Unidad 3. Ealuacion y Control de La Calidad en Los Procesos

Programa desarrollado | Calidad en procesos
Unidad 3. Evaluacin y control de la calidad en los procesos
Licenciatura en:
Gestin y Administracin de Pequeas y Medianas Empresas (PyMES)
Programa de la asignatura:
Calidad en Procesos
Clave:
07143633
Universidad Abierta y a Distancia de Mxico

UnADM
Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES


ndice

Unidad 3. Evaluacin y control de la calidad en los procesos .............................................. 3
Presentacin de la unidad ................................................................................................ 3
Propsitos de la unidad .................................................................................................... 4
Competencia especfica .................................................................................................... 4
3.1. Control estadstico de procesos ................................................................................. 4
3.1.1. Estadstica .............................................................................................................. 5
3.1.2. Muestreo e Inspeccin .......................................................................................... 11
3.1.3. Grficas de control ................................................................................................ 13
3.2 Six sigma .................................................................................................................. 24
3.2.1. Seleccin de proyectos para six sigma ................................................................. 24
3.2.2. Principios de six sigma ......................................................................................... 27
3.2.3. Six sigma y produccin esbelta ............................................................................ 30
3.3. Mejora continua ....................................................................................................... 32
3.3.1. Metodologa 8D ..................................................................................................... 32
3.3.2 QFD (Quality Function Deployment) ...................................................................... 35
3.3.3. Anlisis del proceso del cliente ............................................................................. 41
Actividad 1. Mejora continua ........................................................................................... 44
Actividad 2. Variabilidades de mejora ............................................................................. 45
Autoevaluacin ............................................................................................................... 45
Evidencia de aprendizaje. Proyecto control estadstico de procesos ............................. 45
Cierre de la unidad .......................................................................................................... 46
Para saber ms ............................................................................................................... 47
Fuentes de consulta ........................................................................................................ 47




Presentacin de la unidad
Esta es tu ltima unidad de la materia. Ningn tema de calidad puede dejar de mencionar
la palabra estadstica, pues herramientas bsicas de la calidad surgen de esta ciencia, en
esta unidad visualizas la estadstica desde un panorama administrativo, de estar al
pendiente en las variaciones de cualquier proceso e identificar tcnicas estadsticas que
habra que utilizar para minimizar variaciones o no salirse de los lmites de control que
puedan afectar la calidad del producto final, sea un bien o un servicio. No salirse de
control!, dos herramientas te ayudarn a indicarte si tienes tu proceso bajo control:
muestreo y grficos de control.
Six sigma, es una metodologa de mejora a la calidad, con enfoque estadstico. El xito de
la solucin se encuentra en la capacidad de identificar los tipos de problemas que six
sigma resuelve, en primera instancia con el enfoque DMAIC y las herramientas que
vienen implcitas en la herramienta; tiene caractersticas, principios que la encaminan ms
a la formalidad y a resultados formales tambin. Por cierto, si six sigma se hace amiga de
la manufactura esbelta, el trabajo de encontrar problemas y soluciones se vuelve ms gil
para el administrador.
Estas aprendiendo a reflexionar estadsticamente situaciones de variacin de calidad en

una empresa, eso es bueno! Convncete a ti mismo que el pensamiento estadstico del
tomador de decisiones te facilita administrar.


Al final de la unidad se te presentan 3 herramientas de mejora continua en torno a corregir
y eliminar problemas raz de productos y procesos. Cada una de ellas tiene su uso
particular en situaciones diversas, pero todas coinciden en mejorar procesos, ya sea de
productos o servicios que el mismo cliente interno o externo exige, 8 disciplinas QFD, y
anlisis del proceso del cliente.
Propsitos de la unidad
El estudiante al finalizar la unidad ser capaz de:
Identificar el uso de las herramientas de

control.
Identificar variabilidades de mejora de
los procesos de calidad.
Emplear una herramienta de mejora de
control y calidad continua.
Competencia especfica
Evaluar la calidad en los procesos

productivos en una PyME para identificar
variabilidades que se presenten y que
permitan mejorarlos a travs del uso de
una de las herramientas de mejora en un
caso dado.
3.1. Control estadstico de procesos

Un proceso, cualesquiera de que se trate, sea de produccin o de servicio, se encuentra
bajo control cuando no hay causas que alteren su funcionamiento habitual. El control
estadstico de procesos se basa en analizar informacin del proceso y detectar, si es que
suceden causas corregibles que lo alteren, para ello, se utilizan grficas de control, en
donde se visualiza variabilidad dentro de lmites construidos.


Esta herramienta, utiliza la estadstica, pues es necesario recolectar, organizar, e
interpretar datos. A travs de seales estadsticas se manifiestan variaciones que si se
detectan con tiempo, es posible investigarlas y eliminarlas, de lo contrario habr prdidas,
o mala calidad. Adems con la tcnica de muestreo sin tener que inspeccionar toda una
produccin es posible decidir sobre aceptar o rechazar materiales, componentes,
productos a comprar o transformados.
3.1.1. Estadstica
La estadstica es muy aplicada en materia de calidad, de hecho en las grandes empresas
los responsables de calidad en su mayora son personas que tienen pensamiento
estadstico, pues decisiones importantes de calidad se basan en el anlisis de datos,
control de los procesos, que se reflejan en herramientas estadsticas y el responsable se
apoya mucho en las aplicaciones de sta.
No importa que una empresa sea pequea, el personal de esta tambin necesita entender
conceptos estadsticos del anlisis de datos, que incluye el diseo del producto, proceso,
inspeccin, control de los procesos, verificacin de las mejoras a los procesos, entre
muchas aplicaciones.
La esencia de la estadstica en la calidad en los procesos es precisamente esa capacidad

de obtener informacin relevante para controlar y mejorar procesos a partir de
recopilacin de datos, organizados, presentados, analizados. Los conceptos estadsticos
son decisivos para una buena administracin de calidad y son clave para manejar los
procesos.
La estadstica como ciencia es muy amplia y nutrida. En este apartado de la materia se te
presenta el tema de manera general, de forma que relaciones la aportacin de la
estadstica en el control de los procesos. La estadstica es la ciencia que trata de la
recoleccin, tabulacin, anlisis, interpretacin y presentacin de datos cuantitativos.
(Besterfield, 2009:118)


Por lo general, la estadstica se divide en estadstica descriptiva y estadstica inferencial:
La estadstica descriptiva se dedica a recopilar, organizar y describir datos. Las medidas
de tendencia central como la media, moda, mediana, y medidas de dispersin como
rango, desviacin estndar, varianza, proveen informacin cuantitativa de la naturaleza
de los datos; los histogramas, las distribuciones de frecuencia se usan para organizar
y presentar datos.
Por ejemplo, el problema de equipaje no entregado en autobuses

de largo tramo. Un anlisis de frecuencia puede demostrar que un
50% se debe a que se entrega sin revisar etiquetas, 20% el usuario
toma el equipaje por el color y tamao (en mayora los equipajes son
negros), 20% el error se debe al colocar etiquetas y un 10% olvida
alguna maleta. Tambin se pueden tomar otros datos relacionados
con el problema como rutas con ms equivocaciones, porcentaje de
errores de equipaje por cada cantidad de pasajeros, etc. Con cierta
recopilacin de informacin es posible identificar problemas de
calidad y medirla con el propsito de mejorarla.
Otro componente para resolver problemas estadsticos es la estadstica inferencial,

aunque en esta materia no se ver a detalle te la resumo brevemente para que visualices
los tipos de situaciones que en esta estadstica se analizan. Como el nombre lo indica, en
este proceso se infiere, se llegan a conclusiones de particularidades desconocidas con los
datos tomados. Aqu son comunes las tcnicas de prueba de hiptesis, intervalos de
confianza, diseo de experimentos.
Por ejemplo, una empresa de elaboracin de alimentos est realizando

pruebas de productos alimenticios caseros congelados y est interesado en
determinar el punto exacto de la temperatura y humedad que debe cumplir el
proceso ya probado en esta fabricacin del nuevo e innovador producto.
Como los resultados han arrojado informacin distinta se genera un intervalo
de confianza en la muestra representativa. Se hacen diferentes experimentos
para conocer los efectos de los factores del proceso sobre las variables que
interesa conocer y cuando se llegue al ideal, saber las condiciones de calidad
de los procesos que deben atenderse para obtener esos resultados.


Tambin vale la pena mencionar que la estadstica que utiliza normalmente las tcnicas
de anlisis de correlacin y el anlisis de regresin se le conoce como estadstica
predictiva, se usa para hacer predicciones de valores futuros con base a datos histricos.
Normalmente predice resultados futuros, teniendo claro las caractersticas de un proceso.
Por ejemplo, en calibracin de instrumento, la correlacin se utiliza en

los dispositivos de prueba. En estos estudios se utiliza un instrumento
para medir una muestra de prueba estndar, que tiene caractersticas
conocidas. Los resultados reales se comparan con los resultados
estndar y se realizan ajustes para compensar los errores. Otro ejemplo,
en un saln de clases con datos de cada integrante se puede predecir
estadsticamente el desempeo que tendr cada alumno al finalizar el
curso.
Si te interes el tema de la estadstica inferencial y predictiva en la seccin para saber

ms se te recomienda un link para los diferentes tipos de estadsticas.
Entonces, enfocndose en la estadstica descriptiva, y como se aplica para analizar la
calidad y la variabilidad de un proceso, enseguida se te presentarn tres medidas de la
tendencia central, que permiten saber si el proceso est centrado e identificar valores que
tienden a concentrarse: media, mediana y moda.
Media muestral o promedio: se obtiene sumando todos los datos y el resultado se divide
entre el nmero de datos(n)
Ejemplo: Los siguientes son ventas en una semana: $2000, $3500, $1900, $4000, $4800,
$1900, en promedio las ventas son de: (2000+3500+1900+4000+4800+1900)/6 =
$18100/6= $3016.6.
Significa que la media muestral en las ventas es de $3,016.6
Mediana: cuando los datos se ordenan de menor a mayor es el valor que divide a la mitad
los datos; cuando el nmero de datos es impar, es el nmero que queda en medio,
cuando es par, se suman los dos nmeros que quedaron en medio y se divide la suma de
ambos.


