502

Control estadistico-de-la-calidad-y-seis-sigma-gutierrez-2da

Embed Size (px)

Citation preview

(CONTROL ESTADSTICODE CALIDAD Y SEIS SIGMA)

(MXICO BOGOT BUENOS AIRES CARACAS GUATEMALA LISBOA MADRIDNUEVA YORK SAN JUAN SANTIAGO AUCKLAND LONDRES MILN MONTREAL NUEVA DELHI SAN FRANCISCO SINGAPUR SAN LUIS SIDNEY TORONTO) (Romn de la Vara SalazarCentro de Investigacin en MatemticasGuanajuato, Mxico) (Humberto Gutirrez PulidoCentro Universitario de Ciencias Exactas e IngenieraUniversidad de Guadalajara, Mxico) (Segunda edicin) (CONTROL ESTADSTICODE CALIDAD Y SEIS SIGMA)

(Printed in Mexico) (Impreso en Mxico) (08765432109) (1234567890) (ISBN: 978-970-10-6912-7(ISBN: 970-10-4724-9 edicin anterior)) (DERECHOS RESERVADOS 2009, respecto a la segunda edicin porMcGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE C.V.A Subsidiary of The McGraw-Hill Companies, Inc.Prolongacin Paseo de la Reforma 1015, Torre A Piso 17, Colonia Desarrollo Santa Fe,Delegacin lvaro ObregnC.P. 01376, Mxico, D. F.Miembro de la Cmara Nacional de la Industria Editorial Mexicana, Reg. Nm. 736) (Prohibida la reproduccin total o parcial de esta obra,por cualquier medio, sin la autorizacin escrita del editor.) (CONTROL ESTADSTICO DE CALIDAD Y SEIS SIGMA) (Director Higher Education: Miguel ngel Toledo CastellanosDirector editorial: Ricardo A. del Bosque Alayn Coordinadora editorial: Marcela I. Rocha Martnez Editor sponsor: Pablo E. Roig VzquezEditora de desarrollo: Ana L. Delgado RodrguezSupervisor de produccin: Zeferino Garca GarcaDiseo de portada: Vctor M. Ortiz Pelayo)

(A Rosalinda, Armida y RomnRVS) (A Irma, Arnoldo y NoelHGP)

(44464851535456) (Captulo 3Introduccin a la probabilidadConceptos de probabilidadDistribuciones discretasDistribucin normalVericacin de normalidad (grcas de probabilidad) Grca de probabilidad para vericar normalidad Distribuciones derivadas del muestreo) (Relacin entre X y S (interpretacin de la desviacin estndar)Histograma y tabla de frecuenciasMedidas de forma Cuantiles (percentiles) Diagrama de cajaEstudio real (integral) de capacidadUso de sistemas computacionales) () (16192122232930313234) (Captulo 2Capacidad de procesos I: Estadstica descriptivaMedidas de tendencia centralMedidas de dispersin o variabilidad) (24791113) (Captulo 1Conceptos bsicos de calidadCalidad y competitividadProductividadMedicin del desempeo de una empresaVariabilidad y pensamiento estadsticoCiclo de la calidad (ocho pasos en la solucin de un problema)) (xvii) (xv) (xiii) (ContenidoAcerca de los autores Prefacio Agradecimientos)

(138140144148152159160164171) (Captulo 6Herramientas bsicas para Seis SigmaDiagrama de ParetoEstraticacinHoja de vericacin (obtencin de datos) Diagrama de Ishikawa (o de causa-efecto) Lluvia de ideasDiagrama de dispersin Diagramas de procesos Sistemas poka-yoke) (98100107108117118120122123132) (Captulo 5ndices de capacidad, mtricas Seis Sigma y anlisis de toleranciasndices de capacidad para procesos con doble especicacinCapacidad de largo plazo e ndices Pp y PpkMtricas Seis SigmaProcesos con slo una especicacinEstimacin por intervalo de los ndices de capacidadEstudio real (integral) de capacidadDiseo de toleranciasEstimacin de los lmites naturales de tolerancia de un procesoUso de software) (62646572767778808589) (Captulo 4Elementos de inferencia estadsticaConceptos bsicosEstimacin puntual y por intervalo Conceptos bsicos de prueba de hiptesis Prueba para la mediaPrueba para la varianzaTres criterios de rechazo o aceptacin equivalentesHiptesis para dos parmetros: comparacin de dos procesos o poblaciones Poblaciones pareadas (comparacin de dos medias con muestras dependientes) Uso de software) (Contenido) (viii)

(266268271) (Captulo 10Estado de un proceso: capacidad y estabilidadEstado de un procesoEstrategias de mejora) (252255260262) (Captulo 9Cartas CUSUM y EWMA:deteccin oportuna de cambios pequeosCarta CUSUMCarta EWMAUso de software estadstico) (222224232238244) (Captulo 8Cartas de control para atributosCartas p y np (para defectuosos)Cartas c y u (para defectos)Implantacin y operacin de una carta de controlUso de software estadstico) (Carta X -SInterpretacin de las cartas de control y causas de la inestabilidadndice de inestabilidad, St Carta de individuales Cartas de precontrolUso de software estadstico) () (Carta de control X -R) () (182184186189196198203204208210) (Captulo 7Cartas de control para variables Causas comunes y especiales de variacin Cartas de control) (Contenido ix)

(368370371372375380386391394396400) (Captulo 13ConabilidadPreguntas en un estudio de conabilidadCaractersticas de los estudios de conabilidadTipos de censura en conabilidadFunciones en conabilidadModelos (distribuciones) para el tiempo de fallaEspecicacin de la distribucin de vida y estimacin grca de sus parmetrosEstimacin por mnimos cuadrados y por mxima verosimilitudVarios modos de falla Conabilidad de sistemas Uso de software estadstico) (337340349355356361) (320322324325326) (Captulo 12Muestreo de aceptacin Cundo aplicar el muestreo de aceptacin Tipos de planes de muestreoFormacin del lote y seleccin de la muestraAspectos estadsticos: variabilidad y curva caracterstica de operacinDiseo de un plan de muestreo simple con NCA y NCL especcos(mtodo de Cameron) Military Standard 105EPlanes de muestreo Dodge-RomingPlan de muestreo PDTL (NCL, LTPD) con c = 0Muestreo de aceptacin por variables (MIL STD 414) Uso de software estadstico) (278280283295296302303309) (Captulo 11Calidad de mediciones (repetibilidad y reproducibilidad) Conceptos bsicosEstudio largo de repetibilidady reproducibilidadEstudio R&R corto (short method) Monitoreo del sistema de medicin Estudios R&R para pruebas destructivas Estudios R&R para atributosUso de software estadstico) (Contenido) (x)

(479) (477) (467) (ApndiceBibliografa y referenciasndice) (450452452458462464) (Captulo 16Ejemplo de proyecto Seis SigmaDenicinMedicin Anlisis Mejora Control) (418420426434436437444) (Captulo 15Estrategia Seis SigmaAntecedentes y caractersticas de Seis SigmaEtapas de un proyecto Seis Sigma Disear para Seis Sigma (DMADV) Diseo para conabilidadProceso esbelto y Seis SigmaImplantacin de la estrategia 6) (406409) (Captulo 14Anlisis de modo y efecto de las fallas (AMEF)Actividades para realizar un AMEF (proceso)) (Contenido xi)

(Romn de la Vara Salazar es investigador consultor en el Centro de Investigacin en Matemti-cas (CIMAT) de Guanajuato, Mxico.Es candidato a doctor en estadstica por el CIMAT.Entre las empresas en las que ha impartido capacitacin y/o asesora en ingeniera para la calidad y estadstica, destacan las siguientes: Pemex, INEGI, Motorola, Comisin Federal de Electricidad, CENAM, Mabe, General Motors y Kodak.) (Acerca de los autoresHumberto Gutirrez Pulido es profesor investigador en el Centro Universitario de Ciencias Exactas e Ingeniera de la Universidad de Guadalajara. Obtuvo el doctorado en estadstica por el Centro de Investigacin en Matemticas (CIMAT) de Guanajuato, Mxico.Entre las empresas en las que ha impartido capacitacin y/o asesora en calidad total, con- trol estadstico y diseo de experimentos, destacan las siguientes: Cervecera Modelo, Tequila Herradura, Kodak, Xerox, Jabil, Coca-Cola e IBM.Ha escrito a lo largo de su trayectoria profesional tres libros, entre ellos, Calidad total y productividad, publicado por McGraw-Hill, y 25 artculos de investigacin. Asimismo, ha sido conferencista a nivel nacional e internacional.)

(han utilizado varias de las compaas lderes a nivel mundial, y gracias a su exitosa aplicacinha generado beneficios millonarios. Seis Sigma es una estrategia de mejora continua del nego- cio que busca encontrar y eliminar las causas de los errores, defectos y retrasos en los procesos del negocio, enfocndose hacia aquellos aspectos que son crticos para el cliente. La estrategia6 se apoya en una metodologa altamente sistemtica y cuantitativa orientada a mejorar losresultados del negocio con tres reas prioritarias de accin: satisfaccin del cliente, reduccin del tiempo de ciclo y disminucin de los defectos. La meta de 6, que le da el nombre, es lograr procesos con calidad Seis Sigma, es decir, procesos que como mximo generen 3.4 defectos por milln de oportunidades de error. Esta meta se alcanza mediante un programa vigoroso de mejora, diseado e impulsado por la alta direccin de una organizacin, en el que se desarro- llan proyectos en las diferentes reas de la empresa con el objetivo de lograr mejoras y remover defectos y retrasos de productos, procesos y transacciones. La metodologa en la que se apoya Seis Sigma est definida y fundamentada en las herramientas y el pensamiento estadsticos.Por lo anterior, el objeto de este libro, adems de abordar conceptos y tcnicas del control estadstico, es agregar varios de los mtodos que ms se utilizan en un proyecto Seis Sigma, as como describir con detalle las caractersticas principales de la estrategia Seis Sigma.El libro es resultado de ms de 15 aos de enseanza, capacitacin y asesora sobre control estadstico de calidad y estrategias de mejora. As, adems de la contribucin de los autores, esta obra ha sido posible gracias a las ideas, comentarios, dudas, ejemplos, datos, respuestas, discusiones y experiencia de las personas con las que se ha tenido contacto en el terreno profe- sional; desde estudiantes universitarios, estudiantes de posgrado, investigadores hasta personal tcnico y directivo de empresas e instituciones. Las respuestas a esas dudas, las experiencias y los diferentes aportes se han vertido en los 16 captulos del libro, que cuenta con alrededor de70 ejemplos y ms de 300 preguntas y ejercicios reales.Esperamos que esta obra resulte un aporte para enfrentar de mejor manera los tiempos ac- tuales, ya que la globalizacin y la alta competencia es una realidad tan contundente que deja poco lugar a dudas acerca de la necesidad de que las organizaciones enfrenten rpida y eficaz- mente esta competencia. Se puede afirmar que en buena parte la globalizacin ha dejado atrs muchas discusiones sobre la forma de enfrentar los nuevos tiempos. Hoy se sabe casi en todas las empresas y organizaciones que ya no hay clientes cautivos, y que en cualquier momento los clientes pueden encontrar una alternativa mejor. En este contexto la aplicacin de la estrategia Seis Sigma, con sus mtodos, representan una excelente opcin.) () () () (Identificar dnde, cmo, cundo y con qu frecuencia se presentan los principales proble-mas en una organizacin.Detectar con rapidez, oportunidad y a bajo costo anormalidades en los procesos y sistemas de medicin (monitoreo eficaz).Ser objetivos en la planeacin y toma de decisiones; expresar los hechos en forma de datos y evaluar objetivamente el impacto de acciones de mejora.Analizar lgica, sistemtica y ordenadamente la bsqueda de mejoras.En cuanto a Seis Sigma, sta es una de las principales estrategias que por ms de una dcada) () (PrefacioEn este libro abordamos los principales conceptos y mtodos del control estadstico de calidad y los aspectos esenciales de la estrategia de mejora conocida como Seis Sigma (6). Sobre el control estadstico podemos decir que ste ha demostrado su utilidad tanto en las empresas de manufactura como de servicio, ya que con las exigencias de mejora a la que se ven expuestas las organizaciones debido a la alta competitividad de los mercados globalizados, se ha hecho ms evidente la necesidad de ampliar la comprensin y utilizacin del pensamiento estadsti- co, y aplicar conceptos y tcnicas estadsticas para una diversidad de tareas y propsitos, por ejemplo:)

