Professional Documents
Culture Documents
a. Matemáticas Básicas
b. Entendimiento de las Tendencias Centrales (Media, Mediana,
Moda) y Variación (Rango, Desviación Estándar).
c. Entendimiento del Pensamiento Estadístico
d. Mapeo y Entendimiento de Procesos
Análisis de Procesos
Trazar un Diagrama de Flujo Detallado
e. Diagramas Causa - Efecto
Entender las Fuentes de Variación
Trazar un Diagrama Causa – Efecto
CONTENIDO TEMÁTICO
f. Gráficos de Control
Entender los distintos Gráficos de Control
Selección Adecuada de Gráficos de Control
Entender si un procesos es estable o no
Interpretar un Gráfico de Control
g. Histogramas y Análisis de Capacidad (Cp y Cpk)
Interpretar un Histograma
Interpretar los Índices de Capacidad
Entender si un proceso es capaz de cumplir con las
especificaciones
h. Colección de Datos
i. Análisis de Datos utilizando las Siguientes Técnicas:
Diagrama de Pareto
Check List u Hojas de Datos
CONTENIDO TEMÁTICO
j. Solución de problemas sistemáticamente
Planeación de Proyectos de Mejora Continua
Seleccionar un Equipo de Trabajo “Cruzado”
Dirigir Reuniones de Trabajo Efectivas
Utilizar el Ciclo de Deming PDCA
Conducir Análisis de Problemas
Identificar Causas Raíz
Formular diversas soluciones potenciales
Seleccionar la mejor solución
Prueba y Error – Estandarizar Resultados
k. Entender como “Explotar” los datos
l. Desarrollar un Plan de Control de Procesos
Control Estadístico de
Procesos
Conceptos Estadísticos
Fundamentales
– Matemáticas Básicas –
CONCEPTOS FUNDAMENTALES
1. En muchos casos es necesario trabajar con experiencias o
procesos que generan un número muy grande de datos o
resultados numéricos, es decir, espacios muestrales con un
número INFINITO O MUY GRANDE DE ELEMENTOS.
2. Cuando tenemos un conjunto muy grande de datos
numéricos para analizar, decimos que tenemos un Universo
o Población de observaciones.
CONCEPTOS FUNDAMENTALES
30 29
26
29 30 31 • Cada DATO NUMÉRICO es
31
33 32 un elemento de la
29 27 29 30 población o universo.
27 36
28 30
25 27 • Una MUESTRA es un
32
31 subconjunto pequeño de
28 32
30 31 observaciones EXTRAÍDAS
29 30 30 de un UNIVERSO O
31 28
34 POBLACIÓN.
33 31
Población o Universo
CONCEPTOS FUNDAMENTALES
Extraemos un
30 29 dato de la
26
29 30 31 Población
31
33 32
29 27 29 30
27 36
28 30
25 27
32 30
31
28 32
30 31
29 30 30
31 28
34
33 31
Población o Universo
CONCEPTOS FUNDAMENTALES
30 29
26
29 30 31
31
33 32
29 27 29 30
27 36 28
28 30
25 27
32 29 30 31
31
28 32
30 31 34
29 30 30
31 28
34
33 31 Muestra
de 5 datos
Población o Universo
CONCEPTOS FUNDAMENTALES
• La Estadística trabaja con poblaciones de datos y con muestras
extraídas de las mismas.
• Los conceptos de población y muestra a veces resultan
ambiguos en su aplicación práctica
• Por ejemplo, supongamos que en
una ciudad de 5000 habitantes se
realiza un censo médico en el cual se
mide el peso, la altura y se toman
otros datos de todos los habitantes
de la ciudad.
CONCEPTOS FUNDAMENTALES
• Alguien podría referirse al UNIVERSO O POBLACIÓN censada
teniendo en mente el conjunto de los habitantes de la ciudad.
• Pero cuando hablamos en términos estadísticos, nos referimos
a poblaciones o universos DE DATOS.
• Por ejemplo, el conjunto de todas las mediciones de altura (De
los habitantes de la ciudad) es un conjunto de datos y por lo
tanto constituye un universo o población de datos desde el
punto de vista estadístico.