Ejemplo: en los siguientes datos 900, 600, 750, 800, 500, 1000,700, la mediana es 750,
pues despus de ordenarlos es el que quedo en medio:
500, 600, 700, 750, 800, 900, 1000
Moda: Es el dato que se repite con ms frecuencia
Ejemplo: de los datos de las siguientes longitudes
24 cm, 23 cm, 21 cm, 20 cm, 2cm, 21 cm, 24cm, 24 cm, 22 cm, 24 cm,
La moda es 24 cm, se repite 4 veces.
Las Medidas de dispersin son rango, desviacin estndar y varianza, son formas de
medir la variabilidad, y llevar a cabo un estudio de capacidad de proceso.
Desviacin estndar, es la medida ms usual de variabilidad, indica el esparcimiento de
los datos respecto a la media, se representa con S y se calcula con la siguiente frmula.
S= (X1-X)2 + (X2-X)2 +. + (Xn X)2
n
S mide la distancia que en promedio hay entre los datos y la media, entre mayor es S
significa que ms variabilidad hay entre los datos.
Ejemplo: La desviacin estndar de los siguientes datos: X1= 7, X2= 8, X3=9, X4=6, X5=7,
X6=8, n es igual al nmero de datos que son 6
La media es = X= 7.5
S= (7-7.5)2 + (8-7.5)2 + (9-7.5)2 + (6-7.5)2 + (7-7.5)2 + (8-7.5)2 / 6 =
0.25 + 0.25 + 2.25 + 2.25 + 0.25 + 0.25 / 6 = 5.5/ 6 =
0.916 = 0.95
Varianza muestral: es el cuadrado de la desviacin estndar, S2. Se le conoce como el
"casi promedio" de los cuadrados de las desviaciones de los datos con respecto a
la media muestral.
Rango: R, es igual a la diferencia entre el dato mayor y el dato menor del acumulado de
datos. Por ejemplo, en los datos 45 + 63+ 25, el rango es 63-25 = 38, (nmero mayor
menos nmero menor).
La hoja de clculo es un programa que te puede ayudar mucho a que ordenes

informacin recopilada en datos, analices e intrpretes informacin mediante la
elaboracin de grficos, incluso, apliques frmulas estadsticas que el software
ya tiene implcito en funciones estadsticas.



La variacin estar presente siempre en cualquier proceso, ya que pueden existir en
cualquier situacin, durante la produccin, con la gente misma, materiales, ajustes en
mquinas, medio ambiente, mtodo de trabajo, etc. Estas variaciones se le conocen con
el nombre de variacin por azar o causas comunes. Normalmente el diseo del
producto y el sistema de produccin dictan las variaciones que ocurren, por consecuencia
para reducirla, habra que redisear el producto, usar la tecnologa adecuada para ese
rediseo y capacitar a quienes intervienen en las actividades.
Otras variaciones conocidas como variacin por causas especiales o atribuibles, son
ocasionadas por distintas causas que la mayora de las veces no corresponden al
proceso, simplemente aparecen, sin embargo, con mtodos estadsticos si se detectan a
tiempo y se tiene el conocimiento para ello se corrigen. Por citar puede ser distraccin en
alguna orden, material equivocado, mala calibracin, un trabajador suplente, falla por el
mal funcionamiento de una pieza en alguna mquina, etc.
Figura 1. Causas ms comunes de las variaciones en un proceso
Variacin por
causas comunes
Causa: Diseo del
producto
Variaciones
Variacin por
causas comunes
Causa: Sistema
de produccin
Variacin por
causas especiales
Otras causas
Aplicacin de tcnicas
estadsticas de control
(estudio y evaluacin
de la variabilidad
existente)
Cuando un proceso presenta causas comunes en la variacin se considera en control

estadstico o estable, porque su variacin es predecible. Un proceso con causas
especiales de variacin est fuera de control estadstico, o inestable porque pueden
aparecer estas causas en cualquier momento.
Es importante entender los dos tipos de variabilidad para actuar con direccin ante ellos.
Si hubiese por ejemplo una variacin proveniente de una causa comn y se reaccione
como si fuese una variacin especial, o al revs tratar un efecto de una variacin comn
cuando viene de una variacin especial, obviamente estara causando stress en el actuar
porque de seguro encontraron culpables, o estn gastando en algo que no es, hasta


pueden llegar a despedir, todo por una mala direccin del encargado al enfocar mal estas
variaciones.
Ejemplo:
En una produccin de chocolates estn saliendo con pequeas ranuras,
como si un beb lo hubiese mordisqueado. Si este error lo provoca un
roce de piezas en una de las maquinas (causa especial), los tcnicos
pudieran atenderlo al checar las piezas. En cambio, si se debiera a un
cambio de proveedor de cocoa, de menor calidad, que se hizo para
reducir costos, en este caso, los tcnicos no puedan hacer mucho, ms
bien, el encargado de compras, o el dueo seran quien decidira sobre la
materia prima.
Con los ejemplos anteriores es evidente que el administrador en una empresa de

cualquier tamao, habr de considerar en sus decisiones que la estadstica le es til, no
necesariamente que debe ser un perito en estos temas que destacan habilidades
matemticas bsicamente, sino que integre en su equipo a alguien con este perfil,
preferentemente en temas de calidad, o quiz se decida a comprender estos temas al
menos en la intensidad de saber cundo, dnde y cual aplicar en que momento. Aunque
el administrador se resista la estadstica se encuentra inherente en los procesos, pues
cuando hay variacin en ellos, o sea cambios que modifican y afectan el proceso o
servicio, ah est la estadstica, que con sus tcnicas pueden reducir esas variaciones o
mantenerse dentro de los lmites si se conoce la naturaleza de la misma; las herramientas
de la estadstica en los procesos tambin permite identificar la frecuencia con que se
presentan los problemas, analiza datos para enfocarse en causas importantes.

Como se aprecia vale la pena que la empresa invierta en capacitacin en temas
especficos de estadstica segn el grado de responsabilidad del puesto y actividades que
hagan. Es posible que algunos puestos recopilen informacin, en otros la organicen, la
presenten en grficos, otros ms calculen o proyecten datos en algn grfico u anlisis,
quiz el administrador decida cul es la informacin que le interese para tomar
decisiones; pero en conjunto todos hay que colaborar con la estadstica!
10


3.1.2. Muestreo e Inspeccin

Inspeccin en una empresa califica la calidad de materia prima
y productos finalizados. La empresa en su estructura decide
donde colocar estas funciones, habitualmente inspeccin se
realiza en produccin, otras veces en calidad, o en ambas,
incluso algunas empresas la tienen como rea especfica.
En una produccin normal a los trabajadores se les indica que
inspeccionen lo que reciben y lo que entregan; aunque cuando
se trata de produccin en masa esta inspeccin resulta poco
confiable, costosa e inefectiva.
Antes los inspectores vigilaban el 100% de la produccin, con la produccin en masa,
surge el control estadstico de la calidad y se les ensea a usar herramientas estadsticas
de muestreo y grficas de control, con ello dejaron inspeccionar toda la produccin y
empiezan con el muestreo. En este tema revisars el muestreo, en el siguiente tu
aprendizaje torna en grficas de control.
La herramienta del muestreo requiere menos tiempo y dinero para recopilar datos, pues
en lugar de inspeccionar todo solo se toma una porcin representativa de la poblacin de
inters. La persona en una empresa que decida utilizar esta herramienta va a elegir que
muestra elegir segn el objetivo de la misma y la poblacin a representar. Cuando se
habla de poblacin se refiere a los elementos de los cuales se va a tomar informacin o
decisin.
Los mtodos de muestreo ms comunes son los siguientes:
v Muestreo aleatorio simple: Muestra que se elige y en donde cada elemento de la
poblacin tiene las mismas probabilidades de ser seleccionado.
Como es aleatorio se elige al azar, se puede apoyar para elegir al azar utilizando
caja con papeles, software como Excel que seleccionan una muestra aleatoria,
tabla con nmeros aleatorios, o cualquier otra forma de seleccionar
aleatoriamente.
v Muestreo estratificado: La poblacin se divide en grupos y se selecciona una
muestra de cada uno de ellos.
v Muestreo sistemtico: Se selecciona cada ensimo elemento (5to, 6to, etc.)
v Muestreo por grupos: Se selecciona un grupo tpico y se toma una muestra
aleatoria del mismo.
v Muestreo por juicio: Se usa la opinin de expertos para determinar ubicacin y
caractersticas de un grupo a ser muestreados que sea posible precisar.
Cuando se tiene una produccin o servicio que se desea juzgar, bien se puede tomar la
decisin de no inspeccionar, inspeccionar todo o muestrear por aceptacin.
11


