional de

de

D E FE C TO S

N orm aliza cin (I S O ), es m u y sim ilar a la N o rm a Militar E st n d a r 10 5 D , la que

FIGURA 6.14. Representacin grfica del plan secuencial

JORGE ACUNA ACUNA

523

CUADRO 6.16. Plan secuencial en forma tabular

# de unidades

Aceptacin

D e l a 16
17
De 18 a 37
De 38 a 56
De 57 a 95

0
1
2

Rechazo
2
3
3
4

En adelante se contina con el clculo

fue ado p tada por la IS O en 1974. Ella pre senta procedim ientos de m uestreo,
b a s a d o s en in s p e c c i n p o r atribu to s p a ra c a s o s en q u e se rie s de lotes de
productos sean som etidos a inspeccin, bajo un nivel calidad aceptable (A Q L )
pre viam ente establecido. La norm a se aplica sobre la inspeccin de unidades
discre tas y su propsito es indu cir al p ro v e e d o r a en tre g a r lotes qu e teng an
calidad igual o m ejor al A Q L y al consum idor a aceptar ocasionalm ente lotes de
bajo nivel de calidad.
L o s p la n e s c o n te n id o s en esta n o rm a sirven entre otras c o s a s p a ra la
in sp e cc i n de p ro d u cto te rm in a d o , de c o m p o n e n te s y m a te ria s prim a s, de
operaciones de produccin, de materiales en proceso, de materiales alm acena
dos, de operaciones de m antenimiento, de bases de datos y de procedim ientos
adm inistrativos.
Estos planes han sido diseados para permitir el cam bio de inspeccin de
a c u e rd o con el c o m p o rta m ie n to de la ca lid a d de los lotes. A s , iniciando en
in s p e c c i n n o rm a l sta se to rn a r estric ta c u a n d o el n ivel s e d e te rio re o
ca m bia r a sim plificada cu a n d o el nivel m ejore considerablem ente.
La n orm a perm ite e sco g e r el plan qu e m ejor se adapte a las condiciones
de quien la aplique. Estos planes pueden ser sim ples, dobles o mltiples. Para
co m p re n d e r m ejor su aplicacin es necesario definir algunos trm inos com o:

No conformidad:

es la g eneraci n de u na caracterstica de calidad que

resulta en un p ro du cto , p ro c e s o o servicio q u e no rene los req u erim ie ntos

524

CONTROL DE CALIDAD

especificados. S e pu e den clasificar en la m is m a form a en q u e se clasifican los

defectos.

Unidad no conforme: es una

conformidad. S e

al m enos una no

unidad de producto o servicio que contiene

pueden clasificar en la m ism a forma en que

se clasifican las unida de s defectuosas.

Porcentaje de no conformes:

es el n m e ro de u n id a d e s no co n fo rm es

m ultiplicado por 100 y dividido por el total de unidades inspeccionadas.

No conformes por cada 100 unidades: es

el n m ero de no con form ida

des m ultiplicado por 100 y dividido por el total de unidades inspeccionadas.

Unidad de producto: es

la unidad inspeccionada con el fin de clasificar las

unidade s conform es y no conform es o para contar no conform idades. E sta uni

dad puede se r un artculo, un par, un grupo, una longitud, un rea o un volum en.
E sta unidad p u e d e o no s e r la m is m a u nid a d de co m p ra , de p ro duccin o de
envo.
P a ra lo c a liza r p la n e s de m u e stre o en esta n o rm a s e d e b e n c o n o c e r los
siguiente s datos.
a.

T a m a o del lote (N )

b.

Nivel de inspeccin

c.

T ip o de inspeccin

d.

T ip o de m uestre o

e.

Nivel de calidad acep table (A Q L )

El

tamao del lote es necesario

para entrar a la prim era tabla de la norm a

y lo c a liza r la letra c d ig o del ta m a o de la m u e stra . Si los lotes no han sido

e s ta n d a riz a d o s , se d e b e p ro c e d e r a e s ta n d a riz a rlo s p rim e ro q u e to d o . El
C u a d ro 6 .1 7 de m u e stra lo apuntado.
El

nivel de inspeccin, que tam bin sirve

para localizar la letra cdigo del

tam ao de la m uestra, representa el grado de discrim inacin del plan de m u e s

treo. Existen tres niveles gene rales y cuatro niveles especiales. Si no se e s p e
cifica el nivel, se utiliza el nivel norm al que es el nivel II, si se d e s e a un plan con

JORGE ACUNA ACUNA

525

m a y o r g ra d o de discrim in a ci n se usa un nivel III y si se quie re un plan con

m e n o r g ra d o de d iscrim in a ci n se u sa el nivel I. Lo s n iv e le s e sp e c ia le s se
deben utilizar solo cu a n d o sea absolutam ente necesario trabajar con m uestras
p e q u e a s y se p u e d a n to le ra r g ra n d e s rie sg o s en la in s p e c c i n . E l tipo de
inspeccin representa la dinm ica con la que se aplicar la norm a, c o m e n za n
d o s ie m p re con in s p e c c i n n orm al y c a m b ia n d o a estricta o a sim plificad a
seg n las condiciones lo am eriten.
El tipo de muestreo se refiere a la aplicacin de m uestreo sim ple, doble o
mltiple. Algu na s reglas que pueden a y u dar a la seleccin del tipo de m uestreo
son:
a.

Si nu nca se ha aplicado la norm a se debe iniciar con planes sim ples.

b.

S i se d e s e a dism in u ir co sto s, se d e b e p ro cu ra r la utilizacin de plan es

m ltiples o dobles.

c.

Lo s planes de m uestreo se vuelven m s difciles de m anejar conform e se

p a s a de sim ple a doble y an m s si se pasa a mltiple. Entren am iento y
capacitacin son necesarios para evitar errores.

d.

C u a n d o el lote c a m b ia de lugar, al extraer la prim era m uestra, se deb en

a p lic a r p la n e s sim p le s, p u e s la e xtraccin de m u e stra s a d icio n a le s se
com plica.

e.

C u a n d o es n e c e sa rio utilizar p la n e s con n m e ro de a ce p ta ci n igual a

c e ro , so lo s e p u e d e n u s a r p la n e s s im p le s p u e s no e x iste n , p a ra e se
n m ero de aceptacin, planes dobles ni mltiples.

f.

Para niveles de calidad aceptable (A Q L ) superiores a 15 no conform idades

por ca d a 100 unidades, solo existen planes sim ples, cu a n d o se requieran
m uestra s peq u e as.

El nivel de calidad aceptable (AQL) es el m s difcil de obtener, pu es

raras v e c e s se g u a rd a inform acin til para su estim acin. P a ra estim arlo se
puede tom ar com o referencia el prom edio de producto disconform e que genera
la lnea de produccin. El A Q L debe ser ligeram ente m ayor que ese valor para
e v ita r g ra n d e s v o l m e n e s d e re c h a z o d u ra n te la in s p e c c i n y lu e g o irlo
m ejo rand o cada da.
U n grfico de control p, aplicado bajo condiciones norm ales de fabricacin,
p u e d e se r de gra n utilidad para e stim a r el A Q L . E n tre otras co s a s , tam bin

526

CONTROL DE CALIDAD

deben considerarse para su estim acin los costos de inspeccin, requisitos de

d ise o , d e m a n d a del p ro d u cto , q u e ja s del cliente y c a p a c id a d de p ro ce s o .
D e b id o a qu e es requisito c o n o c e r el v a lo r del A Q L , para localizar el plan de
m u estre o, se p u e d e fijar el v a lo r co m o una prim era a pro xim aci n y luego de
acuerdo con el com portam iento del pro ceso se puede revisar.

Si un valor de AQL no se encuentra en el cuadro de la norma, enton

ces la norma no se puede aplicar. L o s v a lo re s de A Q L se e x p re s a n en
porcentaje de dlsco nfo m e s o no co n fo rm id a d e s por ca d a 100 u n idade s si su
valor es igual o inferior a 10. Si es superior a 10, el A Q L representa nicam ente
no conform idades por ca d a 100 unidades.
E l p r o c e d im ie n t o p a r a e x tr a e r un p la n d e la n o r m a s e d e s c r ib e a
continuacin.
1.

Localizar la letra cdigo del tam ao de la m uestra en la T a b la I de la N orm a

y u s a n d o p a r a e llo , el ta m a o d e l lo te ( N ) y el n iv e l d e in s p e c c i n
seleccionado.

2.

Localizar el plan de m uestreo deseado en la tabla correspondiente usando

la letra c d ig o lo caliza da en 1., el A Q L , el tipo de inspeccin y el tipo de
muestreo. Para ayu da r a la bsqueda de la tabla deseada, la norm a cuenta
con identificaciones de tipo de m uestreo y tipo de inspeccin en la esquina
inferior d e re ch a de ca d a hoja. Si un plan no existe p a ra un dete rm in a d o
A Q L en c o m b in a c i n con la letra c d ig o , la n o rm a e n v a a otro plan de
m uestreo.

3.

O p e rar el plan de m uestreo seleccionado cam biando de tipo de inspeccin

cu a n do las condiciones lo am eriten.
Ta m b i n , la norm a contiene una serie de tablas den om inad as T a b la s X-*,

don de el asterisco representa a cad a una de las letras cdigo. E n estas tablas
se pueden tam bin localizar planes de m uestreo. La ventaja de estas tablas es
que contienen la cu rva ca racte rstica de ope ra ci n del plan d e s e a d o . E sta s
tablas solo pu e den ser usada s en caso s de inspeccin norm al o de inspeccin
estricta. La s tablas por letra tienen tres partes: la prim era parte son las cu rva s
caractersticas de ope racin para todos los A Q L s que tienen relacin con la
letra, la segunda parte tiene v a lo r e s tabulados para esas curvas caractersticas
y la tercera contiene los planes de m uestreo correspondientes a la letra.

JORGE ACUNA ACUNA

527

A lg u n a s tablas de la n o rm a co n tien en va rio s s m b o lo s e speciales cu y o

significado se explica a continuacin:
T :

usar el prim er plan de m uestreo localizado sob re la flecha

i:

usar el prim er plan de m uestreo localizado bajo la flecha

Ac:

n m ero de aceptacin

R e : n m e ro de recha zo
*:

utilizar el plan de m uestreo sim ple correspondiente con la alternativa

de usar el mltiple cu a n d o est disponible.

+ + : utilizar el plan de m uestreo doble correspondiente con la alternativa

de usar el mltiple inm ediato
#:
I:

no se perm ite aceptacin para ese tam ao de m uestra

indica que si el nm ero de unidades disconform es se encuentra entre
el nm ero de aceptacin y de recha zo se debe aceptar el lote pero se
reintenra la inspeccin normal

V:

e m p le a r la letra c d ig o s ig u ie n te p a ra la q u e e st n d is p o n ib le s
nm e ro s de aceptacin y de recha zo .

A:

e m p le a r la letra c d ig o p re c e d e n te para la q u e e stn disp o n ib le s

nm e ro s de aceptacin y rechazo .

EJEMPLO 6.16
U s a n d o la inform acin de los C u a d ro s 6.18 a 6.23, localizar los planes de
m u e stre o p e didos en el C u a d ro 6 .1 7 y expliqu e c m o funciona ca d a uno de
ellos.

SOLUCION
Plan 1
O b s e r v a n d o el C u a d r o 6 .1 8 , se tiene q u e p a ra N = 2 5 0 0 0 y un nivel de
inspeccin III, la letra cdigo del tam ao de la m uestra es la letra N.

CONTROL DE CALIDAD

528

CUADRO 6.17. Planes de muestreo solicitados en el Ejemplo 6.16

Plan No.
Tam ao del lote
Nivel de inspeccin
Tipo de inspeccin
Tipo de plan
AQ L

25000 kg
III
Normal
Simple
2,5%

1 8 5 0 0 kg
II
Estricta
Simple
6,5%

125000m
I
Reducida
Doble
4%

5000 u
III
Normal
Mltiple
1,5%

Sa b ie n d o que se de sea un plan sim ple para inspeccin norm al se localiza

la T a b la ll-A , que se presenta en el C u a d ro 6.19. Al usar un A Q L de 2 ,5 % y una
letra cdigo N el plan es:
n

= 50 0 kg

Ac =

21 kg d'sconform es

Re =

22 kg disconform es

Q u ie re decir, que de un lote de 2 5 0 0 0 kg se tom a u na m uestra de 500 kg.

Si se e n c u e n tra n 21 kg o m e n o s d isco n fo rm e s con lo req u e rid o se a cep ta la
m uestra y el lote. P ero si se encuentran 22 kg o m s disconform es, se rechaza
la m uestra y el lote y se inspeccionan 1 0 0 % los 24500 kg restantes.
Otra forma de extraer este plan es usando las tablas para las letras cdigo.
El C u a d ro 6 .20 pre senta la tabla correspondiente a la letra N, que es la que se
u sa en este ca so . A d e m s , se se a la el plan b u s c a d o y su re s pectiva cu rva
caracterstica de operacin.
Plan 2

O b s e rv a n d o el C u a d r o 6 .1 8 , se tiene q u e para N = 1 8 5 0 0 0 y un nivel de

inspeccin II, la letra cdigo de tam ao de m uestra es la letra P.
S a b ie n d o qu e se de se a un plan sim ple para inspeccin estricta se localiza
la T a b la ll-B , que se presenta en el C u a d ro 6.21. Al usar un A Q L de 6 ,5 % y una

JORGE ACUNA ACUNA

m
O
ca>
CU

529

m u u J L L n ^ - j ^ z Q - O a ;

ss

<CLUIL(!)It ^

J ^ Z Q - O

< < [

) 5 - ' 2

CD

CA

C
0)
TJ
(A

0)

O
>

d o j i l o i

c
O
o
o

S-4

<<C D liJlU lL C )lT5 ^

co
c

<<CQCDUOLi JLULLLLI

C
N
(/)

<<<C0CDfflOOQLULUlU

CD

CL
(A

C
<D

TJ
CA

<
D
o
CD
C
I
CA

Q)
CA

0)

CD

>
z

T-

CD

o
CD
TJ

o
iC
CU
c
c
cu
H

<<<<CQC0CDCDOOOOC1QQ

COLOLOOOOOOOOOOOO w
-t
-C\JLOCT>LOCOOOOOOOO'CVJ
T-(MinCMCMOOOO
T- C
OO LOo o > ,
T- C
OLOo
1- LO
a
a
a
a
a
a
a
a
a
a
a
a
a
a

CUADRO 6.18. Tabla I. Letras cdigo para el tamao de la muestra

E
'O
O
O
<D
Q.

( M O i C O C O -r -T -T -T -T -T -T -T -T -

T-T-

T-C\JIOCX>IOCOOOOOOOO
i-C\JLOCMC\IOOOO
T- C
OO lo o o
1- COL
Oo
T- LO

530

CUADRO 6.19. Tabla II-A . Planes de muestreo simple para inspeccin normal

Niveles de calidad aceptables (inspeccin normal)

0.010

A R

150
A R

A R

650

A R

7 8

AR.

14 15
14 15 21 22
14 15 21 22 30 31

Jl

250

10 11

1 0 11

14 15
21 22

A R

30 31
44 45

30 31 44 45
30 31 44 45
21 22

21 22

u
125
200
315

14 15
21 22

500
800
1250

CONTROL DE CALIDAD

2000

21 22

V 7
oi

CUADRO 6.20. Tablas X-N. Tablas para letra cdigo N

N iv e le s a c e p t a b le s d e c a lid a d ( i n s p e c c i n n o r m a l)

Tipo de

Tam ao

plan de

acum ulado

muestreo

la m uestra

Sencilo

<0,025 0,025

Ac R.
500

AR

0 1

0,040
Ac R

X
Ae R.

0,065
AR

315

125

Use

Use

Use

cdigo
M

cdigo
0

cdigo

0,10
A R

625
750
875
0,065

Ac R.

0,65

Ac R.

X X X
1,5

1,0

Ac R, A c R.

2 3

3 4

5 6

7 8

8 9

10 11

0 2

0 3

1 4

2 5

3 7

3 7

5 9

1 2

3 4

4 5

6 7

8 9

# 2

# 2

# 3

# 4

0 4

# 2

A R

0,40

1 2

0
0
1
1
2
0,040

a cr

0,25

11 12 12 13

0 5

0 4

AR

2,5

>2,5

de a
m uestra

AcR

Ac R.

A c R.

12 T3 14 15

18 19

21 22

500

6 10

7 11

9 14

11 16

315

15 16

18 19

23 24

26 21

0 6

1 7

1 8

A cR.

2 9

630

125

250
375
500

<0,040

0,15

Tam ao
acumulado

0,10

2
3
3
3
3

0,15

0
0
1
2
3
4

3
3
4
4
5
5

0,25

0 3
1 4
2
3
4
6

5
6
6
7

0,40

1
2
3
5
7
9

5
6
7
8
9
10

0,65

1 6
3
5
7
10
13

8
10
11
12
14

3
6
8
11
14
18

2 7
4 9
6
9
12
14

11
12
14
15

1,0

8
10
13
15
17
19

N iv e le s d e c a lid a d a c e p ta b le (in s p e c c i n e s tric ta )

3 9
7 12

4 10
8 13

10 15
14 17

17
20
23
26

12
17
18 20 21
21 22 25
1,5

6 12
11 17
16
22
27
32

22
25
29
33

7
13
19
25
31
37

X. X
2,5

250

14
19
25
29
33
38

375
500
625
750
875
>2,5

532

Continuacin Jel Cuadro 6.20

Porcentaje de lotes
que se espera sean
aceptados (Pa)

CONTROL DE CALIDAD

Calidad de los productos, en porcentaje de no conformes o en no conformidades por 100 unidades

I
JORGE ACUA A

Continuacin del Cuadro 6.20

Niveles de calidad aceptable (inspeccin normal)

0 ,0 2 5

0 ,1 0

0 ,1 5

0 ,2 5

0 ,4 0

0 ,6 5

1 ,0

1 ,5

2 ,5

Pa

p (e n p o r c e n t a je d e n o c o n f o r m e s o e n n o c o n f o r m i d a d e s p o r 1 0 0 u n id a d e s )

99,0

0,002 01

0,029 7

0,087 2

0,165

0,357

0,581

0,701

0,954

1,22

1,50

2,07

2,51

95,0

0,010 3

0,071 1

0,164

0,273

0,523

0,796

0,939

1,23

1,54

1,85

2,49

2,98

90,0

0,021 1

0,106

0,220

0,349

0,630

0,931

1,09

1,40

1,73

2,06

2,73

3,25

75,0

0,057 5

0,192

0,345

0,507

0,844

1,19

1,37

1,72

2,08

2,45

3,18

3,74

50,0

0,139

0,336

0,535

0,734

1,13

1,53

1,73

2,13

2,53

2,93

3,73

4,33

25,0

0,277

0,539

0,784

1,02

1,48

1,94

2,16

2,60

3,04

3,48

4,35

4,99

10,0

0,461

0,778

1,06

1,34

1,85

2,35

2,60

3,08

3,56

4,03

4,95

5,64

5,0

0,599

0,949

1,26

1,55

2,10

2,63

2,89

3,39

3,89

4,38

5,34

6,05

1,0

0,921

1,33

1,68

2,01

2,62

3,20

3,48

4,03

4,56

5,09

6,12

6,87

0,040

0,15

0,25

0,40

0,65

1,0

2,5

1,5

X.

N i v e le s d e c a li d a d a c e p t a b l e ( i n s p e c c i n e s t r ic t a )

533

534

CONTROL DE CALIDAD

83

5P3 5:

CUADRO 6.21. Tabla ll-B . Planes de muestreo simple para inspeccin estricta

SQ *
P3
22 A -

52 V, 22 22 ^

'O

o
o

0)

Q.

T E

TD
CO

T3

"CO

5<=

CD

*D
CO
0)
-O
05

t= $

:
o

Q.

cz>

0)
O
CO
co
,
0

>T>~

c=>

=>=>

ejjs a n u j dp oubujbj .

e jts a n u j ap
o u a u B i |9p o & p p o b jib ]

C ^2
= =}>

JORGE ACUNA ACUNA

535

letra cd ig o P el plan presenta un tam ao de m uestra n = 8 0 0 , sin em bargo, no

ha y criterio de aceptacin y rechazo para ese A Q L . E n to n ce s se deb e u sar el
plan hacia el que apunta la flecha.
n = 200 m etros
A c = 18 m etros disconform es
R e= 19 m etros disconform es
Q u ie re de cir qu e , de un lote de 185 0 0 0 m etros se to m a una m u estra de
200 metros. Si se encuentran 18 metros o m enos disconform es con lo requerido
se a cep ta la m uestra y el lote. Pero si se encuentran 19 m etros o m s disco n
fo rm e s , se re c h a z a la m u e s tra y el lote y se in s p e c c io n a n el 1 0 0 % d e los
184 8 00 metros restantes.
T a m b i n se p u e d e u sa r la T a b la X - P que es s im ila r a la T a b la X -N del
C u a d ro 6.20.
Plan 3
O b s e rv a n d o el C u a d ro 6.18, se tiene qu e para N = 1 2 5 0 0 0 y un nivel de
inspeccin I, la letra cdigo de tam ao de m uestra es la letra L.
S abiendo que se desea un plan doble para inspeccin reducida se localiza
la T a b la lll-C , qu e se presenta en el C u a d ro 6.22. Al usar un A Q L de 4 % y una
letra cd ig o L el plan localizado es el siguiente:
n, =

50 m etros

n2 = 50 metros

A c1 =

3 m etros

Ac2 = 8 metros

R e1 =

8 m etros

Re 2, =

12 metros

Q u ie r e d e c ir, q u e de un lote de 1 2 5 0 0 0 m e tro s s e to m a u n a p rim e ra

m uestra de 50 metros. Si se encuentran 3 metros o m enos disconform es con lo
re q u e rid o se a c e p ta la m u e stra y el lote. Si se e n c u e n tra n 8 m etros o m s
d is c o n fo rm e s , s e re c h a z a la m u e stra y el lote y se in s p e c c io n a n 1 0 0 % los
1 24950 metros restantes. Si el nm ero de disconform es se encuentra entre 3 y
8, s e to m a u na s e g u n d a m u e stra de 5 0 m e tro s . S i en a m b a s m u e s tra s se
e n c u e n tra n 8 m e tros o m e n o s d isco n fo rm e s con lo re q u e rid o se a ce p ta la

536

CONTROL DE CALIDAD

ISO 2859-1 : 1989 (E)

I 8 I iI I.

28

22

28

-2

o.

X
i

IZ

ZZ

-9

oo

o oo

o"

< J =

oo

oo o -

=!>

o *

" JlL,

* 0

i
i----------*N
vX *
X
s
-----------------i- .
s

< p o

i
X
l

>

'-------------- =

>

::

::

<> =>

oo

z i

r-N

22

'------------------------------------->

::
"o

*>
oo

<> <>

-9

oo

oo

oo
oo

<5=

"o o

::

F --------2
o

oo
oo

IZ

22

<P

2 22
91
6

X
i
X

X
i
X

2
oo

3 8
8 12 12 19
5 10]
12 16j

2 ow

02
02

---

16

<2

< - -----------

-..............................i

5 10
12

- h
X

510
1216

0,1

r e d u c id a )
(in s p e c c i n
de calidad

< S = --............ - .......................-

a c e p ta b le s

N ive le s

lili

oo

-<
i---------------------------S
oo oo ::
X
i 1
------------------------------ o <>
o - oo
X
8
oo o O - j1- 1----------------------------------- O o
i X ---------------------------------------^ o <> oo
i ------------------------------------------- ^ <=<> oo
8
o+ 1
- X C=------------------------------ ---------------2 < r=
i--------------------------------
X
CMT coco moCO<o O
O
C
M
'T
BA!iB|nujnoB
CM-i COCO
BJisenui
9POyBUJBl
CMCMco co ininco co co co C
O
O
CM
BJjsenw
MC
MC
OC
CM
O88ss
8
8
ir> ui
epOUBUJBl

02
02
I 0 2I 0 3
02 04

125
125 I
200
200 I
315
315 I

13
26

50 I
100 I
80
160
125 |
250 I
200
400 I
315
630 I
500
1 000 I

03
04

o'

Primera
Sequnda
Primera
Segunda
Primera
Segunda
Primera j
Seaundal
Primera
Seaundal
Primera
Sequnda 1
Primera
Seaundal
Primera
Sequnda |
Primera
Seaundal
Primera I
Seaundal
Primera
Seaundal
Primera
Seaundal
Primera
Seaundal

CUADRO 6.22. Tabla lll-C. Planes de muestreo doble para inspeccin reducida

- t -
X
}

02
02

0 2 10
02 0
02 03 0
02

BJisaniu
9p OyBUJBl
|9p o 6P90 <
BJJ91

CQ o

LU

LL

Q_

CE

JORGE ACUA ACUA

537

m uestra y el lote. SI se encuentran 12 metros o m s disconform es, se rechaza

la m uestra y el lote y se inspeccionan 1 0 0 % los 124900 m etros restantes.
Este plan que es para inspeccin reducida no tiene nm eros de aceptacin
y re c h a zo co n se cu tivo s en la s e g u n d a m uestra. P o r lo tanto, si el n m e ro de
d isco n fo rm e s se en cu e n tra entre a m b o s n m e ro s se d e b e n a ce p ta r a m b a s
m uestra s y el lote, pero se deb e regresar a inspeccin norm al.
Plan 4
O b s e r v a n d o el C u a d r o 6 .1 8 , se tie n e q u e p a ra N = 5 0 0 0 y un nivel de
inspeccin III, la letra cdigo de tam ao de m uestra es la letra M.
Sa bie nd o qu e se desea un plan mltiple para inspeccin norm al se localiza
la T a b la IV -A , q u e se p re s e n ta en el C u a d r o 6 .2 3 . A l u s a r un A Q L d e 1,5
d is c o n f o rm id a d e s p o r c a d a 1 0 0 u n id a d e s y u n a le tra c d ig o M , el p la n
localizado se m uestra en el C u a d ro 6.24.
E ste plan funciona as: de un lote de 5 0 0 0 unidades se tom a una prim era
m u estra de 80 u nidade s, si no contiene unidade s d iscon form es en to n ce s se
a ce p ta la m u e stra y el lote. S i co n tie n e 5 o m s d isco n fo rm e s se re c h a za la
m uestra y el lote, procediendo a inspeccin 1 0 0 % sobre el rem anente de 4920
unidades. Si el nm ero de disconform es est entre 0 y 5 disconform es se tom a
u n a s e g u n d a m u e s tra ta m b i n de 8 0 u n id a d e s . Si el a c u m u la d o d e 160
u n id a d e s con tie n e 3 o m e n o s unidade s disconform es en to n ce s se a ce p ta la
m uestra y el lote. Si contiene 8 o m s disconform es se re ch a za la m uestra y el
lote, procediendo a inspeccin 1 0 0 % sobre el rem anente de 4840 unidades. Si
el n m e ro de disconform es est entre 3 y 8 disconform es se tom a una tercera
m u e stra ta m b i n de 80 u n id a d e s . E ste p ro ce so se c o n tin a de igual form a
hasta tener criterio de aceptacin o de recha zo , lo cual necesariam ente debe
darse al com ple tar siete m uestras, equivalentes a 560 unidades.
SI se co m p a ra este plan mltiple con un plan sim ple que trabaje bajo las
m ism as condiciones (n = 3 1 5, A c= 1 0, R e= 1 1) se puede notar que trabajar con el
plan mltiple puede ser m s barato siem pre y cuando el e sq u em a de m uestreo
mltiple no su pe re la m uestra 4.
T a m b i n se p uede u s a rla T a b la X -M , la cual es sim ilar a la T a b la X -N del
C u a d ro 6.20.

CUADRO 6.23. Tabla IV-A. Planes de muestreo mltiple para inspeccin normal

Niveles de calidad aceptable (inspeccin normal)

I I

3-8

|o.010|0.015 0.025 0.040 0.065 0,10

0.15

0.25

0.40

0.65

1.0

Ac Ra Ac Ral Ac Ral Ac Ra A cR aAcReAcRaAcRaAcRe Ac Ri

1.S

2.5

4.0

6.5

c Ra Ac Ra Ac Ra Ac Ral Ac Rs Iac Ral Ac Ral Ac Ral

6 16
17 27
29 39

Primero
Segundo
Tercero
Cuarto
Quinto
Sexto
Stimo

53 56
65 68
77 78

TV

Primero
Segundo
Tercero
Cuarto
Quinto
Sexto
Stimo
Primero
Segundo
Tercero
Cuarto
Quinto
Sexto
Stimo
Primero
Segundo
Tercero
Cuarto
Quinto
Sexto
Stimo

40 49

TV

TV

TV

TV

o
o

VI

33

r~
O
m

o
>

Contina en la siguiente pgina

a
>
o

i
o

Continuacin del Cuadro 6.23

33

m
>

o
c

Mtvatas de candad aceptable (Inspeccin normal)

i i . i - - 1.. i . . i i i

,r

>
>

c
z<
>

CONTROL DE CALIDAD

540

CUADRO 6.24. Plan mltiple de muestreo del Ejemplo 6.16

No.

Tamao

Acumulado

1
2
3
4
5
6
7

n,=80
n2=80
n3=80
n=80
n5=80
ne=80
n7=80

80
160
240
320
400
480
560

Disconformldades/100 unidades
Ael= 0
Ac2= 3

R ,= 5

A=11

R2= 8
R.3=10
R = 1 3
R5=13

Ac6=14
Ac7=18

Ree=17
R.r=19

Ac3= 6
Ac4= 8

Dinmica de la inspeccin
A l utilizar e sta N o rm a , se d e b e te n e r presente q u e el tipo de in sp e cci n
d e b e se r dinm ico, de tal m anera que se cam bie a inspeccin reducida cuan do
la calidad m ejore o a estricta cu a n d o sta em peore.
La s re g la s y p ro ce d im ie n to s q u e s e sig u e n p a ra c a m b ia r de un tipo de
inspeccin a otra son las siguientes:

1. Cambio de inspeccin normal a reducida

A l iniciar la in sp e cc i n se d e b e a p lica r in sp e cc i n norm al. E s ta n d o en
inspecci n norm al, se ca m b ia r a inspeccin reducida cu a n d o se satisfagan
todas las siguientes condiciones:
a.

Lo s ltimos 10 lotes som etidos a inspeccin han sido aceptados.

b.

E l n m e ro total d e u n id a d e s no c o n fo rm e s o d is c o n fo rm id a d e s en las
m uestra s provenientes de los ltimos 10 lotes no su p e ra el n m e ro lmite
d a d o en la T a b la

VIII

q u e se e n c u e n tra en el C u a d r o

6.25.

S i s e estn

usando planes dobles o mltiples, se deben considerar todas las m uestras

insp eccion a da s y no solam ente las prim eras.
c.

La pro duccin se est ejecutando en form a estable, sin interrupciones ni

situaciones ano rm ales.

JORGE ACUA ACUA

14
22
40

65

4 lO Q
i-C M 4

OCM4

O O

1 -C 0 N

CO 04 co
T - 04 CO

CO 11)01
co o co

8
14
24

0004

UJ

4 co 4

m cm en
04 -4 co

s c

0004

. .

O O

cm 4

co

O 04 -4-

44
T - CM

o o *-

CO N- CO

o o

044N

14
24

. .

0 04 4

CO 4

. . .

in
o
o
o
m
8.

o"
m
o
m
o

s e jo io i
s o iu u in s o |
9 p e jfs e n tu
e p s e p e p iu n
e p o je tu is i

14
24
40

........................ .....

O 044

115
186

o_

40
68
110

110 | 181
181

110
181
o rn e o
co t- co

24
40
67

M -in w

4
7
14

CM4 C0

4 .0

O O CM

24
40
68

O)
co

4
8
14

en m o
co <o o

o o

2.5

6.5

co cm
T - 04

0,25

O T - co

113
181

4
7
14

25

w cos

68
110
181

40

4 04 CO
CM4 CO

7
14
21

"5

189

105
177
277

100

co in *(O - co

co o en

0,40 0 .6 5

CO
O
<1>
O

297
490

400
250
150

04 CO CO
CMCO CO

. . .

0.0 1 0

CUADRO

6.25. Tabla VIII Nmeros lmite para inspeccin reducida

099
CO
TD

S o n
T~ CO 4

o o io t(0 0 0 3

&
Q.
<D

IO N -K o
T -r -m

Q CO O
^ CD T -

0)

181
277

1000

ISO 2859-1 : 1989(E)

. . .

O
4 CO
SS

0004

4 CO

O o

04 4

. . o

O rO O

8 8

8 2

8 8 8

ti
s s

If

Denota que el nmero de unidades de muestra de los ltimos 10 lotes no es suficiente para inspeccin reducida para esta
AQL. En este caso, ms de 10 lotes deben ser usados para el clculo, dado que los lotes usados son los ms recientes en
la secuencia, que han sido sujetos a inspeccin normal y que ninguno ha sido rechazado durante la inspeccin normal.

541

542

CONTROL DE CALIDAD

d.

La autoridad responsable co n sid e ra conveniente la instauracin de la ins

peccin reducida.

2.

Cambio de inspeccin reducida a normal

Estando en inspeccin reducida se ca m b ia r a inspeccin norm al cu an do

o cu rra cu a lq u iera de las siguientes situaciones:

a.
b.

un lote no es a ce p ta d o o,
un lote se a ce p ta c u a n d o su n m e ro de d isco n fo rm id a d e s se e ncu entra
entre el n m e ro de acep taci n y el de re c h a zo o,

c.

la produccin se vu e lve inestable o se presentan anorm alidades en el pro

ce so de p ro du ccin o,

d.

cualquier otra situacin qu e am erite la reinstauracin de la inspeccin nor

mal.

3.

Cambio de inspeccin normal a estricta

E s ta n d o en inspe ccin n o rm al se ca m b ia r a inspeccin estricta cu a n d o

d o s de cinco o m e n o s lotes co n se cu tivo s no han sido aceptados.

4.

Cambio de inspeccin estricta a normal

Estando en inspeccin estricta se retornar a inspeccin normal cuan do se

acepten cinco lotes consecutivos. S i 10 lotes consecutivos perpnanecen en ins
peccin estricta se d e b e s u s p e n d e r la recepcin de lotes e inform ar al p ro ve e
do r a ce rca de los p ro b le m a s d e te c ta d o s. N o se reiniciar la re cepci n hasta
tanto no se d e m u e stre qu e los pro blem as han sido elim inados.

EJEMPLO 6.17
E n recepcin de materias prim as de una fbrica se reciben lotes de produc
to de 8 3 0 0 u n id a d e s q u e so n in s p e c c io n a d o s m e d ia n te un plan s im p le de

JORGE ACUNA ACUNA

543

m uestreo. El A Q L se ha fijado en 4 % y actualm ente se usa el Nivel II para la Ins

peccin.
a.

C u le s son los p la n e s d e m u e stre o p a ra in p e cci n n o rm a l, estricta y

reducida?

b.

Si se recibieran 30 lotes con la cantidad de disconform es q u e presenta el

C u a d ro 6 .26, cul d e b e ra ser la d inm ica de la inspecci n ? La p ro d u c
cin se realiz en form a norm al y la direccin de inspeccin ha dicho que si
se cum plen las dos prim eras condiciones para pasar a inspeccin reducida
se p u e d e ejecutar esa accin.

SOLUCION
a.

Lo s planes de m uestreo son los siguientes:

Inspeccin normal

b.

Inspeccin estricta

Inspeccin reducida

n =200

n =200

A =

14

12

n =80
A = 7

R e=

15

Re =

13

R e= 1 0

La dinm ica de la inspeccin sera la siguiente:

La insp ecci n se inicia con el plan de inspeccin norm al (n = 2 0 0 , A c= 1 4 ,

R e= 1 5 ). E l C u a d r o 6 .2 7 m u e s tra qu e las 10 p rim e ra s m u e s tra s y por c o n s i

guiente los lotes de don d e pro vien en son ace p ta d a s, con lo qu e se cum ple la
prim era condicin para p a sa r a inspeccin reducida.
S e g n la T a b la V III del C u a d r o 6 .2 5 el n m e ro lm ite es 68 u n id a d e s
d isco n fo rm e s p a ra un total de 2 0 0 * 1 0 = 2 0 0 0 u n id a d e s in s p e c c io n a d a s con
AQL=4% .
El total de disconform es hasta la m uestra No. 10 es de 74, el cual es m ayor
que 68 el nm ero lmite requerido. Por lo tanto, no se puede pasar a inspeccin
reducida.

CONTROL DE CALIDAD

544

CUADRO 6.26. Nmero de disconformes encontrados

inspeccin de 30 lotes (Ejemplo 6.17)

N o . m u estra

N o. d e

N o . m u estra

N o. d e

d is c o n fo r m e s

d is c o n fo r m e s

10

16

14

17

10

18

14

19

13

12

20

15

10

21

16

22

23

13

24

10

10

25

12

11

26

10

12

27

13

28

14

29

15

30

10

Al incorporarse la muestra No. 11, la m uestra No. 1 es sustituida para co m

pletar otras 10 m uestras cuyo nm ero de disconformes es 72, nm ero que sigue
siendo m ayor que el nm ero lmite 68. Al ingresara inspeccin la muestra No.12,
la m uestra N o. 2 es sustituida para form ar un nuevo grupo de 10 m uestras, las

CUADRO 6.27. Situacin de las primeras 10 muestras

M u estra N o.

10

N o. d is c o n fo r m e s

10

14

12

10

13

C r it e r io

JORGE ACUA ACUA

545

c u a le s s u m a n 62 u n id a d e s d is c o n fo rm e s , n m e ro q u e s es m e n o r q u e el
n m e ro lmite 68. P o r lo tanto, la s e g u n d a condicin p a ra p a s a r a inspeccin
reducida se cum ple.
T a l y co m o lo e x p re sa la inform acin dad a , la pro d u cci n se ejecuta nor
m alm ente y hay anuencia de la direccin para pasar a inspeccin reducida si se
c u m p le n las dos prim eras co n dicio nes. P o r lo tanto, a partir de la m uestra No.
13 se inspecciona con el plan de m uestreo de inspeccin reducida (n=8 0, A c=7,
R e= 1 0 ). El C u a d ro 6 .2 8 presenta lo qu e ocurre con las pr xim as 4 m uestras.
Al obs e rva r el C u a d ro 6.28, se nota qu e las cuatro m u estra s son a ce p ta
das. Sin em bargo, la m uestra No. 16 (sealada con asterisco) es aceptada con
un nm ero de disconform es que se encuentra entre los nm ero s de aceptacin
y recha zo. Por lo tanto, a la v e z que se acepta la m uestra y el lote de don de pro
viene, se debe reinstaurar la inspeccin norm al a partir de la m uestra N o. 17.

CUADRO 6.28. Situacin con las muestras de la No. 13 a la No. 16

13

14

15

16

No. d is c o n fo rm e s

C rite rio

AC

AC

M u e s tra No.

El C u a d ro 6.2 9 m uestra las siguientes cinco m uestras.

CUADRO 6.29. Situacin con las muestras de la No. 17 a la No. 21

17

18

19

20

21

No. d is c o n fo rm e s

10

14

13

15

16

C riterio

AC

AC

Ac

Re

Re

M u e s tra No.

546

CONTROL DE CALIDAD

C o m o se puede observar en el C u a d ro 6.29, al inspeccionar la m uestra No.

21 se recha za, por lo que ya se han re ch a za d o dos m uestras consecutivas. De
acuerdo con lo apunta do en la norm a, esta condicin es suficiente para inspec
cionar con el plan de inspeccin estricta (n = 2 0 0 , A c= 1 2, R e= 1 3). P or lo tanto, a
partir de la m uestra N o . 22 se inspeccionarn las m uestras usando este plan.
E n el C u a d ro 6 .3 0 se detallan las siguientes cinco m uestras.

CUADRO 6.30. Situacin con las muestras de la No. 22 a la No. 26

M u estra N o.

N o. d is c o n fo r m e s

C r it e r io

22

23

24

25

26

10

12

10

Ac

Al ob s e rva r el C u a d ro 6 .30 se nota que cinco m uestras con secu tivas son
a ce p ta d a s, p or lo q u e se cu m p le la con dici n p a ra re in stau rar la inspecci n
norm al a partir de la m uestra N o .27.
El C u a d ro 6.31 presenta lo ocurrido con las ltimas cuatro m uestras.
Las siguientes m uestras se continan inspeccionando con el m ism o proce
dimiento.