• Otro universo o población de datos son los pesos medidos (De
los habitantes de la ciudad). Pero la población de habitantes,
es decir, las personas que habitan la ciudad no son la población
a la que nos estamos refiriendo DESDE EL PUNTO DE VISTA
ESTADÍSTICO.
CONCEPTOS FUNDAMENTALES
Proceso Muestra
Producto
Medición
Datos Numéricos
CONCEPTOS FUNDAMENTALES
30 29
26
29 30 31
31
33 32
29 27 29
27 26 x
28 30 27
32 25
28 x x
31
28 32 x x x
30 31 x x x
29 30
31 30 x x x x x x
30 34
x x x x x x x x
33 31 x x x x x x x x x x
Población o Universo 24 25 26 27 28 29 30 31 32 33 34 35
CONCEPTOS FUNDAMENTALES
O Utilizar Cuadritos en lugar de Cruces
30 29
26
29 30 31
31
33 32
29 27 29
27 26 28 30 27
32 25
28 31
28 32
30 31
29 30
31 30
30 34
33 31
Población o Universo 24 25 26 27 28 29 30 31 32 33 34 35
CONCEPTOS FUNDAMENTALES
MEDIA
CONCEPTOS FUNDAMENTALES
También nos muestra cuales son los valores MÁXIMO
y MÍNIMO de la población, es decir, el RANGO:
30 29
26
29 30 31 Promedio
31
33 32
29 27 29
27 26 28 30 27
32 25
28 31
28 32
30 31
29 30
31 30
30 34
33 31
Población o Universo 24 25 26 27 28 29 30 31 32 33 34 35
CONCEPTOS FUNDAMENTALES
30 29
26
29 30 31
31
33 32
29 27 29
27 26 28 30 27
32 25
28 31
28 32
30 31
29 30
31 30
30 34
33 31
Población o Universo 24 25 26 27 28 29 30 31 32 33 34 35
Rango
MEDIDAS DE TENDENCIA
CENTRAL O POSICIÓN
Las medidas de Tendencia Central más Importantes son:
Media: Aritmética y Aritmética Ponderada.
Mediana.
Moda.
30
Moda
25
Mediana
20
15
Media
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
MEDIA ARITMÉTICA
CÁLCULO DE LA MEDIANA:
Para datos no agrupados:
Si n es impar: posición donde se ubica la mediana es
igual a (n+1)/2.
Si n es par: (n+1)/2 no es entero, por lo tanto la
mediana será igual al promedio de las dos
posiciones centrales.
CÁLCULO DE LA MEDIANA
n 1
F ( xm1 )
Md Lm 2 Cm
f ( xm )
Donde: Lm: límite inferior de la clase mediana.
F(xm-1): frecuencia acumulada de la clase anterior a la clase
mediana.
f(xm): frecuencia absoluta de la clase mediana.
Cm: amplitud de la clase mediana.
MODA
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
CÁLCULO DE LA MODA
1
Mo Lim Cm
1 2
Donde: Lim: límite inferior de la clase modal.
1: Diferencia entre fi de la clase modal y la anterior.
2: Diferencia entre fi de la clase modal posterior.
Cm: Amplitud de la clase modal (clase de mayor frecuencia).
RELACIÓN ENTRE LA MEDIA, LA
MEDIANA Y LA MODA
ATRIBUTOS:
Son los valores que toma la variable en
cada caso.
TIPOS DE DATOS
VENTAJAS
Útil cuando se quiere conocer la extensión de las
variaciones extremas (Valor Máximo de la Dispersión).
Fácil de Calcular.
MEDIDAS DE DISPERSIÓN:
VARIANZA
Para Datos NO s
2 i 1
n
Agrupados: n
x 2
i
2
s2 i 1
x
n
MEDIDAS DE DISPERSIÓN:
DESVIACIÓN TÍPICA
Es la raíz cuadrada de la varianza.
Notación: s, .
s s 2
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
MEDIDAS DE FORMA:
ASIMETRÍA
Permiten estudiar la forma de la curva, dependiendo de
cómo se agrupan los datos.