El muestreo de aceptacin o inspeccin por muestras es til cuando el costo de toda la
inspeccin es ms alto que tener defectos, no hay mucho tiempo para inspeccionar,
cuando la inspeccin implica pruebas destructivas (ejemplo, prueba de resistencia, de
tensin), de tal forma que si se hiciera toda la inspeccin los productos se destruyeran,
cuando se desea asegurar la calidad del producto, cuando se desea reducir la inspeccin,
cuando es mucho lo que se inspecciona y es ms probable inspeccionar mal que elegir un
plan de muestreo. Empresas pequeas o medianas normalmente inspeccionan al 100%
por desconocer tcnicas de muestreo cuando lo amerite.
De acuerdo a la naturaleza de la caracterstica inspeccionada el muestreo por
aceptacin puede ser por atributos y por variables. En el primero la caracterstica es de
tipo cualitativo (pasa o no pasa) y el segundo es cuantitativo (distancia, peso, longitud,
volumen, voltaje, humedad, etc.). En este ltimo se toma una muestra aleatoria y a cada
unidad de la muestra se mide esa caracterstica de calidad (distancia, peso, longitud,
volumen, voltaje, humedad, etc.), con esos datos se calcula un estadstico en funcin de
las especificaciones, de la media y de la desviacin estndar de la muestra. Al comparar
el valor de este estadstico contra un valor de tablas ya definidas de acepta o rechaza el
lote. En el de atributos se extrae aleatoriamente una o ms muestras de un lote y cada
pieza de la muestra se clasifica de acuerdo con ciertos atributos como aceptable o no
aceptable y la cantidad de piezas defectuosas se usa para decidir si el lote se acepta o
no. Para extender el conocimiento sobre tablas estadsticas, muestreos, seleccin de
muestras para decidir si un lote se acepta o no dependiendo sea por atributos o por
variables, se te recomienda visitar la seccin para saber ms.
En cuanto a muestreo se refiere, en la elaboracin de las grficas de control, que es el
siguiente tema, se debe tomar en cuenta lo siguiente:
a) El mtodo para seleccionar las muestras de debe elegir con detenimiento a fin de
no alterar resultados; utilizar mediciones consecutivas durante un tiempo
minimizan la posibilidad de variabilidad dentro de una muestra,
b) El tamao de la muestra debe ser representativa del estado de control en un
instante determinado. Para determinar tamaos de muestras para datos de
atributos se debe elegir una n suficientemente grande para ofrecer 50 por ciento
de probabilidades de detectar un cambio en el proceso de una cantidad especfica,
c) La frecuencia del muestreo depende de la aplicacin individual y volumen de
produccin, pero las muestras deben de ser lo suficiente como para detectar
cambios en las caractersticas del proceso y que medie el costo del muestreo. Por
ltimo, segn costos se encuentra la ubicacin de los lmites de control.
12


3.1.3. Grficas de control

Como ya se mencion al inicio de esta unidad, en el tema 3.1.1, la variabilidad en una
empresa est presente en diferentes eventos. El buen administrador est al pendiente de
estas variaciones, de estos cambios que se suscitan, pero ante qu cambios actuar?,
las acciones tomadas ante esos cambios son apropiadas?, el porqu de estas
preguntas. Es sencillo. Siempre hay variacin y muchos responsables de algn rea
reaccionan en automtico en buscar culpables, corregir consecuencias, apagar fuegos.
Pocas veces se toman el tiempo en analizar las causas origen. Por ejemplo un proceso
que fall, quejas que puso el cliente, calidad que baj en produccin, cada de cifras en
algn punto importante, o cualquier problema que haya variado, es ms posible que
castiguen a un nmero de culpables en lugar de observar la variabilidad y llegar al origen.
Por lo anterior, para monitorear y controlar los procesos se utilizan los grficos o
diagramas de control, pues muestran causas de variacin, el comportamiento de un
proceso a travs del tiempo. En este diagrama se permite distinguir las variaciones por
causas comunes de las de causas especiales, y as decidir sobre mejores acciones de
control o de mejora. Claro, esto lo hace la persona responsable y con conocimientos de
analizar esta informacin!
Los elementos de un diagrama de control son la lnea central, que es el promedio del
estadstico del proceso en control estadstico, y cuando es as los puntos caen dentro de
los lmites superior e inferior; de lo contrario, aunque fuese un punto fuera de los lmites
de control, significa que alguna causa especial ocurri y hay que averiguar.
13


Figura 2. Elementos de un grfico de control
LCS: Lmite de control superior
v
a
r
i
a
b
l
e
LCS: Lmite central
LCS: Lmite de control inferior
Tiempo
Existen dos tipos de estos diagramas: diagrama de control para datos variables y
diagrama de control por atributos. El primero representa mediciones, se miden con
base en una escala continua, normalmente se apoyan en instrumentos de medicin como
temperatura, pesos, tiempo, distancia, voltaje, humedad, volumen, etc. El segundo, es
segn el atributo, aceptable o inaceptable. Se basa en escala de medicin nominal.
Las grficas que se utilizan ms a menudo de los datos de variable son la grfica X (se
usa para el seguimiento del centrado del proceso) y la R (grfica de rangos, se usa para
el seguimiento de la variacin en el proceso).
Para elaborarlas se toman entre 25 a 30 muestras, y el tamao generalmente vara de 3 a
10, considerando 5 como comn.
k
X= xi
R= Ri
i= 1
i= 1
k= nmero de muestra, n= tamao de

la muestra
Para cada muestra i, se obtiene la
media (xi) y rango (Ri)
Luego se calcula la media general (X) y
el rango promedio (R) que detallan las
lneas centrales de las grficas.
El clculo de la media general y el rango promedio. Ambos se obtienen con el promedio

de la media de las muestras.
Una y otra sirven para calcular los lmites de control superior e inferior (LCS y LCI), a
travs de las siguientes frmulas:
LCSR = D4R
LCSX = X + A2R
LCIR = D3R
LCIX= X A2R
D3, D4 y A2 dependen del

tamao de la muestra,
14


Si el proceso est bajo control estadstico, el rango de los puntos se ubicar en los lmites
de control, si algn punto est fuera de los lmites de control, o un comportamiento fuera
de lo comn, puede significar que alguna causa especial se hizo presente y habr que
determinarla. Cuando estas causas estn presentes es preciso eliminar los puntos de
datos correspondientes y calcular de nuevo la media general, el rango promedio y los
lmites de control para mejorar el control estadstico.
Hay que analizar antes la grfica R para determinar si un proceso est bajo control
estadstico, luego centrar la atencin en la grfica X. Pues los lmites de control de la
grfica X dependen del rango promedio y causas especiales de la grfica R pueden
producir patrones fuera de lo comn en la grfica X, aun cuando el centrado del proceso
est bajo control.
Se ilustra el siguiente ejemplo:
Un tipo de cable utilizado en la produccin de arneses debe tener un grosor de .0255 cm,
con una tolerancia de 0.0125 cm. En una planta de produccin se seleccionaron tres
cables cada hora y se midi su espesor con los siguientes resultados de 25 muestras:
La media de la primera muestra es:

= 45+63+25 =
3

133
3
El rango queda: 63-25= 38
= 44.33, se redondear al entero
(nmero mayor menos nmero menor)
As se calculan las medias y rangos de las siguientes 24 muestras,

El rango promedio, es la suma de los promedios muestrales dividida entre el nmero de
muestras
R= R = 635 = 25.4
k
25
15


La media general es igual a la suma de los promedios de las muestras dividida entre el
nmero de muestras
X = X = 1224 = 49
k
25
Lmites de control, como el tamao de la muestra es 3, los factores para calcularlos son:
A2=1.023 y D4=2.574, D3=0. El lmite de control inferior en la grfica de rangos es cero.
Otros factores de las grficas de control puedes consultarlos en el siguiente link
http://rodorta.webs.ull.es/cec/Tablas/Diagramas_var.pdf
Calculando los lmites, sustituyendo los datos queda:

= 49 + (1.023 * 25.4) = 74.98 75
= 49 (1.023*25.4) = 23.02
= 2.574 *25.4 = 65.37
=0 *25.4 = 0
Estos datos representados en la grfica son los siguientes:
16


Promedios
100
90
80
70
60
50
40
30
20
10
0
LCS =75
LC =49
LCI=23.02
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
Rangos
LCS=65.37
70
60
50
40
30
LCS=25.4
20
10
0
LCI=0
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
Al examinar la grfica de rangos, aparenta que el proceso est bajo control. Todos los
puntos caen dentro de los lmites de control y no existen patrones fuera de lo comn, sin
embargo, en la grfica x la muestra 24 se encuentra por encima del lmite de control
superior. Al investigar, se detecta que se utiliz material en mal estado.
Este dato se debe eliminar de los clculos de la grfica de control y volver a realizar los
clculos y la grfica.
Un grfico ilustra un proceso bajo control cuando:
a) ningn punto se encuentra fuera de los lmites de control,
b) el nmero de puntos por encima y debajo de la lnea central es muy similar,
c) los puntos parecen caer en forma aleatoria arriba y debajo de la lnea central, d) la
mayora de los puntos, aunque no todos, estn cerca de la lnea central y solo algunos
estn cerca de los lmites de control (Evans, 2009:721)
Los siguientes cinco patrones indican un proceso con causas especiales de variacin, es
decir, un proceso inestable y posibles causas que lo ocasionan.
17


Figura 3. Patrones no aleatorios que indican cuando algo especial est ocurriendo en el
proceso
Gutirrez (232-235:2010)
De acuerdo con la figura anterior, el tipo de patrn de cambio de nivel del proceso se
presenta cuando uno o ms puntos se salen de los lmites de control o hay una tendencia
larga y clara a que los puntos consecutivos caigan de un solo lado de la lnea central.
Estos cambios pueden suscitarse a: nuevos trabajadores, mquinas, mtodos, materiales,
etc.; cambios en la forma de inspeccionar, proceso mejor o peor, mayor o menor atencin
a trabajadores.
El esquema de tendencia en el nivel del proceso, los valores de los puntos en el diagrama
tienden en forma ascendente o descendente definida y larga. Entre las causas especiales
se encuentran, desgaste de herramientas, calentamiento de mquinas, cambios en las
condiciones del medio ambiente, acumulacin de productos de desperdicio en tuberas,
desajuste gradual del equipo de produccin.
La imagen de los ciclos recurrentes (periodicidad), que se caracteriza por un flujo de
puntos continuos que tienden a crecer y luego un flujo similar que tiende a bajar, este
comportamiento repetido en perodos; entre algunas de las causas estn los cambios
peridicos del ambiente, rotacin tanto de personas como de mquinas, dispositivos de
prueba, etc.
18