CUADRO 6.31. Situacin con las muestras de la No. 2 7 a la No. 30

M u estra N o.

27

28

29

30

N o. d is c o n fo r m e s

10

C r it e r io

JORGE ACUNA ACUNA

547

O tra s ta b la s de la N o rm a IS O 2859-1
Esta norm a contiene tam bin otras tablas que pueden ser tiles para la ins
peccin. Estas son la T a b la V -A , la T a b la V I-A , y la T a b la IX la cual presenta las
cu rva s de m agnitud m uestral para m uestreo doble y mltiple. E stas tablas se
encuentran en los C u a d ro s 6 .3 2 ,6 .3 3 y 6.34, respectivam ente.
La s T a b la s V -A y V -B presentan valores aproxim ados del lmite de calidad
saliente m edia para inspeccin norm al e inspeccin estricta, respectivam ente.
La calidad lmite (L Q ) se define co m o el nivel de calidad que, para efectos
de inspeccin por m uestreo, tiene la m s baja probabilidad de aceptacin. La
T a b la V l-A presenta valores de calidad lmite (L Q ) para porcentajes de producto
no conform e con especificaciones cuya probabilidad de aceptacin es del 1 0 % .
T a m b i n existen la T a b la V ll-A para porcentajes de producto no conform e con
especificaciones cu ya probabilidad de aceptacin es del 5 % .
A d e m s , existen las T a b la s V l-B y V ll-B que se usan para localizar n m e
ros lmite para disconform idades por cad a cien unidades cu ya s probabilidades
de ace p ta ci n son 1 0 % y 5 % respectivam e nte. T o d a s estas tablas son para
planes sim ples de m uestreo e inspeccin norm al.
Para localizar el valor buscado en todas las tablas citadas anteriormente se
necesita disponer de las letras cdigo del tam ao de la m uestra y los respecti
vo s valores de A Q L .
La T a b la IX sirve para localizar la m agnitud m edia m uestral, en inspeccin
normal y estricta, que corresponde a un plan doble o mltiple dado un plan simple.

EJEMPLO 6.18
E n u na inspeccin por m u estre o se usa el plan sim ple n = 1 25, A c=3, que
corresp onde a u n A Q L de 1% . Los lotes que se reciben han m ostrado tener un
2 % de producto no conform e a lo requerido.
a.

C u l es el lmite de calidad saliente m edia (A O Q L ) si se trabaja en inspec

cin norm al?

b.

C u l es la calidad lmite (L Q ) para probabilidad de aceptacin del 10 % ?

Cuadro 6.32. Tabla V-A Valores aproximados de AOQL (inspeccin normal)

o <n

N ivel d e calidad aceptable

O)
0.010 0,015 0.025 0,040 0,065 0,10
i
A
B
C

0,15

0,25

0.40

0,65

1.0

1.5

2,5

4,0

6,5

10

15

25

40

65

100

150

250

400

650

1 000

69
65
63

97
110
90

160
150
130

220
220
190

330
310
290

470
490
430

730
720
660

1 100
1 100

82
72
73

120
110

180
170

270
250

410

1
2
3
5

D
E
F

8
13
20

G
H
J

32
50
80

K
L
M

125
200
315

N
P
Q

500
800
1 250

2000

7.4

17

28
27

42
46
39

4.2

6,5
6,9

11
11
9,7

17
15
16

24
24
22

40
34
33

56
50
47

21
19
18

29
29

46

18
12

4.6
2,8
1.8

1,1

1.7
1.7

2,6
2,7
2,4

4,3
3,9
4,0

6,1
6,3
5,6

9,9
9.0
8,2

14
13
12

5,2
4,7
4,7

7,5
7.3

12

1,2
0,74
0,46

0,27

0.42
0.44

0,67
0,69
0,62

1,1
0,97
1,00

1.6
1.6
1.4

2,5
2,2
2,1

3,6
3,3
3,0

0,17
0,17
0.16

0,27
0,24
0.25

0.39
0,40
0,36

0,63
0.56
0.52

0.90
0.82
0.75

1.3
1.2
1,2

1,9
1,8

2,9

0.042 0,069 0.097 0,16

0,22

0.33

0,47

0,73

0.29
0,18
0,12
0.074
0.046
0.029

0.067

0,11
0,11

o
o

H
H
O
o
>

o
>
o

i
CUADRO 6.33. Tabla VI-A Valores de LQ para % de disconformes
(PA=10%, plan simple, inspeccin normal)

D
O
m
>
o
c
>
>
o
c
z>
>

CJl
-P*.
co *

CUADRO 6.34. Tabla IX Curvas de magnitud muestralpara planes

dobles y mltiples (inspeccin normal y estricta)

550
CONTROL DE CALIDAD

JORGE ACUA ACUA

c.

551

C u l es la m agnitud muestral de los planes dobles y mltiples eq uivalen

tes ai plan sim ple dad o?

SOLUCION
a.

O b s e r v a n d o el C u a d r o 6 .3 2 , se p u e d e v e r q u e el v a lo r de A O Q L para
n = 1 25 (letra cdigo K ) y A Q L = 1 % es 1 ,6 % .

b.

O b s e rv a n d o el C u a d ro 6.33, se p u e d e v e r qu e el v a lo r de L Q para n = 1 25
(letra cdigo K ) y A Q L = 1 % es 5 ,4 % .

c.

E n el C u a d ro 6 .34, en el grfico correspondiente a A c= 3 se puede ve r que

para np= 1 25*0,02=2,5, los tam aos de m uestra equivalentes al plan sim
ple son:
P a ra plan doble:

n ,= n 2=0,84*125

105 unidades

P a ra plan mltiple:

n = 0,78*125

98 unidades

PLANES DE MUESTREO PARA VARIABLES

C o n c e p t o s g e n e ra le s
El m uestreo de aceptacin para variables es una tcnica estadstica que se
usa para evaluar lotes con base en m uestras con el fin de evidenciar las causas
de re cha zo , en caso de qu e ste se d.
P ara aplicar este tipo de m uestreo se deben cum plir una serie de condicio
nes. La s m s importantes son:
1.

La caracterstica de calidad que se va a controlar deb e ser una variable, o

un atributo que pu ede ser puesto en una escala de m edicin.

2.

L o s costos del m u e stre o por atributos d e b e n s e r altos p o r c o n ce p to de

e n s a yo s destructivos.

3.

La inspeccin de atributos no sum inistra suficiente inform acin sobre las

ca u sa s de recha zo , las cuales de b e n ser estudiadas para increm entar el
nivel de calidad.

552

4.

CONTROL DE CALIDAD

La distribucin de la variable en estudio debe aproxim arse a la distribucin

norm al.

La aplicacin de este tipo de m uestro tiene algunas ventajas sob re la ins

p eccin por atributos. A lg u n a s de ellas son:
1.

S e tie n e u n a p ro te c c i n e q u iv a le n te con un ta m a o de m u e s tra m s

pequeo.

2.

S e p u e d e estu dia r a fondo la caracterstica de calidad pues solo ella es

m otivo de estudio.

3.

S e ofrece u na base m s a pro p ia d a para m ejorar la calidad. N o obstante

estas ve nta ja s, es ne ce sa rio h a ce r un estudio com parativo entre am b a s
form as de inspeccin tom and o en cuenta aspectos tales com o: costos de
inspeccin, costos adm inistrativos, personal entrenado, cantidad y dificul
tad de las m ediciones, disponibilidad de equipo de m edicin y laboratorios
y organ iza cin de la inspeccin.
Los costos de inspeccin por variables se clasifican en cuatro categoras:

a.

Costos administrativos.

S o n los costos en que se incurre para registrar

informacin; entre ellos se incluyen los costos de papeleo y de personal de

inspeccin. E sto s costos son independientes del tam ao de la m uestra.
b.

Muestreo. S o n los costos de evaluacin que incluyen entre otros los cos
tos de recolectar inform acin y de m edicin de las m ism as.

c.

Inspeccin. S o n los costos por tener que inspeccionar piezas. Incluye en

tre otros el costo de la unidad que est siendo ensayada.

d.

Clculos. S o n los costos o ca sio nado s por el entrenam iento del personal
para relizar clculos y sa ca r conclusiones.

Tipos de planes de muestreo

Existen fundam entalm ent cuatro tipos de planes que se clasifican segn se
co n o zca la desviacin estndar y si se tienen uno o dos lmites de especificacin.
El funcionamiento de estos planes es bsicamente el mismo utilizado en los
planes para atributos: se tom a una m uestra del lote, se ejecutan las m ediciones

JORGE ACUNA ACUNA

553

sobre ella y depe ndiendo de la calidad qu e sta m uestre al ser com p a ra d a con
la e sp e cifica ci n , se e sta b le c e un criterio d e a c e p ta ci n o de re c h a z o de la
m uestra y del lote de don de proviene.
Al igual qu e en plan es para atributos, todos los plan es de m u estre o para
variables que dan determ inados cuan do se definen el tam ao de la m uestra (n)
y el criterio de aceptacin (k).
E n el caso de un plan para un solo lmite especificado con variabilidad des
co n o cida los valore s del ta m a o de la m u estra y del criterio de aceptacin se
calculan con base en el riesgo del pro d u cto r(a ), el riesgo del con sum ido r (B ), el
A Q L y el P N C T . La s frm ulas son las siguientes:

(k 2 + 2 ) * ( z 1_ a + Z 1_ p) 2
n= 2
2 * ( Z 1-AQ L ~ Z 1-PNC t )

k=

( Z 1 -a * Z 1-P N C T ) + ( Z 1-p * Z 1 -A Q L )

Z 1 -a + Z 1-P

donde:
n

T a m a o de la m uestra

Criterio de aceptacin (equivale a Z de C u rv a norm al)

Z 1a

V a lo r de Z corresp ondiente a una probabilidad (1 -a )

Zi p

V a lor de Z correspondiente a una probabilidad (1 -(3)

Z i -aql

V a lo r de Z correspondiente a una probabilidad (1 -A Q L )

V a lo r de z correspondiente a una probabilidad (1 - P N C T )

i -p n c t

Este plan funciona en form a parecida a una pru e ba de hiptesis unilateral.

E sto se debe a qu e s e g n la cu rva norm al estn dar el porcentaje de producto
disconform e d e cre ce de a cu e rd o con el crecim iento del va lo r absoluto de Z y
por lo tanto hay m a yor probabilidad de aceptacin.

554

CONTROL DE CALIDAD

E J E M P L O 6.19
D ise a r un plan de m uestreo por variables que cum pla con las siguientes
condiciones:
1.

R ie sgo del pro ductor (a )= 5 %

2.

R ie sgo del co n su m ido r (P )= 1 0 %

3.

Nivel de calidad aceptable (A Q L )= 2 ,5 %

4.

Porcentaje disconform e tolerado en el lote (P N C T )= 7 ,5 %

S O L U C IO N

Utilizando la T a b la I del A p n dice I, se localizan los siguientes valores de Z .

z +, a

= Z , -0,050

_ Z(),950 = 1,65

Z,1+

= Z , -0.100

~ Zo,900 = 1,28

Z,1-AQL

= Z , -0,025

_ Z 0,975

Z,1-PDTL

= Z , -0,075

_ Z 0.925 = 1,44

= 1,96

A s
,

1,65*1,44 + 1,28*1,96

K = --------------------------------------------------- = 1 , 6 6 7

1,65 + 1,28

1-

1 ,6 6 7 2 + 2 )* (1 ,6 5 + 1 ,28)2
--------------------------------= 76 unidades
2*(1,96 1,4 4)2

P or lo tanto, se con clu ye qu e el plan de m uestreo que cum ple con las co n
diciones planteadas es n= 7 6 , k = 1 ,667. Q u ie re decir esto, qu e se d e b e extraer
del lote u na m u e stra de 76 u n id a d e s y calcu lar el va lo r de Z corre sp o n d ie n te
(Z = (V E-x)/s). Si el valor de k es m enor que Z, entonces se acepta la m uestra y el
lote, de lo contrario se re cha za .

JORGE ACUA ACUA

555

Estos planes de m uestreo tienen su correspondiente cu rva caracterstica

de operacin, la cual se construye bajo los siguientes pasos:
1.

Estable cer valor de p (porcentaje del lote que no cum ple con lo especifica
do ). El nm ero de valores de p debe ser tal que perm ita su avizar una a d e
cu a d a curva.

2.

C a lc u la r el valor de 1-p.

3.

Lo ca liza r en la T a b la I de A p n d ice I el valor de Z 1

4.

C a lc u la r el valor de Z 1PA.

Z 1-PA -

5.

Lo caliza r en la T a b la I de A pn dice I el valor de 1 -P A.

6.

D e te rm inar el valor de P A a partir de 1 -P A.

7.

D ibujar la curva caracterstica de operacin con los valores de p en el eje x

y los valores de P A en el eje y.

EJEMPLO 6.20
P a ra el plan de m uestreo disead o en el E jem plo 6.19, construir la cu rva
caracterstica de operacin.

SOLUCION
El C u a d ro 6.3 5 pre senta los paso s del 1 al 6 y la F ig u ra 6.1 5 presenta la
cu rva caracterstica de operacin pedida.

556

CONTROL DE CALIDAD

CUADRO 6.35. Clculos para la curva OC del Ejemplo 6.20

(1)
p

(2)
1-p

0,020
0,025
0,030
0,040
0,045
0,050
0,060
0,065
0,075
0,085
0,090
0,100

0,980
0,975
0,970
0,960
0,955
0,950
0,940
0,935
0,925
0,915
0,910
0,900

(3)

(4)

(5)

(6)

Z ,-p

z , PA

1-P*

P*

0,0158
0,0156
0,1190
0,3228
0,4404
0,5478
0,7324
0,8023
0,8962
0,9495
0,9656
0,9826

0,9842
0,9484
0,8810
0,6772
0,5596
0,4522
0,2676
0,1977
0,1038
0,0505
0,0344
0,0174

2,055
1,960
1,880
1,750
1,695
1,645
1,555
1,514
1,440
1,372
1,340
1,287

h=i,J_+ i f 72
11 76

2*(76 - 1 )

-2,15
-1,63
-1,18
-0,46
-0,15
0,12
0,62
0,85
1,26
1,64
1,82
2,11

Q,1{

_ 1 ,6 6 7 -Z 1_P

1 -P A

------------------------

0,1

N O R M A IS O -3 9 5 1

Esta norm a que tiene sus org enes en la N orm a Militar Estndar 414, c o n
siste de la a c tu a liz a c i n de d ic h a n o rm a de tal m a n e ra q u e los p la n e s de
m u estro se ajusten a los de la N o rm a 2 8 5 9 -1 . La norm a presenta diferencias
significativas con respecto a la N o rm a 414. U n a de estas diferencias es el uso
del m todo grfico qu e perm ite c o n o ce r la razn de re c h a za r una m uestra y el
lote de don de proviene. Esta razn ser siem pre una o a m b a s entre exactitud y
precisin.
E sta norm a ha sido disea d a para ser usada en p ro ce so s que tengan las
siguientes caractersticas:

JORGE ACUNA ACUNA

557

p (% )

FIGURA 6.15. Curva caracterstica de operacin del Ejemplo 6.20.

1.

El procedim iento de inspeccin se aplica a la recepcin continua de lotes

de productos discretos que han sido fabricados por un nico productor bajo
un nico pro ceso. Si hay m s de un proveedor, la norm a de b e aplicarse a
ca d a uno de ellos en form a separada.

2.

La in sp e cc i n se h a c e so b re u n a nica c a ra c te rs tic a la cu al d e b e s e r
m edible. Si existen dos o m s caractersticas, esta norm a se debe aplicar
a ca d a una de ellas en form a separada.

3.

La produccin debe ser estable (bajo control estadstico) y la caracterstica

en estudio de b e distribuirse norm alm ente o al m e n o s a proxim arse a esa
distribucin.

4.

El p ro c e d im ie n to e s ta b le c e , p o r con trato o p o r n o rm a , el uso de un l

mite su p e rio r de especificacin, un lmite inferior de especificacin o de
a m bos.
A lg u n a s definiciones im portantes de esta n orm a son:
M to d o s: e s un m todo para definir la aceptabilidad de un lote usando la

desviacin estn dar m uestral.

558

CONTROL DE CALIDAD

Mtodo o: es un m todo para definir la aceptabilidad de un lote usand o la

desviacin e stn dar del proceso.
Mtodo R: es

un m to do para definir la aceptabilidad de un lote u sa n d o

una e stim a cin de la d e s via ci n e st n d a r del pro ceso basa d a en el intervalo

prom edio calculado en una serie de m ediciones cuando la m uestra se divide en
su bg ru p o s.

Constante de aceptabilidad: es la constante que se extrae de tablas con

base en el ta m a o de la m uestra y el A Q L . Este valor se co m p a ra con el esta
dstico de calidad para definir si se acepta o se recha za el lote.
Lmites dobles de especificacin separados: son lmites de especifica
cin para los que se dan A Q L s diferentes.Esto quiere decir qu e el lmite s u p e
rior tiene un A Q L y el lmite inferior otro que puede ser igual o diferente. S e d e
nota con U el lmite superio r y con L el lmite inferior.

Lmites dobles de especificacin combinados: son lmites de especifi

cacin para los que se da un solo A Q L , lo que significa el lmite superior y el in
ferior de b e n cum plir en conjunto con '.z especificado por el A Q L .
Estadstico de calidad: es un estadstico similar al estadstico Z de la dis
tribucin norm al, y que se calcula de igual form a, pues es la diferencia entre un
v a lo r x e s p e c if ic a d o y la m e d ia de la m u e s tra d iv id id a p o r la d e s v ia c i n
estndar.
Estadstico inferior de calidad: es el estadstico de calidad don de el valor
de x es el lmite inferior de especificacin.
Estadstico superior de calidad: es el estad stico de calida d d o n d e el
valor de x e s el lmite superio r de especificacin.
Desviacin estndar muestral mxima (MSSD): es el valor m s

grande

de la d e svia cin estn dar m uestral qu e se g enera bajo condiciones dad as.

Desviacin estndar mxima del proceso (MPSD): es el valor m s g ra n

de de la d esviacin estn dar del pro ceso qu e se g e nera bajo con dicio nes d a
das. E s decir, es el valor m s g rande de o qu e se g enera para un A Q L cu an do
el pro ce so est centrado.
Esta norm a y la N orm a IS O 2819-1 tienen importantes similitudes y diferen
cias. A lg u n a s de esas sim ilitudes estn en qu e a m b a s norm as:

JORGE ACUNA ACUNA

559

a.

Parten de una filosofa co m n (aceptacin o re ch a zo del lote con base en

m uestra s).

b.

U s a n el criterio de A Q L para determ inar el tam ao de m uestra y criterio de

aceptacin.

c.

S e basan inicialmente en el tam ao del lote y nivel de inspeccin para bus

ca r una letra cd ig o de tam ao de m uestra.

d.
e.

U s a n bsicam ente las m ism as reglas de dinm ica de inspeccin,

U s a n la m is m a c la s ific a c i n de p ro d u c to no c o n fo rm e c o n e s p e c ifi
caciones.
A lg u n a s diferencias son:

a.

El criterio de aceptacin y rechazo en am bas norm as es diferente. Mientras

q u e en la N o r m a I S O 2 8 5 9 -1 se b a s a en el n m e ro de u n id a d e s nc
co n fo rm e s co n lo especificado e n c o n tra d a s en la m uestra , en la norm a
3951 se basa en el clculo del estadstico de calidad.

b.

La norm a 3951 requiere para su aplicacin de que la caracterstica en es

tudio se distribuya norm alm ente, m ientras que la N orm a IS O 2859 no tiene
n in g n re q u e rim ie n to p a ra la d istrib u c i n de p ro b a b ilid a d de las c a
ractersticas.

c.

La s curvas caractersticas de operacin de am bas norm as no son equiva

lentes a p esar de tener los m ism os valores de A Q L .

d.

La probabilidad de que un lote que tiene una calidad igual al A Q L sea acep
tado se incre m en ta con el tam ao de m uestra. E sto es sim ilar en ambas
norm as; sin em b a rgo , a m b a s probabilidades no son idnticas.

e.

Lo s ta m a os de m uestra en la norm a para variables, correspondientes s

una m isma letra cdigo, son generalm ente m s pequeos que los tam ao;
de m uestra en la norm a para atributos.

f.

E n esta norm a no existen ni planes dobles ni mltiples.

g.

E n esta norm a no es aplicable el concepto de A O Q L .

La N orm a IS O 3951 est com puesta de las siguientes partes:

1.

Aspectos generales

560

CONTROL DE CALIDAD

2.

M todo de seleccin de plan es de m uestreo

3.

F u ncionam ie nto de un plan de m uestreo para variables

4.

T a b la s y d ia g ra m a s

5.

Anexos
a. P ro cedim ientos para calcular s y o
b. T e o ra estadstica
c.

P lan e s de m uestreo p or m todo del intervalo R

P a ra extraer un plan de esta norm a se necesita contar con la siguiente in

form acin:
1.

P rueba de qu e la variable en estudio se distribuye norm alm ente y de que la

pro duccin ha sido continua

2.

T a m a o del lote (N )

3.

Nivel de inspeccin

4.

M todo de estim acin (s, o o R )

5.

T ip o de inspeccin

6.

T ip o de lmites de especificacin

7.

AQL
L a prueba de norm alidad se h ace a travs de bondad de ajuste. La pro du c

cin se c h e q u e a con el fin de qu e se dem uestre su continuidad.

El tam ao del lote se define de antem ano y debe perm anecer constante. Si
no existen lotes de ta m a o e s ta n d a riza d o se de b e n ejecu tar las activid ades
n e c esaria s para su estandarizacin.
El nivel de inspeccin se establece de acuerdo con lo que se especifique. Si
no se especifica ning u no se usa nivel II. Existen tres niveles generales y dos e s
peciales qu e funcionan en la m ism a form a de los niveles de la N o rm a 2 8 5 9 -1 .
El m todo de estim acin deb e esco gerse de acuerdo con el conocim iento
del valor de a. Si este es conocido se usa el m todo a, si no se conoce se usa el
m to d o s o R. La de cisin de u s a r s o R se ba sa r fu n d a m e n ta lm e n te en las

JORGE ACUNA ACUNA

561

facilidades de clculo y en el tam ao de la m uestra, el cual es ligeram ente m a

yo r en el m todo R.
El tipo de inspeccin depe nde del com portam iento de la calidad de los lo
tes. S e inicia con in sp e cci n norm al y se c a m b ia a in sp e cci n reducida si la
calidad m ejora o a estricta si desm ejora.
El tipo de lmite de especificacin consiste en definir si se ch equ e ar para
un solo lmite o para dos lm ites especificados. S i se trata de d o s lmites debe
definirse si son co m b in a d o s o separados.
El A Q L debe ser especificado de tal m anera que el plan pueda ser extrado.
Existen once valores que van de 0 ,1 0 % a 1 0 % que representan porcentajes de
producto no conform e con lo especificado.

No se puede usar la norma para

valores de AQL diferentes a estos once.

A lg u n a s ta b la s d e la n o r m a c o n t ie n e n s m b o lo s e s p e c ia le s c u y o
significado se explica a continuacin:
:

u sa r el prim er plan de m uestreo localizado sobre la flecha, incluye ta

m ao de m uestra y constante de aceptabilidad

usar el prim er plan de m uestreo localizado bajo la flecha, incluye tam a

o de m uestra y constante de aceptabilidad

indica el lmite en el cual los planes son equivalentes a los de la norm a

IS O 2859

A continuacin se explicarn a fondo los m todos s y o. El m todo del ran

go se e ncuentra en la n orm a y funciona m u y parecido al m todo s.

Mtodo s
El m todo s se basa en la estimacin de la desviacin estndar del proceso
con base en la desviacin estndar muestral. El procedim iento para operar con
este m todo es el siguiente:
1.

C o n el tipo de inspeccin y el tam ao del lote se localiza la letra cdigo de

tam ao de la m uestra en la T a b la l-A del C u a d ro 6.36.

CONTROL DE CALIDAD

562

CUADRO 6.36. Tabla I-A Letras cdigo del tamao de la muestra

Tam ao del lote

Niveles generales
de inspeccin

Niveles especiales
de inspeccin
S-3

2
9
16

a
a
a

8
15
25

26
51
91

a
a
a

50
90
150

151
281
501

a
a
a

1 201
3 201
10 001
35 001
150 001
500 001

S-4

B
C

C
D
E

B
C

D
E

D
E
F

F
G
H

280
500
1 200

B
c
D

D
E
F

F
G
H

G
H /r
j

J
K

a
a
a

3 200
10 000
35 000

E
F
G

G
H
I

I
J
K

K
L
M

L
M
N

a
a

150 000
500 000
y ms

H
I
J

J
K
L

L
M
N

N
P

*Use H para un lote de tamao entre 281 y 400, ejemplo para un lote de tamao entre 401 y 500

2.

C o n base en el A Q L , la letra cdigo del tam ao de m uestra, el tipo de ins

peccin y la definicin de si se tienen uno o dos lmites y si stos son c o m
binados o separados, se busca en la tabla correspondiente el tam ao de la
m uestra (n ) y la constante de aceptabilidad (k). P or ejem plo, si se trata de
inspeccin norm al se usa la T a b la ll-A del C u a d ro 6.37.

3.

S e tom a la m uestra del ta m a o q u e indica la tabla c o rre sp o n d ie n te y se

ejecutan las m ediciones del caso.

JORGE ACUNA ACUNA

563

co h - co
oo t - co
CO 0 5

LO CO

05

o" o"
T LO ,
h- LO
C O 05

oo

[lo

CUADRO 6.37. TABLA ll-A Planes de muestreo simple para

inspeccin normal (Mtodo s)

>10

:Y -

05

-Q

LO

-2

o.
T- 00 co
C M cm' cm'

M
m

CM

' cm

t -

LO_ LO

cm' cm' cm'

^ ^

cm' cm cm

a>

"O co

11
.1 i
o co

O -k

S
O S
f i

C O CO_ Tfr
c m ' cm ' cm '

co O

o x

cq cq
cm' cm'

LO CO CD
c m ' cm ' cm '

CONTROL DE CALIDAD

564

4.

S e calcula la m edia aritmtica. Si la m edia aritmtica se encuentra fuera del

lmite de especificacin el lote se recha za . D e lo contrario se contina con
el p a so 5.

5.
6.

S e calcula la desviacin estndar.

S e calculan los valores de Q u, Q L o am bos, segn se trate de un solo lmite
o de d o s lm ites especificados.

s
7.

l ,U L
s

S e esta b le ce la decisin de re c h a zo o aceptacin.

a. Si se especifica solo el lmite superior entonces el lote se acepta si Q y>k
y se re c h a za si Q u<k.
b. Si se especifica solo el lmite inferior entonces el lote se acepta si Q L>k
y se re c h a za si Q L<k.
c. Si se indican lm ites de especificacin sepa ra d o s, ento nces el lote se
acep ta si Q u> k u y Q L> k L y se re ch a za si Q u< k u o Q L< k L.

EJEMPLO 6.21
La m xim a tem peratura de operacin de un determ inado dispositivo est
especificada en 98,3C. Si un lote de 40 unidades es som etido a inspeccin, uti
lizando nivel de inspeccin II, inspeccin norm al y A Q L = 1 %
a.

C u l e s el plan de m uestre o?

b.

S e acepta o se recha za un lote si la m uestra origina los siguientes valores

de tem p e ra tu ra: 92, 87, 84, 96 y 9 4 o?

SOLUCION
a.

S e se g u irn los p aso s antes brindados.

P a so 1. C o n un ta m a o de lote N = 4 0 unidades y un nivel de inspeccin II,

seg n el C u a d ro 6 .3 6 la letra cla ve del tam ao de la m uestra es la letra D.

JORGE ACUNA ACUNA

565

P a s o 2. C o m o se d e s e a inspecci n norm al con un A Q L = 1 % , el plan de

m uestre o, se g n el C u a d ro 6.37 es:
n= 5 unidades
b.

k=1,53

Anlisis. S e continuar con el P aso 3.

P a so 3. La m uestra es brindada por el ejem plo.
P a s o 4. C lculo de la m edia aritmtica.
x

92 + 87 + 84 + 96 + 94
. . .
-------------------------------------------- 90,6
5

La m edida aritm tica est dentro de lo especificado, por lo tanto se conti

na con el P a so 5.
P a so 5. C lculo de la desviacin estndar.

2_

(Z x '2
J i

n -1

4 1 0 4 1 ,8 -- l l ---------------------- _

= 4 98

P a so 6. C lc u lo de Q
9 8 ,3 -9 0 ,6
u

4,98

P a so 7. Debido a que Q u> k (1 ,5 5 > 1,53), se acepta la m uestra y el lote de

do n de proviene.

Forma grfica para un solo lmite especificado

E ste tipo de aplicacin se puede ejecutar tam bin en form a grfica. Para
h acer esto, se debe dibujar en un papel milimtrico una de las siguientes lneas
se g n corresp onda:
x = U -k * s (para lmite superior)
x =L+k*s (p ara lmite inferior)

566

CONTROL DE CALIDAD

El grfico tiene en el eje x ia desviacin estndar y en el eje y la m edia arit

m tic a . C u a n d o la in s p e c c i n s e re fie re a un lm ite s u p e r io r la z o n a de
aceptacin se encuentra bajo la lnea. Si se trata de un lmite interior la z o n a de
a ce p ta c i n se e n c u e n tra so b re la ln e a . U n a v e z q u e se tiene el g r fico se
grfica el p a r o rd e n a d o q u e con form an la desviacin est n d a r y el pro m e dio .
D e p e n d ie n d o de la z o n a en d o n d e ca ig a se tiene el criterio de a ce p ta ci n o
re c h a zo de la m uestra y el lote.

EJEMPLO 6.22
R e so lve r el E je m p lo 6.21 por el m todo grfico.

SOLUCION
Utilizando la inform acin del Ejem plo 6.21, se grfica la recta para el lmite
superior, que se pu e de v e r en la Figura 6 .1 6 . La ecuacin de esta recta es:
x = 9 8 ,3 - 1,53*s

FIGURA 6.16. Grfico del Ejemplo 6.22

JORGE ACUA ACUA

567

La graficacin de esta recta se hace sobre la base de dos puntos:

P a r a s = 5 , x = 90,6 5

P a r a s = 0 , x = 9 8 ,3

Al graficar el punto (4 ,9 8 ,9 0 ,6 ), este cae en la zo n a de aceptacin aunque

bastante cerca de la lnea. Por lo tanto, la decisin es aceptar la muestra y el lote
de d o n d e proviene.

Caso de dos lmites de especificacin

La form a de operar en este caso es parecida pero se trabaja con dos con s
tantes de aceptabilidad, una para el lmite superior y otra para el Inferior.

EJEMPLO 6.23
S e ha estim ado que para un dispositivo electrnico, la tem peratura perm i
sible para lograr un funcionam iento ptim o debe estar entre 98,3C y 82C. Un
lote de 4 0 unidades es som etido a inspeccin, utilizando nivel II, inspeccin nor
mal y A Q L s 1 % y 2 ,5 % para el lmite superior e inferior respectivam ente.
a.

C u l es el plan de m uestreo que se debe usar?

b.

A n a lic e la situacin del lote si al an a liza r una m uestra sta origina los si
g uientes valores de tem peratura: 92, 87, 84, 96 y 94C?

SOLUCION
.

S e seguirn los pasos antes brindados.

P a s o 1. C o n un tam ao de lote N = 4 0 unidades y un nivel de inspeccin II,

se g n el C u a d ro 6 .3 6 la letra clave del tam ao de la m uestra es la letra D.
P a s o 2. C o m o se desea inspeccin norm al con A Q L = 1 % para el lmite su
perior y A Q L = 2 ,5 % para el lmite inferior, el plan de m uestreo, segn el C u a d ro
.3 7 , es:

n= 5 unidades

ku= 1,53

kL= 1,24

568

b.

CONTROL DE CALIDAD

Anlisis. S e contina con los pasos.

Paso 3. La m uestra es brind ada por el ejem plo.
P a so 4. C lc u lo de la m edia aritmtica.
92 + 87 + 84 + 96 + 94
x = --------------------------------------------- = 90 ,6
5

La m edia aritmtica est dentro de lo especificado, por lo tanto se contina

con el P aso 5.
Pa so 5. C lc u lo de la d esviacin estndar.

2
X x
S = 1|------------------ D
n -1

141041,8

453*

= \ ---------------------------------- = 4 ,9 8
~ 1
4

P a so 6. C lc u lo de Q y y Q L
9 8 ,3 -9 0 ,6
u

4 ,9 8
9 0 6 -8 2 ,0

4 ,9 8

P a so 7. D ebido a que Q u > ky (1 ,5 5 > 1,53) y Q L > kL (1 ,7 3 > 1,24), se a ce p

ta la m u e stra y el lote de d o n d e p ro v ie n e . R e cu rd e s e q u e para re c h a za r la
m uestra y el lote, solo basta que no se cum pla una de las condiciones.

Forma grfica para dos lmites de especificacin

Este tipo de aplicacin se p u e d e ejecutar tam bin en form a grfica. Para
h acer esto, se deb e n dibujar en un papel milimtrico las siguientes lneas:
x = U - ky*s (p a ra lmite superior)
x = L + kL*s (p a ra lmite inferior)

JORGE ACUA ACUA

569

El grfico tiene en el eje x la desviacin estndar y en el eje y la m edia arit

mtica. La zo n a de aceptacin queda determ inada por el tringulo form ado por
a m b a s lneas. U n a v e z qu e se tiene el grfico se grfica el par ord e n a d o que
con form a n la d esviacin estn dar y el pro m e dio . D e p e n d ie n d o de la zo n a en
donde caiga se tiene el criterio de aceptacin o recha zo de la m uestra y el lote.

EJEMPLO 6.24
R e su e lva el E jem plo 6.2 3 por el m todo grfico.

SOLUCION
U tiliza n d o la info rm a ci n del E je m p lo 6 .2 3 , se g rafican las rectas para
a m b o s lm ites, las qu e se pu e d e n ve r en la F ig u ra 6.17. La ecuacin de esta
recta es:
(1 )

x = 9 6 ,3 - 1,53*s

(2 )

x = 8 2 ,0 + 1,24*s

FIGURA 6.17. Grfico del Ejemplo 6.24

570

CONTROL DE CALIDAD

La graficacin de estas rectas se h ace sobre la base de dos puntos:

P a ra la e cuacin (1 )
P a ra s = 5 , x = 9 0 ,6 5

P a ra s = 0 , x = 9 8 ,3

P a ra la e cuacin (2)
P a ra s = 5 , x = 8 8 ,2

P a ra s = 0 , x = 8 2 ,0

Al graficar el punto (4 ,9 8 ,9 0 ,6 ) ste ca e en la zo n a de aceptacin au n q u e

bastante cerca de la lnea. P or lo tanto, la decisin es aceptar la m uestra y el lote
de d o n d e proviene.

Caso de aceptacin para lmites combinados

S i se tiene un A Q L co m b in a d o para a m b o s lm ites d e especificacin, se
d e b e u s a r el m to do g r fico a no s e r q u e el va lo r de la d e s via ci n e st n d a r
m uestral (s ) s e a m a y o r q u e el va lo r de M S S D (d e svia ci n estn dar m uestral
m xim a ), en c u y o ca so s e re c h a za el lote de inm ediato. El va lo r de M S S D se
calcula as:
M S S D = f s (U -L )
don d e el va lo r de fs se obtiene de la T a b la IV -s del C u a d ro 6.38.
Si se aplica el m todo grfico se debe hacer uso de la serie s de curva s que
presenta la norm a. La respectiva cu rva se selecciona con base en la letra cd i
go y el A Q L respectivo. S e le c cio n a d a la cu rva se calculan los valores:

U -L

x -L

-------------

U -L

y se grafican. Si el punto ca e en la zo n a de aceptacin (den tro de la c u rv a ), la

m uestra y el lote se acep tan, de lo contrario se rechazan.

E JE M P L O 6.25
R e s o lv e r el E je m p lo 6 .2 3 c o n u n A Q L = 1 % p a ra a m b o s lm ite s e s p e
cificados.

JORGE ACUA ACUA

571

SOLUCION
C o m o se obtiene en el Ejem plo 6.23, el tam ao de la m uestra es de 5 uni
da d e s para letra cd ig o D , la m edia aritmtica es 9 0 ,6 y la desviacin estndar
4 ,9 8 .
O b s e rv a n d o el C u a d ro 6.38, el va lo r de fs es 0,308, por lo tanto:
M S S D = 0,3 0 8 (9 8 ,3 -8 2 )= 5 ,0 2 0 4
C o m o el valor de s no es m ayor qu e el valor de M S S D , se debe consultar la
cu rva correspondiente a la letra D y A Q L = 1 % . Esta cu rva se puede observar en
la F ig u ra 6.18.
Al graficar el punto (s / (U -L ),( x -L )/ (U -L )), calculado as:
s

4 ,9 8

U -L

9 8 ,3 -8 2

x -L

9 0 ,6 -8 2

= 0,3 0 6

= 0,5 2 8

U - L _ 9 8 ,3 -8 2
se nota qu e ca e en la zo n a de re ch a zo . P or lo tanto, se con cluye que bajo las
c o n d ic io n e s d a d a s la m u e s tra y el lo te d e d o n d e p r o v ie n e d e b e n s e r
re cha za dos.
Si se con sid e ra difcil visu alizar el criterio de aceptacin o re c h a zo en las
curva s de la Figura 6.18 entonces se puede copiar la curva aparte, inclusive con
una escala m s g rand e con el fin de facilitar la operacin.
Si se desea consultar la curva caracterstica de operacin de un plan espe
cfico, se pueden o bservar las Ta b la s de la V -B a la V -P en donde se presentan
en form a grfica y tabulada las cu rva s O C para cad a letra cdigo. Estas curvas
son para el m todo s y lmite nico. Sin em bargo, son buena aproxim acin para
dos lmites especificados y para los m todos o y R . S u uso es sem ejante a las
cu rva s de la N o rm a IS O 2859.

Para demostrar su uso se ver el siguiente ejemplo.

N ota: El MSSD se obtiene m ultip lica nd o el fs e sta n da riza d o por la diferencia entre el lmite su pe rio r de e sp e cifica ci n U y el lmite in ferior de e sp e cifica ci n L.; i.e
M S S D = fs (U-L). El MSSD indica la m ayor magnitud permitida de la desviacin estndar de la muestra cuando se usan planes para el caso del lmite doble de e s p e c ifi
cacin con variabilidad d e sco n o cid a . Si la desviacin estndar de la muestra es inferior al M S S D , existe la posibilidad aunque no a certeza de que el lote ser a c e p ta d o .

CUADRO 6.38. Tabla IV-s Valores de fspara el clculo de la desviacin estndar mxima (MSSD)
(Mtodo s)

572
CONTROL DE CALIDAD

JORGE ACUNA ACUNA

573

E J E M P L O 6.26
S u p n g a s e que se est tra baja ndo con un plan de m u e stre o qu e usa la
letra cdigo G , un A Q L de 2 ,5 % y el m todo s.
a.

Q u probabilidad de aceptacin tiene un lote que posee un 8 % de produc

to no conform e con lo especificado?

b.

Q u calidad en porcentaje de producto no conform e con especificaciones

d e b e te n e r un lote p a ra q u e te n g a u n a p ro b a b ilid a d d e a ce p ta ci n del
9Q%?

c.

Si se fija el riesgo del productor en 5 % , q u calidad debe tener el lote para

cum plir con l?

d.

Si el P N C T se fija en 1 6 % , cul es el riesgo del con sum ido r?

S O L U C IO N
Para resolver este problem a se har uso de las Ta b la s V -G y V -G -1 que se
presentan en el C u a d ro 6.39.
a.

A l o b s e r v a r la T a b la V - G y lo c a liz a n d o la c u r v a q u e c o r re s p o n d e a
A Q L = 2 ,5 % se puede indicar que la respuesta a esta pregunta es PA= 4 6 % .
P a ra ello, se localiza en el eje x el va lo r de 8 % y se con tin a hasta interseca r la curva de A Q L = 2 ,5 % , entonces se lee en el eje y la correspondiente
probabilidad de aceptacin.

b.

Si se observa la T a b la V -G o la T a b la V -G -1 se puede notar que la respues

ta a este p roblem a es p = 2 ,6 7 % . E ste va lo r se puede a p roxim ar viendo la
curva O C o se puede tom ar exacto de la T a b la V -G -1 don de estn algunos
valores tabulados.

c.

