Control de Calidad Estadístico

y

Gestión de Calidad

Revisión de Agosto de 2000

Profesor de Control de Calidad y Estadística del Inacap

A mis alumnos

El presente trabajo tiene como finalidad dar un amplio panorama de las técnicas estadísticas aplicadas al Control de Calidad e informar adecuadamente de las técnicas de Gestión aplicadas al Control de Calidad.

Considero importante advertir a mis alumnos que ambas partes, las Técnicas Estadísticas y la Gestión son complementarias y de ninguna manera son reemplazables una por la otra. No es posible edificar una buena Gestión de Calidad si no se han implementado primero las técnicas de Control de Calidad Estadístico, como tampoco es posible lograr una buena Gestión de la Calidad solo con las Técnicas Estadísticas. Ambas son vitales y necesarias, ambas son el objetivo primordial de todo Técnico e Ingeniero de Calidad que se aprecie de profesional.

Los conceptos y conocimientos que se resumen en este estudio son suficientes para que, llevadas a cabo, produzcan excelentes resultados en empresas de tipo industrial.

Este trabajo es de apoyo a las clases de Control de Calidad que se realizan en distintas carreras de Inacap, como Analistas Químicos, Ingenieros de Proyectos Industriales, etc. Por esta razón, algunos temas, solo son mencionados y necesariamente se desarrollan en clase.

El autor

Parte 1: Control de Calidad Estadístico

1 Los defectos

1.1 Introducción.

1.2 Definición de la calidad

1.3 El objetivo de los métodos estadísticos de control en los procesos.

1.4 ¿Qué causa los productos defectuosos?

1.5 ¿Son todos los defectos iguales? ¿Debemos tratar a todos los defectos por igual?

1.6 Clasificación de los defectos, muestrario de defectos.

2 Distribuciones de frecuencia e histogramas

2.1 Población y muestras

2.2 ¿Cómo se distribuye los valores de las variables que medimos? ¿Qué frecuencia tiene cada valor que la causa llamada "variación" nos entrega?

2.3 ¿Que tipos de variables conocemos?

2.4 Distribuciones de frecuencias.

2.5 Histogramas

3 Medidores de tendencia central y de dispersión

3.1 Media aritmética

3.2 Desviación típica

3.3 Método de cálculo por compilación

3.4 Ejercicios prácticos en clases

4 Distribución Continua, o Distribución Gaussiana, o Distribución Normal

4.1 Comprensión del concepto de Distribución Continua, Distribución Normal

4.2 Propiedades de la Distribución Normal

4.3 Ejercicios de comprensión sobre la Distribución Normal

5 Los diagramas

5.1 El diagrama de Pareto

5.1.1 ¿Qué son los diagramas de Pareto?

5.1.2 Como elaborar diagramas de Pareto

5.1.3 Ejercicios prácticos en clase

5.2 El diagrama Espina de Pescado o de Ishikawa o de Causa y Efecto

5.2.1 ¿Que son los diagramas de Causa y Efecto?

5.2.2 Como elaborar diagramas de Causa y Efecto

6 Gráficas de control

6.1 ¿Qué son las gráficas de control?

6.2 Tipos de gráficas de control, X - R , pn, y p

Gráfico X - R

Gráfico np, Gráfico p

7 Como elaborar una gráfica de control

_

7.1 Gráfica X - R

7.2 Cálculo de los límites de control

7.2.1 Cálculo de límites sin valores especificados

Cálculo de los límites con valores especificados

Comparación de los Límites Con y Sin Especificaciones.

Resultado de la Capacidad de Proceso.

Formato Gráfica

Algunos casos de lecturas de gráficas de control por variables.

7.3 Gráfica np.

7.4 Cálculo de los límites de control por atributos.

Formato de gráfico de Control de Proceso por Atributos.

Indice de la Capacidad de Proceso

Los cuatro casos posibles de los límites con y sin especificaciones.

• Normas Chilenas

Norma Chilena 42 of 53

Resumen de Gráficos de Control por variables, Control de Exactitud

Resumen de Gráficos de Control por variables, Control de Precisón.

Factores para gráficos de Control por variables.