Cuando hay mucha variacin, existen muchos puntos cerca de los lmites de control o a
ambos lados de la lnea central y pocos o ningn punto en la parte central. Entre las
causas estn el sobrecontrol o ajustes innecesarios en el proceso, mtodos de prueba o
de calidad sin considerar todo el sistema.
Y en la ltima de las grficas de la figura se refiere a la falta de variabilidad, significa que
algo especial hay en el proceso de manera que todos los puntos se estn concentrando
en el centro, entre las causas puede estar, equivocacin en el clculo de los lmites de
control, datos provenientes de diferentes resultados, entre otros.
En el diagrama por datos variables tambin existe grficas especiales de control para
datos variables, como el de medidas individuales y desviacin estndar, no se vern en
este apartado, sin embargo, es posible ampliar visitando el link que se te recomienda en
la seccin Para saber ms.
Grficas de control por atributos
Existen muchas caractersticas de calidad del tipo pasa o no pasa, que segn sea se
indica como producto defectuoso o no defectuosos, dependiendo de los atributos que
posea. Cuando un producto no rene ciertos atributos no continua el proceso y es
considerado como defectuoso o no conforme.
Entre los grficos de control por atributos el ms comn es el grfico p, otros grficos son
el grfico np (nmero de defectuosos), c (nmero de defectos por subgrupo), u (nmero
promedio de defectos por unidad). En este apartado se analizar el grafico p, y al final del
tema se ilustran las frmulas con las que se pueden atender los otros grficos de control
por atributos, pues la mecnica es la misma, se recolecta datos, se aplica a las frmulas,
se grfica, se analiza y se toman decisiones. Adems si tu inters es mayor se te
recomienda revisar ms informacin en la seccin Para saber ms.
El grfico p proporcin de artculos defectuosos, analiza variaciones en la fraccin o
proporcin de artculos defectuoso por muestra o subgrupo, se utiliza para indicar el
porcentaje de productos defectuosos en un proceso.
Para ello se toma una muestra o subgrupo de ni artculos, que puede ser todo o una parte
de las piezas de un pedido. Se revisan cada uno de estos ni artculos y si se encuentran di
defectuosos, entonces se grafica la proporcin pi de artculos defectuosos,
P i = d i/ n i,
Los lmites de control superior y central se dan por las siguientes expresiones, donde n es
el tamao del subgrupo y
proceso
es la proporcin promedio de artculos defectuosos en el
19


Por ejemplo:
En una empresa se realiza una inspeccin y las piezas que no cumplen con ciertas
caractersticas se rechazan (puede ser por piezas incompletas, mal pintadas,
quebrantadas, etc.) Se decide implementar un grfico p para evaluar la magnitud de la
proporcin o variabilidad de piezas defectuosas en este proceso.
Tabla 1. Productos defectuosos en un proceso
Muestra Tamao de
Artculos
Proporcin
lote, ni
defectuosos di pi
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
200
200
200
200
230
200
200
180
190
200
200
200
200
200
205
195
200
200
200
200
200
4200
9
7
9
3
10
2
11
5
4
17
4
2
3
4
2
9
11
3
6
5
1
127
0.05
0.04
0.05
0.02
0.04
0.01
0.06
0.03
0.02
0.09
0.02
0.01
0.02
0.02
0.01
0.05
0.06
0.02
0.03
0.03
0.01

La tabla anterior muestra datos obtenidos en una semana para el producto, el tamao del
lote se aprecia que normalmente es fijo, n=200, por varios motivos cambia. Para los
clculos se toma el tamao de la muestra promedio, el nmero total de piezas
20


inspeccionadas son 4200 y 127 defectuosas, entonces la proporcin promedio de piezas
defectuosas es:
= total de defectuosos /
total de inspeccionados
127/ 4200 = 0.0302
total de inspeccionados / = 4200/21

Total de subgrupos
= 200
Los lmites de control son:
LCS= .0302 + 3
.!"!# (!!.!"!#)
!""
= .0666
LC= .0302
LCI= .0302 3
.!"!# (!!.!"!#)
!""
= -.0061
La grfica quedara:
0.10
0.08
0.06
0.04
0.02
0.00
-0.02
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Como se ve, en el grfico en el lote 10 hubo artculos defectuosos mayores que el lmite
superior, significa que alguna causa especial provoc este desajuste que debe ser
identificada para que de ser posible no se vuelva a presentar.
El grfico indica que el porcentaje de artculos defectuosos, en estos lotes de 200 piezas,
flucta ordinariamente entre .61% y 6.66% con un promedio de 3.02%.
21


Si ni es muy variable a lo largo de las muestras se recomienda construir un grfico con
lmites de variables. En estos casos los lmites de control dependen del valor de ni, ya que
un nmero pequeo de ste hace los lmites sean ms amplios o estrechos, un valor ms
grande de ni los lmites son ms estrechos.
En otras palabras, en la grfica p con lmites variables, los lmites de control cambian su
amplitud dependiendo del tamao de cada subgrupo ni. Y los lmites quedaran:
Los mismos datos de la tabla 1, respetando los valores de cada subgrupo ni aplicando la
frmula anterior quedara:
0.10
0.08
0.06
0.04
0.02
0.00
-0.02
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Note como los lmites superior e inferior estn acorde a ni.

Para construir los otros grficos de control de atributos, es el mismo procedimiento
general, recolectas datos, los sustituyes en las frmulas respectivas, realizas grficos,
analizas e interpretas.
A continuacin en forma resumida se te presentan las expresiones para que puedas
realizar los siguientes grficos:
Grfico np (nmero de artculos defectuosos), conviene utilizar este grfico cuando el
tamao de la muestras p es constante, en este grfico en lugar de la proporcin se grafica
el nmero de artculos defectuosos por subgrupo. Las frmulas que lo representan son las
siguientes:
LCS=
+3
(1- )
22


LC=
LCI=
-3
(1- )
El grfico c (nmero de defectos), se realiza con la intencin de analizar la variabilidad del

nmero de defectos por subgrupo, cuando el tamao de este se mantiene constante. Aqu
se grafica ci, que es igual al nmero de defectos en el i-esimo subgrupo o muestra.
Las ecuaciones que lo representan son:
Por ltimo, el grfico u (nmero promedio de defectos por unidad) se usa cuando se
quiere monitorear una variable, y el tamao del subgrupo no es constante. Se analiza la
variacin del nmero promedio de defectos por artculo o unidad, en lugar del total de
defectos en el subgrupo. Se representa con las siguientes frmulas, donde n es el tamao
del subgrupo, y u es el total de defectos entre total de artculos inspeccionados.
LCS=
+3
/n
LC=
LCI=
-3
/n
Utilizar hoja de clculo en la construccin de estos grficos, o el software minitab, te

puede ser muy til, intntalo!, al principio te costar tiempo aprenderlo, despus te
ahorrar tiempo! y ordenars, analizars e interpretars ms fcil tus datos recopilados.
23


3.2. Six sigma

Por primera vez que se introdujo six sigma fue en 1987, en una empresa con la firme
intencin de reducir defectos de productos electrnicos; fue un xito, y parte de ello fue el
entusiasmo de sus lderes.
La letra griega sigma () se utiliza para representar la desviacin estndar poblacional,
sirve para ponderar la variacin que tiene una variable de tal poblacin o proceso.
El nombre six sigma se le atribuye a la meta que tiene: lograr procesos que como mximo
generen 3.4 defectos por milln de oportunidades de error (DPMO). Un sigma= 690.000
DPMO=31% de eficiencia, dos sigma= 308.538 DPMO=69% de eficiencia, tres sigma=
66.807 DPMO=93,3% de eficiencia, cuatro sigma= 6.210 DPMO=99,38% de eficiencia, cinco
sigma= 233 DPMO=99,977% de eficiencia, seis sigma= 3,4 DPMO= 99,99966% de
eficiencia.
Es una herramienta fundamentada en el pensamiento estadstico, sistemtico y
cuantitativo, se orienta a tres reas prioritarias:
1. satisfaccin del cliente,
2. reduccin del tiempo de ciclo
3. disminucin de los defectos.
Six sigma como herramienta para la calidad debe elegirse bien el empleo de esta
metodologa en los problemas que puede atender y resolver, para resolverse, la
metodologa principal que utiliza es DMAIC (Definir, Medir, Analizar, Mejorar, Controlar).
Las PyME, incluso las de servicio pueden decidirse tambin a utilizarla, aunque sean
pequeas, los beneficios de herramientas bien aplicadas, son grandes.
Y los principios o caractersticas que rodean a six sigma la vuelven ms interesante, con
ms probabilidad al xito, porque toma en cuenta el liderazgo, procesos, clientes, datos,
ahorros, y mucho ms. El complemento de six sigma y manufactura es interesante,
mientras una posee herramientas para encontrar la causa raz del problema, la otra tiene
herramientas para agilizar el proceso, pero juntas con un buen administrador los
resultados son de mejora!
3.2.1. Seleccin de proyectos para six sigma

Qu tipo de problemas son los que habra que solucionar con la metodologa six sigma?,
Tratndose de una herramienta de calidad, por obviedad desrdenes de ese tipo. Y
Cules son los problemas relacionados con calidad?, los ms presentados en las
empresas se dividen en alguna de las siguientes categoras:
24


v Problemas de conformidad, que tienen desempeo insatisfactorio en algn
proceso especfico, por ejemplo, el servicio al cliente o niveles de calidad.
v Problemas de desempeo en un sistema mal especificado. Se trata de actividades
sin procedimiento, que requieren creatividad para resolverse, por ejemplo ventas
pobres por no haber formas establecidas para ello.
v Problemas de eficiencia, de insatisfaccin desde el enfoque diferente al cliente,
pueden ser productos de calidad, mas no a nivel organizacin, por ejemplo,
problemas de productividad y costo.
v Problemas de diseo de productos. Que se aproxime al diseo que el cliente
necesite.
v Problemas de diseo de procesos. Atender los que existen o disear los que
falten.
Saber identificar el problema es una habilidad que tambin requiere six sigma.
La metodologa principal para solucionar problemas que utilizan six sigma es DMAIC
Un mnemnico que significa:
D: Definir
M: Medir
A: Analizar
I: Improve, traducido es Mejorar
C: Controlar
Figura 4. Metodologa DMAIC y herramientas para el desarrollo de proyectos seis sigma