Si a = 5 % entonces P A=0,95. Si se localiza esa probabilidad de aceptacin

en la m ism a forma explicada en b), se puede ver que el valor de p asignado
es de 1 ,9 1 % .

d.

Si el P N C T = 1 6 % , es decir p=0 ,1 6, entonces el valor de p que es un valor de

P A. es de 1 1 % .

574

CONTROL DE CALIDAD

Mtodo a
Este m todo solo debe se r usado cuando se tenga certeza de que se cono
ce el valor de a. Este valor no se trata de u na estim acin o aproxim acin de o
sino el verdadero valor, el cual se considera constante. Esto es posible despus
de varios a o s de llevar un control estadstico sobre la variable en estudio.
El procedim iento para trabajar por este m todo es el siguiente:
1.

C o n el nivel de inspeccin y el tam ao del lote se localiza la letra cdigo del

tam ao de la m uestra en la T a b la l-A del C u a d ro 6.36.

2.

C o n base en el A Q L , la letra cdigo del tam ao de m uestra, el tipo de ins

peccin y la definicin de si se tiene uno o dos lmites y si stos son co m b i
nados o se pa ra d o s, se b u sc a en la tabla correspondiente el tam ao de la
m uestra (n) y la(s) constante(s) de aceptabilidad (k). Por ejemplo, si se trata
de inspeccin norm al se u sa la T a b la lll-A del C u a d ro 6.40.

3.

S e tom a la m u e stra del ta m a o qu e indica la tabla co rre sp o n d ie n te y se

ejecutan las m ediciones del caso.

4.
5.

S e calcula la m edia aritm tica.

S e establece la decisin de recha zo o aceptacin, seg n se trate de un l
mite superior, un lmite inferior, lmites separados o lmites com binad os de
especificacin.

Caso de lmite superior especificado

S e acepta la m uestra y el lote de don d e proviene si:
x < xu d o n d e :
xu = U - k u *cr
no se aceptan si:
x

> xu

JORGE ACUA ACUA

FIGURA 6.18. Diagrama s-D Curvas de aceptacin para lmites combinados

Mtodo s - Letra cdigo D

575

Porcentaje de lotes que se espera

sean aceptados (P )

Ul

Porcentaje de lotes que se espera

sean aceptados (Pa)

O
g
o
re
o

- N u ^ o i o s a t

o o o o o o o

o o o

CT>

co

So
i?
Cr
sr

co

5
o
o
O

c:

>
o
CD
O

QJ
CO

&

03

"CD
oT
S
CD

CO
CO

CONTROL DE CALIDAD

"O

Tabla V-G-1 Valores tabulados para las curvas caractersticas

de operacin en los planes simples de muestreo

Niveles aceptables de calidad (inspeccin normal)

P
a

0,10

0,15

0,25

0,40

0,65

1,0

1,5

2,5

4,0

6,5

10,0
99,0

99,0

0,01

0,01

0,02

0,04

0,08

0,17

0,28

0,49

0,96

1,71

3,23

5,58

95,0

0,03

0,06

0,09

0,15

0,25

0,45

0,68

1,09

1,91

3,09

5,30

8,41

95,0

90,0

0,07

0,11

0,17

0,26

0,43

0,72

1,06

1,61

2,67

4,14

6,76 10,30

90,0

75,0

0,22

0,32

0,45

0,65

0,98

1,50

2,07

2,94

4,49

6,50

9,83 14,09

75,0

50,0

0,67

0,90

1,17

1,57

2,20

3,09

3,99

5,32

7,51

10,15 14,27 19,25

50,0

25,0

1,73

2,18

2,67

3,38

4,41

5,77

7,09

8,92 11,77 15,02 19,84 25,38

25,0

10,0

3,58

4,31

5,07

6,13

7,58

9,41

11,12 13,38 16,77 20,48 25,76 31,63

10,0

5,0

5,27

6,19

7,13

8,40 10,11

12,22 14,13 16,63 20,28 24,20 29,67 35,63

5,0

1,0

9,91

16,24 18,76 21,00 23,83 27,82 31,97 37,57 43,50

1,0

0,10

11,18 12,45 14,11

0,15

0,25

0,40

0,65

1,0

1,5

2,5

4,0

________s

10,0
577

Nivel aceptable de calidad (inspeccin estricta)

6,5

JORGE ACUA ACUA

Continuacin del Cuadro 6.39

578

CONTROL DE CALIDAD

Caso de lmite inferior especificado

S e acep ta la m uestra y el lote de d o n d e proviene si:
x

>

X Ldonde:

xl

= l_ + kL * a

no se aceptan si:
x

<

XL

Caso de aceptacin para lmites separados

S e acep ta la m uestra y el lote de d o n d e proviene cu an do:
x

<

xu

>

xl

no se aceptan si:
x

> xu

<

XL

Caso de aceptacin para lmites combinados

Si se tiene un A Q L c o m b in a d o p a ra a m b o s lm ites de especificacin, se
deb e u sar el m todo grfico a no ser q u e el valor de la d e svia ci n e stn dar a
sea m ayor que el valor de M P S D (desviacin estndar m xim a del proceso), en
cuyo caso se recha za el lote de inmediato, sin necesidad de extraer la m uestra.
El valor de M P S D se calcula as:
M P S D = fo (U -L )
don de el va lo r de fose obtiene de la T a b la IV-cr del C u a d ro 6.41.
El procedim iento, si no se cum ple lo anterior, es el siguiente:
1.

Seleccionar el tam ao de la m uestra en la T a b la l-B del C u a d ro 6.42, u sa n

do letra cdigo y el A Q L .

JORGE ACUA ACUA

2.

579

S e le c cio n a r de la serie a de cu rva s que pre senta la n orm a, la respectiva

cu rva de aceptacin con base en la letra cdigo y el A Q L respectivo. La Fi
g u ra 6 .19 presenta la serie de cu rva s para la letra E.

3.

C a lcular el valor de a / (U -L ) y dibujar una lnea vertical a partir de este punto.

4.

Si la lne a in te rse ca la c u rv a de a ce p ta ci n se obtie n e n d o s va lo re s de

(x -L )/ (U -L ) qu e sirven para determ inar los valores superior e inferior de la
m edia ( x ^ x j .
Si la lnea no interseca la cu rva de aceptacin, el proceso se considera no
aceptable y la inspeccin por m uestreo pierde su validez.
Si la lnea interseca la porcin recta de la curva de aceptacin, esto es equi
valente a trabajar con el caso de lmites separados por lo que se debe se
guir el procedim iento ya explicado para ese caso.

5.

T o m a r la m uestra del tam ao indicado en 1) y calcular la m edia aritmtica

de la caracterstica en estudio.

6.

A p lic a r la siguiente regla de a cep taci n de la m uestra y el lote de don de

proviene:

Aceptar si la media aritmtica calculada en 5) est comprendida entre

los valores de xyx Ly rechazar si ocurre lo contrario.
EJEMPLO 6.27
La resistencia m n im a de un com pon ente es de 58 0 0 0 psi. U n lote de 500
u n id a d e s e s so m e tid o a in sp e cc i n , u tiliza ndo N ive l II, in sp e cc i n norm al,
A Q L = 1 ,5 % . La desviacin estndar es conocida e igual a 3000 psi.
a.

C u l es el plan de m uestreo que se debe aplicar?

b.

Analice la situacin que ocurrira si la m uestra extrada origina los siguien

tes datos:
6 2 5 0 0 -6 0 5 0 0 -6 8 0 0 0 -5 9 0 0 0 -6 5 5 0 0
6 2 0 0 0 -6 1 0 0 0 -6 9 0 0 0 -5 8 0 0 0 -6 4 5 0 0

580

CO

T-

T-

[i ,2 6

1 ,2 9

CUADRO 6.40. Tabla lll-A Planes de muestreo simple para inspeccin normal (Mtodo o)

CONTROL DE CALIDAD

0)
CM

in
in

co

c> S

&

CVI

CM

CO 0) l)

> :
CM

CM

tf) N
CO
CM

=>:

CM

CM

CO ^
CM

CO

0)

CM

CM*

CM*

CO N

H>
6J)sanuj apoublubi
iapo6|pooejjan

CM

JORGE ACUNA ACUNA

581

CUADRO 6.41. Tabla IV-o Valores de tapara el clculo de la

desviacin estndar mxima (MPSD)
(Mtodo o)

Niveles aceptables de calidad (inspeccin normal)

0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00
0,10 0,15
0,147 0,152 0,157 0,165 0,174 0,184 0,194 0,206 0,223 0,243 0,271 0,304 0,347
0,10

0,15

0,25

0,40

0,65

1,00

1,50

2,50

4,00

6,50

10,00

Niveles aceptables de calidad (inspeccin reducida)

0,10

0,15

0,25

0,40

0,65

1,00

1,50

2,50

4,00

6,50

10,00

Niveles aceptables de calidad (inspeccin reducida)

Nota: El MPSD se obtiene al multiplicar fo por I? diferencia entre el lmite superior de especificacin
U y el lmite inferior de especificacin Li.e. MPSD=fo (U-L)
El MPSD indica la mayor magnitud permitida para la desviacin estndar del proceso cuando
se usan planes para el caso del lmite de especificacin doble con variabilidad conocida. Si
la desviacin estndar del proceso es menor que el MPSD existe la posibilidad pero no la
certeza de que el lote ser aceptado.
La autoridad responsable puede especificar el uso del valor fo para inspeccin estricta tanto
para inspeccin normal como reducida, en cuyo caso la seleccin entre el mtodo "o y s se
mantiene independiente.

SOLUCION
S e seguir el procedim iento expuesto,
a.
1. C o n nivel de inspeccin II y tam ao del lote de 500 unidades se localiza
la letra cdigo del tam ao de la m uestra en la T a b la l-A del C u a d ro 6.36.
Esta letra es la letra I.
2. C o n base en A Q L = 1 ,5 % , letra cdigo I, inspeccin norm al y para lmite
sim p le e s p e c ifica d o , se b u s c a en la T a b la 11l-A del C u a d r o 6 .4 0 , el

1
582

CONTROL DE CALIDAD

ta m a o de la m u e s tra (n ) y la co n sta n te de ace p ta b ilid a d (k ). E s to s

va lo re s son:
n=10

k=1,70

b.
3. La m uestra est da d a por el ejem plo.
4. C a lc u la r la m e dia aritmtica.

x = 6 3 0 0 0 0 = 6 30 00 psi

10

5. Esta ble ce r la decisin de re c h a zo o aceptacin. S e usa el criterio para

lmite inferior de especificacin.
S e re ch a za la m uestra y el lote de don d e proviene puesto que:
X

<

63000
x l

XL

<
=

XL

63100

L + kL*s

= 58 0 0 0 + 1,7*3000 = 6 3 1 0 0 psi

EJEMPLO 6.28
R e so lve r el E je m p lo 6.27, si se tiene ad e m s qu e cum plir con un requisito
de resistencia m xim a de 7 1 0 00 psi c u y o control tiene un A Q L de 1 % .

SOLUCION
S e seguir el procedim iento expuesto,
a.
1.

C o n nivel de inspeccin II y tam ao del lote de 500 unidades se localiza

la letra cdigo del tam ao de la m uestra en la T a b la l-A del C u a d ro 6.36.
E sta letra es la letra I.

lO

CO

11
16
23

L O CO CO

M - CD N

LO N
O)
CM CO t

M - lO

CO

O ) CM S

M - tO

CO

CO t -

CM CM
CM CO t

CO t

5
7
10

15
20
25

CO

LO O LO
CO LO h -

CQ O

-5

eflsenuj ap ouewei |ap o6|P90 eriaq

100
150
200

0,25
0,15

Nivel
aceptable
de calidad

800

36
54
71

CM CO M -

30
44
59

0,65

r~"

05

27
40
54

O)

23
34
45

10
14
21

(O

UJ u .

CO
O)

9
13
19

CM CO M -

_)

05

CO
LO
CO T CO

^^>C M

fs

500

64
95
127

18
25
36

T-

CD CO O

::[ ;>

315

200

80

125

32

15
22
32

05

CM CO M -

o"
O

CM i i T CO CO

f-

m .l

Q.

CO O
t N

CO

o_

L O CM
LO CO O

CO T

O CD CM
CM CM t

CO O

C</3

T - CO O )
CM CO t f

CO T LO

LO

14
19
28

cq

0,40

CM

12
17
25

co

50

20

co

11
14
17

6,5

T f LO N

2,5

4,0

l U.

CO

E ^ CM

1.5

9
12
15

CQ O

8
13

de

muestra

Tamao
Letra

cdigo

co m

10,0

(ISO 2859)

muestra

equivalentes

583

JO

Mtodo

CUADRO 6.42. Tabla l-B Tamaos de muestra para inspeccin normal

Atributos

JORGE ACUA ACUA

2 Z Q-

584

CONTROL DE CALIDAD

U-L

FIGURA 6.19. Diagrama o-E Curvas de aceptacin para lmites combinados

Mtodo o - Letra cdigo E

JORGE ACUNA ACUNA

2.

585

C o n base en A Q L = 1 % para el limite superior, A Q L = 1 ,5 % para el lmite

inferior, letra cd ig o l, inspeccin norm al y para lmite sim ple especifi
cado, se busca en la T a b la 11l-A del C u a d ro 6.40, el tam ao de la m u e s
tra (n ) y las constantes de aceptabilidad (ky y kL). E s to s valores son:
n= 10*

ky= 1,83

kL=1,7 0

co m o existen dos tam aos de m uestra, se tom a el m s grande

b.
3. L a m uestra est dad a por el ejem plo.
4. C a lcular la m edia aritmtica.

x = 630000 = 63000 psi

10

5.

Establecer la decisin de recha zo o aceptacin. S e usa el criterio para

lmites se parados.
x

<

xl

<

xu

63000

<

63100

63000

<

65900

xl

x = U - k,* c

= L + kL*a

xl =58000+1

,7*3000=63100 psi

R E C H A Z O

xu=710 0 0 -1 ,8 3 * 3 0 0 0 = 6 5 5 1 0 psi
A C E P T A C IO N

S e recha za la m uestra y el lote de donde proviene puesto que es necesario

que se cu m p la n las dos condiciones para aceptar y solo la condicin de lmite
superior se cum ple.

EJEMPLO 6.29
R e s o lv e r el E je m p lo 6 .2 8 , co n A Q L = 4 % para a m b o s lm ites de e s p e
cificacin.

586

CONTROL DE CALIDAD

SOLUCION
S e co m p a ra el valor de o con el valor de M P S D .
M PSD

fo* (U -L )

M PSD

0 ,2 43 * (71 0 0 0 -5 8 0 0 0 )

M PSD

31 5 9 psi
o

<

M PSD

3 00 0

<

3159

el va lo r de fo se obtuvo de la T a b la IV -o del C u a d ro 6.41.

C o m o el valor de M P S D result ser m a yo r que o, se contina con el pro ce
dim iento ya descrito.
1.

A l s e le ccio n a r el ta m a o de la m u e stra de la T a b la l-B del C u a d ro 6 .4 2 ,

u sa n d o letra cd ig o I y A Q L 4 % , este va lo r es n= 13.

2.

S e sele cciona de la serle a de cu rva s, la curva de aceptacin para la letra

cdigo I y A Q L 4 % . La Figura 6.20 m uestra esta curva.

3.

C a lc u la r el va lo r de c / (U -L ) y dibu jar u na lnea vertical a partir del punto

0,2 3 08 .

4.

30 0 0

(U -L )

(7 1 0 0 0 -5 8 0 0 0 )

= 0 ,2 3 0 8

D a d o que la lnea interseca la curva de aceptacin se obtienen dos valores

de (x -L )/ (U -L ) que sirven para determ inar los valores superior e inferior de
la m e d la (x u y x L).
xl

- L _

U -L
g 2_l _
0,31 =

xl

- 58000

7 1 0 0 0 -5 8 0 0 0
xl

xu - L _
U -L

xu -7 1 0 0 0

^ 7 1 0 0 0 -5 8 0 0 0

- 5 8 00 0
13000

X l = 5 8 0 0 0 + 0,31 * 13000

x u = 5 8 0 0 0 + 0,6 9 *13000

xl=

x u = 66970 psi

6 2 0 3 0 psi

JORGE ACUA ACUA

587

AQL

U-L

FIGURA 6.20. Curva de aceptacin para letra cdigo I (AQL-4%)

5.

La m uestra de 13 unidades da un prom edio de 6 3 0 0 0 psi.

6.

La m edia aritmtica calculada se encuentra entre los valores de x^, y xL, por
lo qu e se aceptan la m uestra y el lote de don de proviene.

Dinmica de la inspeccin
Al igual que la N orm a IS O -2 8 5 9 -1 , esta norm a tiene su propia dinm ica de
inspeccin. La inspeccin se inicia con inspeccin norm al y se cam biar a e s
tricta o reducida seg n las siguientes condiciones:

CONTROL DE CALIDAD

588

Cambio a inspeccin estricta

S e p a s a insp e ccin estricta c u a n d o d o s de cinco o m e n o s lotes no sean
a cep tados bajo inspeccin norm al. El n uevo plan se localiza en la T a b la lll-B si
se usa m todo a o la T a b la ll-B si se usa m todo s.
E sta ndo en inspeccin estricta se retornar a inspeccin norm al cuando se
acepten cinco lotes con secu tivos.

Cambio a inspeccin reducida

S e p u e d e p a sa r de inspeccin norm al a reducida cu a n d o se acepten diez
lotes co n se cu tivo s que cu m p le n con las siguientes condiciones:
a.

L o s lotes p o d ra n h a b e r sido a ce p ta b le s si el A Q L h u biera sido un p a so

m s estricto.

b.

La pro du ccin se efectu bajo control estadstico.

c.

La autoridad responsable da el visto bu e n o al cam bio.

Los plan e s por u sa r se e ncuentran en la T a b la ll-C si se usa el m todo s o
en la T a b la lll-C si se u sa el m todo a.
Estando en inspeccin reducida se retornar a inspeccin norm al si ocurre

cualquiera de las siguientes situaciones:

a.

U n lote no es aceptado

b.

La pro du ccin se torna irregular o con retrasos

c.

O tras condiciones que no garanticen un adecuado control si se perm anece

en inspeccin reducida

E JE M P L O 6.30
E n la recepcin de un dispositivo electrnico se ch equ e a que la tem peratura
m xim a de ope ra ci n se a de 6 0C . S e usa el m to do s, p u e s se d e s c o n o c e el
valor de o. L a s condiciones son usar lotes de 100 unidades, nivel 11y A Q L 2 ,5 % .

JORGE ACUA ACUA

589

a.

C u le s se ra n los tres tipos de p la n e s c o rre s p o n d ie n te s a inspeccin

norm al, reducida y estricta?

b.

La situacin de los ltimos 30 lotes som etidos a inspeccin se presenta en

el C u a d ro 6.43. Si se hubiera aplicado la dinm ica de inspeccin cules
seran los cam bios de inspeccin?

CUADRO 6.43. Registro de los ltimos 30 lotes

# lote

10

Qu

1,49

1,51

1,16

1,35

1,78

1,87

1,59

1,66

1,72

188

# lote

11

12

13

14

15

16

17

18

19

20

Qu

1,72

1,66

1,59

1,62

1,77

1,60

1,65

1,77

1,81

1,00

# lote

21

22

23

24

25

26

27

28

29

30

Qu

1,22

1,37

1,45

1,20

1,88

1,78

1,90

1,67

1,63

1,55

SOLUCION
a.

b.

Inspeccin norm al

Inspeccin estricta

Inspeccin reducida

n = 10

n = 10

n=4

k = 1,41

k = 1,58

k = 1,01

S e aplican las reglas apuntadas.

S e inicia con inspeccin norm al, con el plan n=10, k = 1 ,41. D e acuerdo con

lo esta b lecido al utilizar el m todo s,

para que el lote sea aceptado.

el valor de Qudebe ser mayor que ku

Al aplicar sto, los lotes 1 y 2 son acep tados

pero los lotes 3 y 4 son re c h a za d o s , con lo qu e se c u m p le la con dici n para

p asa r a inspeccin estricta usando el plan n = 1 0, k= 1 ,58 a partir del lote No. 5.

590

CONTROL DE CALIDAD

Los lotes del No. 5 al No. 9 inclusive se aceptan en inspeccin estricta, y se

retorna a inspeccin norm al a partir del lote N o. 10.
Los lotes del No. 10 al N o. 19 se aceptan por lo que sto permite pensar en la
posibilidad de p a sa r a Inspe ccin reducida. S e cu m ple la condicin de que los
lotes s e ra n a c e p ta d o s co n el p r x im o A Q L m s estricto, A Q L = 1 ,5 % c u y o
k = 1 ,58. S e su p o n e qu e la produccin est bajo control estadstico y que la auto
ridad est de acuerdo con cam biar a inspeccin reducida. Por lo tanto, se pasa a
inspeccin reducida a partir de la m uestra N o . 20 con el plan n=4, k = 1 ,01.
El lote N o . 20 se re c h a za por lo qu e a partir del lote N o . 21 se pasa a ins
peccin norm al, con n = 1 0, k = 1 ,41. Los lotes No. 21 y No. 22 se rechazan por lo
que se cum ple la condicin para pasar a inspeccin estricta a partir del lote No.
23, con el plan n = 1 0, k = 1 ,58.
Los lotes N o . 2 3 y 24 se rechazan en inspeccin estricta, pero los lotes del
N o. 25 al N o. 29 se a cep tan, por lo qu e se cu m ple la condicin para retornar a
inspeccin norm al, con el plan n = 1 0, k = 1 ,41, a partir del lote N o. 30.
El lote N o. 3 0 se acepta. La Inspeccin contina en la m ism a form a a partir
del lote No. 31.

RESUMEN
Este captulo dedicado al m uestreo de aceptacin permite determ inar que:
1.

El m uestreo es una bu e n a herram ienta estadstica para determ inar la cali

dad de los lotes de productos con base en m uestras extradas de ellos.

2.

E ste tipo de m u e s tre o p u e d e fa v o re c e r al c o n s u m id o r, al p ro d u cto r o a

a m b o s s e g n se a quien lo aplique. La cu rva caracterstica de operacin
permite analizar las bondades de un plan para con el productor o el co n su
midor.

3.

Existe la posibilidad de aplicar m uestreo secuencial cua n d o la inspeccin

es destructiva o de costos m u y altos.

4.

E l m u e s tre o p e rm ite re d u c ir los c o s to s d e In s p e c c i n y o r g a n iz a r la

inspeccin.

JORGE ACUNA ACUNA

5.

6.

591

E s necesario establecer m anuales de inspeccin qu e reduzcan la influen

cia de decisiones subjetivas.
N o existen requisitos especiales en cuanto a distribuciones de probabilidad
en el ca so de inspecci n por atributos. S in e m b a rg o , en inspecci n por
variables es absolutam ente necesario qu e la variable en estudio se distri
bu ya se g n la distribucin norm al.

7.

La aplicacin de norm as (IS O -2 8 5 9 -1 , IS O -3 9 5 1 ) es m u y til para aligerar

el procedim iento de inspeccin. A d e m s , es m s fcil la obtencin de con
clusiones.

PREGUNTAS DE REPASO
1.

Q u ve nta jas ofrece trabajar co n inspeccin por m u e stre o en lu g a r de

inspeccin 1 0 0 % ?

2.

E xp liq u e c m o funciona un plan de m u estre o sim ple, un plan doble y un

plan mltiple.

3.
4.

C m o se construye y para qu sirve la curva caracterstica de operacin?

C om e nte los pasos para disear un plan de m uestreo simple basado en los
rie sg os del p ro d u cto r y del co n su m id o r. E xp liq u e en q u consisten esos
riesgos.

5.

P a ra qu se u sa el concepto de inspeccin total de unidades?

6.

C m o funciona un plan de aceptacin-rectificacin?

7.

E xp liqu e en q u consiste un plan de m uestreo secue ncial y qu ventajas

tiene sobre los otros planes de m uestreo.

8.

E xplique el procedim iento para extraer un plan de m uestreo de la N orm a

IS O 2 8 59 -1.

9. Explique en qu consiste la dinm ica de la inspeccin.

10. C u n d o se deb e aplicar m uestreo de aceptacin para variables?
11. C u l es el procedim iento para extraer un plan de m uestreo de la N orm a
I S O 3951?

592

CONTROL DE CALIDAD

12. Defina los siguientes conceptos:

a. C a lidad lmite
b. Estadstico de calidad
c. D e svia cin e stn dar m xim a m uestral
d. D esviacin e stn dar m xim a del proceso
13. E n qu con dicio ne s se u sa la N o rm a

ISO 3951 ?

14. Q u diferencias hay entre las N o rm a s

ISO 2859-1

15. E xplique los m todos grficos de la N o rm a

ISO 39 51?

ISO 3951.

PROBLEMAS
1.

C onstru ir en un m ism o grfico las cu rva s caractersticas de operacin de

los siguientes planes de m uestreo:
n= 100, A =c 0

n= 100, Ac =1

n = 2 0 0 , A =C 2

n= 200, AC =3

n= 300, A =c 4

n= 300, Ac = 5

a. Q u con clu siones se obtienen al co m p a ra r estos plan es?

b. Q u probabilidad de acep taci n tienen lotes c u y a calidad es 2 ,5 % y
4 ,3 % , en c a d a uno de los planes?
c.

Q u calidad debe tener el lote para que su probabilidad de aceptacin

sea del 9 0 % , en ca d a uno de los planes?

d. C u l es el A Q L si el riesgo del productor (a ) es del 9 3 % ?

e. Q u va lo r de P N C T g e n e ra un riesgo del co n su m ido r ((3) del 10 % ?
2.

C onstruir las cu rva s caractersticas de operacin de los siguientes planes

de m uestre o y co m p a ra r los planes.
n= 125, A C = 1
n= 150, A C = 2
n= 175, A = 3

JORGE ACUNA ACUNA

3.

593

E n inspeccin de recepcin se recibe una serie de lotes de 100 unidades

de un producto. Estos lotes se inspeccionan con m uestras de tam ao 100
y criterio de aceptacin A c=4.
a. C o n s tru y a la cu rva O C .
b. S i el p orcentaje de pro d u cto fuera de lo re q u erido es de 2 ,5 % , q u
riesgo del productor est asociado a l?
c. Si el consum idor quiere rechazar lotes que tengan 8 % o m s de produc
to disconform e, q u riesgo del co n su m ido r est a so cia d o a l?

4.

D ise a r tres planes de m uestreo para atributos b asados en un A Q L = 2 % .

C o m p a re esos planes con otros tres b asado s en una calidad de indiferen
cia asocia d a a p = 3 ,8 % .

5.

D ise a r un plan de m uestreo para atributos que cum pla con las siguientes
condiciones:

6.

AQL= 5 %

a = 5%

P N C T= 10%

(3=10%

D isear un plan de m uestreo para atributos que cum pla con las siguientes
condiciones:

7.

A Q L = 1 ,2 %

a = 6%

P N C T = 6 ,2 %

(3=12%

D isee un plan de m uestreo por atributos qu e cu m pla con u na calidad de

indiferencia de 1 ,6 % . C o m p re lo con el plan diseado en el problem a 5.

8.

C o nstru ir las cu rva s de calidad saliente m edia ( A O Q ) para los siguientes

planes:

n= 50

A C =2

n= 1 0 0

A c=4

n=200

<

II

A C =1

co

n= 10,

594

CONTROL DE CALIDAD

Lo c a lic e el v a lo r de P N C T y A Q L en c a d a plan a s o c ia d o s con a = 0 ,0 5 y

(3= 0 . 1 0 .

9.

S e d e s e a aplicar un plan de aceptacin-rectificacin sob re la m e rca dera

que entrega un productor. Esta m e rca dera consiste de 50 lotes de 10000
u n id a d e s c a d a u n o . E l con trato firm ado dice que la ca lid a d p a cta d a es
1 , 1 % de producto no conform e.
a. C u l es la calidad saliente m edia (A O Q ) si se usa el plan n=200, A c=3 ?
b. C u l es el lmite de calidad saliente m edia (A O Q L ), si se vara la cali
dad pactada entre 1 % y 1 0 % de uno a uno?

10. D is e a r y g ra fica r un plan se cu e n cia l q u e co rre s p o n d a a las sig uiente s

condiciones:
oc=

7%

p= 1 1 %
AQ L=

8%

PN CT= 25%
11.

U n ingeniero de sea disear, por prim era vez, planes de m uestreo para ins
peccionar los lotes de 50000 unidades enviados por un proveedor. U n c o n
trato firm ado por a m b a s partes establece los siguientes acuerdos:
1. R ie sg o del pro ductor = 0,039
2. R ie sg o del co n su m id o r = 0,091
3. Nivel de calidad acep table = 0,0 1 9
4. P orcentaje defectuoso tolerado en el lote = 0,052
a. Presente a este ingeniero cuatro tipos de planes sim ples, equivalen
tes pero diferentes.
b. Si el costo d e in s p e c c io n a r una unidad es de 06, c u l es el plan
m s barato? Q u otras consideraciones de costos de calidad d e
ben tom arse en cuenta?
c. D e m u e stre con n m ero s qu e los cuatro planes son equivalentes.

JORGE ACUNA ACUNA

d.

595

C u l plan le recom ienda U d . al ingeniero? Justifique su respuesta

y anote las consideraciones del caso.

12. E n la inspeccin de ciertas m aterias prim as se de se a definir el tam ao de

la m uestra m s conveniente. Actualm ente, un estudio de inventarios indica
qu e el ta m ao ptim o del lote pu ede variar entre 2 0 0 0 0 y 30000 unidades
sin consideraciones importantes de costo. El proveedor indica que los lotes
son 6 ,5 % defectuosos.
a. C u l plan recom ienda U d y en qu se basa para hacerlo?
b. U s a n d o el plan re co m e n d a d o en a ), q u probabilidad de aceptacin
tiene un lote qu e es 8 % defectuoso?
c. Si se usara el siguiente plan doble bajo aceptacin-rectificacin:
n ,= 5 0

n2= 50

c = 1

c2=

R = 5

R 2=

C u l es la calidad saliente m edia?

13. S e d e s e a d ise a r un plan de m u estre o por atributos q u e cu m p la con las
siguientes condiciones:
AQ L=

1 ,2 %

P N C T = 5 ,8 %

a=

5%

p= 1 4 %

a. C u l es e se plan de m uestreo?
b. Q u probabilidad de rechazo tiene un lote que tiene 3 ,4 % de producto
disconform e, cu a n d o es inspeccionado con el plan diseado?
c.

Q u porcentaje de producto disconform e debe tener un lote para tener

u na p ro ba bilidad de ace p ta ci n del 9 8 % , si s e in sp e cc io n a con este
plan?

d. C o m p a re este plan con su equivalente en m uestreo secuencial. Q u

conclusiones se obtienen?
e. D e m u e stre que los planes disead os son realm ente equivalentes.

CONTROL DE CALIDAD

596

f.

C o n base en la N orm a IS O -2 8 5 9 -1 , cu les podran ser los planes d o

ble y mltiple equivalentes al plan d isead o en a.?

14. U n a p ro d u cci n de 2 0 0 0 p ie za s por h o ra es m u e stre a d a a raz n de 150

p ieza s por hora. Si el lote se acep ta c u a n d o salen tres o m enos unidade s
disconform es:
a. Ela bore un cu ad ro que m uestre la probabilidad de aceptar un lote para
diferentes calidades g e n e ra d a s en las lneas de produccin.
b. C o n s tru y a la cu rva caracterstica de operacin
c.

Q u su ce d e si el ta m a o del lote se duplica?

d. Q u s u c e d e si el c o n s u m id o r a ce p ta el lote c u a n d o sale n cu a tro o

m e n o s unida de s disconform es?
15. U n a fbrica de bicicletas recibe neum ticos en lotes de 2000 unidades. El
p roveedor establece un porcentaje de producto disconform e de 1 ,5 % , para
el m uestre o de aceptacin-rectificacin.
a. Si se som eten a inspeccin 300 lotes usando el siguiente plan doble:
n ,=

80

R e1 =

n2=

80

C u l es la calidad saliente m edia?

b. Si se som eten a inspeccin 100 lotes, con el plan sim ple n=50 0, A = 5,
cul es la calidad saliente m edia?
c. Si existe posibilidad de u sar cualquiera de los siguientes planes:
n= 100,
n= 150,
n= 0,01 N
C u l de los planes usara U d y por q u ? Para decidir hgalo sob re la
base de tres reglas de decisin.

d. Qu acciones se deberan seguir si los lotes fueran de tamao variable?

JORGE ACUNA ACUNA

597

16. Represente grficam ente el plan de m uestreo mltiple qu e se presenta en

el C u a d ro 6.44.
17. D a d a la inform acin del C u a d ro 6 .45, sele ccio nar y extraer los planes de
m uestre o ade cu ados.
a. Explique el funcionam iento de cad a plan
b. C a lc u le los valores de P N C T y A O Q L , para cada plan.

CUADRO 6.44. Plan mltiple del Problema 16

Acumulado

Muestra
n,=50
n2=50
n =50
n4=50
n =50
n=50
n7=50
n8=50

n=50
n,+n2=100
n,+n2+ n 3=150
n,+n2+ n3+ n4=200
n,+n2+ n3+n4+n5=250
n,+n2+ n3+n4+n5+n6=300
n,+n2+ n3+n4+n5+n6+n7=350
n,+n2+ n3+n4+n5+n6+n7+na=400

A0

Re

2
4
8
12
16
21
25
28

7
11
15
19
22
26
29
29

CUADRO 6.45. Informacin para el Problema 17

Plan

Nivel
de Insp.

1
2
3
4
5
6
7
8

II
II
I
III
II
III
II
II

Tipo de
muestreo
Simple
Doble
Simple
Simple
Mltiple
Mltiple
Simple
Simple

Tipo de
inspecc.
Normal
Reducida
Estricta
Normal
Normal
Normal
Reducida
Estricta

AQL

0,15
1,00%
150,00
0,40%
0,65%
0,25%
400,00
6,5%

55
400
4000
2000
10000
70
1500
30

598

CONTROL DE CALIDAD

18. U n producto se sum inistra en lotes de 4000 unidades. El A Q L fijado es del

1 ,5 % pa ra el p ro d u cto d isco n fo rm e . S e em p le a nivel de inspecci n III y
m uestre o sim ple.
a. C u le s son los planes de m uestreo para inspeccin normal, estricta y
reducida?
b. Si la cantidad de producto discon form e en los ltim os 25 lotes son los
qu e aparecen en el C u a d ro 6.46, cul es el com portam iento de la ins
peccin?

CUADRO 6.46. Informacin del Problema 18

Lote#

Disconf.

Lote#

Disconf.

Lote #

Disconf.

1
2
3
4
5
6
7
8
9

7
2
14
11
9
4
7
3
2

10
11
12
13
14
15
16
17

12
8
11
7
8
4
9
3

18
19
20
21
22
23
24
25

5
2
7
6
7
2
5
3

19. E n la b o d e ga de producto term inado de una e m p re s a se reciben lotes de

58000 unidades con un A Q L = 4 % . Esta es la primera v e z que se van a usar
planes de m uestreo de aceptacin por atributos. Establecer la dinm ica de
la inspeccin si se recibieran 30 lotes c u y a cantidad de d iscon form es se
presenta en el C u a d ro 6.47.
20. U n p ro ce so su m inistra lotes de 5 0 0 0 unid a d e s, fijando un A Q L del 1 0 %
para defectos tipo A y A Q L del 1 ,5 % para defectos tipo B. S e em plea el ni
vel II y se usa m uestreo sim ple.

JORGE ACUA ACUA________________________

599

CUADRO 6.47. Informacin para el Problema 19

# lote

np

# lote

np

filote

np

#lote

np

filote

np

# lote

np

1
2
3
4
5

22
24
17
16
15

6
7
8
9
10

14
15
15
18
10

11
12
13
14
15

13
10
5
4
10

16
17
18
19
20

18
12
18
6
5

21
22
23
24
25

9
10
11
20
18

26
27
28
29
30

19
20
17
18
15

np: nmero de disconformes

a. C u le s son los planes de m uestreo para inspeccin estricta, norm al y

reducida?
b. Si los defectos tipo A y B en los ltimos 10 lotes se presentan en el C u a
dro 6.48, cul es la decisin de recha zo o aceptacin de lotes?
21. A una em p acad ora de carne llegan cargam entos de 1000 kg y se som eten
a inspeccin por atributos, con un nivel II, plan sim ple y A Q L = 2 ,5 % .

CUADRO 6.48. Informacin para el Problema 20

Defectos

Lote

1
2
3
4
5
6
7
8
9
10

18
20
24
21
20
10
18
14
16
18

9
8
7
10
11
11
8
5
7
8

600

CONTROL DE CALIDAD

a. C u l es el plan de m uestreo en inspeccin norm al, estricta y reducida?

b. Q u p ro babilidad de a ce p ta ci n tiene un c a rg a m e n to co n 1 ,5 % de
producto disconform e, si se usa inspeccin norm al?
c. C u l es el A O Q L qu e le corre sp o n d e al plan con Inspeccin norm al?
d. C u l e s el P N C T , a s o c ia d o a un [3=0,10, para el plan de inspecci n
norm al?
e. C u l es el tam ao m edio de las m uestras doble y mltiple, corresp on
dientes al plan de inspeccin norm al?
f.

Si se som eten a inspeccin 32 cargam entos que originan la cantidad de

pro ducto disconform e del C u a d ro 6 .49, cul es la dinm ica de la ins
p eccin ?

CUADRO 6.49. Informacin del Problema 21

# lote

np

#lote

np

# lote

np

filote

np

1
2
3
4
5
6
7
8

3
4
3
6
8
4
1
2

9
10
11
12
13
14
15
16

3
2
1
0
0
4
4
3

17
18
19
20
21
22
23
24

0
1
1
3
0
0
0
1

25
26
27
28
29
30
31
32

1
2
4
5
3
4
6
8

22.

E n un proceso de fabricacin de tubos para la construccin, las especifica

ciones del dimetro para un tipo de tubo se han fijado en 65,3 3,3 cm . Los
lotes qu e se som eten a Inspeccin son de tam ao 800 y se usa Nivel I con
A Q L = 2 ,3 % para el lmite superior y 0 ,1 5 % para el lmite inferior.
a. C u le s s o n los p la n e s de m u e s tre o q u e s e d e b e n u s a r b a jo in s
peccin norm al, sim plificada y estricta?

JORGE ACUA ACUA

b.

601

T o m a n d o los prim ero s valores

seleccionados horizontalmente del

C u a d ro 6 .50 co m o los valores originados por una m uestra; cul es la

decisin de aceptacin o recha zo bajo inspeccin norm al?

CUADRO 6.50. Informacin del Problema 22

63

62

69

67

70

66

65

67

68

67

64

70

75

66

70

66

68

65

66

67

23.

La especificacin m nim a para ciertos tubos de acero es 50000 psi. U n lote

de 8 0 0 tubos es som etido a inspeccin norm al, Nivel II con A Q L = 1 ,5 % . La
desviacin estndar es 1575 psi.
a. C u l es el tam ao de la m uestra?
b. Si los valores qu e g enera la m uestra se presentan en el C u a d ro 6.51,
cu l es la decisin de aceptacin o recha zo ?

CU A DRO 6.51. Informacin del Problema 23

62500
62500
61800

24.

60500
61000
63400

68000
69000
65000

59000
59000
64700

65500
64500
66600

La especificacin de presin para ciertos tubos de acero es 62500500 psi.

U n lote de 2 0 0 tu b o s es s o m e tid o a in s p e c c i n n o rm a l, N iv e l II, co n
A Q L = 1 ,5 % . La desviacin estndar es 2825 psi.
a. C u l es el tam ao de la m uestra?
b. S i los datos son los m is m o s del P ro b le m a 23, c u l es el criterio de
aceptacin o re ch a zo ?

602

2 5.

CONTROL DE CALIDAD

U n proceso produce con las especificaciones de longitud 25,9 1,5 cm . S e

som eten a inspeccin 50 piezas, utilizando nivel II y A Q L 1 ,5 % para el valor
especificado superior y A Q L 1 ,0 % para el valor especificado inferior.
a. C u le s son los plan es de m u estre o en inspeccin norm al, estricta y
reducida?
b. S i para el plan en in s p e c c i n n o rm a l se pre se n ta la in form acin del
C u a d ro 6.52, cul es la decisin de aceptacin y re c h a zo ? R esuelva
grficam ente y analticam ente.