(Sobre la segunda edicinEn esta segunda edicin se ha hecho una importante revisin de la edicin anterior, con el pro- psito de hacer ms fcil y clara la lectura de la obra, ampliar algunos temas, agregar ejercicios, eliminar redundancias y mejorar la definicin de conceptos clave. Los mayores cambios resul- taron en los captulos uno (Conceptos bsicos), cuatro (Elementos de Inferencia Estadstica), cinco (ndices de capacidad, mtricas seis sigma y anlisis de tolerancias), seis (Herramientas bsicas para Seis Sigma), once (estudio de Repetibilidad y Reproducibilidad) y quince y dieci- sis (estrategia seis sigma). El contenido de los anteriores captulos 15-16 y 17 se ha puesto en esta nueva edicin en los captulos 6 y 16, respectivamente; con la idea de darles un mejor con- texto. Al final de cada captulo se han agregado breves explicaciones de cmo utilizar algunos sistemas computacionales, en esta edicin se ha hecho especial nfasis en Excel, Statgraphics y Minitab.Esperamos que con estas mejoras y nuevos materiales el libro siga siendo bien recibido por la comunidad iberoamericana.) (El libro se ha organizado en 16 captulos. En el primero se hace una revisin de los con-ceptos bsicos de la calidad y la productividad; en los captulos 2 y 5 se analizan los conceptos y mtodos para hacer un estudio de capacidad de un proceso, incluyendo las mtricas de Seis Sigma. Los captulos 3 y 4 tienen como propsito proporcionar algunos fundamentos tericos de la probabilidad y estadstica, que son necesarios para entender mejor el resto de los mtodos. En los captulos 7 a 10 se describen las tcnicas para evaluar la estabilidad de un proceso: cartas de control bsicas y avanzadas, relacin capacidad y estabilidad y cartas de precontrol. En el captulo 11 se detallan los mtodos para evaluar el funcionamiento de un sistema de medicin (estudios R&R y otros), indispensables en un proyecto Seis Sigma. En los captulos 12 y 13 se estudia, respectivamente, el tradicional muestreo de aceptacin y se da una introduccin a la confiabilidad.En los captulos 6 y 14 se describen varios mtodos de frecuente aplicacin en el contexto de proyectos Seis Sigma, como las herramientas bsicas, diferentes tipos de diagramas de proceso, QFD, Amef, etc. Finalmente, los captulos 15 y 16 estn dedicados a describir las principales caractersticas de la estrategia Seis Sigma: sus antecedentes, metodologa para el desarrollo de proyectos, roles y caractersticas de las personas en las que se respalda Seis Sigma (black belts, green belts, etc.). En particular en el captulo 16 se describe paso a paso un ejemplo real de proyecto Seis Sigma.Al final de cada captulo se han agregado preguntas y ejercicios con la idea de presentar material adicional complementario. En suma, con el contenido del libro se cubren los temas tradicionales del programa de control estadstico que se imparte a nivel universitario, as como otros mtodos indispensables para la realizacin de proyectos Seis Sigma, con lo cual tanto el profesor como el alumno pueden profundizar en temas adicionales para lograr una visin ms completa sobre la materia.De hecho, respecto a los mtodos de mayor uso en Seis Sigma, adems de los que se descri- ben en este libro faltara agregar lo referente a Diseo y anlisis de experimentos. Materia que se puede consultar en Gutirrez Pulido y De la Vara Salazar (2008), que es un libro complemen- tario de ste.) (Prefacio) (xvi)

(AgradecimientosAgradecer a todas las personas que directa o indirectamente contribuyeron en un libro como ste no es facil, ya que a lo largo de los aos se van acumulando ideas, comentarios, dudas, ejemplos, datos, respuestas, discusiones y experiencias de las personas con las que se ha tenido contacto en el terreno profesional. Finalmente, las respuestas a esas dudas, las experiencias y los diferentes aportes se han vertido en los 19 captulos del libro, con alrededor de 70 ejemplos y ms de 300 preguntas y ejercicios reales. De cualquier manera, y disculpndonos de antemano por las omisiones, qusieramos dejar testimonio de nuestro agradecimiento a las siguientes per- sonas: Julio Yuen (Flextronics), Leopoldo Torres y Carlos Zaragoza (Hitachi), Miguel Cedeo (Tequila Herradura), Mario Soto y Javier Ulloa (IBM), Mnica Guerrero (GE), Ignacio Gallo y Jorge Quirarte (Kodak), Martn Marn, scar Famoso y Pedro Ponce (Panasonic), Alberto Godnez, Felipe Camacho y Daniel Romo (Lucent Technology), Armando Miramontes (Innopack), Gustavo Basurto (Coca-Cola), Enrique Villa, Jorge Domnguez y Gustavo Torres (Cimat), Porfirio Gutirrez, Osvaldo Camacho, Lizbeth Daz, Agustn Rodrguez, Mara de Jess Guzmn y Cecilia Garibay (Universidad de Guadalajara), Vctor Aguirre (ITAM), Javier Quezada (Tec. de Monterrey), Jorge Villa (U. de Sonora), Cuauhtmoc Reyes (U. A. de Sinaloa), Mario Miguel Ojeda (U. Veracruzana), Marcial Quintanar y Carlos Manzo (Plus), Juan Ulin, Pvel Morales, Edmundo Dvila y Rubn Crdenas (Jabil Circuits), Joaqun Avalos (Cervecera Modelo), Joel Crdenas (Pemex), Jos Toro (Mabe-Sanyo), Valentn Gutirrez (Emerson) y Jorge Ramrez (CFE).)

(CONTROL ESTADSTICODE CALIDAD Y SEIS SIGMA)

(Captulo 1Conceptos bsicos de calidadSUMARIO Calidad y competitividad Variabilidad y pensamiento estadstico Productividad Ciclo de calidad (ocho pasos en la solucin de un Medicin del desempeo de una empresa problema)Objetivos de aprendizaje Analizar el concepto de calidad y los factores de la Describir el concepto de variabilidad en los procesos, competitividad como elementos centrales de la exis- as como la importancia del pensamiento estadstico tencia de una empresa u organizacin. para lograr que los proyectos Seis Sigma sean exitosos. Profundizar en el entendimiento de la productividad. Entender el ciclo de la calidad y los ocho pasos en la Explicar cmo ha evolucionado la forma de medir el des- solucin de un problema. empeo de una empresa, destacando la importanciaque ahora tiene considerar la opinin de los clientes.)

(Calidad del productoCalidad delPrecioEficienciaProductividadEficaciaCALIDADProceso(6 M)VariabilidadPensamiento estadsticoAcciones correctivas y preventivasMejoraEl ciclo de la calidad (PHVA)) (idad) (Competitiv) (servicio)

(Voz clienteInsumos Transformacin Resultados) (Voz proceso(Realimentacin vs. especicacin)) (Esquema de un proceso. Sobre los productos se miden las variables de salida.) (FIGURA 1.1) (Proceso) (Servicios) (Compras) (Etapa n) (Clientes) (Planeacin) (Proveedores) (Segundaetapa) (Primeraetapa) (Productos) (Diseo) (dad. Con respecto a esta caracterstica existen varias definiciones; por ejemplo, Juran sostie-ne que: Calidad es que un producto sea adecuado para su uso. As, la calidad consiste en la ausencia de deficiencias en aquellas caractersticas que satisfacen al cliente (Juran, 1990); mientras que de acuerdo con la definicin de la American Society for Quality (ASQ), calidad es) (Variables de salidaSon las caractersticas de calidad enlas que se reejan los resultados obte- nidos en un proceso.) (Variables de entrada del proceso Son las que denen las condiciones de operacin del proceso e incluyen las variables de control y las que aunque no son controladas, inuyen en el desempeo del mismo.) (que son transformados en un resultado (salidas) o en un producto. Un proceso estconformado por varias etapas o subprocesos, mientras que los insumos incluyen sustancias, materiales, productos o equipos. Los resultados pueden ser un pro- ducto en s o alguna modificacin de los insumos, que a su vez ser un insumo para otro proceso.Las variables de salida, es decir, las caractersticas de calidad o variables de res- puesta, las Y, son las variables en las que se ref lejan los resultados obtenidos en el proceso. A travs de los valores que toman estas variables se evala la eficacia del proceso; por ello, al analizarlas se estar escuchando la voz de ste (figura1.1). Algunos ejemplos de estas variables que son especficas para cada tipo de producto y proceso son: dimensiones (longitud, espesor, peso, volumen); pro- piedades fsicas, qumicas o biolgicas; caractersticas superficiales, propiedades elctricas, sabor, olor, color, textura, resistencia, durabilidad, etctera.Una exigencia fundamental de los clientes es que los productos sean de cali-) (productos con caractersticas que satisfagan sus necesidades y expectativas. Estos productosson resultado de un proceso (vase figura 1.1), el cual es un conjunto de actividades entrelazadas o interrelacionadas que reciben determinados insumos (entradas)) (veer un producto material o inmaterial, un bien o un servicio, ya que ellos necesitan) (Calidad y competitividadDesde el punto de vista de los clientes, las empresas y/u organizaciones existen para pro-) (CAPTULO 1: Conceptos bsicos de calidad) (4)