Herramientas
Diseo
Definir
Medir
Controlar
Analizar
Mejorar
Proceso en equipo y
administracin de
proyectos
25


Definir: Se define el problema con claridad, y seala como afecta al cliente para precisar
los beneficios esperados del proceso.
Medir: Medir procesos internos que impactan en la capacidad del proceso.
Analizar: Identificar el origen del problema y confirmar causas con datos.
Mejorar: Evaluar e implementar soluciones, asegurndose de que se reducen los
defectos, con el listado de verificacin de Osborn, se puede evaluar e implementar
soluciones, asegurndose de que se reducen defectos, esta lista de Osborn se basa en
las siguientes preguntas de la idea a resolver: dar otros usos?, adaptar?, modificar?,
ampliar?, minimizar?, sustituir?, reordenar?, revertir?, combinar?
Control: Disear un sistema que mantenga mejoras logradas y cerrar el proyecto.
Entre las herramientas six sigma ms comunes para DMAIC se visualizan en la siguiente
tabla:
Tabla 2. Herramientas six sigma ms comunes para DMAI
Definir
Medir
Analizar
Mejorar
Control
Mapeo
Control
Carta del
Hojas de
Diseo de
detallado del
estadstico de
proyecto
chequeo
experimentos
proceso
procesos
Costo del
Procedimientos
Estadstica
Inferencia
Prueba de
anlisis de
de operacin
descriptiva
estadstica
errores
calidad
estndar
Medicin y
Anlisis de
Diagramas
Produccin
sistema de
Pereto
causa-efecto
esbelta
evaluacin
Proceso de
Anlisis de la
Modo de falla y
mapeo de alto capacidad del
anlisis de los
Ciclo Deming
nivel
proceso
efectos
Siete
herramientas
Anlisis de la
Benchamarking
de la
raz de la causa
administracin
y la planeacin
Evans, Lindsay (2009: 515)
El diseo para six sigma mejora mediante mtodos estadsticos, procesos de diseo
tradicionales, se enfoca a la optimizacin de productos y sistemas, equilibrando costo,
programacin y calidad. Y el proceso en equipo, son los lderes y miembros de los
equipos que entiendan sus funciones como administradores de proyectos, con
cooperacin, comunicacin y claridad entre todos para contribuir al xito.
26


Un proyecto six sigma se puede concentrar en alguna operacin especfica o enfocarse
sistemticamente. Segn como la empresa decida seleccionar desarrollar un proyecto,
entre los factores que no se deben dejar pasar, se encuentran:
a) La recuperacin financiera, costos relacionados con la calidad y desempeo de los
procesos contra ingresos y participacin en el mercado.
b) Impacto en clientes y en la misma organizacin.
c) Probabilidad de xito del proyecto.
d) Huella que dejar en los empleados.
e) Ventaja competitiva que se generar.
Si la PyME desea practicar el six sigma en sus instalaciones debe asesorarse primero en
los clculos financieros que demuestre recuperacin en los proyectos six sigma, porque la
consecuencia de aplicar esta herramienta enfocada a la satisfaccin del cliente y al
desempeo organizacional debe provocar mejores finanzas.
Esta herramienta, tambin aplica en organizaciones de servicios, en reas comerciales,
con tres indicadores que van de la mano en el desempeo de estos tipos, el de exactitud
en cifras financieras, el de tiempo de ciclo segn el servicio, por ejemplo, pagar algo,
cobrar algo; el costo interno de las actividades de los procesos y el ltimo indicador se
refiere a la satisfaccin del cliente que mide el xito.
Algunos ejemplos de six sigma en empresas de servicios son: incremento de velocidad en
procesos de auditora, reducir variacin en flujo de efectivo, mejorar el tiempo del ciclo
para solicitudes de los empleados de pagos por incapacidades prolongadas, incremento
en capacidad en rayos x, en cirugas, distribucin y calidad de agua, educacin, etc.
Aquellas empresas pequeas que piensen adoptar Six Sigma antes de decidirse a aplicar
deben comprometerse a pequeos detalles como estar seguro del compromiso de los
directivos, identificar los tipos de problemas a atenderse con esta herramienta, ser
sistemticas, comunicar, premiar y reconocer los buenos desempeos.
3.2.2. Principios de six sigma

En los negocios, seis sigma (6 ) es una estrategia de mejora continua. Busca mejorar el
desempeo de los procesos de una organizacin y reducir variacin, como ya se ha
mencionado, encontrar causas verdaderas que ocasionan errores, defectos, retrasos de
los procesos en la empresa, tomando como punto de partida: clientes y sus necesidades.

Seis sigma tiene los siguientes principios o caractersticas:
27


Principio 1:
Liderazgo comprometido de arriba hacia abajo.- La estrategia se apoya y
compromete desde los niveles ms altos de la direccin y la organizacin.
El responsable de una empresa entusiasma al equipo de la empresa para obtener
beneficios de calidad, obtener ahorros. Alcanzar nivel de calidad seis sigma
implica tener menos de 3.4 defectos por milln de operaciones, sea proceso de
produccin o servicio, significa 99.99966% de perfeccin. Lo que sigue, formar
trabajadores en esta metodologa.
Principio 2:
Seis Sigma se apoya en una estructura directiva que incluye personal a tiempo
completo.

La forma de manifestar el compromiso por 6 es creando una estructura directiva
que integre lderes de negocio, de proyectos, expertos y facilitadores. Cada uno
de los lderes tiene roles y responsabilidades especficas para formar proyectos
de mejora.
En una empresa se forma la siguiente estructura tcnica del proyecto 6
v Persona lder.- Establece el programa e impulsa 6
v Persona patrocinador.-Revisa proyecto a atender, conoce de DMAIC
v Persona que tiene capacidad de trabajar en equipo, da seguimiento
v Persona que tiene problema en su rea.- Se elige el problema de quejas
por falta de entrega a tiempo.
v Persona que realiza el proyecto.- Se dedicar a la aplicacin de 6 del
problema anterior.
v Persona con formacin estadstica, con responsabilidad de mantener una
cultura de calidad en la empresa.
Como la empresa del ejemplo es pequea, se reparten actividades entre 3
personas.
Principio 3:
Entrenamiento para todos. Los actores del programa 6 requieren entrenamiento
especfico. Las personas de la empresa a aplicar el proyecto 6 se les
capacitarn sobre la metodologa DMAIC descrita en el tema anterior.
Principio 4:
Orientada al cliente y enfocada a los procesos. Los procesos cumplan con
requerimientos del cliente y los niveles de calidad y desempeo cumplan con los
estndares de 6 .
El equipo del proyecto 6 en una empresa se dedic a revisar los procesos que
28


estn generando ms quejas y se desarrollaron nuevos procesos para las quejas
mayores que fueron entrega a destiempo, mala comunicacin del estatus del
servicio.
Principio 5:
Seis sigma se dirige con datos. El pensamiento estadstico y los datos son
necesarios para identificar variables de calidad para que mejoren los procesos.
De acuerdo a informacin que se recolect, se grafic en un diagrama de pareto y
se analiz los datos dijeron que hay que concentrarse en la falla de entrega a
destiempo y mala comunicacin del estatus del servicio.
Principio 6:
Se apoya en una metodologa robusta, a travs del anlisis y tratamiento de datos
obtenidos..
Principio 7:
Los proyectos generan ahorros o aumento en ventas.
Tres sigmas tiene un rendimiento a largo plazo de 93.30% y un costo de calidad y
de ventas aproximado de 25 a 40%, cuatro sigmas un rendimiento del 99.40%,
con costos tanto en calidad y ventas que flucta entre el 15 y 25%, cinco sigmas
un rendimiento del 99.98% y costos entre el 5 y el 15% y seis sigma un
rendimiento del proceso a largo plazo del 99.9997% con costos menores al 5%
Como se observas, la mala calidad cuesta, y mucho.
Principio 8:
El trabajo se reconoce. Se puede reconocer en palmaditas por trabajos
mejorados, en presentacin, en pesos o en puestos.
Principio 9:
Six sigma es una iniciativa con horizonte de varios aos. Integra y refuerza otros
tipos de iniciativa.
Principio 10:
Seis Sigma se comunica. Estos programas se basan en una poltica intensa de
comunicacin entre todos los miembros y departamentos de una organizacin, y
fuera de la organizacin. Con esto se adopta esta filosofa en toda la
organizacin.
29


3.2.3. Six sigma y produccin esbelta

Una persona que tiene exceso de peso busca eliminar un poco con dieta, ejercicio, y otras
tcnicas que puede recurrir. Un proceso que tenga exceso de defectos, busca eliminarlos
en muchas formas, eliminar desperdicio, retrabajo, tiempos de espera, inventario en
exceso, sobreproduccin, y cualquier actividad que no le agregan valor al producto.
Un proceso esbelto, como la palabra lo dice, es una produccin bella, es hacer ms con
menos.
Las personas sanas y esbeltas tienen beneficios para su salud y estima. Los procesos
esbeltos logran reducir un 50 por ciento de inventario de producto terminado, el trabajo
en proceso, los tiempos de ciclo, 40 por ciento mejora el espacio, un 50% la calidad, 20
por ciento productividad, capital de trabajo y produce 25 por ciento ms. Esos resultados
se logran con herramientas clave usadas en una produccin esbelta. No es una regla que
se utilicen todas las herramientas para la manufactura esbelta, es ms provechoso que se
utilicen las que se deben, segn cada situacin.
Figura 5. Herramientas clave de la produccin esbelta
5S
Control
visual
Distribu
cin
fsica
SMED
kanban
SIX
SIGMA
TPM
5S:
Seiri (clasificar), garantizar que cada elemento de un lugar de trabajo este en el lugar
apropiado, si no se ocupa se elimina.
Seiton (poner en orden), arreglar los materiales y equipo de tal forma que se encuentre
con facilidad
Seiso (brillar), rea de trabajo limpia
Seiketsu (estandarizar), formalizar procedimientos y prcticas para crear consistencia en
hacer cada s.
Shitsuke (sostener), mantener el proceso funcionando a travs de capacitacin,
comunicacin.
Control visual: Indicadores para herramientas, partes y actividades de produccin que
permanecen a la vista de manera que se entienda las condiciones del sistema.
Distribucin fsica: Se disean de acuerdo a la secuencia operativa de los procesos
eficientes y el uso de las mquinas
SMED: Intercambio rpido de herramientas y arreglos en talleres, de modo que se pueda
manejar varios productos en lotes pequeos con el mismo equipo
Kanban: Justo a tiempo o jalar la produccin, significa no producir hasta que se indica
que se ocupa
30