CUADRO 6.52. Informacin para el Problema 25

Unidad #

Longitud

1
2
3
4
5
6
7
8
9
10

27,1
24,0
27,6
24,5
28,0
24,9
25,0
26,4
26,5
27,0

2 6. El m xim o contenido de una sustancia qum ica que debe estar presente en
un alim ento es 3 ,5 m iligram os por g ram o de alimento. Si se som eten a ins
p e c c i n lotes de 2 5 0 0 g ra m o s , u tiliza n d o N ivel II, in s p e c c i n n o rm a l y
A Q L = 1 ,5 %
a. C u l es el plan de m uestre o?
b. Sim ule la dinm ica de la inspeccin estableciendo el criterio de acepta
cin. U s e valores de este criterio en el rango de 1,5 1,2s.
2 7 . E n una em presa com ercial las lm paras incandescentes se som eten a ins
peccin en lotes de 1000 u nidade s. El po d e r lum inoso especificado para

JORGE ACUNA ACUNA

603

estas lm paras es de 100 buja-pie co m o m nim o. E n esa inspeccin se de

sea tener un pian de m uestreo para el cual lotes de calidad 1 % de producto
inaceptable, se acepten el 9 5 % de las v e c e s , m ientras que lotes con cali
dad 5 % se acepten el 1 0 % de las veces.
a. D is e e el plan de m u e stre o para c h e q u e a r el p o d e r lu m inoso de las
lm p a ra s y construya la respectiva cu rva caracterstica de operacin.
b. Q u plan de la norm a IS O -3951 se considera equivalente al diseado
en a?
28. U n proceso produce con las siguientes especificaciones: 28,9 2,5 cm . S e
som eten a inspeccin 70 unidades en form a norm al utilizando un Nivel II y
un A Q L de 2 ,5 % para a m b o s lmites especificados.
a. C u l es el plan de m uestreo?
b. C u l e s la decisin de inspeccin si la m uestra origina la informacin
del C u a d ro 6 .53?

CUADRO 6.53. Informacin para el Ejemplo 28 b) (')

Muestra #

Valor

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

30,1
30,0
27,8
24,5
28,0
28,5
29,9
32,2
31,0
26,4
26,5
27,0
27,7
28,8
28,1

() Tome los valores necesarios en forma vertical y ordenada.

604

29.

CONTROL DE CALIDAD

El m nim o contenido de un frasco de cacao en polvo es de 980 gram os. S e

recibe un lote de 60 frascos.
a. C u l es el plan de m uestreo por usar si se utiliza el Nivel II, inspeccin
norm al y A Q L igual a 2 ,5 % ?
b. Q u criterio de aceptacin o re c h a zo se obtiene si la m uestra genera
los valores p re sentado s en el C u a d ro 6 .5 4 ?
c. R e su e lva grficam ente.

CUADRO 6.54. Informacin para el Ejemplo 29 b) (')

Muestra #

Valor

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

975
965
983
989
995
1000
968
1000
1050
968
972
876
1123
999
1029

(') Tome los valores necesarios en forma vertical y ordenada.

30.

U n p ro ce so produce un artculo cu ya especificacin es 25,8+4,1 cm . Este

pro ceso tiene una ca p a cid a d 6 o de 10,8 centm etros y est centrado.
a. C u l sera una n u e v a tolerancia si el A Q L va ra a 6 % ?
b. C u l sera una n u e v a tolerancia si el A Q L vara a 0 ,5 % ?

JORGE ACUA ACUA

605

31. La especificacin de longitud para un determ inado producto es de 7 5 ,3 8 ,1

centm etros. U n lote de 800 unidades es recibido para inspeccin, usando
Nivel II, inspeccin norm al, A Q L = 1 ,0 % p a r a e l lmite superior y A Q L = 1 ,5 %
para el lmite inferior.
a. C u l es el plan de m uestreo qu e se deb e usar?
b. Q u probabilidad de aceptacin tiene un lote que tiene un 2 % de pro
ducto no conform e con especificaciones?
c.

Q u calidad d e b e tener un lote para qu e te n g a u na probabilidad de

aceptacin del 9 6 % ?

d. Sim ule la inspeccin generando valores aleatorios que estn com pren
didos entre 67 cm y 83 cm .
e. R e su e lva la parte d) grficam ente
32. La resistencia m xim a de un com ponente es 5985 psi y la m nim a 4365 psi.
Si un lote de 500 u n idade s es som etido a inspeccin u sand o A Q L = 2 ,5 %
para lmite inferior y A Q L = 1 ,5 % para el superior
a. C u l es el plan de m uestreo?
b. Q u probabilidad de acep taci n tiene un lote qu e tiene un 2 ,2 % de
producto no conform e con especificaciones?
c.

Q u calidad d e b e tener un lote p a ra qu e teng a una probabilidad de

aceptacin del 9 1 % ?

d. S im u le la inspeccin tom and o los valores que necesita de tal m anera

qu e estn co m prendido s entre 5900 y 4300 psi.
33. E n la inspeccin de resistencia a la traccin de un cierto alam bre se utiliza
co m o especificacin el valor 686 libras. S e reciben para inspeccin lotes
de 2 5 0 u n id a d e s, u sa n d o in sp e cci n norm al y N ivel II. S e usa a d e m s
A Q L = 1 ,5 % para el lmite superior y A Q L = 2 ,5 % para el superior.
a. C u l es el plan de m uestreo por el m todo de la desviacin estndar?
b. C u l es el plan de m uestreo por el m todo del intervalo?

606

CONTROL DE CALIDAD

c. Q u proba bilida d de a ce p ta ci n tiene un lote que tiene un 1 ,8 % de

pro ducto no con form e con e specificacio ne s? R e sp o n d a p a ra a m b o s
m todos.
d. Q u ca lida d d e b e te ner un lote para que te n g a una pro b a b ilid a d de
aceptacin del 9 0 % ? R e s p o n d a para a m bos m todos.
e. A n a lice por a m b o s m todo s la m uestra qu e se presenta en el C u a d ro
6.5 5 y e stab le zca el criterio de aceptacin o de rechazo.

CUADRO 6.55. Informacin para el Ejemplo 33 (")

Muestra #

Valor

Muestra #

Valor

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

63
64
64
69
70
64
69
75
69
67
66
72
64
70
72

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

64
66
66
65
68
69
67
65
74
68
66
76
67
67
77

(') Tome los valores necesarios en el orden acostumbrado.

34. E n un proceso de fabricacin se han establecido especificaciones de lon

gitud de 65,3 5,9 cm para el corte de unas piezas. La desviacin estndar
de esta longitud es conocida y es o=2,1 cm . S e reciben lotes de 50 piezas
y se usa Nivel II, inspeccin norm al y A Q L = 2 ,5 % para el lmite superio r y
A Q L = 1 ,5 % para el lmite inferior.

JORGE ACUA ACUA

607

a. A n alice una m uestra del tam ao que corre sp o n d e a las condiciones y

obte nga los valores respectivos por sim ulacin.
b. Si los ltimos 32 lotes qu e se han recibido han tenido las decisiones de
aceptacin y recha zo presentadas en el C u a d ro 6.56, cu l es la din
m ica de la inspecci n ? Indique si la inform acin es suficiente, si no lo
es, p re su m a lo que sea necesario y siga adelante.

CUADRO 6.56. Informacin para el Ejemplo 34 b)

Decisin

A c

Ae

A c

A c

A c

Decisin

Decisin

Decisin

9
10

Re
Re

11
12
13
14
15
16

Ac
Ac
A
A
A
Ac

17
18
19
20
21
22
23
24

Re
A
A
Ac
A
A
A
AC

25
26
27
28
29
30
31
32

Ac
Ac
Ac
Ac
Re
Ac
A
A

35. D is e a r un p la n de m u e s tre o p a ra a trib u to s, u n o p a ra v a ria b le s y uno

secue ncial qu e cu m plan con las siguientes condiciones:
a. R iesgo del productor (a ) = 6 %
b. R iesgo del con su m ido r (P) = 9 %
c. Nivel de calidad aceptable (A Q L ) = 1 , 8 %
d. Porcentaje de producto no tolerado en el lote (P N C T ) = 7 ,2 %
D e m ostra r qu e e sos planes son equivalentes.
36. Realice en una e m presa un proyecto qu e involucre un estudio de caracte
rsticas de calidad m edibles enu m e ra n d o las ventajas y desventajas de la
aplicacin de esta tcnica.

608

CONTROL DE CALIDAD

37. Si los ltim os 4 0 lotes que se han recibido en un puesto de inspeccin de

recepcin, han tenido las decisiones de aceptacin y rechazo presentadas
en el C u a d ro 6.57, cul es la dinm ica de la inspeccin? Indique si la infor
m acin es suficiente, si no lo es presum a lo que sea necesario y siga a d e
lante.

CUADRO 6.57. Informacin para el Ejemplo 37

Decisin
1
2

A
Ac

A c

A c

5
6

\
A

A c

R e

9
10

Rl
r e'

Decisin
11
12
13
14
15
16
17
18
19
20

R
Re

A<
A c

Ac

A
Ac
Ac
A c

Decisin
21
22
23
24
25
26
27
28
29
30

R,

A<
A<
A<
A
A
Ai

A
R,
R,

Decisin
31
32
33
34
35
36
37
38
39
40

A
A
A
A,
R

K
A
A

A
A

38. E s c o ja en una e m p re s a industrial un pro ducto d e te rm in a d o y ela b o re un

M anual de inspeccin.
39. E n los pro ble m a s 2 8 , 2 9 , 3 1 , 3 2 y 33, contestar las siguientes preguntas:
a. C u l es el riesgo del productor?
b. C u l es el riesgo del co n su m ido r para P N C T = 6 % ?
40. U n producto tiene una carga de rotura m nim a de 1500 kilogramos. El valor
del A Q L es de 0 ,1 0 % . S e d e s e a ca m biar a A Q L = 1 ,5 % . C u l es el n u evo
valor de la carga de rotura m nim a si la m edia aritmtica es de 2014 kilogra
m o s? Indique sob re qu pre m isas resuelve el problem a.

Captulo VII

ASPECTOS GENERALES
DE LA ADMINISTRACION
DE LA CALIDAD

a a d m in istra ci n de la ca lid a d es la d isciplina q u e se

encarga de la organizacin, coordinacin, planificacin,
ejecucin y control de todas las actividades qu e perm i
ten el cum plim iento de las polticas de calidad. Estas se
basan en el cum plim iento de los requerim ientos y nece
sidades del cliente o usuario.
T a l y com o es evidente en la anterior definicin esta
la b o r es c o m p le ja y re q u ie re de re c u rs o s h u m a n o s ,
m ateriales y e co n m ico s y sobre todo de m otivacin y
conciencia basada en un amplio conocim iento de lo que
e s un sistem a de control de calidad total.
D e a c u e rd o co n lo p la n te a d o en el C a p tu lo I de
este libro, el control de la calidad de un producto o servi
cio es u n a ta re a q u e a ta e a to d o s los n iv e le s je r r
quicos de la organizacin. Bajo este esq uem a, la orga
nizacin y adm inistracin de las actividades requeridas
para cum plir con el objetivo bsico de satisfacer al clien
te es un reto qu e se torna co m p le jo y qu e exige entre
otras cosas:

Coordinacin entre los distintos departam entos de

la em presa, en busca de m etas com u nes.

610

CONTROL DE CALIDAD

M otivacin y estm ulo al personal para qu e adquiera conciencia de calidad

y que por lo tanto coopere ejecutando sus actividades cada da mejor. Esto
deb e co n lle var a un m e jo ra m ie n to c o n tin u o .

B sq u e d a de resultados tangibles, los cuales se han de obtener respetan

do las lneas de autoridad y evitando al m xim o la friccin entre los grupos
de trabajo.

Definicin clara y concisa de funciones, responsabilidades y procedim ien

tos con el fin de lograr los objetivos, y evitar duplicacin de funciones y a m
b ig e da d en las rdene s.
C o n el fin de lograr lo anterior se de b e n establecer m a n u ales de pro cedi

m iento, en los qu e se definan los alcances y lim itaciones de qu ienes tienen la

responsabilidad de ve la r por la calidad del producto tanto en la planta co m o en
las m a nos del cliente.

ORGANIZACION DE LA FUNCION CALIDAD

El xito de los program as de calidad en la em presa depende de la forma en
qu e las diferentes a ctivid ade s son o rg a n iza d a s . L g ica m e n te , esto refleja la
m anera en q u e la funcin calidad se concibe en el m arco de la estructura jerr
quica de la e m p re sa.
El pro ble m a es que la em p re s a en los ltimos aos, debido a la crisis e c o
nm ica, se ha p re o cu p a d o m s por la b sq u e d a de capital de trabajo de gran
solidez y crecimiento, que por ei establecimiento de polticas y controles qu e las
regulen y g a ra n tice n su cu m p lim ien to. A n te esta situacin, el e m p re s a rio ha
desviado su atencin hacia los problem as econm icos, pues cree que adm inis
trar la calidad e s un costo innecesario y no una inversin.
E n cuanto a control de calidad, una buena cantidad de em presas continan
creye ndo en la concepcin errnea de basar sus esfuerzos nicam ente en ins
peccin de p roducto, con lo q u e el ca m p o de accin se en cu e n tra totalm ente
lim itado. P o r ello, se e n c a rg a n las fu nciones de calidad a d e p a rta m e n to s de
produccin c u y a m otivacin se centra en cum plir con los requisitos de cantidad
sin pre ocuparse por la calidad, con lo que, la tarea de control se limita a sim ples
inspecciones correctivas de pro ceso y m aterias prim as.

JORGE ACUA ACUA

611

E n otras e m p re s a s se tiende a dar a u ton om a a la funcin calidad, lo que

pareciera la m ejor opcin cu a n d o los altos niveles jerrquicos han fijado polti
ca s cla ras y eficaces.
D e lo expresado anteriormente, se puede concluir que en la evolucin de la
e m p re s a industrial se pu e d e n e n m a rca r cinco form as de organ izacin para la
calidad que dependen de las necesidades, tam ao y cantidad de productos que
se te ngan en ca d a em p re s a . E stas son:

1. Supervisin organizada
E n este ca s o no existe u n a o rg a n iza c i n cla ra de la funcin calida d y lo
poco qu e se realiza recae sobre el supervisor de la lnea y los operarios respec
tivos. P a ra que esta form a funcione con xito, el nivel de m otivacin y concien
cia h acia la calidad en los niveles operativos deb e ser m u y alto.

2. Inspeccin organizada
E n este ca so se tiene un grupo de inspectores cu ya funcin es verificar la
calidad de los productos sum inistrados por las lneas de produccin y dar reco
m enda cion e s sobre m edidas correctivas y preventivas. La decisin final es del
enca rga do de produccin. E n esta forma de organizacin los resultados dep e n
den del grado de co n cie ncia y m otivacin qu e teng a el su p e rviso r de p ro d u c
cin, de lo contrario la inspeccin es infructuosa. El funcionam iento a d ecu ado
se da a travs de una am plia coordinacin y com unicacin entre supervisores
e inspectores. Esta form a tiene varios niveles que van desde el nivel sim ple de
inspeccin final de producto hasta el nivel de inspeccin por etapas, en los pun
tos crticos de calidad en las lneas de produccin.

3. Funcin calidad formando parte del Departamento de Produccin

E n realidad, este es el primer caso en el que se da una verdadera organiza
cin para la calidad; sin em bargo, su d esem pe o ser fructfero si existe co m u
nicacin, coordinacin y conciencia entre las funciones de produccin y calidad.
A p e sa r de lo anterior, este m odelo de o rga n iza ci n no es a d e c u a d o , p u e s el
personal de produccin cum plira el papel de ju e z y parte en cuanto a calidad

CONTROL DE CALIDAD

de lo p ro d u cid o se refiere. E n estas situ aciones, el objetivo de cum plir con la

cantidad de produccin p la n e a d a se im po ne sob re la calidad de lo producido.
U n a form a de resolver esto, e s convertir el control de produccin en una tarea
cuyo objetivo sea la entrega de la cantidad, en el lugar y en el tiem po pactado y
con la calidad requerida. La s posibilidades de crecim iento y expansin de acti
vidade s para la funcin calidad son absolutam ente limitadas.

4. Funcin de calidad autnoma

La a u ton om a para el d e s e m p e o de las actividades brinda a este tipo de
organizacin grandes probabilidades de xito. Esta organizacin puede funcio
nar en varios niveles que va n desde una inspeccin de proceso y materia prim a
organ iza d a hasta el enfoque de calidad total, donde un gerente de calidad a s u
me la funcin de coordinador y prom otor de las tareas de control de calidad. Si
se trabaja bajo el esq u e m a de inspeccin de proceso, se debe tener una am plia
coordinacin con la G e re n cia de Produccin para tener xito en la consecucin
de objetivos de calidad.

5. Autocontrol
E sta es la form a de o rgan izaci n en don de el control de calidad recae so
bre el operario. Bajo este concepto, el operario se convierte en inspector de su
propio trabajo, planificando su s actividades de tal m anera qu e la probabilidad
de producir fuera de especificaciones sea lo m s baja posible.
T a m b l n existen m odelos de organizacin no ved o so s aplicados por cultu
ras orientales, en especial la ja ponesa, los cuales estn b asado s en una am plia
capacitacin, motivacin y conciencia de los m andos operativos con el fin de que
se conviertan en inspectores de su propio trabajo. Este con cep to se basa en la

filo so fa de q u e e l tra b a jo de u na p e rs o n a es e l re fle jo de s u c a lid a d hum ana.

A d e m s , existe una am plia cooperacin de los niveles gerenciales para brindar
los recursos necesarios para que ca d a em p le a d o cum pla con sus funciones.
Esta form a de pensam iento origin los llam ados

Crculos de Calidad que

son g ru p os de m ejoram iento cu y o objetivo es solucionar los problem as de c a

lidad, qu e se presentan en u n a lnea de pro du ccin con el fin de desarrollarse
en su c a m p o y q u e c o m o c o n s e c u e n c ia se m ejo ren los nive le s de ca lid a d y

JORGE ACUNA ACUNA

613

productividad de la organizacin. E s decir, el objetivo primordial es la bsqueda

del m ejoram iento h u m a n o y no el m ejoram iento tcnico o tecnolgico. Este l
timo de b e ser un resultado pero nu nca el objetivo.
E s te m o vim ie n to to m m u ch o a u g e en L a tin o a m ric a en la d c a d a de
1 9 8 0 -1 9 9 0 y se p u ede n citar ejem plos de xito y de fracaso. Lo s fracasos se
han originado en m u ch a s razones, cuatro de las m s im portantes son:
1.

Falta de planeam iento. La m ayor parte de estos fracasos han sido pro du c
to de una im provisacin total.

2.

Falta de un diagnstico que evale las debilidades y fortalezas de la o rg a

nizacin para la aplicacin de la nu e va form a de trabajo,

3.

Planteam iento e rr n e o de objetivos, gen e ra lm e n te b a s a d o s en logro de

m ejores niveles de productividad y no en la bsqueda de realizacin del ser
h u m a no.

4.

Falta de un proceso de adaptacin, tiem po de transicin, para cam biar de

un estilo a otro (resistencia al cam bio).
E s evidente que para obtener buenos resultados con Crculo s de Calidad,

se de b e n hacer las adap taciones necesarias a la form a de vida e idiosincrasia

de nuestros pueblos.
E s importante hacer una evaluacin de la estructura jerrquica de la o rg a
n iza cin, para de te rm ina r si es posible a dap tar cualq u iera de los dos ltim os
m odelos, pues son los que brindan la m ejor posibilidad de lograr el cum plim ien
to de los requerim ientos del cliente.

FUNCIONES DEL GERENTE DE CALIDAD

El gerente de control de calidad, independientem ente del tipo de o rgan iza
cin de calidad a que pertenezca, debe ejecutar una serie de actividades clsi
cas. A lg u n a s de las m s importantes son:
1.

Establecer controles en las diferentes etapas de fabricacin. E s de absolu

ta im portancia a se g u ra r la calidad de las partes y productos de s d e la pri
m era operacin de produccin. N a d a se logra detectando fallas cu a n d o el
producto ya ha sido term inado.

614

2.

CONTROL DE CALIDAD

Im plantar m todos de control correctivo y preventivo en la inspeccin de

entrada de m ateriales y m aterias prim as, en los puestos de trabajo, en la
in sp e cc i n de p ro d u cto e n p ro c e s o y en la in sp e cci n de p ro d u cto te r
m inado.

3.

Identificar las caractersticas crticas de calidad y clasificarlas de acuerdo

con la gra ve d a d en el incum plim iento de especificaciones.

4.

Especificar los niveles de calidad y los m todos de m uestreo para el control

y aceptacin de m aterias prim as y producto term inado.

5.

C o o p e ra r con el depa rtam ento de Ingeniera y Produccin en el estableci

m iento de norm as de calidad.

6.

D esarrollar las instrucciones y m a nu ales de inspeccin de calidad.

7.

D esarrollar planes de evaluacin de la calidad de pro veedores.

8.

D esarrollar form atos pa ra recoleccin y anlisis de inform acin.

9.

Especificar el equipo de inspeccin y de ensayo que deb e ser usado en la

verificacin de calidad.

10. Desarrollar nuevos m todos y tcnicas de ensayo que garanticen an m s

la representatividad de los datos recolectados.
11. Desarrollar el program a de verificacin y calibracin de la instrumentacin.
12. Efectuar estudios especiales tales co m o certificacin, auditoras y anlisis
de ca p a cid a d de proceso.
13. Investigar a fondo los pro blem as de calidad cu a n d o se presenten.
14. C o o rd in a r el establecim iento de m e ca n ism o s que perm itan la recoleccin
y anlisis de quejas y devoluciones.
15. Efectuar estudios econm icos que permitan conocer los costos de calidad.
16. C o o rd in a r con Produccin la m ejora de todas aquellas reas en las lneas
qu e sean causa ntes de pro blem as de calidad.
17. Im pulsar las investigaciones qu e co n lleven a c o n o ce r ca d a d a m ejo r los
requerim ientos del cliente.

JORGE ACUNA ACUNA

615

18. P ro m o c io n a r la ca p a cita c i n p e rm a n e n te del p e rso n a l a su ca rg o y del

personal de produccin
19. Proporcionar inform acin a M antenim iento con el fin de que ellos desarro
llen a d e cu a d o s pro gra m a s de m antenim iento y lubricacin.
20. C oordinar a nivel de la em presa todas las acciones que se establecen en el
P ro g ra m a de calidad total.
Estas actividades son necesarias para tener un p ro gram a que se acerque
a un control de calidad total. La ejecucin exitosa de estas acciones depende de
la m otivacin que exista para h acer el trabajo cada da m ejor.

PREVENCION DE PRODUCTO FUERA DE

ESPECIFICACIONES
La cantidad de producto que no cum pla con lo especificado puede ser co n
trolada m ediante m todo s qu e se d ed iq u en a atacar las ca u sa s. P ara ello, se
deb e n investigar las fuentes y establecer m edios de control que garanticen la
reduccin y si es posible la eliminacin de defectos o productos no acordes con
especificaciones. E n este estudio se pu e d e n determ inar varias fuentes, entre
las principales se encuentran:
1 ."' rro re s de diseo. E s posible qu e no se tengan en cuenta limitaciones de
fabricacin, las cu ale s salen a relucir al producir.
2.

M ateriales inapropiados. Falta de com unicacin interna adecuada y exter

na con pro ve edores p u e d e o ca sio nar la com pra de m ateriales qu e no lle
nan las expectativas de fabricacin.

3.

Fallas de produccin
a.

Falta de entrenam iento

b.

M antenim iento inefectivo

c.

C ondiciones am bientales desfavorables (tem peratura, hum edad, v e n

tilacin, etc.)

d.

Problem as de organizacin de la produccin cuan do no se le ha puesto

especial im portancia al establecim iento de m todos ad ecu ado s para:

616

4.

CONTROL DE CALIDAD

Distribucin de planta

M todos de trabajo

Inventario en proceso

B alance de lneas

Control de produccin

M anejo de m ateriales

S iste m a s de distribucin y transporte Inadecuados

P a ra tener xito en esta tarea de prevencin es im portante aplicar un pro

cedim iento tal y co m o se anota a continuacin:

1.

P riorizar los pro ble m a s de calidad encontrados.

2.

R ealizar un diagnstico para identificar las causas de los problem as detec

tado s en 1.

3.
4.

A b a liza r la inform acin obtenida del diagnstico.

E sta b le c e r los m e dios y las estrategias para la elim inacin de defectos y
condiciones que no permiten que el producto cum pla con especificaciones.

5.

A p lica r las soluciones encontrad as en 4.

6.

R e v is a r la eficacia de las s o lu cio n e s y h a c e r los c a m b io s q u e s e a n n e

cesarios.
E s im portante q u e en el diag nstico participen p e rs o n a s qu e te n g a n un

amplio conocim iento de los procesos y productos, pues solo as tendrn am plia
participacin en la b sq u e d a de posibilidades de solucin. La colaboracin de
personas ajenas a la em p re sa es de gran vala, pues ellos pu eden obs e rva r si
tu a cio n e s a n o rm a le s , difciles de se r o b s e rv a d a s por el p e rso n a l de planta,
pues estn a co stu m b ra do s a convivir con ellas.
L a ejecucin de actividades para la prevencin de pro blem as son de gran
im portancia pues:
1.

Aportan teoras sobre las cau sa s asignables de los problem as encontrados.

2.

Perm iten hallar pro ble m as gen e ra d o s por una pro blem tica anterior.

JORGE ACUA ACUA

617

3.

P erm iten inve stigar a ce rca de la co o p e ra c i n qu e ofrecen las pe rso n a s

involucradas en la fabricacin del producto.

4.

A y u d a n a c o n o c e r el am b ie n te de trabajo y las fuentes de resistencia al

cam bio.

5.

A y u d a n a e sta b lecer la autoridad necesaria para ejecutar los m edios de

control.

6.

F a vo rece n la investigacin de cau sa s que provocan los problem as graves

de calidad.

7.

P erm iten integrar a p e rsonas en el estudio de la pro blem tica de calidad

del producto.

Si se plantea un a d e c u a d o sistem a de control del producto fuera de e sp e

cificaciones, se tendr un cam ino g anado en la lucha por incrementar el nivel de
calidad del producto.

COORDINACION Y CONTROL
S e g n el enfoque m oderno de control de calidad, es im prescindible tener
una a de cuada coordinacin de actividades entre todos los departam entos de la
e m p re sa , con el fin de cum plir con las polticas de calidad, planteadas a nivel
geren cial. E stas polticas son lineam ientos claros y con cisos que reflejan las
intenciones y com prom iso s de la alta direccin, para enfrentar el reto de entre
g a r un producto acorde con lo requerido por el cliente.
Para tener una idea de cm o tiene que ser la coordinacin se pu ede c o m
parar la funcin calidad con la funcin financiera. Para lograr xito en la funcin
financiera uno de los instrumentos m s tiles se llama presupuesto. A travs del
p re supuesto se coordina con cad a departam ento la ejecucin de actividades,
b u s c a n d o un a d e c u a d o balance entre e g re so s e ing resos u sa n d o un control
centralizado.
La funcin calidad debe operar en form a parecida aplicando instrum entos
llam ados pro gram as y ejecutando auditoras que investiguen si las actividades
y los p ro ce d im ie n to s se estn lle va n d o a c a b o de a cu e rd o con lo pla n e a d o .
A d e m s , se cuantifican los beneficios con el fin de com pararlos con los costos
y s a ca r conclusiones acerca de la rentabilidad de la inversin.

618

CONTROL DE CALIDAD

E l xito de esta co o rdinacin est en la m otivacin y con cie ncia h acia la

calidad que tengan todos los departam entos de la em presa. P or ejem plo:

Produccin para

la fabricacin del producto que rena los requisitos del

diseo.

Ingeniera para el desarrollo de productos que se acerqu en a los requeri

m ientos del cliente.

Ventas para la prom ocin de producto e investigacin del grado en que el

p roducto cum ple con lo requerido por el cliente.

Compras para la adquisicin de m aterias prim as que renan los requisitos

de fabricacin.

Personal para

Inspeccin para realizar u na verificacin a p e g a d a a las bu e n a s reglas y

prcticas dictadas en los m anuales.

Mantenimiento para establecer plan es eficientes de m antenim iento pre

ventivo y correctivo que m inim icen fallas en las m quinas.

Distribucin y servicio p ara no p ro v o ca r da o s al pro ducto en el tra n s

porte del m ism o y para brindar un servicio eficiente y en el m om ento reque
rido, al cliente que detecte fallas de calidad en el producto.

seleccionar el personal idneo y g e nerar eficientes pro gra

m as de capacitacin y entrenam iento.

C o m o se puede ver cad a funcin de la em presa tiene que pon er su granito

de are na en el logro del objetivo de calidad. Para lograr ello, se debe establecer
un sistem a de inform acin qu e perm ita u na am plia com u nicacin entre los di
ve rs o s co m p o n e n te s de la organizacin.
Este sistem a de informacin debe permitir que datos actualizados de dise
o de producto, control de pro ceso, control de m ateriales y m aterias prim as y
control de producto term inado v a ya n por los canales ad e c u a d o s y lleguen a las
instancias qu e necesitan de inform acin v e ra z para la tom a de decisiones.

ECONOMIA DE LA CALIDAD
La e co n o m a de la calidad tiene dos enfoques uno es el enfoque de la c a
lidad de concordancia (dentro de la em presa) y el otro es el de calidad de diseo
(fuera de la em p re s a ).

JORGE ACUNA ACUNA

619

L a calidad de diseo es aquella qu e garantiza que el producto qu e se v a a

fabricar, satisface realm ente los requerim ientos del consum idor. T a l y com o se
explic en el C aptulo III, aqu se traducen las necesidades del cliente en espe
cificaciones tcnicas.
E n la calidad de d iseo se to m a n en cu en ta el v a lo r de la calidad para el
consum idor, en trm inos del grado en que ste satisface sus necesidades, y el
costo de calidad n e c e sa rio para g a ra n tiza r ese valor. E l costo de calidad se
incre m en ta con form e a u m e n ta el g ra d o de conform idad del co n su m id o r y su
pendiente crecer indefinidam ente en el m om ento en el que el grado llegue a
ser m xim o. Esto se representa m ediante una cu rva de inflexin.
El valor de la calidad tam bin crece en relacin directa con el grado de co n
form idad, puesto qu e a m ayor grado de conform idad, m ayor valor de calidad del
p ro d u cto en el m e rca d o . Sin e m b a rg o , c u a n d o ese g ra d o es m xim o, el va lo r
crece con una pendiente despreciable, mientras el costo crece alarm antem ente.
P o r lo anterior, es de su m a importancia determ inar el grado ptimo de con
form idad que garantice un m xim o valor de calidad a un costo m nim o. La Figu
ra 7. i presenta las cu rva s qu e representan al costo y al valor de la calidad.
E n la Figu ra 7.1 se rep resen tan cuatro re as Identificadas por las letras
A ,B ,C y D . Su significado es el siguiente:
ZONA A
E n esta zo na , el costo de calidad siem pre es m a yo r que el valor de la cali
dad, lo cual resulta perjudicial. E s im portante recalcar que en esta rea la e m
presa le pone poca importancia a la calidad lo que se refleja en el bajo grado de
conform idad.
ZONA B
E n esta zo na , el costo de la calidad es inferior al valor de la calidad, lo que
evidencia que la em presa le pone m s atencin al problem a de calidad. C onfor
m e el g rado de co n form idad se a c e rc a al g rado ptim o, la diferencia entre el
costo y el valor se h ace m s g rand e lo que hace m s llamativo trabajar con un
g ra do de conform idad cercano al g rado ptimo.

620

CONTROL DE CALIDAD

ZONAC
E n esta zo n a ocurre lo m ism o que en la z o n a B, con la diferencia de q u e el
grado de conform idad es m s alto. C o n fo rm e se aleja el g ra d o de conform idad
respecto al grado ptim o, la diferencia entre el costo y el va lo r se hace m s pe
que a lo qu e hace poco llamativo trabajar con un grado de conform idad lejano
al g ra d o ptim o.
ZONAD
E n esta zona, la situacin no es beneficiosa puesto que aunq u e el grado de
conform idad es alto, el costo de ese grado de calidad es m u ch o m s alto qu e el
valor q u e se obtiene. A d e m s , por m s que se invierta en calidad el va lo r p er
m a n e ce casi constante.
C o m o con clu sin, se nota que ser sie m p re rentable trabajar en la zo n a
com p re ndida entre el punto form ado por las zo n a s A y B y el punto form ado por

JORGE ACUNA ACUNA

las zo n a s C y D. El grado ptim o de calidad se define co m o aquel punto para el

cual la diferencia entre el valor de la calidad y el costo de calidad es m xim a.
Esto dem uestra que la produccin perfecta (1 0 0 % produccin b uen a), adem s
de se r una m eta im posible de a lcanzar, no es la opcin m s rentable para una
e m presa.
C o s t o s d e c a lid a d
T a l y co m o se a pu nt antes, una de las tareas cla ve s de la e c o n o m a de
calida d es la cu a n tifica d n de costos de calida d, p u e s constituye u n a form a
concreta para evaluar el rendimiento de un program a de calidad en la em presa.
S in e m b a rg o , son p o c a s las e m p re s a s q u e ca lcu la n co sto s de calidad,
q u iz s p o rqu e e rr n e a m e n te no lo co n sid e ra n im portante o p orqu e, au n q u e
estn conscientes de la im portancia de co n o ce r este costo, no sab en exacta
m ente c m o calcularlo.
Al h ablar de costos de calidad es evidente, en prim era instancia, qu e se
habla de algo que constituye un gasto m s que una inversin. Sin em bargo, hay
q u e ^o m a r en cuenta que las con secu encias de producto de m ala calidad en el
m e rca d o , p u e d e n ser funestas para una c o m p a a , por lo qu e se d e b e tener
p re s e n te q u e L A B U E N A C A L I D A D C U E S T A P E R O L A M A L A C A L I D A D
C U E S T A M A S .
P or lo anterior, se con clu ye que Invertir en calidad es una excelente inver
sin, si se tiene una mentalidad triunfadora en m ercados tan competitivos com o
los de hoy en da.
C o m o es sabido, el costo de produccin est com pu esto de tres grandes
rubros: costo de m a n o de obra, costo de m aterias prim as y costos indirectos.
Lo s costos de m ano de obra son los costos en que se incurre al p a g ar salarios
al personal, para llevar a cabo las tareas de produccin en las lneas de produc
cin. Los costos de m ateria prim a son aquellos que se originan por la com pra y
m antencin de las m aterias prim as y materiales que conform an el producto ter
m inado. Los costos indirectos son todos aquellos costos que no estn directa
m ente relacionados con la fabricacin de un producto, pero que son necesarios
para d a r soporte a las a ctivid a d e s de pro d u cci n . U n o de estos co sto s es el
costo de evaluacin de la calidad, el cual se considera dentro de los costos de

622

CONTROL DE CALIDAD

produccin, pero que sin em bargo, ser evaluado y analizado en form a sep a ra
da con el fin de cuantificar los beneficios del sistem a.
Si se enfoca la calidad co m o calidad total, una importante inversin en to
das las actividades qu e conllevan a la consecucin del objetivo, p u e d e llevar a
una dism in uci n con sid era b le de los costos de inspeccin y de los co sto s de
m a la ca lida d y a un a u m e n to en el prestigio del pro du cto en el m e rc a d o . P or
datos generados por com p a a s que llevan registros de costos, se sab e que los
costos de la m ala calidad representan del 6 0 % al 7 0 % de los costos de calidad,
m ientras que los costos para evitar problem as son apenas el 1 0 % de ese costo.
P a ra e m p re s a s qu e han im p le m e n ta d o sistem as de control de calida d, esos
estudios m uestra n q u e los costos de m ala calidad se ve n con sid erab lem ente
reducidos.
Al e nfocar la calida d bajo el c o n ce p to de sistem a es n e cesario to m a r en
cuen ta una serie de costos en qu e se incurre y que m u ch a s ve ce s no se consi
deran co m o parte del costo de calidad. P or ejemplo, el costo de brindar servicio
al cliente por d a o s o defectos e n co n tra d o s durante la operacin o uso de un
determ ina do a rtc u lo .
A continuacin se har una explicacin com pleta de los costos de calidad.
L a F ig u ra 7 .2 pre senta una clasificacin de los costos de calidad.
C o s t o s d e ca p ita l
E sto s son costos atribuibles al e sfu erzo por m ejorar la calidad de los pro
d u c to s y los s e rv ic io s . S e in c lu y e n a q u to d a s a q u e lla s e ro g a c io n e s p o r

- Depreciacin
Costos de capital
Costos
de
Calidad

Costos de operacin
Costos indirectos

- Inters
- Oportunidad
-

Prevencin
Evaluacin
Fallas internas
Fallas externas

FIGURA 7.2. Clasificacin de los costos de calidad.

JORGE ACUA ACUA

623

co n ce p to de e q u ip o de m e d ici n , p ro ce sa m ie n to de datos, y toda s aq uellas

inve rsione s q u e se da n al im p le m e n ta r un sistem a n u e vo o al re visa r uno ya
existente.
E n realidad, no se tom a en cu en ta la inversin en s, sino la depreciacin
del equipo de laboratorio y de m edicin, el inters de lo invertido y el costo de
oportunidad de la inversin. Este costo de oportunidad se define com o lo que se
de ja de p e rcib ir si en lu g a r d e invertir el d in e ro en el s iste m a d e control de
calidad, se invierte en otro proyecto o se m antiene depositado en un banco.
C o s t o s de o p e ra c i n
Los costos de operacin son aquellos costos en que se incurre para preve
nir y e valuar la calidad de los productos, procesos, m ateriales, m quinas y de
m s recursos que intervienen en el sistem a de produccin. Estos costos se cla
sifican en costos de prevencin, costos de evaluacin, costos de fallas internas
y costos de fallas externas.
Lo s costo s de p re ven cin son aquellos en qu e se incurre para prevenir la
elaboracin de productos defectuosos o fuera de especificaciones y a s evitar
qu e lleguen al co n su m ido r con las correspondientes con secu encias.
Los costos de va lu aci n son los costos en q u e se incurre al pon er a fun
cionar el sistem a de control de calidad y m antenerlo a lo largo del tiem po. Este
costo involucra las pru e bas que se de b e n h acer a los recursos de produccin
para in sp e ccion a r la p ro duccin de u n idade s defectuosas o qu e no cu m plen
con la especificacin.
Los costo s de fallas in te rna s son los costos atribuibles a las fallas de cali
dad encontradas en las lneas de produccin y que an no han salido al m erca
do. Lo s costo s de fallas e xte rn as son los que ocurren cu a n d o producto defec
tuoso sale al m ercado.
T o d o s estos costos son la ba s e fu ndam ental del costo de la calidad y se
pueden representar segn la Figura 7.3. E n esta figura, el costo est represen
tado en funcin del porcentaje de producto que no cum ple con lo especificado,
el cual se tom a co m o una m edida del nivel de calidad.

624

CONTROL DE CALIDAD

FIGURA 7.3. Representacin grfica de los costos de calidad.

C o m o se p u e d e o b s e rv a r en la F ig u ra 7 .3 , los co s to s de p re ve n ci n se
incre m e n tan conform e a u m e n ta el nivel de calidad (d is m in u ye el porcentaje
d e fe c tu o s o ), m ie n tra s tanto los co s to s de e v a lu a c i n y fallas d e c re c e n . La
concavidad de la curva de costo total permite identificar un nivel ptimo que no es
precisamente cero por ciento de producto no conforme con las especificaciones.
Los costos operativos son los ms importantes pues se ha establecido que los
costos de prevencin representan cerca del 1 0 % de los costos totales, los costos
de evaluacin el 2 5 % y los costos de fallas del 50 al 7 5 % del costo total de calidad.
E sto deja notar, que la inversin pu ede considerarse cerca del 3 5 % (su m a
de costos de preve ncin y evaluacin) y el beneficio del sistem a cerca del 6 5 %
al reducirse considerablem ente los costos de fallas internas y externas, al entrar
a funciona r las diversa s actividades de control.
C o s t o s in d ire c to s
E s to s co sto s son a q u e llo s en q u e el p ro v e e d o r incu rre p a ra co n tro la r la
ca lid a d de su s p ro d u cto s y q u e l g ica m e n te estn incluido s en el p re cio del

JORGE ACUNA ACUNA

625

producto. Estos costos representan los esfuerzos del proveedor por cum plir con
la calidad exigida.