(Factores de la competitividad.) (FIGURA 1.2) (Precio directoDescuentos/ventas Trminos de pago Valor promedioCosto servicio posventa Margen de operacin Costos totales) (Tiempo de entregaFlexibilidad en capacidad Disponibilidad Actitudes y conductas Respuesta a la falla Asistencia tcnica) (AtributosTecnologa Funcionalidad Durabilidad Prestigio Conabilidad) (Precio) (Calidad en el servicio) (Calidad del producto) (Satisfaccin del cliente:competitividad de una empresaFactores crticos) (Tiempo de cicloEs el tiempo que transcurre desde queel cliente inicia un pedido que se trans- forma en requerimientos de materia- les, rdenes de produccin y de otras tareas, hasta que todo se convierte en un producto en las manos de ste.) (ref leja en buena medida qu tan buena es la logstica en la empresa (f lujos demercancas e informacin) y el tiempo que tardan las diferentes etapas del proceso.Se pensaba que calidad, precio y tiempo de entrega eran objetivos antagnicos, en el sentido de que se poda mejorar cualquiera de los tres slo en detrimento de los otros dos. De hecho, en algunas organizaciones se sigue creyendo que mejorar la calidad implica necesariamente un precio ms alto y mayor tiempo de elabora-) (tener menores tiempos de la entrega porque en la actualidad se requiere que el producto estjusto cuando se le necesita ( justo a tiempo).El tiempo de entrega est relacionado con el tiempo de ciclo, que corresponde al tiempo que transcurre desde que el cliente inicia un pedido, el cual se transforma en requerimientos de materiales, rdenes de produccin y de otras tareas, hasta que todo esto se con-vierte en un producto en las manos del cliente. De esta forma el tiempo de ciclo) (Satisfaccin del clienteEs la percepcin de ste acerca delgrado con el cual sus necesidades o expectativas han sido cumplidas.) (precio y mediante un buen servicio. En la figura 1.2 se muestran los componentesde estos tres factores de la competitividad. Como se aprecia, en la columna de calidad se incluye la tecnologa del producto, que implica la necesidad de inno- var para ser competitivo, ya que un producto puede estar libre de defectos; no obstante, el cliente est esperando que adems tenga nuevos y mejores atributos. Tambin se aprecia que uno de los componentes de la calidad en el servicio es) (Las expectativas son generadas de acuerdo con las necesidades, los antecedentes, el precio delproducto, la publicidad, la tecnologa, la imagen de la empresa, etc. Se dice que hay satisfac- cin cuando el cliente percibe del producto o servicio al menos lo que esperaba.De aqu se deriva que tanto la competitividad de una empresa como la satisfaccin del cliente estn determinadas principalmente por tres factores: la calidad del producto, el precio y la calidad del servicio. Se es ms competitivo cuando se ofrece mejor calidad a bajo) (CalidadEs el juicio que el cliente tiene sobreun producto o ser vicio, resultado del grado con el cual un conjunto de ca- ractersticas inherentes al producto cumple con sus requerimientos.) (la totalidad de detalles y caractersticas de un producto o servicio que inf luye ensu capacidad para satisfacer necesidades dadas; en las Normas ISO-9000:2000 se define calidad como el grado en el que un conjunto de caractersticas inhe- rentes cumplen con los requisitos, entiendindose por requisito una necesidad o expectativa por lo general implcita u obligatoria. En trminos menos formales, la calidad, definida por el cliente, es el juicio que ste tiene acerca de un producto o servicio. Un cliente queda satisfecho cuando se le ofrece todo lo que l esperaba encontrar y ms. Por lo tanto, calidad es ante todo la satisfaccin del cliente, que est ligada a las expectativas que ste tiene con respecto al producto o servicio.) (Calidad y competitividad 5)

(Con fallas y deciencias no es posible competir en calidad ni en precio, menos en tiempos de entrega.) (FIGURA 1.3) (Menos competitividad) (Ms gastos) (Reprocesos, desperdicios, retrasos, equivocaciones, paros, inspeccin excesiva, desorganizacin,problemas con proveedores y clientes, conictos humanos en el interior de la empresa) (Fallas y deciencias) (La caracterstica comn de cada uno de los aspectos anteriores es que implican ms gastos,as como menos produccin y ventas. Es necesario cubrir los pagos de la gente que hace la inspeccin, los reprocesos, de quienes atienden los retrasos y de los que se encargan de los servicios de garanta; adems, usan mquinas, espacios, energa elctrica y requieren mandos que los coordinen. En este sentido, la mala calidad no slo trae como consecuencia clientes insatisfechos sino tambin mayores costos; por lo tanto, no es posible competir en calidad ni en precio, menos en tiempos de entrega. Un proceso de mala calidad es errtico, costoso, inestable y no se puede predecir. La figura 1.3 sintetiza la relacin entre mala calidad y competitividad.Cabe sealar que los costos de la mala calidad pueden ser muy altos dependiendo del desempeo de la empresa, e incluso llegan a representar entre 25 y 40% de las ventas de la empresa (ver captulo 15).Por otra parte, al mejorar la forma en que se realizan todas las actividades se logra una reaccin que genera importantes beneficios; por ejemplo, se reducen reprocesos, errores, retra- sos, desperdicios y artculos defectuosos; asimismo, disminuye la devolucin de productos, las visitas a causa de la garanta y las quejas de los clientes. Al disminuir las deficiencias se reducen los costos y se liberan recursos materiales y humanos que se pueden destinar a elaborar ms productos, resolver otros problemas de calidad, reducir los tiempos de entrega o proporcionar) (Reprocesos, desperdicios y retrasos en la produccin.Pagar por elaborar productos malos. Paros y fallas en el proceso.Una inspeccin excesiva para tratar que los productos de mala calidad no salgan al mercado. Reinspeccin y eliminacin de rechazo.Ms capacitacin, instrucciones y presin a los trabajadores.Gastos por fallas en el desempeo del producto y por devoluciones. Problemas con proveedores.Ms servicios de garanta.Clientes insatisfechos y prdidas de ventas.Problemas, diferencias y conf lictos humanos en el interior de la empresa.) () (cin. Sin embargo, cada da hay ms organizaciones en las que se sabe que la calidad en todaslas reas y actividades influye de manera positiva en los tres factores. Cuando se tiene mala calidad en las diferentes actividades hay equivocaciones y fallas de todo tipo, por ejemplo:) (CAPTULO 1: Conceptos bsicos de calidad) (6)

(Al mejorar la calidad se da una reaccin en cadena.) (FIGURA 1.4) (Hay cada vez ms trabajo) (Se es ms competitivo en calidad y precio) (Mejora la productividad) (Disminuyen los costos porque hay menos reprocesos, fallas y retrasos; de esta manera se utilizan mejorlos materiales, mquinas, espacios y recursos humanos) (Se mejora todo) (EficienciaRelacin entre los resultados logradosy los recursos empleados. Se mejora optimizando recursos y reduciendo tiempos desperdiciados por paros de equipo, falta de material, retrasos, etctera.) (ProductividadEs la capacidad de generar resultadosutilizando ciertos recursos. Se incre- menta maximizando resultados y/u optimizando recursos.) (empleados. Los resultados logrados pueden medirse en unidades producidas, piezasvendidas, clientes atendidos o en utilidades. Mientras que los recursos empleados se cuantifican por medio del nmero de trabajadores, tiempo total empleado, horas- mquina, etc. De manera que mejorar la productividad es optimizar el uso de los recursos y maximizar los resultados. De aqu que la productividad suela dividirse en dos componentes: eficiencia y eficacia. La primera es la relacin entre los resul- tados logrados y los recursos empleados, se mejora principalmente optimizando el uso de los recursos, lo cual implica reducir tiempos desperdiciados, paros de equipo, falta de material, retrasos, etc. Mientras que la eficacia es el grado con el cual las actividades previstas son realizadas y los resultados planeados son logrados. Por lo tanto, ser eficaz es cumplir con objetivos y se atiende mejorando los resultados de equipos, materiales y en general del proceso.Por ejemplo, si la productividad se mide a travs de las unidades producidas entre el tiempo total empleado (figura 1.5), entonces la eficiencia ser la relacin) (empleados; por lo tanto, se mide mediante el cociente: resultados logrados entre recursos) (ProductividadEn general, la productividad se entiende como la relacin entre lo producido y los medios) (CompetitividadEs la capacidad de una empresa paragenerar valor para el cliente y sus proveedores de mejor manera que sus competidores.) (As, a manera de resumen, la competitividad se define como la capacidad deuna empresa para generar valor para el cliente y sus proveedores de mejor ma- nera que sus competidores. Esta capacidad se manifiesta por medio de niveles adecuados para los diferentes componentes de los factores de la competitividad (vase figura 1.2).) (un mejor servicio al cliente, lo cual incrementa la productividad y que la gente est ms con-tenta con su trabajo. Lo anterior se sintetiza en la figura 1.4, cuyo concepto fue presentado por primera vez en 1950 por Edwards Deming a un grupo de industriales japoneses.De acuerdo con lo anterior se ve la importancia del control de calidad, que es el conjunto de actividades planeadas para que los requisitos de la calidad del producto se cumplan. Adems, es necesario implementar estrategias de mejora, como Seis Sigma, que al reducir los costos de no calidad e incrementar la productividad, se vuelven atractivas desde el punto devista econmico.) (Productividad 7)

(La productividad y sus componentes.) (FIGURA 1.5) (que los objetivos planteados sean trascendentes y se alcancen. Esto es importanteporque una empresa puede plantearse una serie de objetivos y ser eficaz en su cumplimiento, pero quiz no ref lejen de manera clara el desempeo de los pro- cesos de la empresa.) (Se emplean para eliminar la causade una no conformidad detectada. Es decir, estn orientadas a prevenir recurrencias.) (Acciones correctivas) (dad promedio de 40% en las ramas industriales referidas, lo cual indica el potencial y el reade oportunidad que existe en mejorar el actual sistema de trabajo y de organizacin mediante programas de mejora continua.As, el reto es buscar la mejora continua, ya sea mediante acciones preventivas o correctivas. Las primeras sirven para eliminar la causa de una inconformidad potencial u otra situacin indeseable, o sea que se enfoca a prevenir la ocurrencia. Las segundas acciones son para eliminar la causa de la inconformidad detectada y se emplean para prevenir larecurrencia.Un concepto relacionado con los anteriores es la efectividad, que se refiere a) (Son aquellas que se implementanpara eliminar la causa de una incon- formidad u otra situacin potencial indeseable.) (a realizar mejor su trabajo. Segn la encuesta antes referida, la eficacia promediodetectada fue de 80%, lo cual significa que si se planean materiales y actividades para producir 100 unidades, al final slo 80 en promedio estn libres de defectos y las otras 20 se quedaron a lo largo del proceso por algn tipo de defecto. De estas 20 algunas podrn reprocesarse y otras se convertirn en desperdicio.De esta manera, al multiplicar eficiencia por eficacia se tiene una productivi-) (Acciones preventivas) (promedio detectada fue de 50%, es decir, que en estos sectores se desperdicia la mitad deltiempo en promedio por aspectos de logstica y organizacin principalmente. Por ello, tiene sentido la afirmacin de la figura 1.5, cuando se dice que ms que producir rpido es preferi- ble hacerlo mejor, incrementando el f lujo del trabajo y reduciendo los tiempos desperdiciados a lo largo de los procesos.Por otro lado est la mejora de la eficacia, en la cual se busca la disminucin de los productos con defectos, las fallas en arranques y en la operacin de procesos. Es decir, se busca dismi- nuir las deficiencias en materiales, diseos y equipos; adems de incrementar ymejorar las habilidades del personal y generar programas que le ayuden a la gente) (EficaciaGrado con el cual las actividades pla-neadas son realizadas y los resultados previstos son logrados. Se atiende maximizando resultados.) (entre tiempo til y tiempo total; mientras que la eficacia ser el cociente entrelas unidades producidas y el tiempo til. De esta manera, la figura 1.5 sugiere dos programas para incrementar la productividad: mejorar eficiencia, en la que se busque reducir los tiempos desperdiciados por paros de equipos, carencia de materiales, falta de balance en las capacidades, retrasos en los suministros y en las rdenes de compra, as como por mantenimiento y reparaciones no progra- madas. Segn una encuesta aplicada en los sectores metalmecnico, de muebles, calzado, textil y de la confeccin en Mxico (Eroles, et al., 1998), la eficiencia) (De 100 unidades, 80 estn libres dedefectos,20 tuvieron algn defecto) (El 50% del tiempo se desperdicia en: Programacin Paros no programados Desbalance de capacidades Mantenimiento y reparaciones) (Ecacia = 80%) (Eciencia = 50%) (Tiempo til) (Tiempo total) (Tiempo total) () (=) (Tiempo til Unidades producidas) (Unidades producidas) (Productividad: mejoramiento continuo del sistema.Ms que producir rpido, producir mejor. Productividad = eciencia ecacia) (CAPTULO 1: Conceptos bsicos de calidad) (8)