Six sigma o Mejora continua: Para que la produccin esbelta funcione se necesita
encontrar la causa raz de los problemas y eliminarlos.
TPM: Mantenimiento productivo total, garantiza que el equipo se encuentre en
condiciones de funcionar y disponible cuando se ocupe.
Por ejemplo, un taller de carpintera que desee aplicar produccin esbelta en sus
procesos clave de corte, armado, pintado. En las siguientes herramientas hara lo
siguiente:
5S: Se ordenara el taller en cuanto a herramientas, equipo, maquinas, papeles,
mobiliario, todo lo que involucre el proceso de corte, armado, pintado. Cuando cada cosa
est en su lugar se encuentra ms rpido y se encuentra!, porque muchas veces dejan
de sacarse muebles a tiempo porque no se encontr una parte ya cortada, un tornillo, o se
qued mal con el cliente porque lleg de improviso y no encontr su mueble, no encontr
las facturas, en fin! Tantos retrasos, por falta de 5S.
Control visual: Se anotara el lugar donde se coloquen las piezas de cada orden, se
pondran papeletas donde deben estar las herramientas, para que los trabajadores vayan
tomando disciplina en tales detalles.
Distribucin fsica: La distribucin fsica de la mesa de trabajo de cada actividad, se
acomodara segn el proceso, el mobiliario, equipo, se acomodara en un rea que el
espacio sea provechoso. El rea de atencin al cliente debe reflejar orden, y que el cliente
se sienta seguro de hacer sus muebles ah.
SMED: Si existe alguna maquinaria que se pueda adaptar a intercambios rpidos de
herramientas y arreglos se har, de modo que se pueda manejar varios productos en
lotes pequeos con el mismo equipo.
Kanban: El espacio de inventario en refacciones, materia prima, material, como resistol,
madera, clavos, herramientas, debe estar determinado para no ocasionar tiempos de
espera por algo que no se tome en cuenta. El orden de entregar los muebles debe estar
documentado en algn procedimiento para entregarse en el consecutivo que se recibe.
Six sigma: Se buscara causa raz a problemas identificados como de valor, quiz de
quejas de servicio al cliente, quiz tardanza en la construccin del mueble, o tipos de
madera que salieron con baja calidad.
TPM: El mantenimiento a todo el equipo que se utiliza en la carpintera se documentara
con un historial para trabajar con el equipo ideal.
Six sigma es complementaria a la produccin esbelta porque las herramientas de la
primera se usan para llegar hasta la causa original del problema e identificar la solucin y
las herramientas de la segunda al aplicarse agilizan el proceso. Esta dualidad muchas
veces se le nombra six sigma esbelto. Aunque las dos herramientas tienen en comn el
enfoque al ahorro, al cliente, a que es posible usarla en negocios de cualquier tamao,
manufactura o servicio tambin es fcil visualizar diferencias entre ambas, las
herramientas de la produccin esbelta son ms fciles de entender, de aplicar. Los
problemas que acata son ms visibles en el proceso como inventarios, flujo de material,
seguridad, otros; las herramientas de Six Sigma son ms difcil de entender, requieren
ms capacitacin, habilidad estadsticas, y los problemas a los que se enfoca son menos
visibles, por ejemplo desempeo.
31


3.3. Mejora continua

La mejora continua se refiere a un proceso que
nunca finaliza en cuanto a obtener cambio o lo
mejor, pretende mejorar los productos,
servicios o bien los procesos. Este ciclo de
mejora se puede enfocar en alguna parte del
proceso o de forma sistemtica en la
organizacin. En sistemas de gestin de
calidad se utilizan para conseguir la calidad.
Para su desarrollo se basa en herramientas
bases como son el Mantenimiento Productivo
total, SMED, Kanban, Jidoka, Justo a tiempo,
Poka yoke. Existen muchas metodologas de
mejora continua como incluso la que se vio en
la seccin anterior, Six Sigma, Produccin
esbelta, ruta de calidad, Sistemas suaves,
muchas ms.
En este apartado el enfoque de mejora
continua est dirigido a mejorar resultado de
desarrollo de productos o servicios, de
herramientas que colaboran en alguna
actividad proactiva por parte de alguien que
lleva a cabo un proceso.
Las herramientas que se vern son la
metodologa 8D, QFD, y anlisis del proceso
del cliente.
3.3.1. Metodologa 8D
La metodologa ocho disciplinas u 8D, es una herramienta estructurada para resolver
problemas. En tal estructuracin se identifican, corrigen y eliminan problemas en la mejora
de productos y procesos. Se basa en hechos y se concentra en determinar causa raz de
problemas.
Los problemas repetitivos, no se arreglan rpidamente, hay que documentarse para
encontrar aquel origen del problema que no se conoce a simple vista. Se te recomienda
pensar en esta herramienta cuando:
32


v Hay rechazos de calidad de problemas mayores en la produccin o en auditoras
v Cuando se solicitan a menudo garantas,
v Cuando el resultado de encuestas hacia algn servicio es negativo o el buzn de
sugerencias contiene quejas recurrentes,
v Cuando rechaza el cliente,
v Cuando se reportan problemas de calidad,
v Cuando hay problemas de calidad que afectan la seguridad del trabajador, entre
otros

El nombre de 8D viene de ocho hbitos que los grupos de trabajo deben poner en prctica
para que los problemas que se resuelven no vuelvan. La estructura de las 8D es la
siguiente:
Figura 6. Estructura 8D

Disciplina 1:
Se lee sencilla, sin embargo, en la realidad el trabajo en equipo es un resultado

que logran los buenos administradores y el conjunto de conocimientos mltiples
que posea el equipo colaborador a llevar a cabo las 8D. se recomienda un grupo
diversificado, pequeo, con algunas personas con conocimiento tcnico de
proceso, con buena disposicin, tiempo y autoridad.
Por ejemplo un taller de telefona de celulares tiene constantes reclamaciones de

sus clientes, para aplicar las 8D elige su equipo conformado por un tcnico, un
33


auxiliar administrativo, uno de compras.
Disciplina 2:
De acuerdo a historial de problemas recurrentes de calidad que se vaya a
atender. Habr que especificar problemas anotando, Qu estuvo mal?, y tratar
de cuantificar las siguientes preguntas: Quin?, Qu?, Dnde?, Cundo?,
Por qu?, Cunto?, Cmo?. Normalmente a estas preguntas se les llama
herramienta de los 5 porques, por la letra de iniciacin en ingls.
Problema: recurrente de calidad en cuanto a reclamo de garanta constante
durante el mes.
Disciplina 3:
Es implementar y verificar acciones provisional. Esto quiere decir que se pongan
en prctica acciones temporales para proteger a los clientes contra el problema
raz hasta que se encuentre la accin correctiva final, algunas de estas acciones
son: comprar piezas en lugar de fabricar cuando no se va a cumplir con fecha de
entrega o cualquier otro caso, tener varios proveedores hasta que se seleccione
los adecuados, inspeccionar todo el lote hasta que se decida el metodo de
muestro, etc.
En el ejemplo, una accin provisional es prestar una unidad mientras resuelve el
problema de garanta.
Disciplina 4:
Identificar y verificar la causa raz. Identifica primero causas potenciales con la
descripcin del problema que se presente y verifica posibles causa raz con el
equipo de trabajo, usa herramientas estadsticas para descubrir causa raz, entre
los mas comunes y que tu ya sabes usar el diagrama de Ishikawa, lluvia de ideas,
5 porqus.
La empresa mediante un diagrama causa efecto y un diagrama de paretto
identific la causa raz de la falla de reclamos constantes en la garanta de
reparacin, la falta de probar el equipo un determinado tiempo antes de
entregarlo
Disciplina 5:
Determinar y verificar acciones correctivas, as como definicin de acciones
preventivas para evitar que un problema similar surga de nuevo. Este paso es de
los ms dificiles del proceso en la solucin del problema. Es definir acciones de
contingencias en base al anlisis de riesgos.
34


La empresa decidi implementar este paso en su proceso antes de entregarlo a
tiempo. se defini que la asistente probara el celular un tiempo determinado,
segn el problema antes de entregarse. Y habr un check list de verificar los
defectos ms comunes reclamados en la garanta.
Disciplina 6:
Implementar y verificar las acciones correctivas permanentes. Checar si fue
eficiente las acciones que se implementaron, de no funcionar, se vuelven a
revisar los pasos anteriores de la disciplina, hasta que las acciones correctivas
eliminen la causa raz del problema, y que sea visible la no ocurrencia
nuevamente. Para asegurar que la causa raz se ha eliminado hay que utilizar
controles constantes monitoreando hasta que desaparezca esas causas o que no
exista consecuencias indeseables con la accin correctiva que se implementa.
Con este nuevo proceso la empresa ha documentado que en los ltimos 15 das
han encontrado detalles en el perodo de prueba, y el taller los resuelve antes de
entregar el equipo.
Disciplina 7:
Prevenir la recurrencia del problema y/o su causa raz. El problema no debe
presentarse de nuevo, modificando procedimientos, haciendo cambios en el
sistema, estandarizando nuevas prcticas, documentando y comunicando a los
involucrados. Identifica en problemas similares oportunidades de mejora.
La empresa implementa y documenta en sus procedimientos el plan de mejora y
evalua resultados constantemente para que no se vuelva a presentar esta
problemtica.