Clculo de costos de calidad

D e los costos de calidad los m s importantes son los costos de operacin.
P or ello, es importante fijar un procedim iento que permita el clculo acertado del
costo. Lo s d e m s costos pu e d e n se r obte nid os de los libros de la c o m p a a ,
p u e s generalm ente constituyen parte de la contabilidad de toda em presa.
El costo total de calidad se puede calcular m ediante la siguiente expresin:
C T C = C C A + C P R + C E V + C F I + C F E + C IN
C T C : C o sto total de la calidad
C C A : C o sto s de capital
C P R : C o sto s de prevencin
C E V : C o sto s de evaluacin
C F I: C o sto s de fallas internas
C F E : C o sto s de fallas externas
C IN : C o sto s indirectos
Los valores de los costos de operacin deben ser adecuadam ente calcula
dos o recolectados. U n a gran ayuda para el clculo del costo de la calidad es el
diseo de un sistema de recoleccin de Informacin, que permita cuantlficar los
costos conform e se v a ya n g enerando.
P ara recolectar esta informacin, se debe tener clara la definicin de cada
costo con el fin de co n o ce r a qu clasificacin pertenece. Para ello, el C u a d ro
7.1 presenta un docum en to don d e se desglo sa cad a costo.
U n a explicacin del tipo de rubros que involucra cada costo es dada a con
tinuacin.

Descripcin de costos de prevencin

Ptaneacin de la ca lid a d e s el costo del tiem po que el personal del depa r
tam ento de control de calidad o de ingeniera dedica a actividades com o:

526

CONTROL DE CALIDAD

CUADRO 7.1. Formato para recolectar costos de calidad

Empresa: XYZ
Producto:
Realizado por:

Periodo:
Fecha:

Costos

PREVENCION
(CPR)

Montos

Rubros
1. Planeacin de la calidad
2. Control de procesos
3. Diseo y desarrollo de equipo de inf.
4. Entrenamiento
5. Evaluacin y asesora de proveedores
6. Actividades de prevencin por otros
7. Otros costos
SUBTOTAL:

EVALUACION
(CEV)

1. Inspeccin de recibo
2. Prueba de producto
3. Inspeccin de prodi'Cto
4. Inspeccin por personal directo
5. Auditoras de calidad
6. Otros costos
SUBTOTAL:

FALLAS
INTERNAS
(CFI)

1. Desperdicios imputables al proceso

2. Reproceso
3. Desperdicios imputables al proveedor
4. Devolucin de producto
5. Atencin de rechazos
6. Soporte de ingeniera
7. Otros costos
SUBTOTAL:

FALLAS
EXTERNAS
(CFE)

1.
2.
3.
4.

Reclamos y devoluciones
Servicio y garanta
Prdida de ventas
Otros costos

SUBTOTAL:
TOTAL:

JORGE ACUA ACUA

627

a.

Planeacin del sistem a de control de calidad. E sto involucra los costos en

q u e s e in c u rre p o r la p r e p a ra c i n y e v a lu a c i n d e a n te p r o y e c to s y
proyectos.

b.

P re p a ra c i n de in s tru c cio n e s p a ra la p u e s ta en p r ctica d e los n u e v o s

m todos.

c.

D iseo de los correspondientes m todos para el control de materiales, pro

ce so y producto term inado.

d.

Diseo de los m edios que retroalimentarn ingenieros y diseadores de las

fallas en el pro ceso o en el m erca do.

e.

B s q u e d a de inform acin de calidad en los diverso s departam entos de la

organizacin.

f.

An lisis de los p ro b le m a s diarios con el propsito de e v a lu a r y m ejo rar el

sistem a. Esto no incluye el tiem po ded ica do a la atencin de problem as en
las ln e a s de p ro d u c c i n o en las b o d e g a s de m a te ria le s y p ro d u c to s
term inados.

C o ntrol de p ro ce so s es el costo en qu e se incurre cu a n d o el personal de

inspeccin y administracin de calidad se dedica a estudiar y analizar los proce
sos de produccin para establecer los m edios qu e ayuden a increm entar la ca
pacidad de calidad. A lg u n o s de los costos incluidos a q u son:
a.

Apliqacin efectiva de las instrucciones del plan de calidad. S e debe dedi

ca r tiem po para verificar las accion es que se estn llevando a cabo.

b.

M a nte ncin de los p ro ce so s bajo control. E sto im plica las a cc io n e s ten

dientes a lograr que las condiciones a d e cuadas de calidad se m antengan
en el tiem po.

c.

O rg a n iza ci n y ejecucin de auditoras de calidad.

Diseo y desarrollo de equipo de inform acin de la calida d es el costo con

tabilizado p or el tiem po d e d ica d o a la plan eacin y sele ccin de equipo para
pru e bas, inspeccin, control y anlisis. E sto no incluye el costo de equipos de
m edicin de produccin que se necesitan para la ejecucin del proceso, tal es
el ca so de term m etros y calibradores.

E ntrenam iento es el costo ocasionado por las actividades que tienen com o
objetivo entrenar personas en labores de control e inspeccin. Ejem plo de ste

628

CONTROL DE CALIDAD

es el diseo y operacin de program as de entrenamiento y actualizacin de per

sonal de calidad. N o incluye a operarios de produccin.

E valuacin y ase sora de pro ve e d o re s es el costo qu e se ca rga al tiem po

e m p le a d o p or p e rsonal de calidad en auditoras de e va lu a ci n de calida d en
planta de p ro ve e d o re s. E sta s auditoras son asesoras a los sistem as d e cali
d a d d e los p r o v e e d o r e s , c o n el fin d e s u p e r a r los n iv e le s d e c a lid a d s u
m inistrados.

A ctividades de prevencin por otros es el conjunto de costos originados por

el trabajo de p re ve ncin ejecutado por otras depe ndencias de la organizacin,
tales c o m o Ingeniera, C o m p ra s y D iseo de producto.

O tros costos de prevencin. S e incluyen aqu los costos Indirectos y adm i

nistrativos g e n e ra d o s por actividades de prevencin tal es el caso de secreta
rias, m ateriales y papelera de oficina, telfono y viajes.

Descripcin de los costos de evaluacin

In sp e cci n de re cib o e s el costo a so cia d o con el tiem po d e d ica d o por el
personal de inspeccin a la evaluacin de calidad de materias prim as y m ateria
les. S e inclu ye n a q u las p ru e b a s e fectu ad as por otros d e p a rta m e n to s de la
o rg a n iza c i n c o m o sop o rte para la Inspeccin de recib o. Incluye el co s to de
visitar al p ro ve e d o r con el fin de evalu ar calidad en su planta.

Prueba de p ro d u cto es el costo de las actividades cu y o objetivo es probar

el funcionam iento de n u e vo s productos com p a ra n d o con la especificacin.

Inspeccin de producto es el costo del tiem po necesario para inspeccionar

la calidad de lo pro du cido en las lneas de pro duccin, con el fin de de cid ir su
re ch a zo o aprobacin. Si las p ruebas son destructivas, entonces, se deb e c o n
siderar el costo de las pieza s e n s a ya d a s.

In sp e cci n p o r p e rs o n a l d ire cto es el costo del p e rsonal que ejecuta las

p ru e ba s y reporta las condiciones del proceso.

Auditoras de calida d com prende el costo del tiem po y recursos necesarios

para organizar y ejecutar las auditoras que evalan el com portam iento de co m
ponentes y partes. Incluye el tiem po ded ica do a pru e bas de fiabilidad.

JORGE ACUNA ACUNA

62S

O tros costos incluyen los costos indirectos g enerados por las actividades
de inspeccin y prueba tales com o:
a.

Preparacin y com pra de reactivos y materiales de prueba necesarios para

la realizacin de pru e bas de calidad.

b.

C o m p ra de m ate ria le s d e p ru e b a p a ra e stu d io s de v id a til y p ru e b a s

destructivas.

c.

P ru e b a s de evaluacin h e ch a s por laboratorios privados.

d.

M antenim iento y calibracin de equipos de laboratorio.

E n estos costos no deben incluirse costos generados en desarrollo de pro

ducto, pues stos pertenecen a costos de diseo de producto.

Descripcin de ios costos de fallas internas

D e sp e rd icio s im p u ta b le s a la fbrica son costos g e n e ra d o s dentro de la
planta deb ido a desperdicios oca sio nados p o r errores de diseo , de m a n o de
obra o de falta de capacidad de calidad de los equipos y m qu inas. N o incluye
costos por el desperdicio natural.

R e pro ceso son costos o ca sio n a d o s por el reproceso d eb ido al incum pli
m iento de las norm as de calidad.
^

Desperdicio y reproceso im putables a l p ro ve e d o r son costos ocasionados

por la no deteccin de m aterias prim as y m ateriales que no cum plan los reque
rimientos de calidad y que al llegar al proceso causan problem as de desech o o
reproceso.

Devolucin de producto es el costo ocasionado por reproceso o desperdi

cio de producto, re cha za do por el consum idor.

A tencin de rechazos de m ateriales com prados es el costo administrativo

o ca sio na do por el recha zo de lotes. Incluye:
a.

P resentacin de las quejas y entrevista con el proveedor.

b.

M anejo y transporte de lo rechazado.

c.

P ape le o y trabajo de oficina ocasionado.

630

CONTROL DE CALIDAD

Soporte de ingeniera es el costo del tiem po dedicado por los ingenieros de

d ise o o de p ro d u cci n a p ro b le m a s g e n e ra d o s por re c h a zo s de m ateriales
co m p ra d o s y productos sem ie labo rados o term inados.

O tros costos de fallas internas incluyen los costos indirectos generados por
el re c h a zo de m ateriales o el re p ro ce s o y desp e rd icio de pro d u cto s e m ie la borado o term inado.

Descripcin de los costos de fallas externas

R eclam os y de voluciones es el conjunto de costos oca sio nados en form a
directa por atencin y arreglo de fallas detectadas por el co n su m id o r dentro y
fuera del p e rod o de garanta. Incluye el costo de sustitucin de producto y los
costos oca sio na dos por dicha sustitucin.

Servicio y garanta es el costo g enerado por la constante retroalimentacin

del com portam iento del producto en el m ercado.

Prdida de ventas es el costo m s difcil de calcu lai, pues est determ ina
do por la prdida de ventas oca sionada por la mala fam a que tom a el producto,
cu a n d o las fallas son detectadas por el consum idor.

O tros costos incluyen los costos indirectos generados por los estudios rea
lizados para investigar el com portam iento del producto en el m ercado. A lg uno s
de estos costos son docum entacin, papeleo, telfono y costos indirectos oca
sionados por la sustitucin de producto defectuoso.

LA INVERSIN EN CALIDAD
U n o de los aspectos m s difciles de lograr es la obtencin de dinero sufi
ciente pa ra p o n e r a funcionar el sistem a. E sto es d eb ido a la form a en q u e el
em presario concibe la calidad. P or ello, es absolutam ente necesario que el pro
yecto de calidad sea bien preparado para qu e tenga aceptacin desde el inicio.
El diseo de un sistem a de costos co m o el presentado aqu puede ser una
excelente a rm a para con ve n ce r, pu es es absolutam ente necesario cuantificar
los beneficios y los costos con el fin de co n ve n ce r acerca de la eficacia de cual
quier sistem a.

JORGE ACUA ACUA

631

U n o de los aspectos que m s preocupa al em presario, al hablar de un siste

m a de calidad, es la inversin inicial y el tiem po estim ado de am ortizacin de esa
inversin. La respuesta a esta pregunta deb e ser cu idado sam ente preparada.
S e pueden plantear m uchos ejem plos de casos que presentan situaciones
de inversin. El siguiente ejem plo es un problem a tpico de un caso de inversin
en calidad.

EJEMPLO 7.1
U n a planta m anufacturera produce 600 unidades diarias para obtener 400
u nida de s buenas. Lo s costos de m a n o de obra son de P240 por unidad buen a
p ro du cida y el costo de inspeccin es de 01 2 0 0 por da . E l producto p a sa por
dos departa m entos en los cuales requiere de igual cantidad de tiem po de pro
d u ccin . U n a inspeccin es practicada d e s p u s de su salida del se g u n d o d e
partam ento. La s 2 00 unidades defectuosas son reprocesadas por lo que vu e l
ven a la primera operacin del proceso co m o materiales cu yo costo es similar al
de los m ateriales originales em plead os.
U n nue vo plan de inspeccin es propuesto con el fin de ag reg ar un puesto
de inspeccin interm edio a la salida del prim er departam ento, para evitar que
d e fectu osos pasen a p ro cesarse al s e g u n d o departam ento. El plan ag re g a r
co sto s de inspeccin de (5150 por da. S e espera una fraccin defectuosa de
1/6 de la cantidad producida (otro sexto es rechazado en la inspeccin final). Si
la c a p a c id a d de la planta est lim itada al actual nivel, d e b e se r instalado el
n u evo puesto?

SOLUCION
D e acuerdo con lo planteado el nuevo puesto de inspeccin no m ejorar la
capa cid ad de calidad del proceso. Sin em bargo, los costos de m ano de obra se
ve r n reducidos por la dism inucin en la cantidad de reproceso requerido. U n
e s q u e m a que representa al problem a se pu ede ve r en la F ig u ra 7.4.
Lo s costos de m ano de obra se dividen para las dos secciones, de tal m a
nera que:

CONTROL DE CALIDAD

200 unidades rechazadas

400 unidades

600 us.

600 us.

(materiales)

Seccin 1

Seccin 2

Comienzo

400 us. buenas

Salida

Inspeccin
(1/3 rechazado)

FIGURA 7.4. Esquema del Ejemplo 7.1.

(4 00 * 2 4 0 )
C o s to de m a no de obra = ------------------------- = 96000/2 = 048000
por seccin
2
E sto es 080 (4 8000/600) por unidad procesada.
Si se de se a tener 4 0 0 u n idade s por da, la entrada al sistem a c u a n d o un
sexto es re c ha za do en ca d a seccin es:
X * (5/6) * (5/6) = 4 0 0

x= 576 unidades

E sto quiere decir qu e solam ente 576*(5/6) = 480 unidades pasan de la pri
m e ra seccin a la se g u n d a .
A 08 0 por unidad pro ce sa d a, el ahorro en costo de m a n o de obra es:
(4 00 * 2 4 0 ) - (5 7 6 + 4 8 0 ) * 80 = 01 15 20 por da
Si el flujo se m antiene en el nivel m xim o de 600 unidades, entonces:
600 * (1/6) = 100 unidades sern recha za das en el prim er puesto de inspeccin

y
(6 0 0 - 1 0 0 ) * (1/6) = 83 unidade s sern re c h a za d a s en el se g u n d o puesto.
C o n esto, la ca ntida d de u n id a d e s de entrada es igual al de salida (6 0 0 100 - 8 3 )= 417 unidades por da. Bajo esta premisa los costos de m ano de obra
a 080 por unidad se dism in u ye n en:
11520 - (5 7 6 -5 0 0 )+ (4 8 0 -4 1 7 ) * 80 = 139 *80 = 0 1 1 5 2 0 - 01 11 20 = 0400.
A d e m s , hay q u e a g re g a r el in cre m e n to de utilidad al pro du cir a h o ra 17
u n idade s m s.

JORGE ACUNA ACUNA

633

La inversin es de 0150 por lo que los beneficios (0 4 0 0 ) son m s altos que

los costos. La decisin es instalar los n u evos puestos de inspeccin.
E n el A p n dice V , el Pro gram a No. 2 presenta un program a com putacional
que permite e valuar aspectos relevantes de costos de calidad. El program a sir
ve para dem ostrar la importancia de cuantificar costos y evaluar su impacto en
el sistem a de control de calidad.

INDICADORES DE CALIDAD
A l adm inistrar cualquier funcin dentro de la em presa, es necesario esta
ble cer algunos indicadores que permitan evaluar la funcin del personal encar
ga d o y la efectividad de los sistem as im plem entados. Este es el caso de costos
de calidad.
Al trabajar con Indicadores una base u objetivo debe ser establecida com o
poltica, con el fin de tener un patrn de com paracin y a la v e z pod er determ i
nar cul es la posicin del indicador en ese m om ento. Esta base es un valor del
indicador que sea posible de alcanzar y que debe ser revisado constantemente.
B a s e s d e c o m p a r a c i n
^

La s bases qu e m s co m nm ente se usan para co m parar son:

a.

P ro duccin total y costos de esa produccin

b.

C o sto de m a n o de obra directa y ventas totales

c.

C o sto por unidad de produccin equivalente

A lg u n o s indicadores de calidad que pueden ser usados son:
1.

P orcentaje defectuoso por lote o por perodo (lpd)

Total de unidades defectuosas
'* = -

T a m a o del lote
Total de unidades defectuosas
C osto de la produccin en el perodo

CONTROL DE CALIDAD

2. R e c h a z o s en la planta (lr)
T o ta l de unidades re ch a za d a s
t,= ------------------------------------------------------------------------------------------C o sto de la p roduccin en el perodo
3. R e p ro c e so ( I J
C antida d de unidades reprocesadas

l,e=--------------------------------------------------------------------C o sto de la p roduccin en el perodo

4. D e s e c h o (ld)
C a n tida d de p roduccin d e sech ada
ld= -----------------------------------------------------------------------------------------C o sto de la produccin en el perodo
5. Q u e ja s y reclam os (lqr)
C o sto de las quejas y reclam os

I =--------------------------------------------------------------q'

M onto de ventas totales

6. C o s to s de calidad (lcc)
C o sto s de calidad
'c c = ------------------------------------------------------------------------------------------------------

C o s to total de produccin
7. D evolu cion e s (ldv)
C o s to de las devolu cio nes
' * = ----------------------------------------------------------------------------------------M onto de ventas totales
8. C o s to de inspeccin por unidad equivalente (lcut
C o sto de inspeccin en el perodo
^cue

Total de produccin equivalente

9. C o sto s de evaluacin y pre ve ncin (lcp)

JORGE ACUNA ACUNA

635

C o s to s de evaluacin y prevencin

I -----------------------------------------------------------------------cp

C o sto s de fallas internas y externas

10. C o sto s de evaluacin (lce)
C o sto s de evaluacin
Ice = ------------------------------------------------------------------------------------------------------C o sto s de calidad
11. C o sto s de preve ncin (lp)
C o sto s de prevencin
IP= ------------------------------------------------------------------------------------------------------C o sto s de calidad
C o m o se puede observar, ca d a indicador necesita de la recoleccin de in
form a cin para ca lcu lar los diferentes rubros, con el fin de obte ner el re s p e c
tivo va lo r del indicador.
U n a de las form as que se usa m s es la basada en produccin equivalen
te. El siguiente ejem plo explica su utilizacin.
E J E M P L O 7.2
S e a una e m p re s a cu y o s m ontos correspondientes a ventas, m ateriales y
p roduccin por ao se presentan en el C u a d ro 7.2.

CUADRO 7.2. Informacin para el Ejemplo 7.2

Unidades

Colones
Producto

Monto ventas

Mats. directo

Vol. Produccin

1
2
3

500000
25000
75000

100000
60000
20000

10000
5000
8000

636

CONTROL DE CALIDAD

C a lc u la r el costo de inspeccin por unidad equivalente si los costos de ins

peccin se estim an en 061000 .

SOLUCION
C o n base en el C u a d ro 7.2, se pre para el C u a d ro 7.3, para calcular la p ro
duccin equivalente u sa nd o el valor contribuido, la unidad de valor contribuido
y un factor de correccin. E stas m edidas se calculan as:
V a lo r contribuido= M onto de V en tas - M aterial directo
V a lo r contribuido
U n id a d de valor c o n trib u id o = ---------------------------------------------------------------V o lu m e n de produccin
U n id a d de valor contribuido
F a c to r= ----------------------------------------------------------------------------------------------M xim o valor de unidad de valor contribuido
P ro du cci n equivalente= Factor * M xim o volum en de produccin
61000
C o s to de inspeccin p o r = -------------------- = <52,875
unidad equivalente

2 1220

Esto quiere decir que el costo de la inspeccin representa 02,875 de la pro

duccin total equivalente. C o n este n m e ro se est en ca p a cid a d de co n o c e r

CUADRO 7.3. Clculo de la produccin equivalente

Producto
1
2
3

Valor
Unidad de valor Factor de
Contribuido
Contribuido
Correccin
400000
190000
55000

40
38
6,875

1
0,95
0,172

Produccin
Equival.
10000
9500
1720
21220

JORGE ACUA ACUA

637

q u tan altos son los costos de calidad en relacin con la cantidad de pro duc
cin obtenida.
Lo s indicadores pueden graficarse para analizar la tendencia y el com por
tam iento en el tiempo, cu an do se tiene informacin de varios m eses. Para esto,
se u sa un grfico de control b asado en los siguientes valores:

x = (Zx)/n

n: nm ero de m eses
x: valor de indicador

o = ( Xmx - X m n ) / 6

x: prom edio de indicadores

o : desviacin estndar

LSC = x + 3 o

L S C : Lm ite superior de control

L IC = x - 3 a

L IC : Lm ite inferior de control

Lo s valores del indicador se grafican y si se salen o se acercan a los lmites

se hace un anlisis. A d e m s , dependiendo de si el indicador es perjudicial en for
m a creciente o decreciente, se le d e b e pon er m s atencin al respectivo lmite.

EJEMPLO 7.3
U n a e m presa ha recolectado inform acin de ventas y devoluciones en los
ltim os siete m e s e s . La inform acin se pre senta en el C u a d ro 7 .4 y la base
establecida es 3 % co m o m xim o, cul es el com portam iento del indicador de
devo lu cio n e s?

SOLUCION
1.

S e calcula el porcentaje de devoluciones co m o el cociente entre el m onto

de devoluciones y el m onto de ventas multiplicado por 100. Estos clculos
se presentan en el C u a d ro 7.5.

2.

S e calcula el pro m e dio y la desviacin estndar

x = 28,17/7= 4 ,0 2 4 3

a = (8 ,4 - 0,25)/6= 1,3583

638

CONTROL DE CALIDAD

CUADRO 7.4. Informacin para el Ejemplo 7.3

Colones
Mes

Ventas

Devoluciones

E
F
M
A
M
J
J

585713
574814
475721
608907
495815
668329
529877

8800
41700
1200
51000
17917
28315
15719

CUADRO 7.5. Clculo de! Porcentaje de devoluciones

3.

Mes

1,5

7,25

0,25

8,4

3,6

4,2

2,97

S e calculan los lmites de control

L S C = 4 ,0 2 4 3 + 3 ( 1 , 3 5 8 3 ) = 8,1
L IC = 4 ,0 2 4 3 - 3 ( 1 , 3 5 8 3 ) = 0 (se a su m e cero)

4.

S e hace el grfico colocando en el eje x perodos iguales para los m eses y

en el eje y el valor correspondiente del indicador de devoluciones. La F ig u
ra 7 .6 m uestra este grfico.
Al obse rvar la Figura 7.6, se puede ve r que el m onto correspondiente a de
v o lu cio n e s es bastante inestable, m ostrando puntos fuera de control, los
cuales p ueden ser analizados por la tcnica de grfico de control; es decir
elim inando y recalcula ndo los lmites. P or otro lado, la base del 3 % no se
est c u m p lie n d o , p u e s el m xim o qu e est d a n d o es 8 , 1 % , el cual est

JORGE ACUA ACUA

639

FIGURA 7.6. Grfico del indicador del Ejemplo 7.3

bastante alejado de ella. S e debe im plem entar una Investigacin, con el fin
de analizar las causas de estos altos montos de devoluciones que estn re
sultando m u y caros para la co m p a a .
R ealizado el estudio se pueden im plem entar m ejoras que reduzcan las de
voluciones y por ende el m onto de las m ism as. Para hacer esto es crucial re
lacionarse con el cliente con el fin de co n o ce r y analizar las razo nes por las
cuales se efectan las devoluciones. Las causas de los problem as detecta
dos deb e n de ser transm itidos a los responsables dentro de la co m p a a .

ORGANIZACION DE LA INSPECCION
El xito d la inspeccin de calidad se fundam enta en la forma y lugar d o n
de sta se efecte, as co m o en el adiestram iento y eficiencia de los inspecto
res. U n gran aporte a este xito lo constituye la estandarizacin de los m todos
y el establecim iento de especificaciones reales.

640

CONTROL DE CALIDAD

Al h a b la r de la insp eccin c o m o un a rm a im portante de control, se d e b e

tener claro qu e no se de b e n ejecutar inspecciones en todos los puestos d e tra
bajo a lo largo de las lneas de produccin. La ubicacin de una inspeccin debe
ser analizada profundam ente con base en dos criterios qu e son e l costo de p ro

duccin de la operacin, e l costo acum ulado hasta ella y la criticidad de la o las

cara cte rsticas de ca lid a d generadas.
Para hacer el anlisis antes citado, se puede hacer uso de un diag ram a de
pro ceso de ope ra ciones, co m o el m ostrado en el C u a d ro 7.6, en el cual s e s e
alen los puntos crticos, los costos de cad a operacin y los costos acum ulados
hasta ca d a una de ellas. C o n base en estos criterios se tiene una decisin m s
objetiva a ce rca de dn d e colocar los puestos de inspeccin desde el punto de
vista e co n m ico y de cantidad.
U n a v e z que se ha registrado toda la informacin se utiliza un paretogram a
para clasificar los criterios. O tro aspecto que se debe tener en cuenta es el c o s
to del puesto de inspeccin, pues dependiendo de qu tan alto sea, se tiene un
criterio de inversin pa ra co m p a ra r con el costo de m ala calidad.
El dise o de un puesto de inspeccin deb e ser rea liza do con base en los
principios del estudio de tiem pos y m ovim ientos, garantizando el cum plim iento
de los principios de la e co n o m a de m ovim ientos y la ejecucin de la actividad
en el m e n o r tiem po posible.

Tipos de inspeccin
E x is te n v a rio s tip o s de in s p e c c i n , c la s ific a d o s d e a c u e rd o c o n tre s
p a r m e tro s q u e son: objeto de inspeccin , cantidad de inspeccin y lu g a r de
inspeccin. La inspeccin segn el objeto de inspeccin se puede ejecutar s o
bre cinco objetivos q u e son:
a.

M aterias prim as

b.

Prim e ra tanda de produccin

c.

Lnea de produccin

d.

P ro ducto term inado

e.

P ro ducto en el m e rca do

JORGE ACUNA ACUNA

641

E n ca d a u na de estas re as se ejecutan las actividades necesarias para

cum plir con el objetivo de lograr calidad absoluta en el producto terminado. Esto
significa q u e la in sp e cc i n o rg a n iz a s u s a ctiv id a d e s d e s d e la re cepci n de
m aterias prim as y m ateriales en la b o d e g a de entrada, hasta la recepcin de
producto term inado en la b od ega de salida y en las m anos del consum idor.
La inspeccin seg n la cantidad de unidades por inspeccionar se clasifica
en inspeccin 100%, inspeccin porcentual e inspeccin muestral. Estos tres ti
pos y a han sido a nalizad os y aplicados a lo largo de los diferentes captulos de
este libro.
La insp e ccin s e g n el lugar de inspeccin se p u e d e ejecu tar m ediante

in spe ccin de patrulla, in spe ccin centralizada o una com binacin de am bos.
L a inspeccin de patrulla consiste en la constante visita de los inspectores a los
pu e sto s de inspeccin , con el fin de ejecutar su labor ah m ism o. E ste tipo de
inspeccin tiene ventajas tales com o:
a.

Perm ite la localizacin rpida de errores

b.

A y u d a a h acer ajustes rpidam ente

c.

M inim iza el m anejo de m ateriales

d.

Agiliza la ejecucin de la inspeccin y se puede ve r com o un sistem a natu

ral cu a n d o la distribucin de la planta es por producto

e.

Evita d em ora s para continuar con la siguiente operacin de produccin

Sin e m bargo, tam bin tiene algunas desventajas entre las que se pueden

citar:
a.

Dificulta la colocacin de producto rechazado para evitar que se confunda

con producto aceptado

b.

C o ng e stiona las lneas de produccin y si no se organ iza adecuadam ente

pro voca altos v o l m e n e s de inventario en proceso

c.

D escentraliza el control de inspectores

d.

Imposibilita la utilizacin de instrum entos altam ente precisos o pesados

e.

R e qu iere de registros a d e c u a d o s para permitir la ejecucin de accion es

preventivas

642

CONTROL DE CALIDAD

CUADRO 7.6. Ejemplo de diagrama de operaciones

JORGE ACUNA ACUNA

643

La inspeccin centralizada consiste en la ubicacin de un puesto central,

hacia el cual fluyen los inspectores llevando las piezas y partes que van a ser
inspeccionadas. A lg u n a s ventajas de este tipo de inspeccin son:
a.

P erm ite u na co m p ro b a ci n y recu ento de u n id a d e s re c h a za d a s en una

form a m s organizada

b.

A s e g u ra y norm aliza las actividades de inspeccin de producto

c.

M inim iza la posibilidad de deterioro de la instrum entacin

d.

Perm ite el uso de instrum entos m s precisos en form a m s eficiente

e.

M inim iza la cantidad de instrum entos necesarios para la inspeccin

f.

P erm ite el control centralizado de la labor de inspeccin

g.

Facilita la ejecucin de acciones preventivas.

D entro de las desventajas se pueden citar:

a.

P u e d e pro vocar defectos al tener qu e trasladar constantem ente piezas y

m ateriales

b.

C o rrig e los errores en form a tarda

c.

O b lig a a una organizacin del traslado de material

d.

P u e d e pro vocar cuellos de botella, si no se tom an decisiones gilm ente.

E n general, se puede observar que am bos sistem as tienen ventajas y des

venta jas y qu e por lo tanto pu ede ser una bu e n a idea su aplicacin en form a
com binad a.

El factor humano en la Inspeccin

T a l y c o m o se ha indicado en este texto, en el control de calidad el factor
h u m a n o e s el m s im portante. Si las personas no tienen iniciativa e inters de
ejecutar su s actividades cad a da mejor, no importa lo bueno que sea el sistema
de control que se est im plem entando, no tendr los resultados esperados.
Para ello, es importante que la em presa incentive el desarrollo de aptitudes
en su personal en todos los niveles, sea este de carcter ejecutivo u operativo.

644

CONTROL DE CALIDAD

N o se p u e de e s p e ra r qu e el nivel operativo realice las co sa s tal y c o m o se ha

e n c o m e n d a d o si no tiene el ejem plo en los m a n d o s m edios y directivos de la
organ iza cin .
U n a de las re a s generalm ente m s descuidadas es la inspeccin. E l p er
sonal que se o cu p a de las tareas de inspeccin es de naturaleza m u y variada,
ia qu e de pe nde de factores tales com o: volum en de inspeccin, dificultad de la
prueba, exigencia de especificaciones, precisin de los datos, tipo de m edicin
y lugar de la inspeccin. Este personal debe convertirse en un equipo especial,
que com pa rta su s e xp e rie ncia s y qu e perm ita una rotacin p ro g ra m a d a para
evitar la m ala prctica de hacer personas imprescindibles que errnea y celosa
m ente e sco nde n su s experiencias.
El personal de inspeccin deb e tener entre otras las siguientes caracters
ticas: juicio claro, h onra de z, sentido co m n, responsabilidad, pericia, am istad y
respeto a los procedim ientos dictados. Los inspectores deben con ocer sus res
ponsabilidades, limitaciones y deberes, las que sirven de m arco para la tom a de
decisione s.
E s importante qu e las decisiones tom adas por el inspector no sean d e m a
siado rgidas, c re ye n d o que la misin es recha za r g rand es vo l m e n e s de pro
d u cto , p a ra o b te n e r u n a a d e c u a d a calificacin, ni d e m a s ia d o flexibles para
encu brir a los re sp onsa b le s de los pro blem as de calidad.
E n la seleccin de inspectores, deb e tenerse m u ch o cuidado para no utili
z a r la vieja prctica de esco ge r a los m ejores operarios, pues es g rand e el ries
g o de g a n a r un mal insp ecto r y p e rd e r un excelente o perario. E sto se p u e d e
evitar con p ru e bas de seleccin y p ro gra m a s de capacitacin, qu e lo faculten
para realizar sus funciones y que lo concienticen de la im portancia de realizar
las bajo los e sq u e m a s establecidos.
N o es conveniente contratar inspectores de calidad, a no ser que sean s o
m etidos a un pro gram a extenso de capacitacin. La razn de lo anterior est en
que no es cierto que personas ajenas a la em presa, de buen as a prim eras, ten
gan criterio para evalu a r productos y procesos con los qu e no estn fam iliariza
dos. E sto s inspectores no sern ca p a ce s de tom ar acciones correctivas y m u
ch o m e n o s preventivas.
P a ra el inspector es m uy importante m antener una bu en a relacin con sus
c o m p a e r o s , la c u a l n o In te rfie ra ni in flu y a de m a n e r a n e g a tiv a en las

JORGE ACUNA ACUNA

decisione s de aceptacin o recha zo de producto. P or otra parte, es necesario

considerar que los inspectores son h um a nos y que por lo tanto su s decisiones
pueden ser errneas. Esto ser perdonable en la m edida en que se dem uestren
las ca u sa s de una decisin de esta naturaleza.
C o m o norm a general, el com portam iento de todo el personal de inspeccin
ser de total cooperacin con los dem s departam entos, adaptndose siem pre
al ritmo de produccin, siendo flexible en los casos de em ergencia y estudiando
los procedim ientos para elegir el m todo m s rpido que respete las norm as y
tcnicas de inspeccin.

Precisin de la inspeccin
La pre cisin de una inspeccin es el g ra d o de acierto del inspecto r para
detectar los productos que no cum plen con lo establecido en la especificacin.
S e relaciona con el grado de certeza con qu e recha za producto qu e realm ente
est m alo y acepta producto qu e realm ente est bueno. E n otras palabras eje
cuta su s labores con una m u y baja probabilidad de los errores tipo I (re ch a za r
algo qu e est b u en o ) y tipo II (acep tar algo que est m alo).
Lo s se sg os en la inspeccin pueden ser de tres tipos:
1.

2.

S esg os volun ta rios que incluyen actos delictivos c o m o fraude, beneficio

errneo a otro com p a e ro y falsificacin para beneficio personal.
S esgos interm edios que se refieren entre otras ca u sa s a parcialidad y re
dondeo.

3.

Sesgos involuntarios que incluyen equivocaciones, fatiga y otras formas de

im perfeccin hum ana.

E s importante considerar que aunque las fallas importantes de calidad son

ca u sa da s por los operarios, los sesgos de inspeccin tam bin pueden influir en
la prdida de reputacin de la em presa.
T o d o lo a q u apu nta do se refiere a la inspeccin por m uestreo. Si se usa
in sp e ccic 1 0 0 % , la experiencia d e m uestra qu e los pro blem as de calidad se
g e ne ra n por m onoto na y fatiga principalm ente.
E s im portante b u sc a r la form a de e v a lu a r la precisin de la inspeccin ,
pues as se puede com probar la efectividad de la m ism a. U n a form a de ejecutar

642

CONTROL DE CALIDAD

JORGE ACUNA ACUNA

643

La inspeccin centralizada consiste en la ubicacin de un puesto central,

hacia el cual fluyen los inspectores llevando las pie za s y partes qu e van a ser
inspeccionadas. A lg u n a s ventajas de este tipo de inspeccin son:
a.

P erm ite una co m p ro b a ci n y recu ento de u n id a d e s re c h a za d a s en una

form a m s o rgan izad a

b.

A s e g u ra y norm aliza las actividades de inspeccin de producto

c.

M inim iza la posibilidad de deterioro de la instrum entacin

d.

Perm ite el uso de instrum entos m s precisos en form a m s eficiente

e.

M inim iza la cantidad de instrum entos necesarios para la inspeccin

f.
g.

Perm ite el control centralizado de la labor de inspeccin

Facilita la ejecucin de acciones preventivas.
D entro de las desventajas se pu eden citar:

a.

P u e d e pro vocar defectos al tener qu e trasladar constantem ente piezas y

m ateriales

b.

C o rrig e los errores en form a tarda

c.

O b lig a a una organ izacin del traslado de material

d.

P u e d e pro vocar cuellos de botella, si no se tom an decisiones gilm ente.

E n general, se puede observar que a m bos sistem as tienen ventajas y des

v e ntaja s y qu e por lo tanto pu ede ser una bu e n a idea su aplicacin en form a

com binad a.

El factor humano en la inspeccin

T a l y co m o se ha indicado en este texto, en el control de calidad el factor
h u m a no es el m s importante. Si las personas no tienen iniciativa e inters de
ejecutar su s actividades cad a da mejor, no importa lo bueno que sea el sistema
de control que se est im plem entando, no tendr los resultados esperados.
Para ello, es importante que la em presa incentive el desarrollo de aptitudes
en su personal en todos los niveles, sea este de carcter ejecutivo u operativo.

644

CONTROL DE CALIDAD

N o se p u e de e s p e ra r qu e el nivel operativo realice las co s a s tal y c o m o se ha

e n c o m e n d a d o si no tiene el ejem plo en los m ando s m edios y directivos de la
organ iza cin .
U n a de las re as generalm ente m s descuidadas es la inspeccin. El per
sonal que se ocu p a de las tareas de inspeccin es de naturaleza m u y variada,
ia que dep e nde de factores tales com o: volum en de Inspeccin, dificultad de la
prueba, exigencia de especificaciones, precisin de los datos, tipo de m edicin
y lugar de la inspeccin. Este personal debe convertirse en un equipo especial,
q u e co m p a rta su s e xp erie ncia s y qu e perm ita una rotacin p ro g ra m a d a para
evitar la m ala prctica de hacer personas imprescindibles que errnea y celosa
m ente e sco nden su s experiencias.
El personal de Inspeccin debe tener entre otras las siguientes caracters
ticas: juicio claro, h onradez, sentido com n, responsabilidad, pericia, am istad y
respeto a los procedim ientos dictados. Los inspectores deben con ocer sus res
ponsabilidades, limitaciones y deberes, las que sirven de m arco para la tom a de
decisiones.
E s importante qu e las decisiones tom adas por el inspector no sean d e m a
siado rgidas, cre ye n d o que la m isin es re ch a za r g rand es vo l m e n e s de pro
du cto , para o b te n e r u na a d e c u a d a calificacin, ni d e m a s ia d o flexibles para
encubrir a los responsa b les de los pro blem as de calidad.
E n la seleccin de inspectores, deb e tenerse m uch o cuidado para no utili
z a r la vieja prctica de e s c o g e r los m ejores operarios, pues es g rand e el ries
g o de g a n a r un mal inspe cto r y p e rd e r un excelente o perario. E sto se pu e d e
evitar con pru e bas de seleccin y p ro g ra m a s de capacitacin, qu e lo faculten
para realizar sus funciones y qu e lo concienticen de la im portancia de realizar
las bajo los e sq u e m a s establecidos.
No es conveniente contratar inspectores de calidad, a no ser que sean so
m etidos a un pro gram a extenso de capacitacin. La razn de lo anterior est en
que no es cierto que personas ajenas a la em presa, de bu en as a prim eras, ten
g an criterio para e valuar productos y procesos con los que no estn fam iliariza
dos. Estos inspectores no sern c a p a ce s de tom ar acciones correctivas y m u
ch o m enos preventivas.
P a ra el inspector es m u y importante m antener una bu en a relacin con sus
c o m p a e r o s , la c u a l n o in te rfie ra ni in flu y a de m a n e r a n e g a tiv a en las

JORGE ACUNA ACUNA

decisione s de aceptacin o re c h a zo de producto. P o r otra parte, es necesario

considerar que los inspectores son h u m a nos y qu e por lo tanto sus decisiones
pueden ser errneas. Esto ser perdonable en la m edida en qu e se dem uestren
las ca u sa s de una decisin de esta naturaleza.
C o m o norm a general, el com portam iento de todo el personal de inspeccin
ser de total cooperacin con los dem s departam entos, adaptndose siem pre
al ritmo de produccin, siendo flexible en los casos de em ergencia y estudiando
los procedim ientos para elegir el m todo m s rpido que respete las norm as y
tcnicas de inspeccin.