(Evolucin de los criterios para determinar el desempeo de la empresa:cada nuevo estado incorpora los anteriores criterios y agrega otros ms.) (FIGURA 1.6) (Anlisis deganancias, enfoque a dividendos Estado 1Reporte nanciero) (Cumplir conespecicaciones. Enfoque a reduccin de retrabajo y de desperdiciosEstado 2Conformancia) (Toma msimportancia el cliente, la empresa se acercaa l, las decisiones estn basadas en sus necesidades y expectativasEnfoque al clienteEstado 3Clientes) (La empresa amplasus perspectivasy no slo analiza la satisfaccin de sus clientes, sino tambin se pone en contacto con el mercadoy se compara con sus competidores. Enfoque al cliente y al mercadoEstado 4Mercado, papel crtico de la calidad) (satisfaccin del cliente y el desempeo de las operaciones, es necesario incorporar dos guasclaves ms: satisfaccin y desarrollo de los empleados, y asociacin con proveedores. As, el xito de una organizacin se debe procurar desde la seleccin de proveedores y el seguimiento de lo que sucede en el proceso de stos (que es la primera parte del proceso de la empresa), para) (ConformanciaConsiste en cumplir con las especica-ciones de calidad y enfocarse a reducir el retrabajo y los desperdicios.) (Sistema de medicin del desempeo Se reere a cuanticar los signos vi- tales de la organizacin y con base en ellos encauzar el pensamiento de los empleados y jar prioridades.) (desempeo de la organizacin, de modo que se tenga claro cules son los signos vita-les de salud de la organizacin y los procesos. De esta manera ser posible encauzar el pensamiento y la accin (mejora) a lo largo del ciclo de negocio en los diferentes procesos. En este sentido, hoy se sabe que los reportes de los resultados financieros no son suficientes para medir la salud actual y futura de la organizacin.En la figura 1.6 se muestra un esquema de cmo ha evolucionado lo que se mide y cmo se administra una organizacin. Se aprecia cmo se parte desde el reporte financiero, pasando por medir la calidad y la no calidad en la empresa, hasta utili- zar la calidad como un factor clave en la administracin del valor para el cliente.La ltima etapa que ref leja la figura 1.6 consiste en enfocar la empresa al mercado. Para ello, adems de basarse en el reporte financiero y los criterios de conformancia de las diferentes operaciones, es necesario tomar en cuenta la eva- luacin a los propios clientes, los clientes de los competidores y, en general, se requiere preguntar al mercado cmo percibe a la empresa.En la figura 1.7 vemos que adems del reporte financiero para los accionistas, la) (Es necesario medir lo que es importante y clave en los procesos, as como los resultados quese quieren mejorar. La siguiente frase sintetiza esta idea: dime qu mides y cmo lo analizas y te dir qu es importante para tu rea y para tu empresa. O en palabras de H. J. Harrington: la peculiaridad que distingue a los seres humanos de los otros seres vivos es su capacidad de observar, medir, analizar y utilizar la informacin para generar cambios (Harrington, 1998).Una tarea esencial del lder y de su equipo es establecer el sistema de medicin del) (y desempeo, ya que la eleccin de lo que un negocio o un rea mide y analiza comunicavalor, encauza el pensamiento de los empleados y fija las prioridades. Las medidas son un medio sistemtico para convertir las ideas en accin. Por lo tanto, la medicin constituye uno de los aspectos esenciales en el control estadstico y en la estrategia de mejora Seis Sigma.) (Medicin del desempeo de una empresaUn aspecto fundamental en una organizacin es decidir qu y cmo se va a medir su salud) (Medicin del desempeo de una empresa 9)

(Medicin del desempeo de una organizacin.) (FIGURA 1.7) (Algunos indicadores para las guas clave del negocio.) (FIGURA 1.8) () () () () () () () () () (endencias de premios) () () () () () () () () () () (Retorno sobre activosUtilidadesCostos operativos Inversiones comerciales Costos de servicio posventa) (Evaluaciones de calidadQuejas del cliente Calidad de la entrega (servicio)Anlisis del mercado Anlisis de competitividad) (Tiempo de cicloRotacin de inventariosEcienciaHoras de retrabajo Fiabilidad del proceso industrialEvaluacin de calidad (defectos, retrabajo, desperdicios, etc.) Proyectos de mejora) (Tendencias de laproduccinActividad de los equiposTy reconocimientos Estudios de satisfaccin de los empleados Crecimiento y desarrollo) (Resultados de auditorasSus ndices de calidad(por mes) Seleccin Clasicacin Capacidades De calidad De volumen De entregaDe costos y precios) () () () () () (Accionistas) (Clientes) (Calidad operacional) (Empleados) (Proveedores) (Evaluacin del desempeo: guas fundamentales) (continuar con lo que pasa con los empleados de la empresa (ningn xito duradero se puedefincar en estos tiempos en empleados insatisfechos, atemorizados y que no estn desarrollndo- se como personas y como empleados). La siguiente gua es proporcionada por la calidad de los resultados operacionales (evaluaciones de calidad, productividad, etc.). Estas tres guas se refle- jan y retroalimentan con la cuarta gua: la satisfaccin del cliente. Por ltimo, la quinta gua son los resultados para el accionista, que es en gran parte la consecuencia del resto de las guas.A partir de la figura 1.7 se observa que el reporte financiero llega demasiado tarde como para fundamentar la direccin de una organizacin slo con esta gua. Es necesario ir hacia atrs y obtener indicadores que ref lejen en forma ms preventiva la salud de la empresa.En la figura 1.8 se muestran algunos de los indicadores especficos que conforman cada una de las guas clave del negocio. Es importante que los datos de cualquier indicador clave sean realistas, mensurables, procesables, fiables, de rpida actualizacin y de fcil acceso a quienes lo requieren. El sistema de medicin del desempeo debe proporcionar una orienta- cin clara para las diferentes reas y para los individuos en todos los niveles, de manera que sepan si su desempeo es satisfactorio y qu aspectos es necesario mejorar. El sistema de medicin con los indicadores que se muestran en la figura 1.8 es balanceado y ref leja en bue-) (Desempeooperacional) (Satisfaccindel cliente) (Satisfaccinde los empleados) (Valor delaccionista) (Asociacincon proveedores) (Las guas clave del negocio) (CAPTULO 1: Conceptos bsicos de calidad) (10)

(1 La segunda ley de la termodinmica dice que cualquier sistema tiende a aumentar su entropa, es decir, un proceso que se deja libre, sin intervenirlo, ajustarlo o mejorarlo, tiende a aumentar su desorden.) (como se esquematiza en la figura 1.9. El resultado de todo proceso se debe a la accin con-junta de las 6 M, por lo que si hay un cambio significativo en el desempeo del proceso, sea accidental u ocasionado, su razn se encuentra en una o ms de las 6 M.En un proceso, cada una de las 6 M tiene y aporta su propia variacin; por ejemplo, los materiales no son idnticos, ni toda la gente tiene las mismas habilidades y entrenamiento. Por ello, ser necesario conocer la variacin de cada una de las 6 M y buscar reducirla. Pero adems es necesario monitorear de manera constante los procesos, ya que a travs del tiempo ocurren cambios en las 6 M, como la llegada de un lote de material no adecuado o con caractersticas especiales, descuidos u olvidos de la gente, desajustes y desgaste de mquinas y herramientas, etc.1 Debido a la posibilidad permanente de que ocurran estos cambios y desajustes, es necesa- rio monitorear de manera constante y adecuada diferentes variables, que pueden ir desde carac-) (6 MSon los materiales, mano de obra, me-diciones, medio ambiente, mquinas y mtodos que conforman un proceso.) (Reducir la variacin de los procesos es un objetivo clave del control estadsti-co y de Seis Sigma. Por lo tanto, es necesario entender los motivos de la variacin, y para ello se parte de que en un proceso (industrial o administrativo) interactan materiales, mquinas, mano de obra (gente), mediciones, medio ambiente y m- todos. Estos seis elementos (las 6 M) determinan de manera global todo proceso y cada uno aporta algo de la variabilidad y de la calidad de la salida del proceso,) (igual, etc. Esta variacin que ocurre en nuestra vida tambin se lleva a cabo en los procesos delas empresas. Por ejemplo, en un banco se lleva un registro de los minutos que los clientes espe- ran para ser atendido; al azar se eligen 40 de estos tiempos de espera y se obtiene lo siguiente:18.1 7.9 14.6 13.6 14.2 13.0 11.0 7.4 8.7 11.3 13.4 7.0 5.4 9.2 8.0 4.8 14.2 13.5 13.9 11.811.3 12.9 15.7 13.3 6.7 0.7 13.1 9.6 6.8 9.1 9.3 9.3 9.0 14.2 12.2 12.5 11.4 7.7 6.9 11.4En el caso de esta muestra el tiempo promedio de espera fue de 11.1. Pero existe variacin, ya que un cliente esper menos de un minuto (0.7) y otro fue atendido despus de 18.1 minu- tos de espera. De aqu que una de las tareas clave del control estadstico de un proceso ser no slo conocer su tendencia central (media), sino tambin su variabilidad.Un ejemplo rpido que ilustra la importancia de que los procesos tengan poca variacin se ilustra mediante el siguiente caso. Existen dos empresas que proveen el mismo producto. La empresa A tarda entre 10 y 22 das en surtir los pedidos; mientras que la empresa B requiere entre 13 y 19 das. Las dos empresas tardan en promedio lo mismo (16 das), pero si se es cliente de la empresa B se tendr menos incertidumbre (menos variabilidad) acerca de cundo van a surtir su pedido.) (Se reere a la diversidad de resultadosde una variable o de un proceso.) (en trasladarnos de nuestra casa al trabajo o escuela es diferente de una da a otro; latemperatura del ambiente es distinta de una hora a otra; lo dulce de una bebida que es preparada en casa es diferente de un da a otro aunque aparentemente se prepar) (VariabilidadLa variabilidad es parte de nuestra vida diaria; por ejemplo, el tiempo que tardamos Variabilidad) (control estadstico de la calidad es la aplicacin de tcnicas estadsticas al control de calidad. Ahoraveamos con detalle el significado e importancia de la variabilidad.) (cin y anlisis de datos tomando en cuenta la variacin en los mismos. Por su parte, el) (Variabilidad y pensamiento estadsticoLa estadstica est formada por un conjunto de tcnicas y conceptos orientados a la recolec-) (na medida los diferentes intereses en la empresa (gerencia, empleados, accionistas, clientesexternos, proveedores).) (Variabilidad y pensamiento estadstico 11)