Disciplina 8:
Felicite al equipo. Y el ltimo de los hbitos de esta herramienta se refiere a ser
agradecido con los que colaboren cuando algun problema se resuelve.

3.3.2 QFD (Quality Function Deployment)

La mejora continua en el proceso de desarrollo de productos tambin se logra cuando los
clientes se involucran. Esta es la particularidad de la herramienta QFD o DFC (Despliegue
de la funcin de calidad). Disear los procesos en respuesta a las necesidades de los
clientes traduce lo que el cliente quiere en lo que la empresa produce.
35


Es una herramienta que traduce los requerimientos del cliente a las especificaciones
tcnicas adecuadas de cada etapa del proceso de tratamiento del producto. Va desde la
investigacin, desarrollo, ingeniera, fabricacin, mercadotecnia, ventas y distribucin.
Qu se logra aplicndolo?, aplicndose correctamente la mitad del costo y el doble de
productividad y calidad en dos terceras partes del tiempo; adems de mejoras constantes,
calidad, entregas a tiempo, clientes satisfechos, ms otras ms.
Comnmente se dice que el QFD lleva la voz del cliente directamente al rea de
fabricacin. El ingrediente fino del QFD es la planeacin.
Un producto definido por el cliente a una fecha y costo acordados implica un equipo de
mentes trabajadoras en proyectos varios como: mercadotecnia, desarrollo del producto,
diseo, planeacin, prototipos, pruebas, ingeniera, procesos, fabricacin, ventas,
servicios.
El proceso inicia con los requerimientos del cliente: que se vea bonito, que dure mucho,
que sea diferente, que funcione, que sirva, que sea de estos colores, etc., como observas
son cualidades poco cuantificables. Qu significa verse bonito?, Cunto es durar
mucho?, etc.
Despus el desarrollo del producto se traducen en caractersticas crticas de las partes,
que van a permitir el desempeo de las funciones esenciales del producto. Luego, estos
requerimientos del cliente los adopta la compaa como requerimientos de diseo.
En seguida, se determinan las operaciones de manufactura adecuadas dependiendo
del capital y equipo de la empresa, estas se transforman en requerimientos de
produccin, que incluye inspeccin, control estadstico del proceso, disminucin de
errores.
Este se lleva a cabo por medio de una serie de matrices y grficas que despliegan los
requerimientos de los clientes y los parmetros tcnicos relacionados, desde la
planeacin del producto hasta el diseo, proceso y mtodos de fabricacin.
Para mejor entendimiento, el proceso se divide en cuatro partes. Las primeras dos se
concentran en la planeacin, diseo del producto. La 3 y 4 a planear el proceso,
actividades de produccin.
Fase 1 y 2
Fase 3 y 4
Planeacin y diseo del producto
Planear el proceso actividades de produccin
36


La primera matriz del QFD es la casa de la calidad, sirve de base para las siguientes
fases; en esta fase se identifica los requerimientos especficos de diseo que deben
lograrse para satisfacer las demandas del cliente.
Figura 8.Estructura casa de la calidad
En la figura anterior, observas el paso del qu al cmo y al cunto, esto significa lo

siguiente: Los qus, son los requerimientos bsicos del cliente, por ejemplo, buen servicio
de transporte. Cada qus se desmenuza en otros qus para interpretar el requerimiento
del cliente a requerimiento de diseo. Por ejemplo, el buen servicio de transporte es
seguro, cmodo, econmico, entre otros.
Los nuevos qus que siguen o cmos se descomponen en cmos adicionales, o bien
interpretar las especificaciones al nivel de partes, por ejemplo, los nuevos cmos pueden
ser choferes con capacitacin, unidad con buen mantenimiento, unidad equipada, etc.
El cruce de los qus y los cmos se plasman en una matriz mediante smbolos para
describir relaciones dbiles, intermedias, fuertes entre los requerimientos del cliente y los
de diseo.
37


Ejemplo:
Los cunto son medidas de los cmo determinndose por anlisis y por separado de los
cmo. Hay que tratar que sean medibles, porque guan objetivos estratgicos del diseo
que sigue y cuentan el progreso en el proceso. Si no se pueden plantear en forma
cuantitativa expresar entonces como hacerlo mejor.
Los cunto se ilustran en la siguiente matriz:
38


Esta matriz de qu-cmo-cunto es la base de lo siguiente del QFD (matriz de
correlacin, evaluacin competitiva, categorizacin y ponderacin)
La matriz de correlacin corresponde al techo de la casa de la calidad (es triangular),
como su nombre lo indica correlaciona cada cmo con los smbolos que representan lo
positivo, negativo o fuertemente positivo o negativo. Se usa para identificar los cmos
que se apoyan mutuamente o que son conflictivos. Correlacin positiva significa que un
cmo apoya a otro cmo; correlacin negativa, se encuentran en conflicto.
La evaluacin competitiva compara el producto de la empresa con otras, la evaluacin de
los qus es la evaluacin competitiva del cliente y la de los cmo es la evaluacin
tcnica. Estas evaluaciones son valiosas para el posicionamiento del producto en el
mercado o deteccin de errores.
La matriz de ponderacin es calificar resultados ponderando con valores definidos. La
calificacin de categorizar del uno al cinco se pone en los qus, significa importancia
relativa de los clientes. Estos nmeros se multiplican por las ponderaciones asignadas a
cada smbolo (dbil, intermedio, fuerte), que comnmente se usa el mtodo de
ponderacin 9-3-1 respectivamente, o puedes usar el que gustes. En el grfico, por
ejemplo el nmero 45 de venta por internet se obtuvo al multiplicar la prioridad 5 de los
qus por el valor 9 de este smbolo en la ponderacin que da 45, en la segunda columna
se multiplica 5 por 9, 1 por 9 y 3 por 9, los resultados se suman y da 81, as
sucesivamente los restantes.
Observa en la siguiente grfica estas matrices:
39


Matriz de
correlacin
Evaluacin
competitiva
Ponderacin
Construir la matriz de la casa de la calidad es la primera fase del QFD y la ms utilizada
frecuentemente hasta aqu.
Las siguientes fases se utilizan cuando se aplica estrictamente toda la herramienta QFD
como sistema, incluye la segunda, tercera y cuarta fase.
La segunda fase, usa algunos de los requerimientos de diseo identificados a nivel
subsistemas o partes, que sirve como base para las actividades preliminares de diseo,
en donde se transfieren aquellos de alto riesgo como pueden ser nuevos, difciles, esto
para que no se pierda tiempo con aquellos que ya estn logrndose. En esta parte existen
herramientas de apoyo para llevarse a cabo, como anlisis de rbol, de fallas,
optimizacin de proceso, anlisis de costo u otras. Aqu la matriz incluye requerimientos
del cliente y de diseo en trminos precisos de ingeniera para desarrollar an ms las
evaluaciones competitivas. Esta fase finaliza cuando se identifican caractersticas de las
partes crticas en la ejecucin del diseo.
La fase tres, es planear el proceso, es llevar el diseo a la fabricacin. Se usa una grfica
de planeacin del proceso para cada caracterstica crtica de las partes incluyendo
40


informacin relevante de lista de los procesos requeridos, relacin entre los procesos y
caractersticas crtica de las partes, lista de parmetros de control del proceso.
La ltima fase, la de planeacin de la produccin lleva todo lo logrado anteriormente a la
fbrica para que se ejecute como ha sido planeado.
Te presento visualmente las fases:
Recuerda, que sta es una herramienta que puedes aplicar a empresas de manufactura y
de servicio de cualquier tamao. Si es un poco ms compleja que las presentadas antes
porque requiere del uso de herramientas ingenieriles, sin embargo, normalmente se utiliza
la primera fase, que como viste, es sencilla. El desarrollo de las siguientes fases si te
requerira estudiarlas especficamente cada una de ellas.
3.3.3. Anlisis del proceso del cliente

Para mejorar la calidad esta herramienta es bastante til. Consiste en ser emptico como
cliente en los procesos de recibir algn servicio y percibir si existe algn momento de
problemtica y percibir su sentir.
En esa indagacin se detectan los llamados momentos de la verdad, donde el usuario
se forma una imagen positiva o negativa de lo que se entrega.
41


Ejemplos:
Situacin
Llevar una lap top a
reparar
Llevar el coche a un
autolavado
Ir a tienda de regalos
Hecho
Me la entregaron sin el
maletn que dej
Limpsimo y a la hora que
indicaron
No haba regalos para
persona mayores
Momento de la verdad
Negativo
Positivo
Negativo
En estos ejemplos el anlisis es de dos formas:

La primera consiste en analizar el proceso que el cliente pasa para recibir el servicio, y la
segunda sobre el uso que el cliente le da a lo que la empresa le entrega.
Los pasos para el primer caso:
a) Procedimiento para la elaboracin del anlisis del proceso del cliente son:
Paso 1.- Anotar el proceso que sigue el cliente para obtener el servicio.
Paso 2.- Identificar los hechos que ocurren en cada paso del proceso, sean positivos o
negativos.
Paso 3.- Generar ideas para eliminar los momentos de la verdad negativos.
Paso 4.- Decidir cules ideas se van a implementar.
Paso 5.- Ejecutar las acciones planeadas.
Paso 6.- Evaluar los resultados obtenidos.
Un ejemplo en este anlisis. T como analista, observa el proceso y toma nota, no olvides
estar en la postura del usuario.
42