Precisin de la inspeccin
La pre cisin de una inspeccin es el g ra d o de acierto del inspector para
detectar los productos que no cum plen con lo establecido en la especificacin.
S e relaciona con el grado de certeza con qu e recha za producto qu e realm ente
est m alo y acepta producto que realm ente est bueno. E n otras palabras eje
cuta su s labores con una m u y baja probabilidad de los errores tipo I (re ch a za r
algo que est b u e n o ) y tipo II (acep tar algo qu e est m alo).
Los se sg os en la inspeccin pueden ser de tres tipos:
1.

2.

S esgos volun ta rios que incluyen actos delictivos co m o fraude, beneficio

errneo a otro com pa ero y falsificacin para beneficio personal.
S esgos interm edios que se refieren entre otras ca u sa s a parcialidad y re
dondeo.

3.

Sesgos involuntarios que incluyen equivocaciones, fatiga y otras formas de

im perfeccin hum ana.

E s importante considerar que aunque las fallas importantes de calidad son

ca u sa da s por los operarios, los sesgos de inspeccin tam bin pueden influir en
la prdida de reputacin de la em presa.
T o d o lo a q u apuntado se refiere a la inspeccin por m u estre o. Si se usa
inspeccin 1 0 0 % , la experiencia d e m u estra qu e los pro blem as de calidad se
g e ne ra n por m onotona y fatiga principalm ente.
E s im portante b u sc a r la form a de e v a lu a r la precisin de la inspeccin ,
pues as se puede com probar la efectividad de la m ism a. U n a form a de ejecutar

646

CONTROL DE CALIDAD

esta ta re a es m id ie n do la precisin en funcin de las cantidades de u n idade s

detectadas fuera de especificaciones (H a n s e n , 1979). Para aplicar este m o d e
lo, se d e b e pre parar la prueba, ejecutarla a cad a inspector y luego h a ce r el e s
tudio com p a ra tivo del caso . El m odelo es el siguiente:
(d -k )
pr = ------------------------ * 1 0 0
(d - k) + b
d on de :
pr:

precisin del inspector, e x p re sa d a porcentualm ente

d:

n m e ro de u n id a d e s fu e ra d e e s p e c ific a c io n e s d e te c ta d a s p o r el
inspector

b:

nm ero de unidades fuera de especificaciones inadvertidas por el ins

pector

k:

nm e ro de unidade s bu e n a s re ch a za d a s por el inspector

(d -k ):

nm e ro de u n idade s fuera de especificaciones realm ente en co n tra

das por el inspector

(d -k + b ):

n m ero de unidades que realm ente estn fuera de especificaciones

en la inspeccin

E ste m todo se p u e d e aplicar para encontrar la precisin pro m e dio de un

equ ip o de inspeccin, tal y co m o se v e en el siguiente ejem plo.

E J E M P L O 7.4
C o n el fin de e v a lu a r la precisin de la inspeccin de un e q u ipo de cinco
inspectores se ha entregado a cad a uno en diferentes instantes un m ism o lote
de 20 0 unidades. El C u a d ro 7.7 presenta los resultados obtenidos. C u l es la
precisin prom edio de este equipo?

SO L U C IO N

El Cuadro 7.8 muestra los clculos para cada inspector.

JORGB'ACUA ACUA

647

CUADRO 7.7. Informacin para el Ejemplo 7.4

Inspector

18
16
18

4
5
5

3
4
5

21

3
O
O

19

CUADRO 7.8. Clculos intermedios de precisin de inspeccin

Inspector

(d-k)

(d-k)+b

pr

16
15
15
18
17

20

80
75
75
90
85

3
4
5

20
20
20
20

La precisin del equipo calculada con base en el prom edio de los inspectores es de 8 1 % .
P recisin pro m e dio = (8 0 + 7 5 + 7 5 + 9 0 + 8 5 )/5 = 81 %

Procedimiento de inspeccin
Al ejecutar un estudio que tenga com o objetivo la reorganizacin de la ins
peccin, es necesario usar algn procedim iento que permita visualizar el flujo
de la inform acin a travs de los diferentes departam entos de la em presa. U r
m todo para lograr este objetivo es el siguiente:
1.

A p ro b a r la prim era pieza o la prim era tanda de produccin, utilizando prue

bas sucesivas.

CONTROL DE CALIDAD

E xam inar toda la informacin necesaria para iniciar la produccin en m asa.

La inform acin requerida consta de:

Dibujos

E specificaciones

O rd e n de trabajo

C o m p ro b a ci n de prim era pieza

Fich a de control de produccin

C o m p ro b a r que el material llegue en las debidas condiciones de presenta

cin y por los m edios de transporte adecuados. D e b e com probarse que el
tam ao del lote est de a cu e rdo con las cifras que se encuentren en la F i

cha de c o n tro l de produccin.

E x a m in a r el form ato de C o m p ro b a ci n de p rim e ra p ie z a y verificar q u e
sta lleve la m a rca o sello de inspeccin correspondiente.
P ro vee r los calibres y elem entos de com probacin y m edicin necesarios
para llevar a cabo la inspeccin en form a eficiente. Esta informacin se en
cuentra en la H oja de A n lisis de O peracin.
Determ inar el tipo de inspeccin por m uestreo de acuerdo con las caracte
rsticas m ostradas en la Ficha de inspeccin.
Elegir al a z a r la m uestra correspondiente.
Inspe ccionar todas las unidades qu e co m p o n e n la m uestra.
F irm a r la orden de trabajo, si la m uestra y el lote son ace p ta d o s en todas
las caractersticas. S ellar si es posible todas las piezas y anotar el resulta
do de la inspeccin en la Ficha de C ontrol de Produccin y en el Inform e de

Inspeccin. El material quedar en inspeccin hasta que sea recogido por

C ontrol de P ro d u cci n para se r lle va do al siguiente pu esto de trabajo. A
este material lo a co m p a a r toda la inform acin que lleg y el Informe de
inspeccin, que dando una copia en la Seccin de Inspeccin don de fue v e
rificado el material.
E fe ctu a r una insp eccin

0 0 % . Si la m u estra y el lote son re c h a za d o s en

una o va ria s ca ractersticas, hay q u e co lo ca r en los lotes las etiquetas de

JORGE ACUA ACUA

649

material rechazado, anotando el resultado en el Inform e de Inspeccin y en

la Ficha de C ontrol de P roduccin , don de se indicar el destino del material
re ch a za d o .
11. P one r todo el material a disposicin del personal de Control de Produccin.
Ellos tom arn las deb ida s accion es b asado s en lo que diga el Inform e de
Inspeccin, enviando las piezas adm itidas a la operacin correspondiente
y las re ch a za d a s al lugar qu e corresp onda.
12. E n v ia r al departam ento respectivo, las piezas recha za das reparables. U n a
v e z re p a ra d a s se e n v ia r n de n u e v o a inspecci n co n el fin de in co rp o
rarlas al lote de don d e se extrajeron, si corresp onde. S e debe rectificar la

Ficha de C ontrol de P roduccin con las cantidades correspondientes.

13. C ontinuar con el proceso hasta alcanzar la ltima operacin de produccin,
m o m e n to en el cual se deb e d e v o lv e r toda la docu m e n ta ci n a la oficina
central de inspeccin . S e d e b e c o n s e rv a r solo la inform acin necesaria
para ejecutar la inspeccin final si existe.
Este procedim iento se puede visualizar m ejor en el flujogram a No. 5 que se
presenta en el A p n d ice III.
El inspector, en la m edida de lo posible, deb e ser ca p a z de tom ar su s pro
pias decisiones y consultar a su jefe lo m enos posible. Esto es importante pues
en inspeccin de calidad las decisiones deben ser rpidas y acertadas. Si una
decisin requiere de consulta se deb e colocar la etiqueta de material detenido,
hasta tanto no se haya obtenido respuesta.

DISEO DE UN SISTEMA DE CONTROL DE CALIDAD

C o n todo lo expuesto hasta el m om ento en este texto, se puede plantear un
procedim iento que permita disear un sistem a de control de calidad. C a b e indi
car aqu, que ya existen norm as que pueden servir de m arco de referencia para
e s ta b le c e r un sistem a de control de calida d. E je m p lo de ellas es la serie de
norm as IS O -9 0 0 0 (en especial la IS O - 9004), las cuales permiten establecer las
re as sob re las cuales deb e centrarse la atencin.
E n este caso se pro pone un m e ca n ism o que puede com ple m en tarse con
a lg u n a n o rm a y a s p o d e r e sta b le ce r toda s las a ctivid a d e s n e c e sa ria s para

650

CONTROL DE CALIDAD

com pletar el sistem a. La prem isa m s importante en este tipo de diseo se re

fiere al cum plim iento de las ba ses qu e fundam entan el concepto de calidad to
tal. El sistem a se de b e o rga n izar de acuerdo con las cuatro reas de la calidad
total, a sa b e r Diseo, M ateriales, P roceso y Producto.
P a ra h a c e r esto, se p ro p o n e un p ro ce d im ie n to de o n c e e ta p a s , las qu e
puede n ejecutarse h aciendo uso de una norm a co m o la IS O -9 0 0 4 o aplicando
un instrum ento propio. E sta s etapas son:
1.

A n lisis de la estructura o rg a n iz a c io n a ld e la em presa. E s im portante c o

nocer las fortalezas y debilidades de la organizacin. A s, se podrn explo
tar las forta lezas y se pod r b u sc a r a lg u na estrategia que perm ita atacar
las deb ilidad es. A tra v s de este anlisis, se determ ina r el m o d e lo que
m ejor se ajuste a las caractersticas de la em presa.

2.

D e finicin d e l a lca n ce d e l sistem a. El diseo de un sistem a de control de

calidad es un trabajo com plejo que am erita un anlisis profundo de la rela
cin entre la funcin calidad y las d e m s funciones de la organizacin. S e
de b e de ja r cla ro si se v a n d is e a r los cuatro su b s iste m a s y a d e m s por
cul se e m p e za r .

3.

E stablecim iento o revisin d e la po ltica de calidad. El prim er p a so que se

debe im plem entar es la redaccin de una poltica o la revisin de la m ism a,
si ya existe. E s fundam ental para el xito de un sistem a, el com prom iso de
la alta direccin a a p oya r todo tipo de iniciativas qu e conlleven a lograr los
objetivos del sistem a.

4.

Realizacin de un diagnstico. N o es conveniente iniciar las actividades de

diseo del sistem a sin antes co n o ce r a fondo qu esfuerzos se realizan en
la actualidad. H a y qu e tom ar en cuenta qu e no todos los esfu erzos actua
les son infructuosos; p u e d e h a b e r a lg u n o s qu e c o n v e n g a co n s e rv a r con
las m odificaciones que se consideren necesarias. S i el sistem a es nuevo,
este diagnstico se sustituye por u na investigacin a ce rca del fu n cio n a
m iento de sistem as sim ilares. E n este caso la norm a y su instrum ento son
im portantes.

5.

E la b o ra ci n d e l an te p ro ye cto . U n a v e z q u e se tiene claro el a lc a n c e del

pro ye c to y se c o n o c e n las a ctiv id a d e s q u e s e re a liza n a ctu a lm e n te , se
debe redactar un anteproyecto, que desglose de m anera general, el m odelo

JORGE ACUA ACUA

651

q u e v a a se r ap lica d o , las ju stificacion es y b en eficios de su im p le m e n tacin, las actividades qu e se deben ejecutar para el diseo de cad a su b
sistem a, el tiem po estim ado de desarrollo y la estim acin inicial de costo.
6

Presentacin de l anteproyecto a la gerencia. El anteproyecto preparado se

p re senta a la g e re n cia con el fin de obte ner el visto b u e n o . S e deb e c o n
v e n c e r con esta p re se n ta ci n de q u e el sistem a es n e c e sa rio . E l fin es
obtener una decisin positiva para seguir adelante. Si la decisin es favo
rable se contina con la etapa 7, si no lo fuera se d e b e r revisar el ante
proyecto, con base en las observaciones realizadas por el gerente. S e pre
sentar de nu e vo si se ha dad o la oportunidad.

7.

D esarrollo de l proyecto. Esta etapa consiste de los siguientes pasos:

a.

Planeacin de l estudio. S e desglosan todas las actividades y se asig

nan tiempos y recursos a cada una de ellas. S e pueden aplicar las tc
nicas de P ro gram acin de Pro yectos (C P M por ejem plo), para co n o
ce r con algn detalle la fecha proyectada de finalizacin del proyecto.

b.

D e s a rro llo d e l m od elo. E ste es el p a s o q u e c o n s u m e m s tiem po,

pu e s a qu se d e sglo sa cad a una de las actividades plan eadas. Esta
parte se disea p o r se parado para los cuatro subsistem as y se debe
considerar el desarrollo de m anuales. S e incluye tam bin el desglose
de actividades para el desarrollo del subsistem a de costos de calidad
y las correspondientes a las pruebas necesarias para verificar la pro
puesta. Al final se establecen las actividades qu e permitirn el nexo
entre los subsistem as.

c.

Planificacin de la inspeccin. C o m o parte del subsistem a de Control

de proceso, se deb e disear todo el plan de inspeccin estableciendo
entre otras co s a s: tipo de inspeccin, puestos de inspeccin, instru
m entacin y criterios de aceptacin y rechazo de lotes de productos.
La m ejor form a de poner esto por escrito, es a travs de m anuales de
inspeccin.

d.

Revisin d e l sistem a. U n a v e z term inado el desarrollo del sistem a se

efecta una revisin total con el fin de detectar om isiones y errores.

e . Desarrollo de la propuesta de organizacin. Esta etapa consiste en e

desarro llo de u n a pro pu esta q u e identifique el tipo de o rga n iza ci r

CONTROL DE CALIDAD

652

q u e p u e d e h a c e r frente al siste m a pro pu esto. S e d e b e n de ja r bien

claras las funciones y responsabilidades de todos los m iem bros de la
organ izacin en la con secu cin de los objetivos del m odelo.
8

. Presentacin a la gerencia. S e presenta el proyecto a la gerencia con el fin

de o b te n e r el v isto b u e n o p a ra su im p le m e n ta c i n y p o r s u p u e s to el
respectivo financiam iento. Si la respuesta es positiva, se contina con la
e tap a 9, de lo contrario se h a ce n los ajustes su g e rid o s y se pre se n ta de
nuevo.

9.

D esarrollo e im plem entacin de un program a de capacitacin y m otivacin

de personal. C o n el fin de facilitar la resistencia al cam bio y de evitar erro
res en la im plem entacin del sistem a por desconocim iento, se pro pone el
desarrollo de un program a de capacitacin. Este program a contem pla una
explicacin general de las partes del sistem a, a todos los m iem bros de la
organizacin y una explicacin detallada de cada parte a aquellos qu e es
tn directam ente relacionados con su puesta en m arch a.

10. Im plem entacin d e l sistem a. Esta etapa consiste de la puesta en m arch a

de ca d a una de las actividades d e sglo sadas en el proyecto. S e deb en h a
ce r las m ejoras y ajustes qu e se am eriten.
11. R e troalim entacin y cam bios a l m odelo. C o n base en los resultados de la
im plem entacin del sistem a, se hacen los cam bios necesarios al m odelo.
E sta etapa ser siem pre necesaria, pues es ilgico pe n sa r que el m odelo
ser a decuado desde su prim era aplicacin. Para detectar errores se pu e
den aplicar auditoras de calidad. A travs de una auditora se constata si lo
qu e se aplica o b e d e ce a ciencia cierta a lo establecido en el pro yecto del
sistem a.
El se g u im ie nto de este p ro cedim ien to perm itir el d ise o de un sistem a
adecu a do de control de calidad, el cual garantiza lo que se ha anotado insisten
tem ente en este texto y que constituye el m s importante objetivo de calidad y
reto de cualquier co m p a a : C u m plir con los requerim ientos de calida d fijados

p o r e l consum idor".
La e m p resa que entienda lo anteriorm ente apuntado, est llam ada a tener
g rand es xitos en el m erca do y un futuro pr spero en po cas de crisis.

JORGE ACUA ACUA

653

RESUMEN
E n este captulo, se plantea cm o la administracin de la funcin calidad es
esencial para el xito de un p ro gram a de control de calidad. S e ha visto que:
1.

La o rg an iza cin qu e se instituya para el cum plim iento de las actividades

e n c o m e ndada s debe ser simple y eficiente y debe g o za r, hasta donde sea
posible, de la a u ton om a necesaria para cum plir con los objetivos y polti
ca s de calidad que se establezcan para cum plir con los requerim ientos del
consum idor.

2.

E l o b je tiv o p rin c ip a l de to d o s los n iv e le s je r r q u ic o s , in te rm e d io s y

operativos de la em presa debe ser la bsqueda de excelencia en la calidad
del producto y en ningn m om ento deb e ser el buscar culpables de los pro
ble m as de calidad de los procesos y materiales. D ebe q u e d a r claro que la

resp on sabilid ad en la consecucin d e l objetivo de excelencia es de todos

los m iem bros de la organizacin y no de alguno en form a especfica.
3.

C a b e d e s ta ca r el h e c h o de que toda p e rso n a den tro de la o rga n iza ci n

d e b e b u sc a r los m e ca n ism o s necesarios para m antene rse en una co n s
tante evaluacin de su labor, de tal m anera que se puedan m edir los logros
obtenidos. Esta es una forma de dem ostrar que el control de calidad es una
inversin y no un costo.

4.

E s de su m a importancia analizar y cuantificar los costos inherentes al con

trol de calidad y com pararlos con algu na base, qu e puede ser: el costo de
produccin, la produccin en unidades de produccin equivalente o la pro
duccin total de unidades. Este ser un m edio de verificar qu tan eficien
tes y eficaces son los m edios de control utilizados, en funcin de los xitos
a lca n za d o s en el m ercado.

5.

Si se desean buen os resultados de la inspeccin, sta deber ser planeada

y ejecutada en form a organ izad a. S e debe reco rda r que e l objetivo p rin c i

p a l de la inspeccin es evitar que producto fuera de especificaciones alcan

ce las m an os d e l consum idor.
6

La inspeccin de calidad no es solam ente un procedim iento repetitivo, sino

que es toda una cam pa a de motivacin y conciencia, para que los niveles
operativos produzcan cada da mejor. S e debe sustituir el concepto limitado

654

CONTROL DE CALIDAD

de v e r la inspeccin co m o se paracin de producto buen o de m alo, por el

concepto de inspeccin preventiva que analiza causas y consecuencias de
las fallas detectadas.
7.

La organizacin de la inspeccin deb e ser gil, de tal m anera qu e se iden

tifiquen cla ram ente las responsabilidades, los d e b eres y las funciones de
los inspectores, con el fin de cum plir con los objetivos planteados. Esta or
ganizacin permitir desarrollar la inspeccin con procedim ientos eficien
tes que garanticen el cum plim iento de las actividades planeadas.

. E l logro de los objetivos de calidad planteados por la organizacin se da a

travs del desarrollo de un sistem a de control de calidad, que o b e d e z c a a

un proyecto resp onsa b le m ente planteado y puesto en prctica.
9.

Finalm ente es importante recalcar que el principal factor en el cum plim iento
de las polticas de calidad es el fa cto r hum ano. P or ello se deb en bu scar to
dos los m e ca nism os necesarios para lograr su cooperacin y com prom iso .

PREGUNTAS DE REPASO
1.

P o rq u e s im p o rta nte la c la ra definicin de u n a o rg a n iz a c i n p a ra la

calidad?

2.

E squ e m atice las etapas necesarias para disear un sistem a de control de

calidad.

3.

C ite die z im portante s funciones de un gerente en la o rga n iza ci n para la

calidad.

4.

P o r qu es im portante la co o rdinaci n de a ctivid ades en el logro de los

objetivos de calida d?

5.

Explique los conceptos de valor de calidad y costo de calidad y com ente el

grfico que los relaciona.

. C o m e n te el d e s g lo s e de co s to s de calidad y e x pliqu e: c m o se p u e d e
calcular ca d a uno de ellos?

7.

Q u tipo de anlisis se deb en h a ce r para lograr una bu e n a ubicacin de

los puestos de inspeccin?

JORGE ACUA ACUA

655

. Com ente las ventajas y desventajas de la inspeccin de patrulla y de la Ins

peccin centralizada.

9.

C o m e n te la im portancia del factor h um a no en la inspeccin de calidad.

10. P a ra qu es im portante establecer un procedim iento de ejecucin de la

inspeccin?
11. Q u uso p u e d e tener la norm a IS O -9 0 0 4 en el diseo de un sistem a de
control de calidad?
12. P a ra qu p ueden servir los indicadores de calidad?
13. Desarrolle y explique d ie z indicadores de calidad diferentes a los pre sen
tados en este captulo.
14. Q u tcnicas de motivacin se podran em plear para lograr un mxim o de
cooperacin y com prom iso de todos los m iem bros de la organizacin?
15. D e sa rro lle un m o d e lo q u e p u e d a se rvir p a ra calificar la pre cisin de la
inspeccin.

PROBLEMAS
1.

U n a e m p resa durante los ltimos m e se s ha tenido el com portam iento de

ventas y devolucio nes qu e se presenta en el C u a d ro 7.9.
Analice la situacin si se fija una base del 2 ,5 % de devolu cio nes en pedi
dos y en colones.

2.

D esglose para una e m presa industrial los costos de calidad y presntelos

en el form ato ofrecido en el C u a d ro 7.1.

3.

D esarrolle un sistem a de incentivos para inspectores, basndose en m o

delos con ocidos y aplicados a cuotas de produccin.

4.

E fe ct e un dia g nstico de la funcin calidad en una e m p re s a industrial.

D ivida el diagnstico en cuatro etapas, una por ca d a subsistem a. Puede
usar co m o gu a la N o rm a IS O -9 0 0 4 .

5.

A travs de una investigacin, identifique el tipo de organizacin de calidac

q u e pre valece en C o sta Rica.

656

CONTROL DE CALIDAD

CUADRO 7.9. Informacin para el Problema 1

i

Ventas
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio

Devoluciones
Pedidos

Colones

Pedidos

Colones

617815
585700
845174
489825
500708
558719

124
215
418
145
164
175

12200

21700
41800
10700
8400
5200

10
8

7
12

. E la b o re un flujogram a para an a liza r la form a en q u e la inform acin deb e

fluir en el sistem a de control de calidad. Conside re a d e m s los formularios
necesarios para recoleccin de inform acin.

7.

E la b o re un flujogram a para analizar la form a en qu e la inform acin deb e

fluir en el sistem a de costos de calidad. Conside re a d e m s los formularios
necesarios para recoleccin de inform acin.

. U n a e m p re s a fabrica tres productos de los que se tiene la inform acin del

C u a d ro 7.10.
Si el costo de inspeccin en el perodo fue de 150000. C u l es el costo
de inspeccin por unidad equivalente?

CUADRO 7 . 10. Informacin para el Problema 8

Producto

Monto de Ventas
(Colones)

Material Directo
(Colones)

Volumen de
Produccin

A
B
C

1500000
789600
1123500

876900
357000
687950

51790
23450
9870

JORGE ACUNA ACUNA

9.

657

P ro p o n g a un n u e vo procedim iento qu e agilice la inspeccin de producto,

to m a n d o c o m o b a s e el p ro c e d im ie n to p re s e n ta d o en e ste c a p tu lo y
esq u e m a tiza d o en el flujogram a No. 5 del A p n d ice III.

10. U n a e m p re s a fabrica un p ro du cto del cual p ro d u ce 2 0 0 0 0 u n idade s por

m e s con una fraccin defectiva del 2 0 % . El precio de venta del producto es
020

y para fabricarlo requiere de

08

de material directo. Los salarios, g a s

tos indirectos y cargo s de depreciacin son 0 3 , 0 1 , 6 y 02,4 respectivam en

te. El producto defectuoso es desech ado sin ningn valor de recuperacin.
Si la planta quiere invertir para reducir su porcentaje defectuoso de 2 0 % a
10

% , cul es la m xim a inversin que podra hacerse para lograr esta im

portante m ejora en calidad?

11. U n estudio de u na lnea de pro d u cci n ha revelado inform acin con res
pecto al porcentaje defectuoso y el costo acum ulado en cada operacin de
la lnea. Esta inform acin se presenta en el C u a d ro 7 .11.

CUADRO 7.11. Informacin para el Prou,ema 11

Operacin
1

% defectuoso
costo acumulado

5,1
2,75

0 ,6

3,98

3
4,8
4,27

4
3,2
4,85

5
1 ,2

5,12

El tam ao de m uestra por inspeccionar es de 100 unidades y los inspecto

res ganan a 0200 por hora. Los tiem pos de inspeccin en m inutos por pro
ducto son, en orden de operacin, 1 ,2 -0 ,6 -0 ,5 -2 ,0 -1 , 8 . N o se necesita in
versin adicional para instalar los puestos de inspeccin.
a.

Si se de se a colocar dos puestos de inspeccin, d nde se deben co

locar? Justifique su respuesta.

b.

Si fueran tres puestos de inspeccin, d n d e se deb en colocar?

CONTROL DE CALIDAD

U n a em presa fabrica un producto que pasa por cinco departam entos o sec
ciones. E sta em p re sa ha tenido pro blem as de calidad en los ltim os aos
debido al peso que suministran las m quinas llenadoras de producto. La es
pecificacin para el peso se establece en 3,15 g con una tolerancia de 0,75 g.
De un estudio estadstico llevado a cabo, se encontr que, para esta carac
terstica el proceso se distribuye norm alm ente con m edia 3,18 g y varianza
0,1 6 g 2.
El co s to total de p ro d u cci n es de (586 p o r u n idad, d e s g lo s a d o en 1 2 %
gastos indirectos, 5 4 % costos de m ateriales y el resto costo de m a n o de
obra. C u a n d o el producto es detectado fuera de especificaciones, se qui
ta o se a g re g a producto, seg n sea sobrepeso o bajo peso. Esto agrega un
costo adicional de (6 1 5 por unidad, debido a prdida de e m p a q u e y pesaje
m anual.
Actualm ente, no existe un puesto de inspeccin en la operacin de llenado.
La instalacin de un puesto tendra costos fijos de 060000 y el costo de ins
peccin es 035 por hora, con m uestras de 500 unidades/hora.
a.
b.

C u l es la prdida e sp e ra d a por pieza?

C u l es la prdida esp e rada al nivel actual de produccin que es de
5 0 0 0 0 unidade s por hora?

c.

A qu nivel de p ro du ccin es co n venie nte la colocacin del puesto

de inspeccin?

. La em p re sa X Y Z durante los ltimos seis m eses ha generado el registro de

ventas y devolu cio nes qu e se presenta en el C u a d ro 7.12.
Analice la situacin si se fija una base de com paracin del 2 % en prom edio
en d evolu cio nes tanto en colones co m o en pedidos.
. El C u a d ro 7 .1 3 presenta inform acin de tres productos de una em presa.
a.

b.

El costo de calidad en el p erod o es de 0 50000 . C u l es el costo de

inspeccin por unidad equivalente?
E sta b le zca el valor de un indicador de ventas, material directo y volu
m en de produccin.

c.

E sta b le zca tres form as de obtener un indicador de costos de calidad.

JORGE ACUNA ACUNA

659

CUADRO 7.12. Informacin para el Problema 13

Ventas

Devoluciones

Mes

Colones

Pedidos

E
F
M
A
M
J

625000
585700
845000
490000
500000
560000

124
115
231
90
102

113

Colones
12220

21700
41800
10700
8400
15700

Pedidos
5
10

18
4
3
8

CUADRO 7.13. Informacin para el Problema 14

Producto

Ventas
(colones)

Material directo
(colones)

Volumen de
produccin

A
B
C

1500000
758000
1157000

587000
357000
684000

51700
10800
6700

15. E n la Figura 7.7, se presenta el e sq uem a de un gato hidrulico. S u s partes

son: cilindro, base, m bolo, placa giratoria, tuerca de retencin, pieza de
cierre de la cab eza del cilindro y clavija roscada. La placa giratoria se m on
ta con a lg u na h olg u ra en el m bolo por m edio de la tuerca. E ste s u b e n sam ble, despus de ser provisto de un em paque, se m onta en el cilindro y
la base, sujetndose con la pieza de cierre de la cab eza del cilindro. La cla
vija roscada se usa para bloquear la entrada al cilindro, hasta que el gato
se pon e en funcionam iento.
El cilindro y la base, p ie za R L -8 9 , es una pie za de ace ro fundido qu e se
co m p ra en un taller de fundicin fuera de la fbrica a un costo unitario de

CONTROL DE CALIDAD

FIGURA 7.7. Gato hidrulico.

02500. La prim era operacin que se hace es T o rn e a r y refrentar la p esta

a la qu e se h a ce en un torno en el taller m ecnico en un tiem po de 5 ,4
m inutos por pieza. E ste torno co n su m e 0,20 kwh.
Luego, la pieza va a un segundo torno igual al anterior, en donde se ejecuta
el refrentado del otro extremo, as co m o el escariado y fileteado. E n esta ta
rea se invierten 13 m inutos. R ealizada esta operacin se procede a hacer
cu atro a g u je ro s a la ba se en un tiem po pro m e dio de 0 ,0 0 8 5 m inutos por
agujero (tiem po dividido en 7 5 % m ano de obra y 2 5 % tiem po de m quina).
E ste taladro, qu e p e rm a n e c e e n c e n d id o co n sta n te m e n te , c o n s u m e en
esta operacin 0 ,0 6 9 7 kwh.
E n se g u id a , en una taladradora de eje doble se hace una perforacin y se
tarraja para la conexin hidrulica. El tiem po de esta operacin es de 1,54
m inutos y la m quina co n su m e 0 ,0498 kwh. Antes de enviarse al d epa rta
m ento de m ontaje, la pieza fundida, ya acabada, es inspeccionada por un
in sp e cto ra jornal.
Para la fabricacin del m bolo se em plea el acero en barras lam inado en
fro S A E -1 010. Las barras se cortan en fro, al tam ao deseado en el alm a
cn. Esta operacin se realiza en 0,84 minutos y la sierra elctrica consume

JORGE ACUA ACUA

661

0 ,0 3 6 kwh. C a d a barra es im portada a un costo de 02350, cob rnd ose en

a du a n a un im pue sto del 1 2 % del costo original. La barra se corta en diez
partes.
L a s ig u ie n te o p e r a c i n e s m a r c a r c e n tr o s , la q u e s e h a c e en u n a
taladradora ligera en 3,9 m inutos. El co n su m o de energa es de 0,05 kwh.
Luego, va a un torno en don de se hacen las operaciones de tornear, hacer
garganta y redondear extrem o. E stas operaciones se hacen en 15 minutos
y se co n su m e n 0 ,0 4 4 kwh. U n inspector a jornal co m p ru e b a el tam ao.
Lu e g o de ello, cad a cien piezas son cem entadas con un costo de 032,5 en
5,46 minutos. D e sp u s de que la pieza es cem entada, sta retorna al taller
para se r rectificada. La rectificadora tiene una capacidad de produccin de
20 piezas por hora y con su m e 0,22 kwh en ese perodo. C o n esto, se termi
na la operacin del m bolo el cual es enviado al departam ento de montaje.
La placa giratoria, p ie za S P -7 9 3 , es de ace ro fundido y cuesta 0100 por
u n ida d. La p ie z a fu ndida se m a q u in a en el d e p a rta m e n to de tornillera,
u sa n d o un torno re v lve r W a rn e r A n d S w a s s e y W in IA y q u e c o n s u m e
0 ,208 kwh. Esta operacin se denom ina Ta ladrar, escariar y filetear y tie
ne una duracin de 7,2 m inutos. U n a v e z m aquinada se desengrasa a pre
sin en 0 ,6 m inutos usand o una solucin con un costo de 05,5 por litro de
solucin con su m ida . C o n un litro de solucin se lavan 12 piezas. Esta ope
racin la realiza un operario qu e g a n a 0125 por hora.
L a tu e rc a de re te n c i n , p ie z a S P -1 0 8 , s e h a c e d e a c e ro S A E - 1 113
hexagonal en barras y lam inado en fro. C a d a barra es importada y cuesta
0 5460 m s 1 3 % de im puesto de co n su m o y 8 % de im puesto de aduanas.
D e cada barra salen 190 tuercas. Las prim eras operaciones que se hacen
son taladrar, escariar, filetear y cortar y se efectan en el departam ento de
tornillera en una m quina G rid le y de cinco ejes con un co n su m o de 0,08
kwh y un tiem po de 0,5 m inutos. Lu e g o es lim piada en la deseng rasad ora
en 0 , 6 minuto, utilizando la m ism a solucin y con las m ism as especificacio
nes. S e inspecciona luego por un inspector a jornal y se e n va al depa rta
m ento de m ontaje.
La pieza de cierre de ca b e za del cilindro, pieza S P -1 24, es hecha de barras
de acero S A E - 1 113, redondo y lam inado en fro, el cual es im portado a un
costo de 0 5 0 0 el kilogram o. U n a barra pesa 10 kilogram os. Los costos de

654

CONTROL DE CALIDAD

de v e r la inspeccin co m o se p a ra ci n de producto buen o de m alo, por el

concepto de inspeccin preventiva que analiza causas y consecuencias de
las fallas detectadas.
7.

La organizacin de la inspeccin debe ser gil, de tal m anera qu e se iden

tifiquen cla ra m e nte las responsabilidades, los d e b eres y las funciones de
los inspectores, con el fin de cum plir con los objetivos planteados. Esta or
ganizacin permitir desarrollar la inspeccin con procedim ientos eficien
tes qu e garanticen el cum plim iento de las actividades planeadas.

. El logro de los objetivos de calidad planteados por la organ izacin se da a

travs del desarrollo de un sistem a de control de calidad, que o b e d e zca a

un proyecto resp onsa b le m ente planteado y puesto en prctica.
9.

Finalm ente es importante recalcar qu e el principal factor en el cum plim iento

de las polticas de calidad es el fa cto r hum ano. P or ello se deben bu scar to
dos los m e ca nism os necesarios para lograr su cooperacin y com prom iso .

PREGUNTAS DE REPASO
1.

P o rq u e s im p o rta n te la cla ra definicin de u n a o rg a n iz a c i n p a ra la

calidad?

2.

E squ e m atice las etapas necesarias para disear un sistem a de control de

calidad.

3.

C ite die z im portante s funciones de un gerente en la o rga n iza ci n para la

calidad.

4.

P o r qu es im portante la co o rdinaci n de activid ades en el logro de los

objetivos de calida d?

5.

Explique los conceptos de valor de calidad y costo de calidad y com ente el

grfico qu e los relaciona.

. C o m e n te el d e s g lo s e de co s to s de calidad y e x p liq u e : c m o s e p u e d e
calcular ca d a uno de ellos?

7.

Q u tipo de anlisis se de b e n h a ce r para lograr una b u e n a ubicacin de

los puestos de inspeccin?

JORGE ACUA ACUA

655

. C om e nte las ventajas y desventajas de la inspeccin de patrulla y de la Ins

peccin centralizada.

9.

C o m e n te la Im portancia del factor h u m a no en la Inspeccin de calidad.

10. P a ra qu es im portante establecer un procedim iento de ejecucin de la

inspeccin?
11. Q u uso p u ede tener la norm a IS O -9 0 0 4 en el diseo de un sistem a de
control de calidad?
12. P a ra qu p ueden servir los indicadores de calidad?
13. D esarrolle y explique die z indicadores de calidad diferentes a los pre sen
tados en este captulo.
14. Q u tcnicas de motivacin se podran em plear para lograr un m xim o de
cooperacin y co m prom iso de todos los m iem bros de la organizacin?
15. D e sa rro lle un m o d e lo q u e p u e d a se rvir p a ra calificar la pre cisin de la
inspeccin.

PROBLEMAS
1.

U n a e m p re s a durante los ltimos m eses ha tenido el com portam iento de

ventas y devoluciones qu e se presenta en el C u a d ro 7.9.
Analice la situacin si se fija una base del 2 ,5 % de devolucio nes en pedi
dos y en colones.

2.

3.

D e sglose para una e m presa Industrial los costos de calidad y presntelos

en el form ato ofrecido en el C u a d ro 7.1.
Desarrolle un sistem a de incentivos para inspectores, b asndose en m o
delos conocidos y aplicados a cuotas de produccin.

4.

E fe cte un diagnstico de la funcin calidad en una e m p re s a industrial.

D ivida el diagnstico en cuatro etapas, una por ca d a subsistem a. P uede

5.

A travs de una investigacin, identifique el tipo de organizacin de calidad

usar co m o gua la N o rm a IS O -9 0 0 4 .

qu e p reva lece en C o s ta Rica.

656

CONTROL DE CALIDAD

CUADRO 7.9. Informacin para el Problema 1

........ ..............................................

V e n ta s
M es

C o lo n e s

D e v o lu c io n e s
C o lo n e s

P e d id o s

P e d id o s

E n ero

617815

124

12200

F ebrero

585700

215

21700

10
8

M a rzo

845174

418

41800

A b ril

489825

145

10700

M ayo

500708

164

8400

12

J u n io

558719

175

5200

. E la b o re un flujogram a pa ra an a liza r la form a en qu e la Inform acin deb e

fluir en el sistem a de control de calidad. Conside re a d e m s los formularios
necesarios para recoleccin de inform acin.

7.

E la b o re un flujogram a para an a liza r la form a en qu e la inform acin deb e

fluir en el sistem a de costos de calidad. C onsidere a d e m s los form ularios
necesarios para recoleccin de inform acin.

. U n a e m p re s a fabrica tres productos de los que se tiene la inform acin del

C u a d ro 7.1 0.
Si el costo de inspeccin en el perodo fue de c 1 500 0 0 . C u l es el costo
de inspeccin por unidad equivalente?

CUADRO 7.10. Informacin para el Problema 8

P ro d u c to

M o n to de V e n ta s
(C o lo n e s )

M aterial D ire c to
(C o lo n e s )

1500000

876900

51790

789600

357000

23450

1123500

687950

9870

V o lu m e n de
P ro d u c c i n

JORGE ACUNA ACUNA

9.

657

P ro p o n g a un n uevo procedim iento qu e agilice la inspeccin de producto,

to m a n d o c o m o b a s e el p ro c e d im ie n to p re s e n ta d o en e ste c a p tu lo y
e sq u e m a tiza d o en el flujogram a No. 5 del A p n d ice III.

10. U n a e m p re s a fabrica un pro du cto del cual p ro d u ce 2 0 0 0 0 u n idade s por

m e s con una fraccin defectiva del 2 0 % . El precio de venta del producto es
0 20 y para fabricarlo requiere de 0 8 de material directo. Los salarios, g a s
tos indirectos y cargo s de depreciacin son 0 3 ,0 1 , 6 y 02,4 respectivam en
te. El producto defectuoso es desech ado sin ningn valor de recuperacin.
Si la planta quiere invertir para reducir su porcentaje defectuoso de 2 0 % a
1 0 % , cul es la m xim a inversin que podra hacerse para lograr esta im
portante m ejora en calidad?
11. U n estudio de una lnea de p ro duccin h a revelado inform acin con res
pecto al porcentaje defectuoso y el costo acum ulado en cada operacin de
la lnea. Esta inform acin se presenta en el C u a d ro 7.11.

CUADRO 7.11. Informacin para el Prou,ema 11

O p e ra c i n
1

% d e fe ctu o so

5 ,1

0 ,6

4 ,8

3 ,2

1 ,2

c o s t o a c u m u la d o

2 ,7 5

3 ,9 8

4 ,2 7

4 ,8 5

5 ,1 2

El tam ao de m uestra por inspeccionar es de 100 unidades y los inspecto

res ganan a 0200 por hora. Los tiem pos de inspeccin en m inutos por pro
ducto son, en orden de operacin, 1 ,2 -0 ,6 -0 ,5 -2 ,0 -1 , 8 . N o se necesita in
versin adicional para instalar los puestos de inspeccin.
a.

Si se de sea colocar dos puestos de inspeccin, d n d e se deben co

locar? Justifique su respuesta.

b.

Si fueran tres puestos de inspeccin, d nde se deben colocar?