SIETE HERRAMIENTAS
BÁSICAS DE CALIDAD
7 HERRAMIENTAS BÁSICAS ……..…. QUE
PUEDEN MEJORAR LA CALIDAD
7.- ASEGURE Y VERIFIQUE LOS RESULTADOS LOS 8 PASOS DEL PROCESO DE 3.- IDENTIFIQUE, OBTENGA Y ANALICE DATOS
SOLUCIÓN
DE PROBLEMAS
6.- DESARROLLE UN PLAN DE ACCIÓN E IMPLEMÉNTELO 4.- LOCALICE Y DETERMINE LAS CAUSAS RAÍZ
I. Introducción
Las 7 Herramientas de Calidad
¿Que son?
• Sirven para reunir y clasificar la información según
determinadas categorías, mediante la anotación y
registro de sus frecuencias bajo la forma de datos.
• Lo esencial de los datos es que el propósito esté
claro y que los datos reflejen la verdad. Estas hojas
de registro tienen muchas funciones, pero la
principal es hacer fácil la recopilación de datos y
realizarla de forma que puedan ser usadas
fácilmente y analizarlos automáticamente.
HOJAS DE CONTROL
Mes, 2011
Defectos 14 15 16 17 18 19 20 TOTAL
GRÁFICO
30
28
26
24
Temp. °C
22
20
• Formato 18
16
14
12
10
8 10 12 2 4 6 8 10 12 2 4 6
AM PM AM
¿QUE ES?
Una herramienta que
se utiliza para priorizar
los problemas o las
causas que los generan X
Una serie de barras cuyas
alturas reflejan la
frecuencia o impacto de TIPO
los problemas
Según Pareto, si se tiene un problema con muchas
causas, podemos decir que el 20% de las causas
resuelven el 80% del problema y el 80% de las causas
solo resuelven el 20% del problema
¿PARA QUE SE USA?
75%
80%
50%
25%
0%
Tipo de Defectos
93.2 100
120 88.9 100
X
X
100
80.3
X 80
FRECUENCIA
80 58.7
X 60
60 %
32.8 40
40 X
20
20
38 30 25 10 8
5
0 0
A B C D E F
¿QUE ES ?
Es un diagrama que
demuestra la relación Maquinaria Mano de Obra
entre Efectos y las
Categorías de sus causas
Una Técnica Gráfica para DEFECTOS
identificar y agrupar ideas
de la gente acerca de las
Causas de un Problema o Método Materiales
Característica de Calidad
Los Elementos que pueden ser analizados son:
a. Maquinaria
b. Mano de Obra
c. Método
d. Materiales
e. Mantenimiento
f. Medio Ambiente
¿PARA QUE SE USA?
Para determinar el Efecto o Problema que se
desea analizar
Categorizar las causas posibles
Descubrir Sub-Categorías
No usa Estadística
Ayuda a determinar Causas Raíz
Motiva a los Grupos de Trabajo a participar
Motiva a los equipos de trabajo a considerar la complejidad
de los problemas y a establecer objetivos que analicen los
factores contributores de los mismos.
Mezclado Rebabadora
PreCurado Moldeadora
Velocidad Estampado
REBABAS
Especificaciones Supervisión
Variaciones Entrenamiento
MATERIALES OPERADORES
¿QUE SON?
• Un Gráfico de Barras
Verticales que representa LIC LSC
una serie de datos y que
a diferencia de otros, no Y
refleja el rendimiento de
los procesos a través del
tiempo
X
¿COMO FUNCIONAN?
• Define Categorías para los datos
• Colecciona Datos y los clasifica por categorías
• Al trazar el Diagrama, cada categoría encuentra su lugar en
el eje de las X
• Las barras serán tan altas, como el valor de su categoría
¿PARA QUE SE USAN?
• Proveen una manera fácil de evaluar la distribución de
los datos de distintas categorías
• Resumen una gran cantidad de datos gráficamente
• Apoyan en la toma de decisiones
• Obtener una comunicación clara y efectiva de la
variabilidad del sistema a los miembros de equipos
• Muestran el resultado de un cambio en el sistema
• Identifican anormalidades, examinando la forma
• Comparar la variabilidad de los procesos con los límites
de especificación
FALLAS EN REFRIGERADORES
LIC LSC
100
Frecuencia (%)
50
TIPO DE DEFECTO
CONCEPTOS FUNDAMENTALES
Cartas de control
12.5 Límite
Superior de
11.5 Control
10.5
9.5 Línea
Central
8.5
Límite
Inferior de
7.5
Control
0 10 20 30
Límite Inferior
Analizar Costos
150
100 LC = 100.0
50
0 LIC = 0
0 5 10 15 20 25 30 35
Frecuencia (Mins.)