Para el segundo caso, el que se refiere al:

b) anlisis del uso que el cliente le da a los productos y servicios; se refiere al uso
que el cliente le da a lo que se le entrega. Significa indagar razones por las cuales el
cliente ha determinado algunas caractersticas como requisitos de calidad. Adems
permite hacer sugerencias al cliente, sobre aspectos no detectados.
Los pasos para aplicarlo son:
1. Entrevistar los requisitos de calidad del cliente, por medio de una entrevista.
2. Identificar el uso que dar a lo que solicita
3. Observar el uso que le da a lo que se le entrega
4. Determinar acciones para mejorar producto o servicio.
Ejemplo:
En el proceso de atencin al cliente en la electrnica. Existen productos que algunos
empleados desconocen la utilidad o donde se usan y los clientes desean cierta
informacin.
Servicio o
producto
Conocimiento y utilidad sobre los artculos de la electrnica.
43


Requisitos de
calidad del cliente
Usos que le da a lo
que se le entrega
Observaciones
Sugerencias de
mejora en la
calidad
Opciones generales del funcionamiento de los artculos en venta,

por ejemplo, un control para tv. Conocer cmo se programa.
Los trabajadores al ofrecer el servicio al cliente necesitan
informarlos sobre las caractersticas de algunos productos que
venden o presentar opciones de diversas marcas.
Normalmente solo entregan el producto que el cliente pide, o
cuando hacen preguntas especficas no los sacan de dudas por
no saber.
Disear formas de encontrar informacin especfica de algunos
productos,
O capacitar a ciertos empleados con conocimiento de electrnica
O contratar personal con perfil de conocimiento tcnico en
electrnica
O disear un instructivo general de productos seleccionados
Como se observa cualquiera de los dos anlisis sirve mucho para la mejora de calidad de
la empresa, ya sea que se concentre en mejorar el uso que le da o el anlisis del proceso,
Es una herramienta sencilla, poderosa. Y al momento de llevar a cabo la mejora se le
agrega el valor agregado al producto o al servicio que el cliente espera.
Actividad 1. Mejora continua

En esta actividad participars en el foro de discusin para reflexionar acerca de los
beneficios del uso de herramientas de mejora continua de la calidad en una PyME.
1. Identifica en una PyME donde utilicen alguna herramienta de mejora continua
de la calidad. En caso contrario sugiere alguna para esa empresa.
2. Entra al foro de discusin y responde lo siguiente:
Qu herramienta de mejora continua identificaste? O Qu herramienta de
mejora continua sugieres?
Cul fue el proceso de calidad que elegiste o identificaste?
Qu beneficios localizaste con el uso de esta herramienta?
3. Revisa las aportaciones y analiza la informacin recabada por tus compaeros,
comenta al mismo tiempo con ellos tu opinin a fin de retroalimentarse en forma
colaborativa.
44

Actividad 2. Variabilidades de mejora

En esta actividad identificars variabilidades de mejora en procesos de calidad en una
serie de casos dados.
1. Descarga el archivo Ejercicios, lee con atencin la informacin que se te
proporciona y resuelve lo que se te solicita.
2. Guarda tu documento con la siguiente nomenclatura GCAP_U3_A2_XXYZ y
envalo a tu Docente en lnea mediante la seccin de Tareas.
Autoevaluacin
Una vez finalizada la Unidad 3, realiza la autoevaluacin correspondiente a los temas
que has revisado durante este curso. No olvides leer con atencin las preguntas para
seleccionar la respuesta adecuada. Para realizarla, entra al aula y da clic en
Autoevaluacin.
Evidencia de aprendizaje. Proyecto control estadstico de procesos

En la evidencia de aprendizaje aplicars todos los conocimientos adquiridos en esta
unidad, para ello identificars en una PyME de tu preferencia en el que aplicars control
estadstico de procesos en base a instrucciones citadas.
1. Descarga el archivo Control estadstico, revisa con atencin la informacin y
realiza lo que se te solicita.
2. Al finalizar gurdalo con la siguiente nomenclatura GCAP_U3_EA_XXYZ,
envalo a tu Docente en lnea y espera retroalimentacin.
45

Autorreflexin
Recuerda que debes hacer tu Autorreflexin al terminar la autoevaluacin. Para

ello, ingresa al foro de Preguntas de Autorreflexin y consulta las preguntas de tu
Docente en lnea formule. A partir de ellas, debes elaborar tu Autorreflexin en un
archivo de texto llamado GCAP_ATR_U#_XXYZ. Tu archivo lo debers enviar
mediante la herramienta Autorreflexiones.
Cierre de la unidad
Esta unidad, como las anteriores, te proporcion mediante material seleccionado y
ejemplos de diversas herramientas que se pueden emplear en la vida rutinaria en una
PyME.
Si las actividades en cualquier empresa, de cualquier tipo, de cualquier tamao, se
realizan siempre igual, se esperara tambin los mismos resultados. En la medida que el
lder o el administrativo gue la direccin de los procesos los resultados pueden ser
diferentes y mejores.
Esta unidad te mostr eso, controlar la calidad en los procesos, emplear porque no la
estadstica!, a travs de sus tcnicas los datos que se recopilen brindan informacin
importante que mediante otras herramientas se pueden atender, qu tal con la
manufactura esbelta, o six sigma! o cualquier otra que hayas aprendido. No olvides,
nunca se est lo suficientemente bien como para no mejorar. Siempre se puede mejorar!
Aunque realices algo bien, siempre puedes mejorar!
46


Para saber ms
Para conocer ms a fondo conceptos de estadstica inferencial puedes consultar el
siguiente link a partir de la pg. 159
http://www.eduni.uni.edu.pe/3cera_edi_6_Libro_Estadistica_y_diseno_de_experimento
s.pdf
Para conocer ms a fondo conceptos de estadstica predictiva visita la siguiente
pgina para que amples el tema:
http://www.uoc.edu/in3/e-math/docs/RegresionLineal.pdf, y si quieres ampliar de
estadstica descriptiva, visita el link:
http://www.alejandrogonzalez.com.ar/Archivos/LibrodeCalidad-EstadisticaAplicada.pdf
Si deseas ampliar el tema de muestreo de aceptacin: por atributos y por variables,
visita la siguiente pgina en internet:
http://web.cortland.edu/matresearch/aceptacion.pdf
Para ampliar sobre los grficos de control de datos variables se te recomienda visitar el
siguiente link, a partir de la pgina 17, http://control-estadistico-de-lacalidad.wikispaces.com /file/view/UC19_Graficos_control_variables.pdf
Y sobre los grficos de control de atributos a partir de la pgina 15 en el siguiente link
http://www.fundibeq.org/opencms/export/sites/default/PWF/downloads/gallery/methodol
ogy/tools/graficos_de_control_por_atributos.pdf
Fuentes de consulta
Gutirrez, M. (2010).Calidad total y productividad. Mxico: Mc Graw Hill.

ISBN:978-607-15-0315-2
Gutirrez, M. (2010). Administracin para la calidad. Mxico: Limusa. ISBN 978968-18-3247-6
Kume, H. (2002).Herramientas estadsticas bsicas para el mejoramiento de la
calidad. Mxico. Norma. ISBN 9789580467199
Chang R. & Niedzwiecki M. Las herramientas para la mejora continua de la
calidad. Argentina: Ediciones Granica. ISBN 950-641-271-5
Besterfield, D. (2009). Control de calidad. Mxico: Pearson Prentice Hall. ISBN:
978-607-442-121-7
Evans, J. & Lindsay W. (2008). Administracin y control de la calidad. Mxico:
Cengage Learning. ISBN-10:970-686-836-4
Escalante, E. (2012). Anlisis y Mejoramiento de la calidad. Mxico: Limusa. ISBN:
978-968-18-6592-4
Summers, D. (2006). Administracin de la calidad. Mxico: Prentice Hall. ISBN
970-26-0813-9
47


Lind, D. & Marchal W. & Wathen, S. (2012).Estadstica aplicada a los negocios y la

economa. Mxico: Mc Graw Hill. ISBN:978-607-15-0742-6
Gutirrez H. & Vara R. (2009). Control estadstico de calidad y seis sigma. Mxico:
Mc Graw Hill. ISBN: 978-970-10-6912-7
48

Unidad 3. Ealuacion y Control de La Calidad en Los Procesos

Cargado por

Copyright:

Formatos disponibles

Unidad 3. Ealuacion y Control de La Calidad en Los Procesos

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 3. Ealuacion y Control de La Calidad en Los Procesos

Cargado por

Copyright:

Formatos disponibles

Programa desarrollado | Calidad en procesos

Unidad 3. Evaluacin y control de la calidad en los procesos

Universidad Abierta y a Distancia de Mxico

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Unidad 3. Evaluacin y control de la calidad en los procesos

Estas aprendiendo a reflexionar estadsticamente situaciones de variacin de calidad en

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Identificar el uso de las herramientas de

Evaluar la calidad en los procesos

3.1. Control estadstico de procesos

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

La esencia de la estadstica en la calidad en los procesos es precisamente esa capacidad

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Por ejemplo, el problema de equipaje no entregado en autobuses

Otro componente para resolver problemas estadsticos es la estadstica inferencial,

Por ejemplo, una empresa de elaboracin de alimentos est realizando

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Por ejemplo, en calibracin de instrumento, la correlacin se utiliza en

Si te interes el tema de la estadstica inferencial y predictiva en la seccin para saber

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

La hoja de clculo es un programa que te puede ayudar mucho a que ordenes

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Cuando un proceso presenta causas comunes en la variacin se considera en control

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Con los ejemplos anteriores es evidente que el administrador en una empresa de

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

3.1.2. Muestreo e Inspeccin

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

3.1.3. Grficas de control

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

LCS: Lmite central

LCS: Lmite de control inferior

k= nmero de muestra, n= tamao de

El clculo de la media general y el rango promedio. Ambos se obtienen con el promedio

D3, D4 y A2 dependen del

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos

La media de la primera muestra es:

El rango queda: 63-25= 38

= 44.33, se redondear al entero

(nmero mayor menos nmero menor)

As se calculan las medias y rangos de las siguientes 24 muestras,

Divisin de ciencias sociales y administrativas | Gestin y administracin de PyMES

Programa desarrollado | Calidad en procesos