662

CONTROL DE CALIDAD

transporte de sde la ca sa distribuidora hasta la em presa, brindados por la

C a M ondel, son <52000 la tonelada. El im puesto de adu a n a es del 8 ,5 % .
La s prim eras o p era cione s que se hacen en el departam ento de tornillera
son taladrar, escariar, filetear y cortar. S e usa una taladradora C o n e m a tic
que c o n s u m e 0 ,2 kw h y du ra 4 ,2 m inutos en term inar estas operaciones.
S e ha calculado que de una barra se obtienen 13 piezas. Luego, la pieza se
e n v a al taller m e c n ico para ta la d ra r los a g u je ro s p a ra la llave, en una
ta la d ra d o ra lig e ra e n 3 ,3 6 m in u to s . S e d e v u e lv e al d e p a rta m e n to de
tornillera para d e s e n g ra se en 0,6 m inutos. S e em plea la m ism a solucin
anterior y se p aga un operarlo de <5175 por hora. Luego, la pieza es revisa
d a por un inspector a jornal y se e n va al departam ento de ensam b le.
La siguiente operacin se realiza en el departam ento de ensam b le y c o n
siste en m ontar el m bolo, la placa giratoria y la tuerca de retencin en
m inutos.

0 ,1

Este su bensam ble junto con la pieza de cierre de cilindro y usando los m a
teriales m ostrados en el C u a d ro 7.14, se m ontan al subensam ble del pistn
en 3 ,4 m inutos.

CUADRO 7.14. Materiales usados en el subensamble

M aterial

C o s to

E m paque

P ie z a S P - 2 1 1

208

A r a n d e la S P - 1 7 6

c
c

12

T o r n illo c o m n

3 1 ,2 5

L u e g o , se m onta el m bolo a la base en 2,91 m inutos lo qu e constituye el

ensam b le final. U n a v e z finalizada esta operacin el gato hidrulico se so
m ete a inspeccin por m edio de un inspector a jornal. D e s p u s , la clavija
roscada de 0,625 cm , pie za S P -1 4 8 , se coloca para proteger al cilindro en
0,2 m inutos. La clavija tiene un costo de C1300. La ltima operacin que se

JORGE ACUA ACUA

663

realiza es limpiar y pintar, la que se realiza en el departam ento de montaje

en un tiem po de 5,4 m inutos por pieza. E n este proceso de lim pieza se usa
un disolvente para lavad o de a ce ro c u y o costo es de 0169 el kilogram o
puro. La concentracin de la solucin lavadora es de 8 2 % en peso (den si
dad del ag ua= 1 g/cm2). La solucin se prepara en la planta y se pueden la
v a r 40 0 piezas por litro.
E n el proceso de pintado se gastan 3,8 litros de pintura anticorrosiva por
ca d a 96 piezas. El costo del litro de pintura es de 0300. El diluyente usado
cuesta 032 por litro y se gasta un litro de diluyente por cad a cuatro litros de
pintura. Las piezas se pintan luego de color rojo con un costo agregado de
0 4 ,2

por pieza.

La inspeccin final se ejecuta en 3,0 m inutos, por un inspector a jornal.

Algunos datos adicionales

T ie m p o de jornada de trabajo =

horas/da

C o sto de kwh = 07,76

C o s to de inspeccin = 0200 por hora
S alario de operarios calificados = 0225 por hora
a.

C onstruya un diagram a de operaciones colocando a la izquierda de la

operacin los tiem pos de operacin y a la derech a el costo de la o p e
racin y el acu m u la d o hasta ella.

b.
c.

Determ ine el costo de inspeccin de calidad.

Determ ine el costo de produccin e indique: a qu precio recom ien
da vende rlo?

d.
e.

C u l es el costo de produccin m ensual si se trabajan tres turnos?

C u l es el costo acum ulado de produccin, al m om ento de cad a ins
peccin?

f.

E st n bien colocado s los puestos de inspeccin, desde el punto de

vista del costo total del producto? Justifique con nm eros.

CONTROL DE CALIDAD

364

g.

Q u v a ria b le s se de b e n to m a r en cuenta al d ise a r un sistem a de

control de calidad para este producto.

h.

Q u beneficios, desde el punto de calidad, puede traer el balance de

la lnea de p ro duccin?

16. U n a e m p re sa fabrica un producto com puesto por cinco sub e n sa m b le s los

cu a le s co n v e rg e n en cinco lneas a un departam ento de e n s a m b le . Esta
em presa desea investigar sus problem as de calidad, por lo que se constru
y un pare togra m a que indic qu e la caracterstica de calidad principal es
el dim etro de uno de los su ben sam bles.
E ste di m e tro d e b e cu m p lir con la especificacin E : 3 ,1 5 0 ,7 5 cm . D e
datos histricos co n se rva d o s por la C a , se ha logrado concluir q u e la v a
riable dimetro se distribuye norm alm ente con p = 3 ,15 cm y o 2= 0 ,16 cm 2. El
costo total de pro du ccin de esta pieza representa el 2 8 % del costo total
del producto, el cual se ve n d e en C8600.
El p ro b le m a fu n d a m e n ta l de este dim etro es q u e no se detecta si est
defectuoso antes de que la pieza sea ensam blada. Esto ocasiona qu e si el
dim etro resulta defectuoso, se pierda todo el costo entregado. S e ha d e
te rm in a d o q u e un 1 7 % del costo total son costos de e n s a m b le , un 1 2 %
costos indirectos y un 3 5 % la ganancia deseada en la venta del producto.
S e sa b e qu e del costo de p ro d u cci n de la p ieza, un 3 8 % son co sto s de
m ano de obra, 4 0 % costos de m aterias prim as y el resto costos indirectos.
E s o s costos representan el 7 0 % de los costos indirectos totales. T a m b i n
se sab e que en el departam ento de ensam ble, 9 0 % del costo corresponde
a la m a n o de obra, 5 % a m ateriales y 5 % a costos indirectos.
E n esta e m p re sa existe un nico puesto de inspeccin y est al final de la
lnea. Si se re ch a za un producto, se incurre en un costo adicional de C2 0 0
al te ne r qu e de s a rm a rlo . E sto no incluye las c o rre sp o n d ie n te s p rdid as
e c o n m ic a s p o r el t ra b a jo e n t r e g a d o in f r u c t u o s a m e n t e . C a d a
subensam ble que se rechace es reprocesado, si tiene un dimetro superior
a lo especificado y d e s e c h a d o si ocu rre lo contrario. E n a m b o s c a s o s se
pierde el costo ya entregado.
a.

C u l es la g a na ncia e sp e ra d a por unidad?

b.

C u l es la g a n a n c ia e s p e ra d a al nivel de 5 0 0 0 0 0 u n id a d e s m e n
suale s?

JORGE ACUNA ACUNA

c.

665

C o n s id e ra U d con venie nte la colocacin de puestos de inspeccin

en las lneas? Justifique con nm eros.

d.

A qu nivel de produccin es recom endab le colocar un puesto final

de inspeccin?

DATOS ADICIONALES
C o sto de instalacin del puesto = 060000
El costo del inspector es de 0290 por hora y es ca p a z de inspeccionar 100
p ieza s en un turno de
17.

horas

U n a e m p re s a fabrica un pro ducto co n form ado de tres su b e n sa m b le s. El

diag ram a de operaciones se m uestra en el C u a d ro 7.15.
Los costos de material son: 0370 para el material A , 0158 para el material
B y 0215 para el material C . Lo s costos de m ano de obra por pieza se e n
cuentran en el C u a d ro 7.16.

CUADRO

O p e r a c i n

7 . 16.

Costos de mano de obra para el Problema 17

C o s t o /p ie z a (0 )

O p e r a c i n

C o s to /p ie z a f)

1 5 ,7 5

1 7 ,8 5

2 5 ,0 5

3 4 ,0 5

3 6 ,7 5

6 1 ,2 5

1 8 ,4 5

6 3 ,4 5

2 5 ,2 5

10

1 8 ,3 5

A los inspectores se les pa g a 0350 por hora y cada inspector es ca p a z de

inspeccionar 500 unidades por hora.
E n este proceso casi todas las caractersticas de calidad m s importantes
son variables, a excepcin de las caractersticas de las operaciones 9 y 10,

CONTROL DE CALIDAD

666

CUADRO 7.15. Diagrama de operaciones para el Problema 17

D ia g r a m a d e O p e r a c i o n e s
E m p resa :

XYZ

F ech a:

E nero 1985

R e a liz a d o p o r

A. G uzm n

R e s p o n s a b le :

S . C oto

C d ig o d e p ro d u cto :

Ensamble A
Mats: 1,25 kg/pieza

3 0 A -9 0

Ensamble B
Mats: 5 kg/pieza

Ensamble C
Mats: 1 kg/pieza

JORGE ACUA ACUA

667

las que son atributos. El C u a d ro 7.17 presenta la inform acin qu e se obtu

v o de una clasificacin de caractersticas de calidad. T o d a s las variables
han de m ostrado distribuirse norm alm ente.
El nivel de p roduccin es de 18000 unidades diarias. Los puestos de ins
peccin, de s e r necesarios, tienen una inversin fija de 045000 ca d a uno.
Actualm ente la em presa tiene los siguientes costos diarios de produccin:
016575 0 en m ano de obra, 01857000 en materiales y 086000 en gastos in
directos. T a m b i n se ha determ inado que los costos sem anales indirectos
de calidad son de 034500, los costos sem anales de prevencin de 034570
y los costos sem anales de fallas externas de 0 6 0 0 0 0 .
B a sa d o en la problem tica de costos, pro ponga un sistem a de control de
proceso.

CONTROL DE CALIDAD

668

"D

CU

CU

-g
o

Jr

CU

CU

v H

(U ' C

'Z

(U m

'

CU
m

2
O

<B

o o o
> >^
* .=

CC

CU

^ O O O

CUADRO 7.17. Informacin de caractersticas de calidad

sz

0^

o
0
0
0
Q

0 0 0 0 0 ^ 0 0

cococococ75cocococco

Q.

cc

E E

o' oo' o o' o" o' o' o' o'

-o o

t-

r
-

o
o
>, c
CC CD

un
uo o

co

lo

-rlo
t- O L O C \ J O C \ J O O

0 0
c
c
CD 0

E E
l ) N O W N L O W N 0 ( M

co"o' T-~o" xf r
'o" co'o' o

" o -O
CC 0
c
c

CD 0
c
c

0 0

0 p

B +i
Q.

o co CM CM O LO T - O O T
CM o o O T N- O h- T O
o' o' o' O T' o" o' O o" o'
+1 +1 +
1 +1 +1 +1 +1 +1 +1 +1
O LO o LO O O LO O o o
LO h CD CM 0
0 LO CM h- CO CM
T-' o' c
o'o' O
co'o T' o'

B
0

0
T3

cc 0
o
o
CC CC

"O

0 C 3 o sz
p O D. 0 ) 3E
f & S 2 i ^ ( /-v i ro
i5 0 n a ^ 0 0 ^ 0

0 0

0 0
3
3
c r cr

0 0

T3

"O

o S
o
o
co 0 c

CC

C M C O ^ t L O C O h - C O C D O

Apndice I

TABLAS DE DISTRIBUCION
DE PROBABILIDAD
TABLA I. Distribucin normal acumulada

09

08

07

06

05

04

03

02

01

00

-3,90
-3,80
-3,70
-3,60
-3,50
-3,40
-3,30
-3,20
-3,10
-3,00
-2,90
-2,80
-2,70
-2,60
-2,50
-2,40
-2,30
-2,20
-2,10
-2,00
-1,90
-1,80
-1,70
-1,60
-1,50
-1,40
-1,30

0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0006
0,0008
0,0011
0,0015
0,0020
0,0027
0,0036
0,0048
0,0064
0,0085
0,0111
0,0143
0,0184
0,0233
0,0294
0,0368
0,0456
0,0560
0,0682
0,0823

0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0006
0,0008
0,0011
0,0015
0,0020
0,0028
0,0037
0,0050
0,0066
0,0087
0,0113
0,0147
0,0188
0,0239
0,0301
0,0376
0,0465
0,0571
0,0695
0,0838

0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0006
0,0008
0,0011
0,0015
0,0021
0,0029
0,0038
0,0051
0,0068
0,0089
0,0116
0,0150
0,0193
0,0245
0,0308
0,0384
0,0475
0,0583
0,0708
0,0854

0,0001
0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0006
0,0008
0,0012
0,0016
0,0022
0,0029
0,0040
0,0053
0,0070
0,0092
0,0120
0,0154
0,0197
0,0250
0,0315
0,0393
0,0485
0,0594
0,0722
0,0870

0,0001
0,0001
0,0001
0,0002
0,0003
0,0003
0,0005
0,0006
0,0009
0,0012
0,0016
0,0022
0,0030
0,0041
0,0054
0,0072
0,0094
0,0123
0,0158
0,0202
0,0256
0,0322
0,0401
0,0495
0,0606
0,0736
0,0886

0,0001
0,0001
0,0001
0,0002
0,0003
0,0003
0,0005
0,0007
0,0009
0,0012
0,0017
0,0023
0,0031
0,0042
0,0056
0,0074
0,0097
0,0126
0,0162
0,0207
0,0262
0,0329
0,0410
0,0506
0,0618
0,0750
0,0902

0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0005
0,0007
0,0009
0,0013
0,0017
0,0024
0,0032
0,0043
0,0057
0,0076
0,0099
0,0129
0,0166
0,0212
0,0269
0,0337
0,0419
0,0516
0,0631
0,0764
0,0918

0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0005
0,0007
0,0010
0,0013
0,0018
0,0025
0,0033
0,0044
0,0059
0,0078
0,0102
0,0133
0,0170
0,0217
0,0275
0,0344
0,0428
0,0527
0,0643
0,0779
0,0935

0,0001
0,0001
0,0002
0,0002
0,0003
0,0004
0,0005
0,0007
0,0010
0,0014
0,0019
0,0025
0,0034
0,0046
0,0061
0,0080
0,0105
0,0136
0,0175
0,0223
0,0281
0,0352
0,0437
0,0538
0,0656
0,0793
0,0952

0,0001
0,0001
0,0002
0,0002
0,0003
0,u004
0,0005
0,0007
0,0010
0,0014
0,0019
0,0026
0,0035
0,0047
0,0063
0,0082
0,0108
0,0139
0,0179
0,0228
0,0288
0,0360
0,0446
0,0549
0,0669
0,0808
0,0969

-3,90
-3,80
-3,70
-3,60
-3,50
-3,40
-3,30
-3,20
-3,10
-3,00
-2,90
-2,80
-2,70
-2,60
-2,50
-2,40
-2,30
-2,20
-2,10
-2,00
-1,90
-1,80
-1,70
-1,60
-1,50
-1,40
-1,30

Contina en la siguiente pgina

CONTROL DE CALIDAD

670

Continuacin de la Tabla I

02

09

08

07

06

05

04

03

-1,20
-1,10
-1,00
-0,90
-0,80
-0,70
-0,60
-0,50
-0,40
-0,30
-0,20
-0,10
-0,00

0,0986
0,1171
0,1379
0,1611
0,1868
0,2148
0,2451
0,2776
0,3121
0,3483
0,3860
0,4247
0,4642

0,1003
0,1190
0,1401
0,1636
0,1895
0,2177
0,2483
0,2810
0,3157
0,3520
0,3898
0,4286
0,4682

0,1021
0,1210
0,1424
0,1661
0,1922
0,2207
0,2515
0,2844
0,3192
0,3557
0,3936
0,4326
0,4721

0,1039
0,1231
0,1446
0,1686
0,1949
0,2237
0,2547
0,2878
0,3228
0,3595
0,3975
0,4365
0,4761

0,1057
0,1251
0,1469
0,1711
0,1977
0,2267
0,2579
0,2912
0,3264
0,3632
0,4013
0,4404
0,4801

0,1075
0,1272
0,1492
0,1737
0,2005
0,2297
0,2611
0,2947
0,3300
0,3670
0,4052
0,4444
0,4841

0,1094
0,1293
0,1515
0,1762
0,2033
0,2327
0,2644
0,2981
0,3337
0,3708
0,4091
0,4483
0,4881

00

01

02

03

04

05

06

07

0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20

0,5000
0,5398
0,5792
0,6179
0,6554
0,6914
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9031
0,9192
0,9331
0,9451
0,9554
0,9640
0,9712
0,9772
0,9821
0,9861

0,5039
0,5438
0,5831
0,6217
0,6590
0,6949
0,7290
0,7611
0,7910
0,8185
0,8437
0,8665
0,8868
0,9048
0,9207
0,9344
0,9462
0,9563
0,9648
0,9719
0,9777
0,9825
0,9864

0,5079
0 c477
0,5870
0,6255
0,6627
0,6984
0,7323
0,7642
0,7938
0,8212
0,8461
0,8686
0,8887
0,9065
0,9221
0,9357
0,9473
0,9572
0,9656
0,9725
0,9783
0,9830
0,9867

0,5119
0,5517
0,5909
0,6292
0,6663
0,7019
0,7356
0,7673
0,7967
0,8238
0,8485
0,8707
0,8906
0,9082
0,9236
0,9369
0,9484
0,9581
0,9663
0,9731
0,9788
0,9834
0,9871

0,5159
0,5556
0,5948
0,6330
0,6700
0,7053
0,7389
0,7703
0,7995
0,8263
0,8508
0,8728
0,8925
0,9098
0,9250
0,9382
0,9494
0,9590
0,9671
0,9738
0,9793
0,9838
0,9874

0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7421
0,7733
0,8023
0,8289
0,8531
0,8749
0,8943
0,9114
0,9264
0,9394
0,9505
0,9599
0,9678
0,9744
0,9798
0,9842
0,9877

0,5239
0,5635
0,6025
0,6405
0,6772
0,7122
0,7453
0,7763
0,8051
0,8314
0,8554
0,8769
0,8961
0,9130
0,9278
0,9406
0,9515
0,9607
0,9685
0,9750
0,9803
0,9846
0,9880

0,5279
0,5674
0,6064
0,6443
0,6808
0,7156
0,7485
0,7793
0,8078
0,8339
0,8576
0,8790
0,8979
0,9146
0,9292
0,9417
0,9525
0,9616
0,9692
0,9755
0,9807
0,9850
0,9884

01

00
0,1151
0,1357
0,1587
0,1841
0,2119
0,2420
0,2743
0,3086
0,3446
0,3821
0,4208
0,4602
0,5000

-1,20
-1,10
-1,00
-0,90
-0,80
-0,70
-0,60
-0,50
-0,40
-0,30
-0,20
-0,10
-0,00

08

09

0,5318
0,5714
0,6102
0,6480
0,6843
0,7190
0,7517
0,7823
0,8105
0,8364
0,8599
0,8810
0,8997
0,9161
0,9305
0,9429
0,9535
0,9624
0,9699
0,9761
0,9812
0,9853
0,9887

0,5358
0,5753
0,6140
0,6517
0,6879
0,7224
0,7549
0,7852
0,8132
0,8389
0,8621
0,8829
0,9014
0,9177
0,9318
0,9440
0,9544
0,9632
0,9706
0,9767
0,9816
0,9857
0,9889

0,1113 0,1132
0,1314 0,1335
0,1539.0,1563
0,1788 0,1815
0,2061 0,2090
0,2358 0,2389
0,2677 0,2710
0,3016 0,3051
0,3373 0,3410
0,3745 0,3783
0,4130 0,4169
0,4523 0,4562
0,4921 0,4961

0,00
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
1,10
1,20
1,30
1,40
1,50
1,60
1,70
1,80
1,90
2,00
2,10
2,20

Contina en la siguiente pgina

JORGE ACUA ACUA

671

Continuacin de la Tabla I

00

01

02

03

04

05

06

07

08

09

2,30
2,40
2,50
2,60
2,70
2,80
2,90
3,00
3,10
3,20
3,30
3,40
3,50
3,60
3,70
3,80
3,90

0,9892
0,9918
0,9937
0,9953
0,9965
0,9974
0,9981
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999

0,9895
0,9920
0,9939
0,9954
0,9966
0,9975
0,9981
0,9986
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999

0,9898
0,9922
0,9941
0,9956
0,9967
0,9975
0,9982
0,9987
0,9990
0,9993
0,9995
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999

0,9901
0,9924
0,9943
0,9957
0,9968
0,9976
0,9983
0,9987
0,9991
0,9993
0,9995
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999

0,9903
0,9926
0,9944
0,9958
0,9969
0,9977
0,9983
0,9988
0,9991
0,9993
0,9995
0,9997
0,9997
0,9998
0,9999
0,9999
0,9999

0,9906
0,9928
0,9946
0,9959
0,9970
0,9978
0,9984
0,9988
0,9991
0,9994
0,9995
0,9997
0,9997
0,9998
0,9999
0,9999
0,9999

0,9908
0,9930
0,9947
0,9960
0,9971
0,9978
0,9984
0,9988
0,9992
0,9994
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999

0,9911
0,9932
0,9949
0,9962
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999

0,9913
0,9934
0,9950
0,9963
0,9972
0,9980
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999

0,9915
0,9936
0,9952
0,9964
0,9973
0,9980
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999

2,30
2,40
2,50
2,60
2,70
2,80
2,90
3,00
3,10
3,20
3,30
3,40
3,50
3,60
3,70
3,80
3,90

00

01

02

03

04

05

06

07

08

09

CONTROL DE CALIDAD

TABLA II. Areas de distribucin t-student (*)

Probabilidad (rea unilateral)

0,10
0,05
0,025

0,40

0,20

0,010

0,005

0,0005

1
2
3
4
5

0,325
0,289
0,277
0,271
0,267

1,376
1,061
0,978
0,941
0,920

3,078
1,886
1,638
1,533
1,476

6,314
2,290
2,353
2,132
2,015

12,706
4,303
3,182
2,776
2,571

31,821
6,965
4,541
3,747
3,365

63,657
9,925
5,841
4,604
4,032

636,619
31,598
12,941
8,610
6,859

6
7
8
9
10

0,265
0,263
0,262
0,261
0,260

0,906
0,896
0,889
0,883
0,879

1,440
1,415
1,397
1,383
1,372

1,943
1,895
1,860
1,833
1,812

2,447
2,365
2,306
2,262
2,228

3,143
2,998
2,896
2,821
2,764

3,707
3,499
3,355
3,250
3,169

5,959
5,405
5,041
4,781
4,587

11
12
13
14
15

0,260
0,259
0,259
0,258
0,258

0,876
0,873
0,870
0,868
0.866

1,363
1,356
1,350
1,345
1,341

1,796
1,782
1,771
1,761
1,753

2,201
2,179
2,160
2,145
2,131

2,718
2,681
2,650
2,624
2,602

3,106
3,055
3,012
2,977
2,947

4,437
4,318
4,221
4,140
4,073

16
17
18
19
20

0,258
0,257
0,257
0,257
0,257

0,865
0,863
0,862
0,861
0,860

1,337
1,333
1,330
1,328
1,325

1,746
1,740
1,734
1,729
1,725

2,120
2,110
2,101
2,093
2,086

2,583
2,567
2,552
2,539
2,528

2,921
2,898
2,878
2,861
2,845

4,015
3,965
3,922
3,883
3,850

21
22
23
24
25

0,257
0,256
0,256
0,256
0,256

0,859
0,858
0,858
0,857
0,856

1,323
1,321
1,319
1,318
1,316

1,721
1,717
1,714
1,711
1,708

2,080
2,074
2,069
2,064
2,060

2,518
2,508
2,500
2,492
2,485

2,831
2,819
2,807
2,797
2,787

3,819
3,792
3,767
3,745
3,725

26
27
28
29
30

0,256
0,256
0,256
0,256
0,256

0,856
0,855
0,855
0,854
0,854

1,315
1,314
1,313
1,311
1,310

1,706
1,703
1,701
1,699
1,697

2,056
2,052
2,048
2,045
2,042

2,479
2,473
2,467
2,462
2,457

2,779
2,771
2,763
2,756
2,750

3,707
3,690
3,674
3,659
3,646

40
60
120

0,255
0,254
0,254
0,253

0,851
0,848
0,845
0,842

1,303
1,296
1,289
1,282

1,684
1,671
1,658
1,645

2,021
2,000
1,980
1,960

2,423
2,390
2,358
2,326

2,704
2,660
2,617
2,576

3,551
3,460
3,373
3,291

gi-

oo

Tomado del libro Control de Calidad de Bertrand Hansen, Referencia 11.

JORGE ACUA ACUA

67 3

TABLA III. Areas bajo la curva de la distribucin chi-cuadrado(*)

0,25
1 ,3 2 3
2 ,7 7 3
4 ,1 0 8
5 ,3 8 5
6 ,6 2 6
7 ,8 41
9 ,0 3 7
1 0 ,2 1 9
1 1 ,3 8 9
1 2 ,5 4 9
1 3 ,701
1 4 ,8 4 5
1 5 ,9 8 4
1 7 ,1 1 7
1 8 ,2 4 5
1 9 ,3 6 9
2 0 ,4 8 9
2 1 ,6 0 5
2 2 ,7 1 8
2 3 ,8 2 8
2 4 ,9 3 5
2 6 ,0 3 9
2 7 ,1 4 1
2 8 ,2 4 1
2 9 ,3 3 9
3 0 ,4 3 4
3 1 ,5 2 8
3 2 ,6 2 0
3 3 ,7 1 1
3 4 ,8 0 0
4 5 ,6 1 6
5 6 ,3 3 4
6 6 ,9 8 1
7 7 ,5 7 7
8 8 ,1 3 0
9 8 ,6 5 0
1 0 9 ,1 41

0 ,1 0

2 ,7 0 6
4 ,6 0 5
6,251
7 ,7 7 9
9 ,2 3 6
1 0 ,6 4 5
1 2 ,0 1 7
1 3 ,3 6 2
1 4 ,6 8 4
1 5 ,9 8 7
1 7 ,2 7 5
1 8 ,5 4 9
1 9 ,8 1 2
2 1 ,0 6 4
2 2 ,3 0 7
2 3 ,5 4 2
2 4 ,7 6 9
2 5 ,9 8 9
2 7 ,2 0 4
2 8 ,4 1 2
2 9 ,6 1 5
3 0 ,8 1 3
3 2 ,0 0 7
3 3 ,1 9 6
3 4 ,3 8 2
3 5 ,5 6 3
3 6 ,7 4 1
3 7 ,9 1 6
3 9 ,0 8 7
4 0 ,2 5 6
5 1 ,8 0 5
6 3 ,1 6 7
7 4 ,3 9 7
8 5 ,5 2 7
9 6 ,5 7 8
1 0 7 ,5 6 5
1 1 8 ,4 9 8

0,05
3,841
5,9 9 1
7 ,8 1 5
9 ,4 8 8
1 1 ,0 7 0
1 2 ,5 9 2
1 4 ,0 6 7
1 5 ,5 0 7
1 6 ,9 1 9
1 8 ,3 0 7
1 9 ,6 7 5
2 1 ,0 2 6
2 2 ,3 6 2
2 3 ,6 8 5
2 4 ,9 9 6
2 6 ,2 9 6
2 7 ,5 8 7
2 8 ,8 6 9
3 0 ,1 4 4
3 1 ,4 1 0
3 2 ,6 7 1
3 3 ,9 2 4
3 5 ,1 7 2
3 6 ,4 1 5
3 7 ,6 5 2
3 8 ,8 8 5
4 0 ,1 1 3
4 1 ,3 3 7
4 2 ,5 5 7
4 3 ,7 7 3
5 5 ,7 5 8
6 7 ,5 0 5
7 9 ,0 8 2
9 0 ,5 3 1
1 0 1 ,8 7 9
1 1 3 ,1 4 5
1 2 4 ,3 4 2

0,025
5 ,0 2 4
7 ,3 7 8
9 ,3 4 8
1 1 ,1 4 3
1 2 ,8 3 2
1 4 ,4 4 9
1 6 ,0 1 3
1 7 ,5 3 5
1 9 ,0 2 3
2 0 ,4 8 3
2 1 ,9 2 0
2 3 ,3 3 7
2 4 ,7 3 6
2 6 ,1 1 9
2 7 ,4 8 8
2 8 ,8 4 5
3 0 ,1 9 1
3 1 ,5 2 6
3 2 ,8 5 2
3 4 ,1 7 0
3 5 ,4 7 9
3 6 ,781
3 8 ,0 7 6
3 9 ,3 6 4
4 0 ,6 4 6
4 1 ,9 2 3
4 3 ,1 9 4
4 4 ,461
4 5 ,7 2 2
4 6 ,9 7 9
5 9 ,3 4 2
7 1 ,4 2 0
8 3 ,2 9 8
9 5 ,0 2 3
1 0 6 ,6 2 9
1 1 8 ,1 3 6
129,561

0 ,0 1

0,005

0 ,0 0 1

6 ,6 3 5
9 ,2 1 0
1 1 ,3 4 5
1 3 ,2 7 7
1 5 ,0 8 6
1 6 ,8 1 2
1 8 ,4 7 5
2 0 ,0 9 0
2 1 ,6 6 6
2 3 ,2 0 9
2 4 ,7 2 5
2 6 ,2 1 7
2 7 ,6 8 8
2 9 ,1 4 1
3 0 ,5 7 8
3 2 ,0 0 0
3 3 ,4 0 9
3 4 ,8 0 5
3 6 ,1 9 1
3 7 ,5 6 6
3 8 ,9 3 2
4 0 ,2 8 9
4 1 ,6 3 8
4 2 ,9 8 0
4 4 ,3 1 4
4 5 ,6 4 2
4 6 ,9 6 3
4 8 ,2 7 8
4 9 ,5 8 8
5 0 ,8 9 2
6 3 ,691
7 6 ,1 5 4
8 8 ,3 7 9
1 0 0 ,4 2 5
1 1 2 ,3 2 9
1 2 4 ,1 1 6
1 3 5 ,8 0 7

7 ,8 7 9
1 0 ,5 9 7
1 2 ,8 3 8
1 4 ,8 6 0
1 6 ,7 5 0
1 8 ,5 4 8
2 0 ,2 7 8
2 1 ,9 5 5
2 3 ,5 8 9
2 5 ,1 8 8
2 6 ,7 5 7
2 8 ,3 0 0
2 9 ,8 1 9
3 1 ,3 1 9
32,8 0 1
3 4 ,2 6 7
3 5 ,7 1 8
3 7 ,1 5 6
3 8 ,5 8 2
3 9 ,9 9 7
4 1 ,4 0 1
4 2 ,7 9 6
44,1 8 1
4 5 ,5 5 8
4 6 ,9 2 8
4 8 ,2 9 0
4 9 ,6 4 5
5 0 ,9 9 3
5 2 ,3 3 6
5 3 ,6 7 2
6 6 ,7 6 6
7 9 ,4 9 0
9 1 ,9 5 2
1 0 4 ,2 1 5
11 6,321
1 2 8 ,2 9 9
1 4 0 ,1 6 9

1 0 ,8 2 8
1 3 ,8 1 6
1 6 ,2 6 6
1 8 ,4 6 7
2 0 ,5 1 5
2 2 ,4 5 8
2 4 ,3 2 2
2 6 ,1 2 5
2 7 ,8 7 7
2 9 ,5 8 8
3 1 ,2 6 4
3 2 ,9 0 9
3 4 ,5 2 8
3 6 ,1 2 3
3 7 ,6 9 7
3 9 ,2 5 2
4 0 ,7 9 0
4 3 ,3 1 2
4 3 ,8 2 0
4 5 ,3 1 5
4 6 ,7 9 7
4 8 ,2 6 8
4 9 ,7 2 8
5 1 ,1 7 9
5 2 ,6 2 0
5 4 ,0 5 2
5 5 ,4 7 6
5 6 ,8 9 2
5 8 ,3 0 2
5 9 ,7 0 3
7 3 ,4 0 2
8 6 ,6 6 1
9 9 ,6 0 7
1 1 2 ,3 1 7
1 2 4 ,8 3 9
1 3 7 ,2 0 8
1 4 9 ,4 4 9

V
1
2
3
4
5
6
7
8
9
10

11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100

Tomado del libro Estadstica Elemental de Robert Johnson, Referencia 15.

Contina en la siguiente pgina

V T

CONTROL DE CALIDAD

674

Continuacin de la Tabla III

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100

0,995
0,04393
0,0100
0,0717
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
11,160
11,808
12,461
13,121
13,787
20,707
27,991
35,535
43,275
51,172
59,196
67,328

0,99
0,03157
0,0201
0,115
0,297
0,554
0,872
1,239
1,646
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,879
13,565
14,256
14,953
22,164
29,707
37,485
45,442
53,540
61,754
70,065

0,975
0,03982
0,0506
0,216
0,484
0,831
1,237
1,690
2,180
2,700
3,247
3,816
4,404
5,009
5,629
6.262
6,908
7,564
8,231
8,907
9,591
10,283
10,982
11,688
12,401
13,120
13,844
14,573
15,308
16,047
16,791
24,433
32,357
40,482
48,758
57,153
65,647
74,222

0,95
0,00393
0,103
0,352
0,711
1,145
1,635
2,167
2,733
3,325
3,940
4,575
5,226
5,892
6,571
7,261
7,962
8,672
9,390
10,117
10,851
11,591
12,338
13,091
13,848
14,611
15,379
16,151
16,928
17,708
18,493
26,509
34,764
43,188
51,739
60,391
69,126
77,929

0,90
0,0158
0,211
0,584
1,064
1,610
2,204
2,833
3,490
4,168
4,865
5,578
6,304
7,042
7,790
8,547
9,312
10,085
10,865
11,651
12,443
13,240
14,041
14,848
15,659
16,473
17,292
18,114
18,939
19,768
20,599
29,051
37,689
46,459
55,329
64,278
73,291
82,358

0,75
0,102
0,575
1,213
1,923
2,675
3,455
4,255
5,071
5,899
6,737
7,584
8,438
9,299
10,165
11,036
11,912
12,792
13,675
14,562
15,452
16,344
17,240
18,137
19,037
19,939
20,843
21,749
22,657
23,567
24,478
33,660
42,942
52,294
61,698
71,145
80,625
90,133

0,50
0,455
1,386
2,366
3,357
4,351
5,348
6,346
7,344
8,343
9,342
10,341
11,340
12,340
13,339
14,339
15,338
16,338
17,338
18,338
19,337
20,337
21,337
22,337
23,337
24,337
25,336
26,336
27,336
28,336
29,336
39,335
49,335
59,335
69,334
79,334
89,334
99,334

Para V > 100

Tomado del libro Mtodos y Modelos de Investigacin de Operaciones, de Juan Prawda,

Referencia 23.

JORGE ACUA ACUA

8
5

Z
1Z
1Z
Z
Z

5 2 2 3 2 5 5 8 2 8 5 8 2 2 3 5 3 8 3 3 8 8 2 3 3 8 3 3 8 888 2 :8

2225 22233 5 2 5 ""

^_!_!!-;

X 3 2 S E S S a 8 8 3 3 2 8 5 5 3 9 3 2 S 3 3 3 3 2 2 = SSSJS^

*25 25225 **2*2 22222 22222 22222 22222

= 85283 32922
222 22252 25*** 22222 22222 22222 22222
R S S R 2J2sS= Z S S 8 S 2 8 5 P R 5 8 3 2

3338 233X2 22832 2=555 =23X3 2=888 8=392

222* 22555 2*22* 22222 22222 22222 22225

SX 2 2 2 2X 32 X8=X= 3 23 3 3 SP222 8 23 2 2 323 3 ?

3 2 " 2*555 35352 22222 22222 22222 22225

8 3 3 2 5 9 5 32X23: 2 8 2 = 8 P 5 P P 2 8 3 8 8 2 3 8 = 2 5

2 2 " 22553 3*5* 22222 22222 22222 22222

3333 =X?S 828sX 2283= 33333 2=283 8=332

2J22 23323 35352 22222 22222 22222 22222

Sflt 3 8 2 X 2 3 9 2 S S 2 2 2 3 5 = 8 8 8 X 5 8 = P 8 8 S 8
225 25223 22255 - 22 22222 22222 2 -
--rifi 5 :8 5 8 3 5 = 2 2 8 8 2 X 5 = 2 8 2 2 3 8 = 8 8 5 5 = 8 8 2

TABLA IV. Areas bajo la curva de la

222 32333 33ri5 52222 2222- 22222 22222

5.