(La variabilidad de un proceso. Cada M aporta una parte, no necesariamente igual, de la variacin total observada.) (FIGURA 1.9) (bien, interactan con el resto del sistema. Por lo tanto, si no se toma en cuenta la maneraen que se relaciona un proceso con el resto del sistema, la optimizacin de una de las partes puede tener un efecto desastroso para el resto del sistema.) (Pensamiento estadsticoFilosofa de aprendizaje y accin queestablece la necesidad de un anlisis adecuado de los datos de un proce- so, como una accin indispensable para mejorar su calidad (reducir su variabilidad).) (Pensamiento estadsticoHasta el momento se han explicado los aspectos fundamentales del pensamiento estadstico, que es una filosofa de aprendizaje y accin basada en tres principios: todo el trabajo ocurre en un sistema de procesos interconectados; la variacin exis- te en todos los procesos, y entender y reducir la variacin son claves para el xito. Pensar en forma estadstica implica tomar informacin del proceso para conocerlo (aprendizaje), y tambin es actuar de acuerdo con ese aprendizaje (accin).En el primer principio del pensamiento estadstico se habla de procesos in- terconectados para enfatizar que los procesos no operan de manera aislada, ms) () () () () () (Identificar dnde, cmo, cundo y con qu frecuencia se presentan los problemas (regula-ridad estadstica).Analizar los datos procedentes de las guas clave del negocio,a fin de identificar las fuen- tes de variabilidad, analizar su estabilidad y pronosticar su desempeo.Detectar con rapidez, oportunidad y a bajo costo anormalidades en los procesos y siste- mas de medicin (monitoreo eficaz).Ser objetivos en la planeacin y toma de decisiones, y evitar frases como yo siento, yo creo, mi experiencia y el abuso de poder en la toma de decisiones.Expresar los hechos en forma de datos y evaluar de manera objetiva el impacto de accio- nes de mejora.Enfocarse a los hechos vitales; es decir, a los problemas y causas realmente importantes. Analizar de manera lgica, sistemtica y ordenada la bsqueda de mejoras.) () (tersticas claves de los insumos, las condiciones de operacin de los equipos, hasta las variablesde salida de los diferentes procesos. Como lo veremos despus, para monitorear procesos y detectar posibles cambios, las herramientas ms adecuadas son las cartas de control.Adems, en los esfuerzos permanentes que es necesario realizar para mejorar la calidad yla productividad de un proceso, como lo contempla la estrategia Seis Sigma, resulta indispen- sable apoyarse en las tcnicas y el pensamiento estadstico, ya que proporcionan metodolo- gas que facilitan la planeacin, el anlisis y la toma de decisiones a travs de:) (Variable de salida (caracterstica de calidad)) (Mtodos) (Materiales) (Medio ambiente) (Maquinaria) (Mediciones) (Mano de obra) (CAPTULO 1: Conceptos bsicos de calidad) (12)

(Pensamiento estadstico en los tres niveles de la organizacin.) (FIGURA 1.10) (un plan (planificar); ste se prueba en pequea escala o sobre una base de ensayo tal como hasido planeado (hacer); se analiza si se obtuvieron los efectos esperados y la magnitud de los mismos (verificar), y de acuerdo con lo anterior se acta en consecuencia (actuar), ya sea con la generalizacin del plan si dio resultado, con medidas preventivas para que la mejora no sea reversible, o bien, se reestructura el plan si los resultados no fueron satisfactorios, con lo que se vuelve a iniciar el ciclo.Una forma de llevar a la prctica el ciclo PHVA, es dividir a ste en ocho pasos o actividades para su solucin, como se muestra en la tabla 1.1, que se describen a continuacin.1. Seleccionar y caracterizar el problema. En este primer paso se selecciona un problema im- portante, se delimita y se define en trminos de su magnitud e importancia. Para establecer la magnitud es necesario recurrir a datos estadsticos para que sea clara la frecuencia en la que ocurre el problema. Adems, es necesario conocer cmo afecta al cliente (interno o externo)) (llegar a las causas de fondo de los problemas realmente importantes, y no quedarseen atacar efectos y sntomas. En este sentido la mayora de metodologas de solu- cin de problemas estn inspiradas en el ciclo de la calidad o ciclo PHVA (planear, hacer, verificar y actuar), en el que se desarrolla de manera objetiva y profunda) (nicos, es imprescindible seguir una metodologa bien estructurada, para as) (Ciclo de la calidad (ciclo PHVA) Proceso de cuatro etapas para desa- rrollar proyectos de mejora; consiste en planear, hacer, vericar y actuar (PHVA).) (Ciclo de la calidad (ocho pasos en lasolucin de un problema)Para mejorar la calidad y, en general para resolver problemas recurrentes y cr-) (El segundo principio reconoce que los resultados de todos los procesos son variables, yesto ya lo hemos justificado antes y quedar en evidencia a lo largo del libro. El tercer prin- cipio es una de las razones y objetivos principales de esta obra: reducir la variabilidad hasta lograr el nivel de calidad Seis Sigma (vase captulo 15). El gran reto es que una empresa logre profundizar en la filosofa del pensamiento estadstico, ya que eso le ayudar a conocer la realidad (con variacin), pero tambin le permitir dirigir ms adecuadamente sus esfuerzos de mejora. En la figura 1.10 se muestra la forma en que el pensamiento estadstico contribuye en los diferentes niveles de una organizacin.) ( Identica medidas clave y oportunidades de mejora.) (Operacional) ( Graca datos de los procesos.) (Ambiente en el que sedesarrolla el trabajo) ( Conoce la variacin.) ( Se enfoca en los procesos y no reclama a los empleados por su variacin.) (Directivo) ( Fija metas (sabe que hay variacin).) (Procesosadministrativos para guiar la organizacin) ( Desarrolla proyectos estructurados.) ( Estimula a los empleados a experimentar nuevas formas de hacer su trabajo.) ( Desarrolla e implementa sistemas de medicin para dirigir el progreso.) (Estratgico) (A dnde se dirigela organizacin?) ( Emplea datos de varias fuentes para dirigir.) ( Crea estrategias y las comunica.) (Ciclo de calidad (ocho pasos en la solucin de un problema) 13)

(ETAPA PASO NOMBRE Y BREVE DESCRIPCIN DEL PASO) (7.) (6.) (5.) (4.) (3.) (2.) (y el costo anual estimado de dicho problema. Con base en lo anterior se establece el objetivodel proyecto de mejora y se forma el equipo de personas que abordar dicho problema. Buscar todas las posibles causas. En esta etapa se trata de buscar todas las posibles causas del problema, sin discutirlas. Para ello se recomienda aplicar una sesin de lluvia de ideas (ver captulo 6), con especial atencin en los hechos generales y no en los particulares (por ejemplo, si el problema es lotes rechazados por mala calidad, no preguntar por qu se recha- z un lote en particular; mejor preguntar por qu se rechazan los lotes).Investigar las causas ms importantes. El objetivo de este tercer paso es elegir de la lista de posibles causas detectadas en el punto anterior, las ms importantes. Siempre que sea posible, para esta eleccin se debe recurrir a anlisis estadsticos (anlisis de Pareto, estrati- ficacin, etc.). De lo contrario la eleccin de las causas ms importantes se puede hacer por consenso o por votacin (ver Lluvia de ideas en el captulo 6). Al final de esta actividad se debern tener las causas sobre las que se actuar para resolver el problema.Considerar las medidas remedio. En este paso se deciden las medidas remedio para cada una de las causas sobre las que se ha decidido actuar. Se recomienda buscar que estas medi- das lleguen al fondo de la causa, que modifiquen la estructura de la problemtica; es decir, no adoptar medidas superficiales que dejen intactas las causas. Para acordar las soluciones para cada causa, se parte de los anlisis hechos en el paso previo y/o de una sesin de lluvia de ideas (captulo 6). Para cada causa se debe completar la siguiente informacin sobre las soluciones: objetivo, dnde se aplicar, quin, cmo (plan detallado), cunto costar, cun- do se implantar, cmo se va a verificar si fue efectiva y efectos secundarios esperados. Implementar las medidas remedio. En este paso se deben ejecutar las medidas remedio, acordadas antes, iniciando a pequea escala sobre una base de ensayo. Adems, se reco- mienda seguir al pie de la letra el plan elaborado en el paso anterior e involucrar a los afec- tados, explicndoles los objetivos que se persiguen. Si hay necesidad de hacer algn cambio al plan previsto, esto debe ser acordado por el equipo responsable del proyecto.Revisar los resultados obtenidos. Aqu, es necesario verificar con datos estadsticos si las medidas remedio dieron resultado. Una forma prctica es comparar estadsticamente la magnitud del problema antes con su magnitud despus de las medidas. En caso de encontrar resultados positivos, stos deben cuantificarse en trminos monetarios (si esto es posible). Prevenir recurrencia del mismo problema. Si las soluciones no dieron resultado se debe repasar todo lo hecho, aprender de ello, reflexionar, obtener conclusiones y con base en esto empezar de nuevo. En cambio, si las soluciones dieron resultado, entonces se debe genera- lizar y estandarizar la aplicacin de las medidas remedio; y acordar acciones para prevenir la recurrencia del problema. Por ejemplo, estandarizar la nueva forma de operar el proceso, documentar el procedimiento y establecer el sistema de control o monitoreo del proceso.) (8) (Actuar) (Prevenir la recurrencia: si las acciones dieron resultado, stas deben generalizarse y estandarizar su aplicacin.Establecer medidas para evitar recurrencia.Conclusin y evaluacin de lo hecho: evaluar todo lo hecho anteriormente y documentarlo.) (7) (Revisar los resultados obtenidos: comparar el problema antes y despus.) (6) (Vericar) (Ejecutar las medidas remedio: seguir el plan y empezar a pequea escala.) (5) (Hacer) (Planear) (234) (Seleccionar y caracterizar un problema: elegir un problema realmente importante, delimitarlo y describirlo,estudiar antecedente e importancia, y cuanticar su magnitud actual.Buscar todas las posibles causas: Lluvia de ideas, diagrama de Ishikawa. Participan los involucrados. Investigar cules de las causas son ms importantes: recurrir a datos, anlisis y conocimiento del problema. Elaborar un plan de medidas enfocado a remediar las causas ms importantes: para cada accin, detallar en qu consiste, su objetivo y cmo implementarla; responsables, fechas y costos.) (1) (Ocho pasos en la solucin de un problema.) (TABLA 1.1) (14 CAPTULO 1: Conceptos bsicos de calidad)