8.2 Norma Chilena 43 of 61

8.3 Norma Chilena 44 of 78

8.3.1 Alcance

8.3.2 Nivel de calidad aceptable (AQL)

8.3.2.1 Uso

8.3.2.2 Definición

8.3.3 Inspección normal, rigurosa y reducida

8.3.4 Plan de muestreo

Nivel de inspección

Tipos de planes de muestreo

9 Bibliografía del Control de Calidad Estadístico

Parte 2: Gestión del Control de Calidad

10 Control Total de Calidad (CTC)

10.1 Evolución Histórica del concepto

10.2 Conceptos del CTC

10.2.1 CTC Según Armand V.Feigenbaum

10.2.2 CTC Según Kaoru Ishikawa

CTC Según J. M. Juran

Ruta para implementar un programa de Control de Calidad Total.

10.3.1 Etapas de un programa de calidad total.

10.3.2 Etapa previa.

10.3.3 Etapas de un programa de Calidad Total en marcha.

10.3.4 Elementos esenciales en una empresa que hace Control Total de

Calidad

11 Costos de calidad

11.1 Costos de Prevención

11.2 Costos de Evaluación

11.3 Costos de Fallas

12 Métodos de aseguramiento a Nivel Nacional e Internacional.

12.1 Sistema Nacional de Acreditación

12.2 Internacionales. Familia ISO 9000

13 Concepto de las auditorias en el contexto de las normas ISO 9000

13.1 La auditoria y su significado.

13.2 Tipos de auditoria.

13.3 Elementos de una auditoria.

14 Bibliografía de la Gestión del Control de Calidad

Parte 1: Elementos del Control de Calidad Estadístico

1 Los defectos

1.1 Introducción.

Actualmente, todas las empresas modernas saben que lograr un buen nivel de calidad es fundamental para el éxito de su gestión.

La obtención de este objetivo, no solo es importante desde el punto de vista de la competencia, sino también para la satisfacción de las necesidades humanas.

Estas necesidades humanas evolucionan constantemente, hay cada día mayor demanda de mejor precisión, más exactitud, intercambiabilidad, confort, etc. y lo que hoy acepta el consumidor, mañana puede rechazarlo, pues esta demanda de la cual estamos hablando, se perfecciona cada día, y toda empresa que no se adapte a este movimiento continuo corre el riesgo de quedar desplazada a corto plazo.

Para marchar al compás de este ritmo se hacen necesarios mejores instrumentos, maquinarias, métodos, etc., y lo que es más importante, un mejor aprovechamiento de los mismos, es decir, obtener mejor calidad con la misma cantidad de dinero. Para lograr este objetivo debemos recurrir al control estadístico de calidad, como una de las armas más poderosas para la realización de todas estas ideas.

El objetivo de este curso es dar una buena información de la herramientas existentes para el control estadístico de la calidad, pero debemos dejar bien claro que los objetivos de calidad no se logran esgrimiendo solamente estas herramientas estadísticas. Hoy en día, el concepto de Control Total de Calidad, enseña claramente que todos los estamentos de la empresa están involucrados en la obtención de la mejor calidad del producto, y que éste objetivo no es, de ninguna manera, responsabilidad exclusiva de los departamentos técnicos especializados en el control estadístico de la calidad, sino de todos los integrantes de la empresa, desde el más humilde empleado, al más importante de los gerentes.

1.2 Definición de la calidad

Definiremos dos aspectos de la calidad, la Calidad del Diseño y la Calidad del Producto.

Entendemos por Calidad del Diseño al grado de concordancia entre el diseño y el fin para el cual fue creado, y por Calidad del Producto, al grado de conformidad entre el producto y su diseño.

Los conceptos y métodos que veremos son aplicables al control de calidad del producto, y son, en general, métodos universales, es decir que valen para cualquier producto, ya sean cremas dentales, bebidas gaseosas, tractores, medicamentos o ampolletas.

Un buen nivel de calidad implica un diseño correcto y un producto de acuerdo con su diseño.

1.3 El objetivo de los métodos estadísticos de control en los procesos .

Podríamos preguntarnos, ¿ qué es un producto defectuoso? o más concretamente, ¿qué es un defecto?