* 2 2 2 2 ?s? ? 2 2 2 2 3 2 X 3 S 5 X 2 3 S 2 5 8 2 5 3 2 2 5 = 2 9

5322 22222 33c33 53222 2222- 2 2 2 -- 22222

2 5 3 2 8XP33 2 8= 2 2 8808S X 22 23 38 8 2 58=38

1 JS

225 25533 2 2 2 ^ 5535- 22222 2 - -2222

3 E S S = S 5 9 " 8 5 8 2 2 8 8 3 3 8 5 5 :5 : 3 5 3 5 : 8 8 3 2 P P 8

2233 23532 5555c* 55355 52222 22222 22222

-a a s 8=53= =33=* xzssx sssxa 55538

s s p c

2222 25523 22222 5ri53 55522 22222 22222

S Z a S 9 S 3 8 5 X 2 5 R 3 = 2 5 3 :: 8 8 8 8 3 8=888 " 5 8 2 P

2223 22523 22225 555** 22555 22252 22222

2 2 = 8 2 =2 3 = 3 2 2 2 = 8 33 8 2 3 33 Z 2 88888 88S8S

2355 2252 32222 5555c* c*crc*c* 52555 33222

2XXZ 22=2 =3322 X2=28 228=2 29922 38383

"225 23535 33222 22233 5555.-* 55^^^ r2522

8 ^82 9888= 583XK 2X399 2X232 S=8R5 83228

2522 22533 52332 22222 22222 22233 53525

9 8 X 2 CXX ZS 2X = 55 8 8 3 3 = 2 8X 2X 2 2 = 9 9 2 3 2 2 2

nnnnn r*r*r*r* c*rc*cc* r*5r^r* ricicicr* ric*r*r*c*

3933 852XX R3532 S S S 5 88539 53888 3385=

**< *<*>* 2 = 2 2 2

22922 8=553 83538 3338

( Cl) i o p r o j u io i o p ]op
/

pwjaaqn

<>P 0

CONTROL DE CALIDAD

TABLA V. Probabilidades en la distribucin binomial (')

P
0,10

0,20

0,25

0,30

0,40

0,50

0,60

0,70

0,80

0,90

0
1
2
3
4
5

0,5905
0,9185
0,9914
0,9995
1,0000
1,0000

0,3277
0,7373
0,9421
0,9933
0,9997
1,0000

0,2373
0,6328
0,8965
0,9844
0,9990
1,0000

0,1681
0,5282
0,8369
0,9692
0,9976
1,0000

0,0778
0,3370
0,6826
0,9130
0,9898
1,0000

0,0312
0,1875
0,5000
0,8125
0,9688
1,0000

0,0102
0,0870
0,3174
0,6630
0,9222
1,0000

0,0024
0,0308
0,1631
0,4718
0,8319
1,0000

0,0003
0,0067
0,0579
0,2627
0,6723
1,0000

0,0000
0,0005
0,0086
0,0815
0,4095
1,0000

0
1
2
3
4
5
6
7
8
9
10

0,3487
0,7361
0,9298
0,9872
0,9984
0,9999
1,0000
1,0000
1,0000
1,0000
1,0000

0,1074
0,3758
0,6778
0,8791
0,9672
0,9936
0,9991
0,9999
1,0000
1,0000
1,0000

0,0563
0,2440
0,5256
0,7759
0,9219
0,9803
0,9965
0,9996
1,0000
1,0000
1,0000

0,0282
0,1493
0,3828
0,6496
0,8497
0,9527
0,9894
0,9984
0,9999
1,0000
1,0000

0,0060
0,0464
0,1673
0,3823
0,6331
0,8338
0,9452
0,9877
0,9983
0,9999
1,0000

0,0010
0,0107
0,0547
0,1719
0,3770
0,6230
0,8281
0,9453
0,9893
0,9990
1,0000

0,0001
0,0017
0,0123
0,0548
0,1662
0,3669
0,6177
0,8327
0,9536
0,9940
1,0000

0,0000
0,0001
0,0016
0,0106
0,0474
0,1503
0,3504
0,6172
0,8507
0,9718
1,0000

0,0000
0,0000
0,0001
0,0009
0,0064
0,0328
0,1209
0,3222
0,6242
0,8926
1,0000

0,0000
0,0000
0,0000
0,0000
0,0002
0,0016
0,0128
0,0702
0,2639
0,6513
1,0000

0
1
2
3
4
5
6
7
8,
9
10
11
12
13
14
15

0,2059
0,5490
0,8159
0,9444
0,9873
0,9978
0,9997
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000

0,0352
0,1671
0,3980
0,6482
0,8358
0,9389
0,9819
0,9958
0,9992
0,9999
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000

0,0134
0,0802
0,2361
0,4613
0,6865
0,8516
0,9434
0,9827
0,9958
0,9992
0,9999
1,0000
1,0000
1,0000
1,0000
1,0000

0,0047
0,0353
0,1268
0,2969
0,5155
0,7216
0,8689
0,9500
0,9848
0,9963
0,9993
0,9999
1,0000
1,0000
1,0000
1,0000

0,0005
0,0052
0,0271
0,0905
0,2173
0,4032
0,6098
0,7869
0 9050
0,9662
0,9907
0,9981
0,9997
1,0000
1,0000
1,0000

0,0000
0,0005
0,0037
0,0176
0,0592
0,1509
0,3036
0,5000
0,6964
0,8491
0,9408
0,9824
0,9963
0,9995
1,0000
1,0000

0,0000
0,0000
0,0003
0,0019
0,0094
0,0338
0,0951
0,2131
0,3902
0,5968
0,7827
0,9095
0,9729
0,9948
0,9995
1,0000

0,0000
0,0000
0,0000
0,0001
0,0007
0,0037
0,0152
0,0500
0,1311
0,2784
0,4845
0,7031
0,8732
0,9647
0,9953
1,0000

0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0008
0,0042
0,0181
0,0611
0,1642
0,3518
0,6020
0,8329
0,9648
1,0000

0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0.0023
0,0127
0,0556
0,1841
0,4510
0,7941
1,0000

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

0,1216
0,3917
0,6769
0,8670
0,9568
0,9887
0,9976
0,9996
0,9999
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000

0.015
0,0692
0,2061
0,4114
0,6296
0,8042
0,9133
0,9679
0,9900
0,9974
0,9994
0,9999
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000

0,0032
0,0243
0,0913
0,2252
0,4148
0,6172
0,7858
0,8982
0,9591
0,9861
0,9961
0,9991
0,9998
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000

0,0008
0,0076
0,0355
0,1071
0,2375
0,4164
0,6080
0,7723
0,8867
0,9520
0,9829
0,9949
0,9987
0,9997
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000

0,0000
0,0005
0,0036
0,0160
0,0510
0,1256
0,2500
0,4159
0,5956
0,7553
0,8725
0,9435
0,9790
0,9935
0,9984
0,9997
1,0000
1,0000
1,0000
1,0000
1,0000

0,0000
0,0000
0,0002
0,0013
0,0059
0,0207
0,0577
0,1316
0,2517
0,4119
0,5881
0,7483
0,8684
0,9423
0,9793
0,9941
0,9987
0,9998
1,0000
1,0000
1,0000

0,0000
0,0000
0,0000
0,0001
0,0003
0,0016
0,0065
0,0210
0,0565
0,1275
0,2447
0,4044
0,5841
0,7500
0,8744
0,9490
0,9840
0,9964
0,9995
1,0000
1,0000

0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0003
0,0013
0,0051
0,0171
0,0480
0,1133
0,2277
0,3920
0,5836
0,7625
0,8929
0,9645
0,9924
0,9992
1,0000

0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0006
0,0026
0,0100
0,0321
0,0867
0,1958
0,3704
0,5886
0,7939
0,9308
0,9885
1,0000

0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0004
0,0024
0,0113
0,0432
0,1330
0,3231
0,6083
0,8784
1,0000

TABLA VI. Distribucin de Poisson acumulada

JORGE ACUA ACUA

677

LANDA

678

Continuacin de Tabla VI

1,00

0,368 0,736 0,920 0,981 0,996 0,999

1,05

0,350 0,717 0,910 0,978 0,995 0,999

1.10

0,333 0,699 0,900 0,974 0,995 0,999

1,15

0,317 0,681

1,20

0,301

1,25

0,286 0,645 0,868 0,962 0,991

1,30

0,273 0,627 0,857 0,957 0,989 0,998

0,999

1,35

0,259 0,609 0,845 0,952 0,988 0,997

0,999
0,999

10

11

12

13

14

15

16

17

18

19

10

11

12

13

14

15

16

17

18

19

0,890 0,970 0,993 0,999

0,663 0,879 0,966 0,992 0,998

0,998

1,40

0,247 0,592 0,833 0,946 0,986 0,997

1,45

0,235 0,575 0,821

1,50

0,223 0,558 0,809 0,934 0,981

0,940 0,984 0,996

0,999
0,999

0,999

0,995

0,999

0,796 0,928 0,979 0,995

0,999

1,55

0,212 0,541

1,60

0,202 0,525 0,783 0,921 0,976 0,994

0,999

1,65

0,192 0,509 0,770 0,914 0,973 0,993

0,998 0,999

1,70

0,183 0,493 0,757 0,907 0,970 0,992

0,998

1,75

0,174 0,478 0,744 0,899 0,967 0,991

0,998 0,999

1,80

0,165 0,628 0,731

0,891 0,963 0,990

0,997 0,999

1,85

0,157 0,448 0,717 0,883 0,960 0,988

0,997 0,999

1,90

0,150 0,434 0,704 0,875 0,956 0,987

0,997 0,999

1,95

0,142 0,420 0,690 0,866 0,952. 0,985

0,996 0,999

2,00

0,135 0,406 0,677 0,857 0,947 0,983

0,995 0,999

2,05

0,129 0,393 0,663 0,848 0,943 0,982 0,995

2,10

0,122 0,380 0,650

2,15

0,116 0,367 0,636 0,829 0,933 0,977 0,993

0,999

CONTROL DE CALIDAD

0,999

0,839 0,938 0,980 0,994 0,999

0,998 0,999

LANDA

0,355 0,623 0,819 0,928 0,975

0,992 0,998 0,999

2,20

0,111

2,25

0,105 0,342 0,609 0,809 0,922 0,973

2,30

0,100 0,331

2,35

0,095 0,319 0,583 0,789 0,910 0,967

0,990 0,997 0,999

2,40

0,091

0,308 0,570 0,779 0,904 0,964

0,988 0,997 0,999

2,45

0,086 0,298 0,557 0,768 0,898 0,961

0,987 0,996 0,999

2,50

0,082 0,287 0,544 0,758 0,891

0,986 0,996 0,999

2,55

0,078 0,277 0,531

0,747 0,884 0,954

0,984 0,995 0,999

2,60

0,074 0,267 0,518 0,736 0,877 0,951

0,983 0,995 0,999

2,65

0,071

2,70

0,067 0,249 0,494 0,714 0,863 0,943

0,596 0,799 0,916 0,970

0,958

0,258 0,506 0,725 0,870 0,947

0,981

0,997 0,999

0,994 0,998 0,999

0,979 0,993 0,998 0,999

0,978 0,993 0,998 0,999

2,75

0,064 0,240 0,481

2,80

0,061

2,85

0,058 0,223 0,458 0,681 0,840 0,930

0,973 0,991

2,90

0,055 0,215 0,446 0,670 0,832 0,926

0,971

2,95

0,052 0,207 0,434 0,658 0,824 0,921

0,969 0,989 0,997 0,999

3,00

0,050 0,199 0,423 0,647 0,815 0,916

0,566 0,988 0,996 0,999

3,05

0,047 0,192 0,412 0,636 0,807 0,911

0,964 0,987 0,996 0,999

3,10

0,045 0,185 0,401

3,15

0,043 0,178 0,390 0,614 0,789 0,900

0,958 0,984 0,995 0,998 0,999

3,20

0,041 0,171 0,380 0,603 0,781

0,895

0,955 0,983 0,994 0,998 0,999

3,25

0,039 0,165 0,370 0,591 0,772 0,889

0,952 0,982 0,994 0,998 0,999

3,30

0,037 0,159 0,359 0,580 0,763 0,883

0,949 0,980 0,993 0,998 0,999

3,35

0,035 0,153 0,349 0,569 0,753 0,877

0,946 0,979 0,992 0,998 0,999

0,231

0,703 0,855 0,939

0,992 0,998 0,999

0,991

0,469 0,692 0,848 0,935

0,625 0,798 0,906

JORGE ACUA ACUA

Continuacin de Tabla VI

0,976

0,961

0,992 0,998 0,999

0,997 0,999

0,990 0,997 0,999

0,986 0,995 0,999

679

678

Continuacin de Tabla VI

LANDA

1,00

0,368 0,736 0,920 0,981 0,996 0,999

1,05

0,350 0,717 0,910 0,978 0,995 0,999

1,10

0,333 0,699 0,900 0,974 0,995 0,999

1,15

0,317 0,681

1,20

0,301

1,25

0,286 0,645 0,868 0,962 0,991

0,998

0,999

1,30

0,273 0,627 0,857 0,957 0,989 0,998

0,999

1,35

0,259 0,609 0,845 0,952 0,988 0,997

0,999

1,40

0,247 0,592 0,833 0,946 0,986 0,997

0,999

1,45

0,235 0,575 0,821

0,999

1,50

0,223 0,558 0,809 0,934 0,981

1,55

0,212 0,541

0,796 0,928 0,979 0,995

0,999

1,60

0,202 0,525 0,783 0,921 0,976 0,994

0,999

1,65

0,192 0,509 0,770 0,914 0,973 0,993

0,998 0,999

1,70

0,183 0,493 0,757 0,907 0,970 0,992

0,998 0,999

10

11

12

13

14

15

16

17

18

19

0,890 0,970 0,993 0,999

0,663 0,879 0,966 0,992 0,998

0,940 0,984 0,996

0,995

0,999

0,999

0,174 0,478 0,744 0,899 0,967 0,991

0,998 0,999

0,165 0,628 0,731

0,891 0,963 0,990

0,997 0,999

1,85

0,157 0,448 0,717 0,883 0,960 0,988

0,997 0,999

1,90

0,150 0,434 0,704 0,875 0,956 0,987

0,997 0,999

1,95

0,142 0,420 0,690 0,866 0,952 0,985

0,996 0,999

2,00

0,135 0,406 0,677 0,857 0,947 0,983

0,995

2,05

0,129 0,393 0,663

0,995 0,999

2,10

0,122 0,380 0,650 0,839 0,938 0,980 0,994 0,999

2,15

0,116 0,367 0,636 0,829 0,933 0,977

0,848 0,943

0,982

0,993

CONTROL DE CALIDAD

1,75
1,80

0,999

0,998 0,999

LANDA

2,20

0,111

0,355 0,623 0,819 0,928 0,975

0,992 0,998 0,999

2,25

0,105 0,342 0,609 0,809 0,922 0,973

0,992 0,998 0,999

2,30

0,100 0,331

2,35

0,095 0,319 0,583 0,789 0,910 0,967

2,40

0,091

0,308 0,570 0,779 0,904 0,964

0,988 0,997 0,999

2,45

0,086 0,298 0,557 0,768 0,898 0,961

0,987 0,996 0,999

0,596 0,799 0,916 0,970

0,991

10

0,997 0,999

0,958

0,986 0,996 0,999

0,984 0,995 0,999

2,60

0,074 0,267 0,518 0,736 0,877 0,951

0,983 0,995 0,999

2,65

0,071

2,70

0,067 0,249 0,494 0,714 0,863 0,943

0,979 0,993 0,998 0,999

2,75

0,064 0,240 0,481

0,703 0,855 0,939

0,978 0,993 0,998 0,999

2,80

0,061

0,231 0,469 0,692 0,848 0,935

0,976 0,992 0,998 0,999

2,85

0,058 0,223 0,458 0,681 0,840 0,930

0,973 0,991

2,90

0,055 0,215 0,446 0,670 0,832 0,926

0,971

2,95

0,052 0,207 0,434 0,658 0,824 0,921

0,969 0,989 0,997 0,999

3,00

0,050 0,199 0,423 0,647 0,815 0,916

0,566 0,988 0,996 0,999

3,05

0,047 0,192 0,412 0,636 0,807 0,911

0,964 0,987 0,996 0,999

3,10

0,045 0,185 0,401 0,625 0,798 0,906

0,961

3,15

0,043 0,178 0,390 0,614 0,789 0,900

0,958 0,984 0,995 0,998 0,999

3,20

0,041 0,171 0,380 0,603 0,781 0,895

0,955 0,983 0,994 0,998 0,999

3,25

0,039 0,165 0,370 0,591 0,772 0,889

0,952 0,982 0,994 0,998 0,999

3,30

0,037 0,159 0,359 0,580 0,763 0,883

0,949 0,980 0,993 0,998 0,999

3,35

0,035 0,153 0,349 0,569 0,753 0,877

0,946 0,979 0,992 0,998 0,999

0,082 0,287 0,544 0,758 0,891

2,55

0,078 0,277 0,531

0,258 0,506 0,725 0,870 0,947

12

13

14

15

16

17

18

19

0,990 0,997 0,999

0,747 0,884 0,954

2,50

11

JORGE ACUA ACUA

Continuacin de Tabla VI

0,981

0,994 0,998 0,999

0,997 0,999

0,990 0,997 0,999

0,986 0,995 0,999

679

LANDA

682

C ontinuacin deTablaVI
2

5,85

0,003

5,90

0,003 0,019 0,067

0,020 0,069

0,165 0,306 0,470 0,630 0,764 0,862

0,160 0,299

10

11

12

0,926 0,963 0,983 0,993

0,462 0,622 0,758

0,857 0,923 0,961

0,454

0,852

13

14

15

0,003 0,018 0,064 0,156 0,292

0,002

6,05

0,002 0,017 0,060 0,147 0,278

0,438 0,598 0,737

6,10

0,002

0,430 0,590 0,730 0,837 0,909 0,953 0,978 0,990 0,996 0,999

6,15

0,002 0,015 0,056 0,138 0,265 0,422 0,582 0,723 0,831

6,20

0,002

0,015 0,054 0,134 0,259

0,414 0,574 0,716

0,826 0,902 0,949 0,975

0,014 0,052

0,406 0,566 0,709

0,820 0,898 0,946 0,974 0,988 0,995 0,998 0,999

0,016 0,058

0,143 0,272

0,919 0,959 0,981

0,996 0,999

0,842 0,913 0,955 0,979 0,991

0,996 0,999

6,25

0,002

6,30

0,002 0,013 0,050

6,35

0,002 0,013 0,048 0,123 0,241

6,40

0,002

0,012 0,046 0,119 0,235 0,384 0,542 0,687

6,45

0,002

0,012 0,045 0,115 0,229

0,376 0,534 0,680 0,797 0,882 0,936

0,369 0,527 0,673

0,130 0,253

0,126 0,247 0,399

0,391

0,996 0,998

0,894 0,944 0,972 0,987 0,995 0,998 0,999

0,695 0,809

0,890 0,941

0,002

0,011 0,043

0,112 0,224

0,010 0,041

0,108 0,218 0,362

6,60

0,001

0,010 0,040 0,105 0,213 0,355

6,65

0,001

0,010 0,040 0,102 0,207 0,348 0,503 0,651

6,70

0,001

0,010 0,040

0,100 0,202
0,096 0,197

0,511

0,971

0,994 0,997

18

19

0,999
0,999

0,968

0,985

0,993 0,997 0,999

0,792 0,877 0,933 0,966

0,984

0,993 0,997 0,999

0,873 0,930 0,964 0,983 0,992 0,997 0,999

0,658 0,780 0,869 0,927 0,963 0,982 0,992 0,997 0,999

0,773

0,864 0,924 0,961

6,75

0,001

0,009 0,036

6,80

0,001

0,009 0,034 0,093 0,192

6,85

0,001

0,008 0,033 0,090 0,187 0,320

6,90

0,001

0,008 0,032

6,95

0,001

0,008 0,030 0,085 0,178

7,00

0,001

0,007 0,030 0,082 0,173 0,301

0,450 0,599

7,10

0,001

0,007 0,027 0,077 0,164 0,288

0,435

0,334 0,488 0,636

0,761

0,748

0,978 0,990 0,996 0,998

0,845 0,912 0,953 0,977 0,989 0,995

0,314 0,465 0,614 0,742 0,840 0,908 0,951

0,307 0,457 0,606

0,991 0,996 0,999

0,855 0,918 0,957 0,979 0,990 0,996 0,998

0,327 0,480 0,628 0,755 0,850 0,915 0,955

0,621

0,981

0,959 0,980 0,991 0,996 0,998 0,999

CONTROL DE CALIDAD

0,495 0,643 0,767 0,860 0,921

0,472

0,986 0,994 0,998

0,803 0,88b 0,939 0,969 0,986

0,519 0,665 0,786

17

0,999

0,995 0,998 0,999

0,550

0,001

0,087 0,182

0,989

0,702 0,815

6,55

0,341

0,976 0,989

0,558

6,50

19

0,992 0,997 0,999

0,916 0,957 0,980 0,991

0,905 0,951

18

0,997 0,999

6,00

0,614 0,751

17

0,982 0,992 0,997 0,999

5,95

0,017 0,062 0,151 0,285 0,446 0,606 0,744 0,847

16

0,999
0,999

0,998

0,999

0,976 0,989 0,995 0,998

0,999

0,736 0,836 0,905 0,949 0,974 0,988 0,995 0,998 0,999

0,729 0,830 0,901

0,584 0,716

0,947 0,973 0,987 0,994 0,998 0,999

0,820 0,894 0,942 0,970 0,986 0,994 0,997 0,999

LA N D A

10

11

12

13

14

15

16

7,20

0,001

0,006 0,025 0,072 0,156 0,276

0,420 0,569 0,703 0,810 0,887 0,937 0,967 0,984 0,993 0,997 0,999

7,30

0,001

0,006 0,024 0,067 0,147 0,264

7,40

0,001

0,005 0,022 0,063 0,140 0,253

0,406 0,554 0,689 0,799 0,879 0,932 0,964 0,982 0,992 0,996 0,999
0,392 0,540 0,676 0,788 0,871 0,926 0,961 0,980 0,991 0,996 0,998 0,999
0,776 0,862 0,921 0,957 0,978 0,990 0,995 0,998 0,999
0,765 0,854 0,915 0,954 0,976 0,989 0,995 0,998 0,999
0,753 0,844 0,909 0,950 0,974 0,987 0,994 0,997 0,999

7,50

0,001

0,005 0,020 0,060 0,132 0,241 0,378

0,525 0,662

7,60

0,001

0,004 0,019 0,055 0,125 0,231 0,365

0,510 0,648

7,70

0,000 0,004 0,017 0,052 0,118 0,220 0,351

0,004 0,016 0,048 0,112 0,210 0,338

0,496 0,634

7,80

0,481 0,620

0,741 0,835 0,902 0,945 0,971

7,90

0,003 0,015 0,045 0,106 0,201 0,326

0,467 0,607

0,729 0,826 0,895 0,941

0,717 0,816 0,888 0,936 0,966 0,983 0,992 0,996 0,998 0,999
0,704 0,806 0,881 0,931 0,963 0,981 0,991 0,996 0,998 0,999

0,986 0,993 0,997 0,999

0,969 0,984 0,993 0,997 0,999

8,00

0,003 0,014 0,042 0,096 0,191 0,313

0,453 0,593

8,10

0,003 0,013 0,040 0,094 0,182 0,301

0,439 0,579

8,20

0,003 0,012 0,037 0,089 0,174 0,290

0,425 0,565

8,30

0,002 0,011

0,411 0,553

0,681 0,786 0,860 0,921

8,40

0,035 0,085 0,166 0,280

0,002 0,010 0,032 0,079 0,157 0,267

0,399 0,537

8,50

0,002 0,009 0,030 0,074 0,150 0,256

0,386 0,523

0,666 0,774 0,857 0,915 0,952 0,975 0,987 0,994 0,997 0,999
0,653 0,763 0,849 0,909 0,949 0,973 0,986 0,993 0,997 0,999

8,60

0,002 0,009 0,028 0,070 0,142 0,246

0,373 0,509

8,70

0,002 0,008 0,026 0,066 0,135 0,235

0,360 0,496

0,640 0,752 0,840 0,903 0,945 0,970 0,985 0,993 0,997 0,999
0,627 0,741 0,831 0,897 0,940 0,967 0,983 0,992 0,996 0,998 0,999

8,80

0,001

0,007 0,024 0,062 0,128 0,226

0,348 0,482

0,614 0,729 0,822 0,890 0,936 0,965 0,982 0,991

8,90

0,001 0,007 0,022 0,057 0,119 0,211

0,330 0,462

0,594 0,712 0,808 0,879 0,929 0,960 0,979 0,989 0,995 0,998 0,999

9,00

0,001

0,055 0,116 0,207

0,324 0,456

0,587 0,706 0,803 0,876 0,926 0,959 0,978 0,989 0,995 0,998 0,999

0,006 0,021

JORGE ACUA ACUA

Continuacin deTablaVI

0,692 0,796 0,873 0,926 0,960 0,979 0,990 0,995 0,998 0,999
0,957 0,977 0,989 0,995 0,998 0,999

0,996 0,998 0,999

683

LANDA

684

C ontinuacin deTablaVI
4

10

11

12

13

9,10

0,001

0,006 0,020 0,052 0,110 0,198 0,312 0,443 0,574 0,694 0,793 0,868 0,921

9,20

0,001

0,005 0,018 0,048 0,104 0,189 0,301

0,430 0,561

14

15

16

17

18

19

20

0,955 0,976 0,988 0,994 0,997 0,999

0,682 0,783 0,861 0,916 0,952 0,974 0,987 0,993 0,997 0,999

9,30

0,001

9,40

0,001

9,50

0,001

9,60

0,001

0,004 0,017 0,046 0,099 0,181 0,290 0,417 0,548 0,670 0,773 0,853 0,910 0,948 0,972 0,985 0,993 0,997 0,998 0,999
0,004 0,016 0,043 0,093 0,173 0,279 0,404 0,535 0,658 0,763 0,845 0,904 0,944 0,969 0,984 0,992 0,996 0,998 0,999
0,004 0,015 0,040 0,089 0,165 0,269 0,392 0,522 0,645 0,752 0,836 0,898 0,940 0,967 0,982 0,991 0,996 0,998 0,999
0,004 0,014 0,038 0,084 0,157 0,258 0,380 0,509 0,633 0,741 0,828 0,892 0,936 0,964 0,981 0,990 0,995 0,998 0,999

9,70

0,001

0,004 0,013 0,035 0,079 0,150 0,248 0,368 0,496 0,621 0,730 0,819 0,885 0,931

9,80

0,001

9,90

0,001

10,00

0,000 0,003 0,010 0,030 0,070 0,130 0,220 0,333 0,458 0,583 0,697 0,792 0,864 0,917 0,951

10,20

0,961 0,979 0,989 0,994 0,997 0,999

0,003 0,012 0,033 0,075 0,143 0,239 0,356 0,483 0,608 0,719 0,810 0,879 0,927 0,958 0,977 0,988 0,994 0,997 0,999
0,003 0,011 0,031 0,071 0,137 0,229 0,344 0,470 0,596 0,708 0,801 0,872 0,922 0,955 0,975 0,987 0,993 0,997 0,999

0,002 0,009 0,026 0,060 0,118 0,203 0,311

0,973 0,986 0,993 0,997 0,998

0,433 0,558 0,674 0,772 0,849 0,906 0,944 0,968 0,983 0,991

0,996 0,998
0,002 0,008 0,023 0,053 0,107 0,186 0,290 0,409 0,533 0,650 0,752 0,834 0,894 0,936 0,963 0,980 0,989 0,995 0,998
0,002 0,007 0,021 0,050 0,102 0,179 0,279 0,397 0,521 0,639 0,742 0,825 0,888 0,932 0,960 0,978 0,988 0,994 0,997
0,002 0,007 0,020 0,048 0,097 0,171 0,269 0,385 0,508 0,627 0,732 0,817 0,882 0,927 0,957 0,976 0,987 0,994 0,997

10,40
10,50
10,60
10,80

0,001

0,006 0,017 0,042 0,087 0,157 0,250 0,363 0,484 0,603 0,710 0,799 0,868 0,918 0,951

11,00

0,001

0,005 0,015 0,037 0,079 0,143 0,232 0,341 0,460 0,579 0,687 0,781

11,20

0,001

0,004 0,013 0,033 0,070 0,131

11,40

0,001

0,004 0,012 0,029 0,064 0,119 0,198 0,299 0,413 0,532 0,644 0,743 0,823 0,885 0,928 0,957 0,976 0,987 0,993

11,50

0,001

0,003 0,011

11,60

0,001

0,003 0,010 0,026 0,057 0,108 0,183 0,279 0,391 0,508 0,622 0,723 0,807 0,872 0,919 0,951

11,80

0,001

0,003 0,009 0,023 0,051 0,099 0,169 0,260 0,369 0,485 0,599 0,702 0,790 0,859 0,909 0,944 0,967 0,982 0,990

12,00

0,001 0,002 0,008 0,020 0,046 0,090 0,155 0,242 0,347 0,462 0,576 0,682 0,772 0,844 0,899 0,937 0,963 0,979 0,988

12,20

0,000 0,002 0,007 0,018 0,041

0,995

0,215 0,319 0,436 0,555 0,667 0,762 0,839 0,896 0,936 0,963 0,979 0,989 0,994

0,028 0,060 0,114 0,191

0,289 0,402 0,520 0,633 0,733 0,815 0,878 0,924 0,954 0,974 0,986 0,992
0,972 0,984 0,992

0,142 0,225 0,327 0,439 0,553 0,660 0,754 0,830 0,887 0,929 0,957 0,975 0,986

12,40

0,002 0,006 0,016 0,036 0,073 0,131

12,50

0,002 0,005 0,015 0,035 0,070 0,125 0,201

0,209 0,307 0,417 0,530 0,639 0,735 0,814 0,876 0,920 0,951

0,971

0,984

0,297 0,406 0,519 0,628 0,725 0,806 0,869 0,916 0,948 0,969 0,983

12,60

0,001

0,005 0,014 0,032 0,066

12,80

0,001

0,004 0,012 0,029 0,060 0,109 0,179 0,269 0,374 0,485 0,595 0,695 0,781

0,120 0,194 0,288 0,395 0,508 0,617 0,715 0,798 0,863 0,911

0,945 0,967 0,981

0,850 0,901 0,938 0,963 0,978

LANDA

0,004 0,011

0,026 0,054

10

11

12

13

14

15

16

17

18

19

20

0,100 0,166 0,252 0,353 0,463 0,573 0,675 0,764 0,835 0,890 0,930 0,957 0,975
0,153 0"35 0,333 0,441 0,551 0,655 0,746 0,821 0,879 0,922 0,952 0,971

13,00

0,001

13,20

0,000 0,003 0,009 0,023 0,049 0,091

0,219 0,319 0,420 0,529 0,634 0,727 0,805 0,867 0,913 0,945 0,967
0,079 0,135 0,211 0,304 0,409 0,518 0,623 0,718 0,798 0,861 0,908 0,942 0,965

13,40

0,003 0,008 0,020 0,044 0,083 0,141

13,50

0,003 0,008 0,019 0,041

13,60

0,002 0,007 0,018 0,040 0,075 0,130 0,204 0,295 0,399 0,507 0,613 0,708 0,789 0,854 0,904 0,939 0,963
0,002 0,006 0,016 0,035 0,069 0,119 0,189 0,277 0,378 0,486 0,592 0,689 0,773 0,841 0,893 0,931 0,958

13,80

14,40

0,002 0,005 0,014 0,032 0,062 0,109 0,176 0,260 0,358 0,464 0,570 0,669 0,756 0,827 0,883 0,923 0,952
0,002 0,005 0,013 0,028 0,056 0,100 0,163 0,243 0,339 0,443 0,549 0,649 0,738 0,813 0,871 0,915 0,946
0,001 0,004 0,011 0,025 0,051 0,092 0,151 0,228 0,320 0,423 0,528 0,630 0,720 0,797 0,859 0,906 0,940

14,50

0,001 0,004 0,010 0,024 0,048 0,088 0,145 0,220 0,311

14,60

0,001

14,00
14,20

0,413 0,518 0,619 0,711

0,790 0,853 0,901

0,936

15,00

0,004 0,010 0,023 0,046 0,084 0,139 0,213 0,302 0,402 0,507 0,609 0,702 0,782 0,847 0,896 0,933
0,001 0,003 0,009 0,020 0,042 0,066 0,129 0,198 0,285 0,383 0,486 0,589 0,683 0,766 0,833 0,886 0,925
0,001 0,003 0,008 0,018 0,037 0,070 0,118 0,185 0,268 0,363 0,466 0,568 0,664 0,749 0,819 0,875 0,917

15,20

0,000 0,002 0,007 0,016 0,033 0,064 0,109 0,172 0,251

14,80

0,344 0,445 0,548 0,645 0,732 0,805 0,864 0,908

15,60

0,014 0,030 0,058 0,100 0,160 0,236 0,326 0,425 0,527 0,625 0,714 0,790 0,852 0,899
0,002 0,006 0,013 0,029 0,055 0,096 0,154 0,228 0,317 0,415 0,517 0,615 0,705 0,782 0,846 0,894
0,002 0,005 0,013 0,027 0,053 0,092 0,148 0,221 0,308 0,406 0,507 0,606 0,696 0,775 0,839 0,889

15,80

0,002 0,005

16,00

0,001

0,004

16,20

0,001

0,004 0,009

0,020 0,039 0,071 0,117 0,180 0,259 0,349 0,447 0,546 0,641

16,40

0,001

0,003 0,008

0,018 0,035 0,065 0,108 0,168

16,50

0,001

0,003

15,40
15,50

JORGE ACUA ACUA

Continuacin deTablaVI

CONTROL DE CALIDAD

0,081

0,972 0,985 0,992 0,996

0,854 0,907 0,944 0,968 0,982 0,991

0,002 0,006

0,012 0,025 0,048 0,084 0,137 0,207 0,291

0,010

0,007 0,017 0,034 0,062 0,104 0,162

0,001

0,003 0,007

0,001

0,002

17,00

0,001

0,002 0,005

17,20

0,001

0,002

17,40

0,001

0,002 0,004

0,006

0,243 0,331

0,467 0,566 0,659 0,742

0,812 0,868

0,726 0,798 0,857

0,428 0,526 0,622 0,708

0,783 0,845

0,236 0,323 0,418 0,516 0,612 0,700 0,776 0,838

0,016 0,032 0,059 0,100 0,156 0,228 0,314 0,409 0,507 0,602 0,691 0,768 0,832
0,014 0,029 0,054 0,092 0,145 0,214 0,297 0,390 0,487 0,583 0,673 0,752 0,819
0,013 0,026 0,049 0,084 0,135

0,201

0,281

0,371

0,468 0,564 0,655

0,736 0,805

0,024 0,045 0,078 0,125 0,188 0,265 0,353 0,449 0,545 0,637 0,720 0,791
0,010 0,021 0,040 0,071 0,116 0,176 0,250 0,336 0,430 0,526 0,618 0,703 0,777

0,005 0,011

685

16,60
16,80

0,386 0,487 0,586 0,678 0,759 0,826 0,879

0,022 0,043 0,077 0,127 0,193 0,275 0,368

LANDA

686

C ontinuacin deTablaVI
4

10

11

12

13

14

15

16

17

18

19

20

17,50

0,000 0,001

0,004 0,009 0,020 0,039 0,068 0,112 0,170 0,243 0,328 0,420 0,516 0,609

17,60

0,001

0,003 0,009 0,019 0,037 0,065 0,107 0,164 0,235 0,319 0,411 0,506 0,600

0,686 0,762

17,80

0,001

0,003 0,008 0,017 0,033 0,060 0,099 0,153 0,221

0,303 0,393 0,487 0,581

0,669 0,746
0,651 0,731

18,00

0,001

0,003 0,007 0,015 0,030 0,055 0,092 0,143 0,208 0,287 0,375 0,469 0,562

18,20

0,001

0,003 0,006 0,014 0,027 0,050 0,084 0,133 0,195

18,40

0,000 0,002 0,006 0,012 0,025 0,046 0,078 0,123 0,183 0,256 0,341 0,432 0,525

0,271

0,358 0,450

0,544 0,633 0,715

18,50

0,002

0,005 0,012 0,024 0,044 0,075 0,119 0,177 0,249 0,332 0,423 0,516

18,60

0,002

0,005

0,072 0,115 0,171

0,242 0,324 0,414

18,80

0,002

0,004 0,010 0,020 0,038 0,066 0,106 0,160

19,00

0,001

0,004 0,009 0,018 0,035 0,061

19,20

0,001

0,003 0,008 0,017 0,031

0,011 0,022 0,042

0,695 0,769

0,615 0,698
0,606 0,690

0,506 0,597 0,681

0,228 0,308 0,396

0,488

0,098

0,150 0,215 0,292 0,37

0,469

0,561 0,647

0,056 0,091

0,140 0,202 0,277 0,361

0,451

0,542 0,630

0,084 0,130 0,190 0,262 0,345 0,433

0,524 0,612

0,579 0,664

19,40

0,001

0,003 0,007 0,015 0,029 0,051

19,50

0,001

0,003 0,007 0,014 0,027 0,049 0,081

19,60

0,001

0,003

19,80

0,001

0,002 0,006 0,0.2 0,024 0,043 0,072

0,113 0,167 0,234 0,312 0,398

0,488 0,577

20,00

0,001

0,002 0,005 0,011 0,021

0,066

0,105 0,157 0,221 0,297 0,381

0,470 0,559

20,20

0,001

0,002 0,004 0,010 0,019 0,036 0,061

0,097 0,146 0,208 0,282 0,365

0,453 0,541

20,40

0,001

0,002

0,004 0,009 0,018 0,033 0,056 0,090 0,137 0,196 0,268 0,348

0,435 0,524

20,50

0,001

0,002

0,004 0,008 0,017 0,031

0,426 0,515

20,60

0,000 0,001

20,80

0,001

0,003 0,008 0,014 0,027 0,047 0,077 0,119 0,174 0,240 0,317 0,401 0,488

21,00

0,001

0,003 0,006 0,013 0,024 0,043 0,071

0,111

21,20

0,001

0,002 0,006 0,012 0,022 0,040 0,066

0,103 0,153 0,214 0,287

0,368 0,454

21,40

0,001

0,002 0,005 0,010 0,020

0,096

21,50

0,001

0,002 0,005 0,010 0,019 0,035

0,126 0,184 0,255 0,336 0,425 0,515 0,603

0,006 0,013 0,026 0,047 0,078 0,121

0,039

0,004 0,008 0,016 0,030 0,051

0,132 0,190 0,260 0,340

0,084 0,128 0,185 0,254 0,332 0,418 0,506

0,036 0,061

0,163 0,227 0,302

0,384 0,471

0,143 0,202

0,273

0,352 0,437

0,059 0,093 0,139 0,196

0,266

0,344 0,428

1iBr/F/UBWoi

CONTROL DE CALIDAD

0,054 0,087

0,178 0,248 0,328 0,416 0,506 0,595

10

LANDA

11

14

12

15

18

16

19

20

0,259 0,336 0,420

21,60

0,001

0,002 0,004 0,009 0,018 0,033 0,056 0,089 0,134 0,191

21,80

0,001

0,002 0,004 0,008 0,017 0,030 0,052 0,083 0,125 0,180 0,245 0,321

22,00

0,001

0,002 0,003 0,008 0,015 0,028 0,048 0,077 0,117 0,169 0,233 0,306 0,387

22,20

0,000 0,001 0,003 0,007 0,014 0,025 0,044 0,071

0,109 0,159 0,220 0,291

0,403

0,371

22,40

0,001

0,003 0,006 0,012 0,023 0,040 0,066 0,102 0,149 0,208 0,277 0,355

22,50

0,001

0,003 0,006 0,011

0,022 0,039 0,063 0,098 0,144 0,202 0,271

22,60

0,001

0,003 0,006 0,011

0,021

0,037 0,061

JORGE ACUA ACUA

Continuacin deTablaVI

0,347

0,094 0,140 0,196 0,264 0,340

0,185 0,251

0,325

22,80

0,001

0,002 0,005 0,010 0,019 0,034 0,056 0,088 0,131

23,00

0,001

0,002 0,004 0,009 0,017 0,031

23,20

0,001

0,002 0,004 0,008 0,016 0,028 0,048 0,076 0,115 0,165 0,225 0,296

23,40

0,001

0,002 0,004 0,007 0,014 0,026 0,044 0,071

23,50

0,000 0,001 0,003 0,007 0,014 0,025 0,042 0,068 0,104 0,150 0,208 0,275

0,052 0,082 0,123 0,175 0,238 0,310

0,107 0,155 0,213 0,282

0,066 0,100 0,146 0,202 0,268

23,60

0,001 0,003 0,007 0,013 0,024 0,041

23,80

0,001 0,003 0,006 0,012 0,022 0,037 0,061

24,00

0,001 0,003 0,005 0,011

24,20

0,001 0,002 0,005 0,010 0,018 0,032 0,052 0,081

24,40

0,001 0,002 0,004 0,009 0,017 0,029 0,048 0,075 0,113 0,160 0,219

24,50

0,001 0,002 0,004 0,008 0,016 0,028 0,046 0,073 0,109 0,156 0,213

24,60

0,001 0,002 0,004 0,008 0,015 0,027 0,044 0,070 0,105 0,151

24,80

0,001 0,002 0,004 0,007 0,014 0,024 0,041

25,00

0,000 0,001

0,093 0,137 0,191

0,255

0,020 0,034 0,056 0,087 0,128 0,180 0,243

0,120 0,170 0,230

0,207

0,065 0,099 0,142 0,196

0,003 0,006 0,012 0,022 0,038 0,060 0,092 0,134 0,185

687

C O N T R O L D E C A L ID A D

TABLA VII. Constante K, para lmites de tolerancia individuales {')

1 - a - 0.99

- a - 0.95

n
2
3
4
5
6
7
3
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
150
200
250
300
400
500
600
700
800
900
1000
00

0.90

0.95

0.99

0.90

0.95

0.99

32.019
8.380
5.369
4.275
3.712
3.369
3.136
2.967
2.839
2.737
2.655
2.587
2.629
2.480
2.437
2.400
2.366
2.337
2.310
2.208
2.140
2.090
2.052
2.021
1.996
1.976
1.958
1.943
1.929
1.917
1.907
1.897
1.889
1.881
1.874
1.825
1.798
1.780
1.767
1.749
1.737
1.729
1.722
1.717
1.712
1.709
1.645

37.674
9.916
6.370
5.079
4.414
4.007
3.732
3.532
3.379
3.259
3.162
3.081
3.012
2.954
2.903
2.858
2.819
2.784
2.752
2.631
2.549
2.490
2.445
2.408
2.379
2.354
2.333
2.315
2.299
2.285
2.272
2.261
2.251
2.241
2.233
2.175
2.143
2.121
2.100
2.084
2.070
2.060
2.052
2.046
2.040
2.036
1.960

48.430
12.861
8.299
6.634
5.775
5.248
4.891
4.631
4.433
4.277
4.150
4.044
3.955
3.878
3.812
3.754
3.702
3.656
3.615
3.457
3.350
3.272
3.213
3.165
3.128
3.094
3.066
3.042
3.021
3.002
2.966
2.97)
2.958
2.945
2.934
2.859
2.816
2.788
2.707
2.739
2.721
2.707
2.097
2.G88
2.682
2.676
2.576

160.193
18.930
9.398
6.612
5.337
4.613
4.147
3.822
3.582
3.397
3.250
3.130
3.029
2.945
2.872
2.808
2.753
2.703
2.659
2.494
2385
2.306
2.247
2.200
2.162
2.130
2.103
2.080
2.060
2.042
2.026
2.012
1.999
1.987
1.977
1.905
1.865
1.839
1.820
1.794
1.777
1.764
1.755
1.747
1.741
1.736
1.645

188.491
22.401
11.150
7.855
6.345
5.488
4.936
4.550
4.265
4.045
3.870
3.727
3.608
3.507
3.421
3.345
3.279
3.221
3.168
2.972
2.841
2.748
2.677
2.621
2.576
2.538
2.500
2.478
2.454
2.433
2.414
2.397
2.382
2.368
2.355
2.270
2.222
2.191
2.109
2.138
2.117
2.102
2.091
2.082
2.075
2.068
1.960

242.300
29.055
14.527
10.260
8301
7.187
6.468
5.966
5.594
5.308
5.079
4.893
4.737
4.605
4.492
4.393
4.307
4.230
4.161
3.904
3.733
3.611
3.518
3.444
3.385
3.335
3.293
3.257
3.225
3.197
3.173
3.150
3.130
3.112
3.096
2.983
2.921
2.880
2.850
2.809
2.783
2.763
2.748
2.736
2.726
2.718
2.576

* Tomada de la Referencia 20

Tomada de la

TABLA

VIII. Tabla de

JORGE ACUA ACUA

689