Límites de Control
y
LSC = Media del Proceso + 3 Desviaciones Estándar
LIC = Media del Proceso - 3 Desviaciones Estándar
+3
-3
x
TIEMPO
Y
99.8 % de las
Mediciones
3.09 s
M X
PATRONES DE
ANORMALIDAD EN
LA CARTA DE CONTROL
“ESCUCHE LA VOZ DEL PROCESO” Región de Control,
M captura la variación
E
natural del proceso
D
I original
D LSC
A
S
C LIC
A
L
Tendencia del Proceso
I
D El Proceso ha Cambiado
A
Causa Especial
IDENTIFCADA
D
TIEMPO
Métodos de Calidad para
Manufactura – C. E. P.
• Las cartas de control detectan la variación anormal en un proceso,
denominadas “Causas Especiales o Causas Asignables de Variación.”
Predicción
Tiempo
LIC
LSC
LSC
Proceso Fuera de Control, con Causas Especiales Presentes, El Proceso No Es Predecible
Las causas especiales normalmente provocan que los procesos sean INESTABLES y salgan
Métodos de Calidad para
Manufactura – C. E. P.
= R
d2
Donde,
Ancho 9´
Nigel´s Trucking Co.
TEORÍA DEL CAMIÓN Y EL
TÚNEL
1. El túnel tiene 9' de ancho (especificación). El camión tiene 10’
de ancho y el chofer es perfecto (Variación del Proceso).
¿Pasará el camión? NO, la Variabilidad del Proceso es Mayor
que la especificación.
z
-3 -2 -1 0 1 2 3
CARACTERÍSTICAS DE LA
DISTRIBUCIÓN NORMAL
68%
34% 34%
+1
95%
+2
99.73%
+3
CAPACIDAD DEL PROCESO
– FRACCIÓN DEFECTIVA
1. La capacidad en función de la fracción defectiva del Proceso se
calcula en función de la fracción defectiva para cada lado del
rango de Especificación.
=
Rango Medio
Constante d2 de acuerdo al tamaño de subgrupo en X-R
-1.42 0
CÁLCULO DE LA
CAPACIDAD DEL PROCESO
55,1 gr. 57,1 gr. 53,3 gr. 53,9 gr. 55,9 gr.
PIEZA: 6 7 8
60
Peso de las piezas (Gr.)
58
56
54
52
50
48
1
11
13
15
17
19
Nº de pieza
Observamos una línea
quebrada irregular, que
nos muestra las
fluctuaciones del peso
de las piezas a lo largo
del tiempo.
Esta es la fluctuación esperable y
natural del proceso. Los valores se
mueven alrededor de un valor central
(El promedio de los datos), la mayor
parte del tiempo cerca del mismo.
Pero en algún
momento puede
ocurrir que
aparezca uno o más
valores demasiado
alejados del
promedio.
¿Cómo podemos distinguir si
esto se produce por la
FLUCTUACIÓN NATURAL
del proceso o porque el
mismo ya no está
funcionando bien?
Esta es la respuesta que
provee el control
estadístico de procesos,
y a continuación veremos
como lo hace.
Maquinaria Métodos
Materias
Primas Proceso
Mano de Condiciones
Obra Ambientales
Cada uno de estos factores está sujeto
a VARIACIONES que realizan aportes
más o menos significativos a la
fluctuación de las características del
producto, durante el proceso de
fabricación.
Los responsables del funcionamiento del proceso
de fabricación fijan los valores de algunas de estas
variables, que se denominan VARIABLES
CONTROLABLES.
Por ejemplo, en el caso de la inyectora se fija la
temperatura de fusión del plástico, la velocidad de
trabajo, la presión del pistón, la materia prima que
se utiliza (Proveedor del plástico), etc.
Pero un proceso de
fabricación es una
suma compleja de
eventos grandes y
pequeños.
Hay una gran cantidad de variables que sería
imposible o muy difícil controlar. Estas se
denominan VARIABLES NO CONTROLABLES.
Los efectos que producen
las VARIABLES NO
CONTROLABLES son
aleatorios.
Además, la contribución de cada una de las
VARIABLES NO CONTROLABLES a la
variabilidad total es cuantitativamente pequeña.