(10. Explique cmo han evolucionado los criterios paramedir el desempeo de una organizacin.11. Muestre en forma grca las cinco guas clave para evaluar el desempeo de una organizacin y explique qu aspectos incluyen cada una de estas guas.) (9.) (7.8.) (6.) (5.) (3.4.) (12. Se dice que la variabilidad siempre existe. Comente tressituaciones prcticas donde se reeja esto.13. Cules son las 6 M en las que se divide un proceso?14. Por qu es necesario el control estadstico?15. Se dice que el pensamiento estadstico es una losofa de aprendizaje y accin, por qu aprendizaje y por qu accin?16. Explique los tres principios del pensamiento estadstico.17. Describa la forma en que el pensamiento estadstico puede ayudar en los niveles estratgico, directivo y operacional de una organizacin.18. Describa en qu consiste el ciclo de la calidad o ciclo PHVA.19. A qu tipo de problemas se les debe aplicar la meto- dologa de los ocho pasos?20. De las cuatro fases del ciclo de la calidad, a su juicioen cules es necesario hacer mayor mayor nfasis? Argumente.20. A un equipo de mejora de la calidad se le responsabili- za de resolver un problema importante, y como una es- trategia de eciencia y prontitud en la primera reunin empiezan a proponer soluciones a tal problema. Estn procediendo de manera correcta?) (Qu es un proceso?Qu es una variable de salida (caracterstica de cali- dad) de un proceso?Qu es calidad?Cules son los tres factores crticos que determinan la competitividad de una empresa?Cul es la relacin entre calidad, precio y tiempo de entrega, tanto desde el punto tradicional como actual? Explique la reaccin en cadena que se da al mejorar la calidad, y seale quin la formul por primera vez.Qu signica que una empresa sea competitiva?La productividad la constituyen la eciencia y la eca- cia. Proporcione una denicin general de productivi- dad y explique sus dos componentes.Por qu es fundamental establecer un buen sistema de medicin del desempeo de la organizacin?) (1.2.) (Preguntas y ejercicios) ( Acciones preventivas Acciones correctivas Sistema de medicin del desempeo Conformancia Variabilidad 6 M Pensamiento estadstico Ciclo de la calidad (ciclo PHVA)) ( Variables de salida Variables de entrada del proceso Calidad Satisfaccin del cliente Tiempo de ciclo Competitividad Productividad Eciencia Ecacia) (Conceptos clave) (8. Conclusin. En este ltimo paso se revisa y documenta todo lo hecho, cuantificando los lo-gros del proyecto (medibles y no medibles). Adems se sealan las causas y/o problemas que persisten y sealar algunas indicaciones de lo que puede hacerse para resolverlos. Finalmente, elaborar una lista de los beneficios indirectos e intangibles que se logr con el plan de mejora.Estos ocho pasos, aplicados a problemas recurrentes o a proyectos de mejora, tal vez en un principio parezcan un trabajo extra y lleno de rodeos, pero a mediano plazo liberan de muchas de las actividades que hoy se realizan y que no tienen ningn impacto en la calidad. En otras palabras, el seguir los ocho pasos sustituir cantidad de acciones instantneas por calidad de soluciones de fondo. Seguir los ocho pasos debe ser un hbito que se debe promover en todos los niveles de la empresa y en todos sus niveles directivos.) (Preguntas y ejercicios 15)

(Captulo 2Capacidad de procesos I: Estadstica descriptivaSUMARIO Medidas de tendencia central Medidas de forma Medidas de dispersin o variabilidad Cuantiles (percentiles) Relacin entre X y S (interpretacin de la desviacin Diagrama de cajaestndar) Estudio real (integral) de capacidad Histograma y tabla de frecuencias Uso de sistemas computacionalesObjetivos de aprendizaje Analizar las principales tcnicas para realizar un anli- Interpretar en forma adecuada el histograma, los per- sis descriptivo de un conjunto de datos, donde se de- centiles y un diagrama de caja.tecte la tendencia central, la variabilidad, as como la Aplicar los conceptos anteriores para hacer una valo-) (racin amplia de la capacidad de un proceso.) (forma de distribucin de estos datos.) ()

(Tendencia centralDispersinMedidasFormaLocalizacinESTADSTICA DESCRIPTIVAy tabla defrecuenciasParmetrosDistribucinLmites realesDiagrama de caja) (Histograma)

(1.161.181.171.191.211.201.20) (1.171.201.241.221.191.191.17) (1.181.151.201.151.221.161.19) (1.201.211.231.151.131.201.14) (1.151.151.191.131.171.171.19) (1.131.171.171.191.201.191.22) (1.171.161.201.221.191.171.20) (1.191.181.131.231.161.191.21) (1.161.161.151.221.191.191.18) (1.201.191.181.161.231.111.16) (1.171.131.201.181.191.181.20) (1.151.191.171.161.181.191.201.18) (1.161.141.161.241.171.221.161.11) (1.161.201.161.181.161.191.161.12) (1.171.171.131.171.171.171.251.20) (1.201.171.171.171.191.191.171.15) (1.151.201.171.171.181.201.201.16) (TABLA 2.1 Datos para el grosor de los discos, ejemplo 2.1.) (Para contestar estas preguntas, durante una semanase obtuvieron de una lnea de produccin los 125 datos de la tabla 2.1. El muestreo fue sistemtico: cada deter- minado tiempo se tomaban cinco productos y se medan y al nal de la semana se tuvieron los datos referidos. A continuacin se analizarn estos datos por medio de di- ferentes estadsticos.) (En un proceso de inyeccin de plstico una caractersticade calidad del producto (disco) es su grosor, que debe ser de 1.20 mm con una tolerancia de 0.10 mm. As, para considerar que el proceso de inyeccin fue satisfactorio, el grosor del disco debe estar entre la especicacin in- ferior, EI = 1.10 y la superior, ES = 1.30. En un estudio de capacidad para este proceso es necesario contestar las siguientes interrogantes: qu tipo de discos en cuanto a grosor se estn produciendo? El grosor medio es ade- cuado? La variabilidad del grosor es mucha o poca?) (EJEMPLO 2.1) (EstadsticosMediciones o clculos que se obtienena partir de un conjunto de datos con el objetivo de conocer sus caractersticas ms relevantes.) (Esto permitir saber en qu medida tal caracterstica de calidad es satisfactoria.En este captulo se estudian las principales tcnicas de la estadstica descriptiva para el anlisis de una variable de tipo continuo. Estas tcnicas son de gran utili- dad para entender mejor la capacidad de un proceso.Por lo general, para realizar un estudio de capacidad se toman datos del pro- ceso durante un periodo considerable para que se ref leje bien el desempeo del proceso. El periodo de referencia depende de la velocidad del proceso, ya que si se trata de un proceso masivo que produce muchas piezas por da, entonces se con- sidera un periodo de cuatro a 10 das, y de ah, cada determinado tiempo se toma una pequea cantidad de productos hasta completar una muestra de 120 a 150. Pero cuando se trata de un proceso lento, que produce pocos productos por da, es ne- cesario incrementar el periodo de estudio para completar una muestra de por lo menos 50 o 60 productos. En ambos casos, en la medida que se tengan ms datos y un periodo ms amplio ser posible conocer mejor el estado real del proceso.) (Consiste en conocer la amplitud de lavariacin natural del proceso para una caracterstica de calidad dada; esto permitir saber en qu medida tal ca- racterstica de calidad es satisfactoria (cumple especicaciones).) (Capacidad de un proceso) (Las variables de salida o de respuesta de un proceso (vase captulo 1) deben cumplir conciertas metas y/o especificaciones, a fin de que sea posible considerar que el proceso funciona de manera satisfactoria. Por ello, una tarea primordial del control de calidad es conocer la capacidad o habilidad de un proceso, que consiste en determinar la ampli- tud de la variacin natural del proceso para una caracterstica de calidad dada.) (CAPTULO 2: Capacidad de procesos I: Estadstica descriptiva) (18)

(Otra medida de tendencia central de un conjunto de datos es la mediana X , que esigual al valor que divide a la mitad a los datos cuando son ordenados de menor a) (~) (Mediana o percentil 50) (MedianaMedida de tendencia central que esigual al valor que divide a la mitad a los datos cuando son ordenados de menor a mayor.) (basadas en X sobre la media del proceso o poblacin.En general, lo que se observa en los estadsticos muestrales acerca del comportamiento de los datos es vlido para la muestra, y en la medida que sta sea representativa y grande tam- bin tendr cierto grado de aproximacin para todo el proceso; sin embargo, es necesario uti- lizar tcnicas estadsticas para evaluar lo que significan en todo el proceso (ver captulo 4).) () (ble aleatoria). Por lo anterior, el valor que se observa de la media muestral, X , por lo generales diferente a la media del proceso, . Luego, es preciso tener cuidado con las afirmaciones) () (una muestra a otra, ya que su valor depende de las piezas que se seleccionan (X es una varia-) () (se conoce; mientras que el valor de X se obtiene para cada muestra y es diferente (variable) de) () (Media poblacional o del proceso, Si para calcular la media se utilizan todos los elementos de la poblacin (todos los posibles indi- viduos, especmenes, objetos o medidas de inters sobre los que se hace un estudio), por ejem- plo, el grosor de todos los discos producidos en la ltima semana o mes, entonces el promedio calculado es la media del proceso (o media poblacional) y se denota con la letra griega (mu).Es importante destacar que la media del proceso es igual a cierto valor, aunque no siempre) (En el ejemplo 2.1, la media de los datos de la tabla 2.1 es X = 1.179 mm, con lo cual, elgrosor promedio de los discos de la muestra es de 1.179 mm. Esto no significa que todos o la mayora de los discos tengan un grosor de 1.179 mm, es ms, en el ejemplo, ningn disco tiene tal grosor. En este caso, dado que la media muestral procede de una muestra significativa- mente grande que abarca el periodo de una semana, entonces hay evidencia de que el proceso est descentrado de forma moderada a la izquierda o hacia un valor inferior, ya que el valor objetivo para el grosor es de 1.20 mm.) () (divide entre el nmero de datos (n).) (es decir, la media muestral se obtiene sumando todos los datos y el resultado de la suma se) (n) (n) (n xiX x1 x2 K x n i 1 ) (MediaMedida de tendencia central que esigual al promedio aritmtico de un conjunto de datos, que se obtiene al sumarlos y el resultado se divide entre el nmero de datos.) (Media muestralSupongamos que x1, x2, x3,..., xn son las observaciones numricas de una muestra; entonces, la medida ms usual de su tendencia central es proporcionada por la me- dia (o promedio) muestral, que es igual a la media aritmtica de todos los datos:) (datos, es decir, identificar un valor en torno al cual los datos tienden a aglome-rarse o concentrarse. Esto permitir saber si el proceso est centrado; es decir, si la tendencia central de la variable de salida es igual o est muy prxima a un valor nominal deseado (en el ejemplo el valor nominal es 1.20). A continuacin veremos tres medidas de la tendencia central: la media, la mediana y la moda.) (Tendencia centralValor en torno al cual los datos omediciones de una variable tienden a aglomerarse o concentrarse.) (el primer aspecto a investigar consiste en conocer la tendencia central de los) (Medidas de tendencia centralCon las mediciones de una caracterstica de calidad como las del ejemplo 2.1,) (Medidas de tendencia central 19)