Son las variables no
controlables las
responsables de la
variabilidad de las
características de calidad
del producto.
Los cambios en las
variables controlables se
denominan Causas
Asignables de variación del
proceso, porque es posible
identificarlas.
Las fluctuaciones al azar
de las VARIABLES NO
CONTROLABLES se
denominan CAUSAS NO
ASIGNABLES de variación
del proceso, porque no son
pasibles de ser
identificadas.
Causas Asignables: Son causas que
pueden ser identificadas y que
conviene descubrir y eliminar, por
ejemplo, una falla de la máquina por
desgaste de una pieza, un cambio muy
notorio en la calidad del plástico, etc.
Estas causas provocan que el
proceso no funcione como se desea
y por lo tanto es necesario eliminar
la causa, y retornar el proceso a un
funcionamiento correcto.
Causas No Asignables: Son una
multitud de causas no identificadas, ya
sea por falta de medios técnicos o
porque no es económico hacerlo, cada
una de las cuales ejerce un pequeño
efecto en la variación total.
Son inherentes al
proceso mismo, y
no pueden ser
reducidas o
eliminadas a menos
que se modifique el
proceso.
Cuando el proceso trabaja
afectado solamente por un
sistema constante de
variables aleatorias no
controlables (Causas no
asignables) se dice que
está FUNCIONANDO BAJO
CONTROL ESTADÍSTICO.
Cuando, además de las
causas no asignables,
aparece una o varias
causas asignables, se dice
que el proceso está
FUERA DE CONTROL.
El uso del control
estadístico de
procesos lleva
implícitas algunas
hipótesis, que
describiremos a
continuación:
1. Una vez que el proceso está en
funcionamiento bajo condiciones
establecidas, se supone que la
variabilidad de los resultados en la
medición de una característica de
calidad del producto se debe sólo a un
sistema de causas aleatorias, que es
inherente a cada proceso en
particular.
2. El sistema de causas aleatorias que
actúa sobre el proceso genera un
universo hipotético de observaciones
(mediciones) que tiene una Distribución
Normal.
3. Cuando aparece alguna CAUSA
ASIGNABLE provocando desviaciones
adicionales en los resultados del
proceso, se dice que el proceso está
fuera de control.
La función del control
estadístico de procesos es
comprobar en forma
permanente si los resultados
que van surgiendo de las
mediciones están de
acuerdo con las dos
primeras hipótesis.
Si aparecen uno o varios
resultados que contradicen o se
oponen a las mismas, es
necesario detener el proceso,
encontrar las causas por las
cuales el proceso se apartó de
su funcionamiento habitual y
corregirlas.
Control Estadístico
de Procesos
¿COMO PONERLO EN
MARCHA?
La puesta en marcha
de un programa de
control estadístico
para un proceso
particular implica dos
etapas:
1a Etapa: Ajuste del
Proceso
Control
Estadístico
No
En la 1a etapa se recogen unas 100
– 200 mediciones, con las cuales
se calcula el promedio y la
desviación standard:
X
X i
X X
2
i
N
Luego se calculan los Límites de
Control de la siguiente manera:
Lim.Superior X 3.09
Lim.Inferior X 3.09
Estos límites surgen de la
hipótesis de que la
distribución de las
observaciones es normal.
En general se utilizan
límites de 2 sigmas ó de 3
sigmas alrededor del
promedio.
En la distribución normal, el
intervalo de 3,09 sigmas
alrededor del promedio
corresponde a una
probabilidad de 0,998.
Y
99.8 % de las
mediciones
3.09
X
Entonces, se construye un gráfico
de prueba y se traza una línea
recta a lo largo del eje de
ordenadas (Eje Y), a la altura del
promedio (Valor central de las
observaciones) y otras dos líneas
rectas a la altura de los límites de
control.
Gráfico de Control de Prueba
65
Límite Superior = 60,8 Gr.
Peso de las piezas (Gr.)
60 Promedio = 55 Gr.
55
50
Límite Inferior = 49,2 Gr.
45
13
15
17
19
9
1
11
Nº de pieza
En este gráfico se
representan los
puntos
correspondientes a
las observaciones
con las que se
calcularon los límites
de control:
Gráfico de Control de Prueba
65
Peso de las piezas (Gr.)