(Debido a que estos estadsticos estn dentro de las especificaciones, se podra creer que elproceso cumple con stas. Sin embargo, esto no necesariamente es cierto, ya que en la mues- tra podra haber datos desde 750 hasta 850 y la media de todos ellos ser 801. Pero tambin podra ocurrir que el rango de variacin de los datos vaya de 797 a 803, con lo que s se cumplira con las especificaciones. En otras palabras, las medidas de tendencia central son insuficientes como criterio de calidad, ya que no toman en cuenta qu tan dispersos estn los datos, un hecho vital para la calidad.) (X = 801, X = 801 y moda = 800) (~) () (Las medidas de tendencia centralson insucientes como criterio de calidadSuponga que la longitud de una pieza debe estar entre 800 5. Para ver si se cumple con las especificaciones se toma una muestra aleatoria grande y se obtiene que:) (entonces: X = 2 000 y X = 1 200 son muy diferentes entre s, debido a que 7 600 ha jalado ala media, y ahora ya no es una buena medida de tendencia central porque slo un dato est por arriba de la media. En este tipo de casos, la mediana no es afectada por el dato atpico, lo cual tampoco ocurre cuando la distribucin de los datos es sesgada. Por lo tanto, bajo estas condiciones, la mediana es mejor medida de tendencia central.De lo anterior se deriva que, para describir la tendencia central de los datos, es impres- cindible apoyarse tanto en la media como en la mediana y la moda. Cuando la media es muy diferente a la mediana es seal de que existen datos atpicos o existe un sesgo importante, por lo que ser mejor reportar como medida de tendencia central a la mediana e investigar a qu se deben los datos atpicos, ya que en ocasiones ref lejan un aspecto importante del proceso.) (~) () (son X = 1 200 y X = 1 100. Pero si a la lista anterior agregamos un dato atpico (el 7 600),) (~) () (1 100, 1 300, 1 000, 1 500, 800, 1 600, 1 100) (medida de tendencia central ms usual, en ocasiones se comete el error de creerque sta divide los datos a la mitad o que es el dato ms frecuente, es decir, se confunde el concepto de media con el de mediana y moda, respectivamente.Un aspecto relevante a tomar en cuenta cuando se utiliza la media, es que sta resulta afectada por datos extremos o atpicos. Por ejemplo, la media y la mediana para los siguientes datos:) (Medida de tendencia central de unconjunto de datos que es igual al dato que se repite ms veces.) (Moda) (ModaOtra forma de medir la tendencia central de un conjunto de datos es mediante la moda, que es igual al dato que se repite ms veces. Si varios datos tienen la frecuencia ms grande, enton- ces cada uno de ellos es una moda, y se dice que el conjunto de datos es multimodal.En el ejemplo de los discos hay una sola moda y es 1.17. Esta medicin fue la ms frecuente, se repiti 23 veces. De esta forma, en el ejemplo tenemos que la media es 1.179, la mediana 1.18 y la moda 1.17. Debido a que la media es la) (mayor. As, para calcular la mediana cuando el nmero de datos es impar, stos se ordenande manera creciente y el que quede en medio de dicho ordenamiento ser la mediana. Pero si el nmero de datos es par, entonces la mediana se calcula dividiendo entre dos la suma de los nmeros que estn en el centro del ordenamiento.En el ejemplo 2.1, la mediana es 1.18 mm, lo cual significa que 50% de los grosores de los discos de la muestra son menores o iguales a 1.18, y que el otro 50% son mayores o iguales a1.18.) (20 CAPTULO 2: Capacidad de procesos I: Estadstica descriptiva)

(El CV es til para comparar la variacin de dos o ms variables que estn me-didas en diferentes escalas o unidades de medicin (por ejemplo, metro frente a) (x) (CV = S (100)) (Coeficiente de variacinMedida de variabilidad que indica lamagnitud relativa de la desviacin es- tndar en comparacin con la media. Es til para contrastar la variacin de dos o ms variables que estn medidas en diversas escalas.) (El coeficiente de variacin, CV, es una medida de variacin que es relativa a lamagnitud de los datos, ya que es igual a la magnitud relativa de la desviacin estndar en comparacin con la media de los datos, es decir:) (A = {10, 12, 14} y B = {159, 161, 163}entonces se observa que la magnitud de los datos es diferente, y eso es ref lejado por la media, que es de 12 y 161, respectivamente. Pero en cuanto a la variabilidad, los datos de ambos con- juntos estn dispersos de la misma manera, como lo indica la desviacin estndarque es igual a 2 en ambos casos, y el rango que es de 4 para los dos conjuntos.) (RangoMedicin de la variabilidad de un con-junto de datos que es resultado de la diferencia entre el dato mayor y el dato menor de la muestra.) (Desviacin estndar del proceso Reeja la variabilidad de un proceso. Para su clculo se debe utilizar un nmero grande de datos que hayan sido obtenidos en el transcurso de un lapso de tiempo amplio. Se denota con la letra griega sigma .) (Desviacin estndar poblacional o del proceso, Si para calcular la desviacin estndar se emplean todos los elementos de la po- blacin o proceso, entonces se obtiene la desviacin estndar poblacional y se denota con la letra griega sigma (). Como se coment antes, es posible considerar a la poblacin como las mediciones de toda la produccin de las ltimas semanas, o si las mediciones se toman por muestras, entonces una buena idea es obtener los parmetros poblacionales ( y ) con todas las mediciones realizadas en las ltimas semanas, siempre y cuando stas no sean pocas; de 120 a 150 mediciones en adelante es una buena cantidad.Por otra parte, el cuadrado de la desviacin estndar, S 2, conocido como va-rianza muestral, es muy importante para propsitos de inferencia estadstica. Y en forma equivalente 2 es la varianza (o variancia) poblacional.Otra medida de dispersin es el rango o recorrido, R, que es igual a la diferencia entre el dato mayor y el dato menor de un conjunto de datos. El rango mide la amplitud de la variacin de un grupo de datos, y tambin es independiente de la magnitud de los datos; por ejemplo, sean los dos conjuntos de datos:) (donde x1, x2,..., xn son las observaciones numricas de la muestra, n su tamao y x es la me- dia muestral. Como se puede apreciar, S mide la distancia que en promedio hay entre los datos y la media; por ello, entre ms grande sea el valor de S habr mayor variabilidad en losdatos. La desviacin estndar es expresada en las mismas unidades de medicin (gramos, milmetros, etc.) que los datos. Adems, S no muestra la magnitud de los datos, slo ref leja lo retirado que estn los datos de la media y, al igual que sta, es afectada por datos atpicos.) (n 1) (S =) (( x1 x ) + ( x2 x ) + K + ( x n x ) ) ( 2) ( 2) ( 2) (Desviacin estndar muestral Medida de la variabilidad que indica qu tan esparcidos estn los datos con respecto a la media.) (Esto es un elemento vital en el estudio de capacidad de un proceso. En seguidaveremos cuatro formas de medir la variabilidad.La desviacin estndar muestral es la medida ms usual de variabilidad e indica qu tan esparcidos estn los datos con respecto a la media; se denota con la letra S y se calcula mediante la siguiente expresin:) (tan diferentes son entre s, es decir, es preciso determinar su variabilidad o dispersin.) (Medidas de dispersin o variabilidadAdems de conocer la tendencia central de un conjunto de datos es necesario saber qu) (Medidas de dispersin o variabilidad 21)

(X kS y X + kS; es decir, ese porcentajes de datos estar dentro de k desviaciones estndar a partir de la media, donde k es cualquier nmero ms grande que 1.2 En el captulo 5, en la seccin Diseo de tolerancias, se ver la forma de calcular intervalos con la media y ladesviacin estndar muestrales que cubran la variacin de toda la poblacin.) () () (1 En general la desigualdad de Chebyshev afirma que al menos (1 1/k2) 100 de los datos estn entre) (Todos los intervalos anteriores son vlidos slo para los datos muestrales y no necesaria-mente para toda la poblacin o proceso. Sin embargo, si los intervalos se calculan con la media y la desviacin estndar del proceso o poblacin, entonces sern vlidos para toda la pobla- cin. Por lo tanto, en la medida que se tengan muestras aleatorias grandes y representativas, los intervalos anteriores podrn dar una idea aproximada de lo que pasa en el proceso.2) (Entre X 3S y X + 3S est 99.7%.) () () (Entre X 2S y X + 2S est 95%.) () () (Entre X S y X + S est 68% de los datos de la muestra.) () () () (X + kS), con k > 1.) (de la muestra, y que entre X 3S estn por lo menos 89% de stos.En cuanto a la regla emprica se afirma que en muchos de los datos que surgen en la prctica se ha observado por la experiencia que:) () (datos que caen en el inter valo (X kS,) () () (de Chebyshev,1 es que entre X 2S y X + 2S estn por lo menos 75% de los datos) () () (Resultado terico que relaciona X yS, y establece el porcentaje mnimo de) () (entre la media y la desviacin estndar, la cual est dada por la desigualdad deChebyshev y la regla emprica. Dos hechos particulares que afirma la desigualdad) (Desigualdad de Chebyshev) (como medida de dispersin en torno a la media, es a travs de la relacin) (Relacin entre X y S (interpretacinde la desviacin estndar)Una forma de apreciar claramente el significado de la desviacin estndar) () (respectivamente, por lo que la variabilidad en los trminos relativos del CV para el conjuntoA es de 16.66%, mientras que para el conjunto B es slo de 1.242%.En el caso del grosor de los discos, tenemos que S = 0.027, S2 = 0.0007, R = 1.25 1.11 =0.14, y CV = 2.29%. La interpretacin del rango es muy directa, ya que indica la amplitud mxima de la dispersin; as, 0.14 mm es la discrepancia mxima que existi entre los groso- res de los discos en la muestra. Por lo general, la interpretacin de la desviacin estndar se hace en combinacin con la media, como lo veremos en seguida, y su interpretacin en forma individual se realiza en forma comparativa con respecto a la desviacin estndar de otras lneas de produccin o lotes. Es necesario tomar en cuenta, en caso de hacer estas compara- ciones, que lo que se observa en una muestra es variable, y por lo general pequeas diferencias muestrales no implican diferencias entre procesos o lotes.Por ltimo, CV = 2.29% indica que la variacin del grosor es de 2.29%, lo cual se puede considerar relativamente bajo.) (CVA 12 x100 16.66 y CVB 161 x100 1.242) (2) (2) (centmetro o metro frente a kilogramo). Este coeficiente suele interpretarse como una medi-cin en trminos porcentuales de la variacin de una variable. Por ejemplo, en el caso de los conjuntos de datos A y B que se acaban de presentar en la definicin de rango, se tiene que sus correspondientes CV son:) (CAPTULO 2: Capacidad de procesos I: Estadstica descriptiva) (22)

(89% de los datos muestrales y entre X 3S estara al menos 95%.) () (estndar, es igual o menor que 1/2.25k2. Con ello, bajo estas circunstancias entre X 2S se encontrara al menos) () (3 Apoyando la regla emprica existe una extensin a la desigualdad de Chebyshev, realizada por Camp y Meidel (vase Duncan, 1989), que aumenta el porcentaje que cubren los intervalos. En concreto, esta extensin afirma que si la distribucin de X es unimodal, la probabilidad de que X se desve de su media en ms de k veces su desviacin) (que el histograma y la tabla de frecuencias permiten visualizar estos dos aspectos deun conjunto de datos, y adems muestran la forma en que los datos se distribu- yen dentro de su rango de variacin. De manera especfica, el histograma es una) (datos la clave es conocer su tendencia central y su dispersin. Ahora veremos) (HistogramaRepresentacin grca de la distribu-cin de un conjunto de datos o de una variable, donde los datos se clasican por su magnitud en cierto nmero de clases. Permite visualizar la tendencia central, la dispersin y la forma de la distribucin.) (Histograma y tabla de frecuenciasEn las secciones anteriores se explic que para el anlisis de un conjunto de) (El clculo de estos lmites est inspirado en la regla emprica, que a su vez coincide con lapropiedad de la distribucin normal (vase captulo 3). En un estudio de capacidad, estos lmi- tes reales se comparan con las especificaciones para la caracterstica de calidad. Por ejemplo, si las especificaciones para una caracterstica de calidad son que sta debe tener dimensiones de 800 5; luego, la especificacin inferior es EI = 795, y la superior es ES = 805. Si adems se sabe que la media y la desviacin estndar de tal caracterstica de calidad son = 800.6 y = 1.2, respectivamente, entonces los lmites reales son:LRI = 800.6 3(1.2) = 797.0 y LRS = 800.6 + 3(1.2) = 804.2Por lo tanto, se espera que esta caracterstica de calidad vare de 797.0 a 804.2, con una media de 800.6. Al comparar esto con las especificaciones se aprecia que los lmites reales caen dentro de las mismas, entonces se concluye que el proceso es capaz de cumplir con tales especificaciones.) (Lmite real inferior (LRI ) = 3 y Lmite real superior (LRS) = + 3) (Lmites realesSe obtienen con 3 y + 3, e indi-can de dnde a dnde vara la salida de un proceso.) (Lmites reales o naturalesLos lmites reales o naturales de un proceso indican los puntos entre los cuales vara la salida de un proceso y, por lo general, se obtienen de la siguiente manera:) (Al comparar estos lmites de variacin con las especificaciones (EI = 1.10 y ES = 1.30), seaprecia que 1.098 est por abajo de la especificacin inferior, lo cual ref leja la baja capacidad del proceso de inyeccin para cumplir con especificaciones.) (1.179 + 3(0.027) = 1.260) (1.179 3(0.027) = 1.098;) (Al aplicar la regla emprica a los datos del grosor de los discos, se tiene que un alto por-centaje (cercano a 99%) de las mediciones del grosor del disco vara entre 1.098 y 1.260 mm, como se deriva del siguiente clculo:) (valo (X kS, X + kS) con k = 1, 2, 3.) ( ) (Resultado prctico que relaciona a X yS, y establece el porcentaje de datos de la muestra que caen dentro del inter-) () (Regla emprica) (Lo que afirma el teorema de Chebyshev se aplica para cualquier tipo de datos, independientemente de su comportamiento o distribucin.3 Mientras que la reglaemprica, como su nombre lo dice, se obtuvo por medio de la observacin empri- ca, y es vlida para muchos de los casos que se dan en la prctica, sobre todo si los datos tienen un comportamiento con cierto grado de similitud a una campana o a la distribucin normal (vase captulo 3). De cualquier manera, ambos casos ilustran muy bien cmo la desviacin estndar mide la variabilidad en torno a la media.) (Histograma y tabla de frecuencias) (23)

(2.46.420.827.231.27.24.00.8) (38263439951) (/ / // / / / / / / // / / / / / / / / / / / / / / / / / / / / / / / / // / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / // / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / / // / / / / / / / // / / / //) (1.10 < x 1.121.12 < x 1.141.14 < x 1.161.16 < x 1.181.18 < x 1.201.20 < x 1.221.22 < x 1.241.24 < x 1.26) (12345678) (FRECUENCIA PORCENTUAL) (FRECUENCIA) (MARCAS PARA CONTEO) (GROSOR DE DISCOS, X) (CLASE) (Tabla de frecuencia para el grosor de los discos.) (TABLA 2.2) (gess, seala que el nmero de clases es igual a 1 + 3.3*log10 (nmero de datos).En la tabla 2.2 se aprecia la tabla de frecuencias para los datos del grosor de los discos delejemplo 2.1. Ah vemos que al aplicar la regla de Strugles (1 + 3.3*log10(125) = 7.9), se decidi formar ocho clases; la primera clase representa a los datos con magnitud entre 1.10 y 1.12, y la ltima clase es para los datos entre 1.24 y 1.26. En el intervalo de la primera clase hay tres datos que corresponden a 2.4% del total; la clase 5 es la de mayor frecuencia e indica que entre 1.18 y 1.20 hay 39 datos (31.2%). Por otro lado, en la figura 2.1 se muestra el histograma correspondiente, en el cual se toma como eje vertical a la frecuencia, aunque tambin podra haberse usado una frecuencia relativa o porcentual. En el histograma se aprecia que la ten- dencia central de los datos se ubica alrededor de 1.18, no se observan datos raros o atpicos y la distribucin de los datos tiene una forma similar a una campana.Si en el histograma de la figura 2.1 se insertan las especificaciones (1.10 y 1.30) para el grosor del disco, se observa que la variacin de los datos (amplitud del histograma) es un poco menor que las especificaciones. Pero, con respecto a 1.20, que es el grosor ptimo, el proceso est moderadamente descentrado a la izquierda, como ya se haba visto cuando se calcul la media. Adems, el grosor de los discos no es satisfactorio, ya que la orilla izquierda del histo- grama debera estar alejada de la especificacin inferior (EI = 1.10), lo cual no ocurre. Cabe comentar que aunque no hay ningn dato por debajo de la EI, no se debe perder de vista que el estudio se hace a partir de una muestra, por lo tanto, si se contina tomando datos es casi seguro que se encontrarn mediciones fuera, como lo sugiere la prolongacin de la cola izquierda de) (caen en cada intervalo. Se recomienda que el nmero de intervalos o clases sea de5 a 15. Para decidir un valor entre este rango existen varios criterios; por ejemplo, uno de ellos dice que el nmero de clases debe ser aproximadamente igual a la raz cuadrada del nmero de datos. Otro criterio, conocido como la regla de Stur-) (Representacin en forma de tabla dela distribucin de unos datos, a los que se clasica por su magnitud en cierto nmero de clases.) (Tabla de frecuencias) (representacin grfica, en forma de barras, de la distribucin de un conjunto de datos o unavariable, donde los datos se clasifican por su magnitud en cierto nmero de grupos o clases, y cada clase es representada por una barra, cuya longitud es proporcional a la frecuencia de los valores representados. Por lo general, el eje horizontal est formado por una escala num- rica para mostrar la magnitud de los datos; mientras que en el eje vertical se representan las frecuencias.Comnmente el histograma se obtiene a partir de la tabla de frecuencias. Para obtener sta, primero se divide el rango de variacin de los datos en cierta canti- dad de intervalos que cubren todo el rango, y despus se determina cuntos datos) (CAPTULO 2: Capacidad de procesos I: Estadstica descriptiva) (24)

(Histograma para grosor de discos.) (FIGURA 2.1) (Frecuencia) (3.) (2.) (Observar la tendencia central de los datos. Localizar en el eje horizontal o escala demedicin las barras con mayores frecuencias. En el histograma de la figura 2.1, una parte sustancial de las mediciones se localiza entre 1.14 y 1.20 mm.Estudiar el centrado del proceso. Para ello, es necesario apoyarse en el punto anterior y observar la posicin central del cuerpo del histograma con respecto a la calidad ptima y a las especificaciones. Por ejemplo, en la figura 2.2 incisos a) y c) se muestran procesos centrados, el primero presenta poca variabilidad, pero en el segundo ocurre lo contrario. Mientras que en los incisos b) y d) se observan procesos descentrados, el primero con poca variabilidad y el segundo con mucha. Aun cuando se cumplan las especificaciones, si el proceso no est centrado, la calidad que se produce no es adecuada, ya que entre ms se aleje del ptimo ms mala calidad se tendr. Por ello, en caso de tener un proceso descen- trado se procede a realizar los ajustes o cambios necesarios para centrar el proceso.Examinar la variabilidad del proceso. Consiste en comparar la amplitud de las especifi- caciones con el ancho del histograma. Para considerar que la dispersin no es demasiada, el ancho del histograma debe caber de forma holgada en las especificaciones. En la figura 2.2 incisos a) y b) hay poca variacin, mientras que en los incisos c) y d) ocurre lo contrario.) (1.) (Interpretacin del histogramaCuando un histograma se construye de manera correcta, es resultado de un nmero sufi- ciente de datos (de preferencia ms de 100), y stos son representativos del estado del proceso durante el periodo de inters; entonces, se recomienda considerar los siguientes puntos en la interpretacin del histograma.) (la curva imaginaria que suaviza al histograma. Con base en lo anterior, la primera accin quese habra de ejecutar para mejorar la capacidad del proceso de inyeccin de discos es mejorar su centrado.A travs del ejemplo anterior queda claro que el histograma ayuda a ver la tendencia cen- tral de los datos, facilita el entendimiento de la variabilidad y favorece el pensamiento esta- dstico, ya que de un solo vistazo se logra tener una idea acerca de la capacidad de un proceso, se evitan tomar decisiones slo apoyndose en la media y se detectan datos raros y formas especiales de la distribucin de los datos. Estos detalles de la interpretacin del histograma los veremos con mayor profundidad a continuacin.) (1.28 1.32ES) (1.24) (1.16 1.2Grosor) (1.08 1.12El) (10) (20) (30) (40) (Histograma y tabla de frecuencias 25)

(Interpretacin de histogramas.) (FIGURA 2.2) (ES) (16) (14) (12) (10) (6 8El) (4) (17) (15) (13ES) (11) (9) (7El) (5) (10) (10) (20) (20) (Cp= 0.53Cpk= 0.53Cr= 1.86Cpm= 0.53K= 0.008) (Cp= 1.20Cpk= 0.50Cr= 0.82Cpm= 0.51K= 0.58) (30) (30) (40) (40) (50) (50) (h) Acantilado derecho) (g) Achatado) (ES) (ES) (El) (16) (14) (12) (10) (6 8El) (4) (16) (14) (12) (10) (8) (6) (4) (10) (10) (20) (20) (Cp= 0.99Cpk= 0.86Cr= 1.00Cpm= 0.93K= 0.128) (Cp= 0.57Cpk= 0.57Cr= 1.73Cpm= 0.57K= 0.005) (30) (30) (40) (40) (e) Con sesgo a la derecha) (f ) Bimodal, dos realidades) (ES) (16) (12 14ES) (10) (6 8El) (4) (16) (14) (12) (10) (6 8El) (4) (10) (10) (20) (20) (Cp= 1.49Cpk= 0.70Cr= 0.66Cpm= 0.58K= 0.52) (Cp= 0.60Cpk= 0.31Cr= 1.64Cpm= 0.45K= 0.48) (30) (30) (40) (50) (40) (b) Descentrado con poca variabilidad) (d) Descentrado con mucha variabilidad) (ES) (ES) (16) (14) (12) (10) (6 8El) (4) (16) (14) (12) (10) (6 8El) (4) (10) (10) (20) (20) (Cp= 0.66Cpk= 0.64Cr= 1.51Cpm= 0.66K= 0.03) (Cp= 1.44Cpk= 1.41Cr= 0.69Cpm= 1.43K= 0.02) (30) (30) (40) (40) (c) Centrado con mucha variabilidad) (a) Centrado con poca variabilidad) (CAPTULO 2: Capacidad de procesos I: Estadstica descriptiva) (26)

(Distribucin muy plana. En la figura 2.2g) se aprecia un histograma que muestra una dis-tribucin muy chata o plana y que est lejos de tener forma de campana. Las situacio- nes que pueden causar esto son las mismas que las de la distribucin multimodal, pero con la particularidad de que las diferencias son menos fuertes; sin embargo, afectan de manera seria la capacidad de un proceso. Por lo tanto, tambin deben ser identificadas y corregidas mediante la estrategia recomendada antes.) () (e)) (d)) (c)) (b)) (Diferencias importantes de lote a lote en la materia prima que utilizael proceso, debido a que proceden de diferentes proveedores o al exceso de variacin de un mismo pr