60
55
50
45
13
15
17
19
9
1
11
Nº de pieza
Este gráfico de prueba se analiza
detenidamente para verificar si está de
acuerdo con la hipótesis de que la
VARIABILIDAD DEL PROCESO se
debe sólo a un SISTEMA DE CAUSAS
ALEATORIAS o si, por el contrario,
existen causas asignables de variación.
Esto se puede establecer
porque cuando la
fluctuación de las
mediciones se debe a un
sistema constante de
causas aleatorias la
distribución de las
observaciones es normal.
Gráfico de Control de Prueba
65
Peso de las piezas (Gr.)
60
55
50
45
13
15
17
19
7
1
11
Nº de pieza
Cuando las observaciones
sucesivas tienen una
distribución normal, la mayor
parte de los puntos se sitúa
muy cerca del promedio,
algunos pocos se alejan algo
más y prácticamente no hay
ninguno en las zonas más
alejadas:
Gráfico de Control de Prueba
La mayor parte
de los puntos
están muy cerca
65 del promedio
Peso de las piezas (Gr.)
60
55
50
45
13
15
17
19
1
11
Nº de pieza
Lejos del
Gráfico de Control de Prueba promedio
hay menos
65
Peso de las piezas (Gr.)
60
55
50
45
13
15
17
19
7
1
11
Nº de pieza
Más afuera casi
Gráfico de Control de Prueba no hay puntos
65
Peso de las piezas (Gr.)
60
55
50
45
13
15
17
19
7
1
11
Nº de pieza
Es difícil decir como es el gráfico de un
conjunto de puntos que siguen un
PATRÓN ALEATORIO DE
DISTRIBUCIÓN NORMAL, pero sí es
fácil darse cuenta cuando no lo es.
Veamos algunos ejemplos de
patrones No Aleatorios:
Gráfico de
Control
Una sucesión de
puntos por
encima ...
Gráfico de
Control
... o por debajo
de la línea
central.
Gráfico de
Control
Una serie
creciente de 6 ó 7
observaciones...
Gráfico de
Control
Varios puntos
por fuera de los
límites de control
Si no se descubren
causas asignables
entonces se adoptan
los límites de control
calculados como
definitivos, y se
construyen cartas de
control con esos
límites.
Gráfico de Control de Prueba
65
Peso de las piezas (Gr.)
60
Lím. Superior
55 Valor Central
50
Lím. Inferior
45
35
21
23
25
27
29
31
33
37
39
Nº de pieza
Si sólo hay pocos puntos fuera de
control (2 ó 3), estos se eliminan, se
recalculan la media, desviación standard
y límites de control con los restantes, y
se construye un nuevo gráfico de
prueba.
Cuando las observaciones no
siguen un patrón aleatorio,
indicando la existencia de causas
asignables, se hace necesario
investigar para descubrirlas y
eliminarlas.
Una vez hecho esto, se
deberán recoger nuevas
observaciones y
calcular nuevos límites
de control de prueba,
comenzando otra vez
con la 1a etapa.
En la 2a etapa, las nuevas
observaciones que van surgiendo
del proceso se representan en el
gráfico, y se controlan verificando
que estén dentro de los límites, y
que no se produzcan patrones no
aleatorios:
Gráfico de Control de Prueba
65
Peso de las piezas (Gr.)
60
Lím. Superior
55 Valor Central
Punto fuera de control
50
Lím. Inferior
45
33
21
23
25
27
29
31
35
37
39
Nº de pieza
Como hemos visto, el 99,8
% de las observaciones
deben estar dentro de los
límites de 3,09 sigmas
alrededor de la media.
Esto significa que sólo 1
observación en 500 puede
estar por causas aleatorias
fuera de los límites de
control.
Entonces, cuando se encuentra más de 1 punto
en 500 fuera de los límites de control, esto indica
que el sistema de causas aleatorias que
provocaba la variabilidad habitual de las
observaciones ha sido alterado por la aparición
de una causa asignable que es necesario
descubrir y eliminar.
En ese caso, el supervisor del
proceso debe detener la marcha
del mismo e investigar con los
que operan el proceso hasta
descubrir la o las causas que
desviaron al proceso de su
comportamiento habitual.
Una vez eliminadas las
causas del problema, se
puede continuar con la
producción normal.