Juran explica lo que es un defecto haciendo un juego de palabras:

" Un defecto es un defecto cuando todos estamos de acuerdo que es un defecto"

Definición tradicional:

Un defecto es el incumplimiento de una característica de calidad respecto de un límite especificado.

Pero, los límites especificados, los determinamos nosotros, previo acuerdo con las partes interesadas o involucradas en el proceso, luego, por carácter transitivo, vale la frase del insigne maestro del control de calidad, Dr. J. M. Juran.

Otra ilustre definición de lo que es un defecto, es la afirmación de Kahoru Ishikawa, quien dice que un defecto es lo que causa insatisfacción al cliente.

1.4 ¿Qué causa los productos defectuosos?

La respuesta universal a esta pregunta es: la variación

La variación en los materiales, en las condiciones de la máquina, en los métodos de trabajo y en las inspecciones. Estas variaciones son las causas de los productos defectuosos. Si no existiera ninguna de esas variaciones, todos los productos serían idénticos y no habría variaciones en la calidad, y no existiría la ocurrencia de productos defectuosos y no defectuosos.

1.5 ¿Son todos los defectos iguales? ¿Debemos tratar a todos los defectos por igual?

El sentido común nos dice que no a las dos preguntas. No es lo mismo un defecto considerado leve como ser una imperfección superficial en la etiqueta de un producto, que una medida fuera de especificaciones en un repuesto para motor de automóviles que lo haga absolutamente inservible.

Y consecuentemente, no será el mismo criterio para tolerar la presencia de ambos defectos, y eso dará paso a distintos planes de calidad según el tipo de defecto.

1.6 Clasificación de los defectos, muestrario de defectos.

Existen distintas maneras de clasificarlos. aquí utilizaremos el siguiente:

Defectos críticos: son aquellos que violan leyes, agreden al consumidor o hacen inservible al producto.

Defectos mayores: producen una disminución en el correcto funcionamiento o utilización del producto y es notado por el consumidor.

Defectos menores: producen una disminución leve en el correcto funcionamiento o utilización del producto, probablemente no lo note el consumidor. pero si lo nota, el personal calificado de producción y de control de calidad,

Cada tipo de defecto será objeto de un estudio acabado por las partes interesadas y deberá finalizar en un muestrario de defectos, debidamente clasificado por tipo de defecto y firmado por las partes involucradas.

En todos los casos posibles deberá construirse el muestrario con defectos situados justo en los límites de aceptación o rechazo.

Unidad 2, Distribuciones de frecuencia e Histogramas

2.1 Población y muestras

Una población es el total de las unidades que se consideran.

En esta población queremos investigar una característica para conocer su situación relativa con los valores del diseño.

Una muestra es una cantidad estadísticamente calculada de unidades de dicha población, cada unidad deberá ser extraída al azar.

La medición y cálculo de una determinada característica nos dará una estimación del verdadero valor en la población.

2.2 ¿Cómo se distribuyen los valores de las variables que medimos? ¿Qué frecuencia tiene cada valor que la causa llamada "variación" nos entrega?

Tenemos claro que las variaciones nos producen distintas medidas de una variable, la pregunta es como se distribuyen.

En general siguen un comportamiento llamado gaussiano o normal

De que se trata lo veremos más adelante pero por ahora nos alcanza con comprender que dicho comportamiento significa que los valores más cercanos al valor central, son los que más frecuentemente se repiten, y a medida que nos alejamos del valor central, la frecuencia baja dramáticamente. La gráfica de este comportamiento tiene una forma de campana.

2.3 ¿Que tipos de variables conocemos?

Existen dos tipos de variables a considerar, Variables Continuas y Variables Discretas.

Las variables continuas son aquellas que se miden...

y las variables discretas se cuentan.

Las primeras dan origen al control por variables y las segundas al control por atributos.

Las características de calidad que llamaremos variables son todas aquellas que podemos representar por una cifra. Por ejemplo, la medida de un perno, la resistencia de resistores de alambre, el contenido de cenizas en carbón, etc., etc.

Los atributos son aquellas características de calidad no mensurables, cuya dimensión en general no se puede representar con una cifra. Como por ejemplo podemos tomar las imperfecciones visuales de las superficies de los productos, tales como manchas, diferencias de tono, aspectos de una soldadura, etc., etc.

Por fin, debemos tener en cuenta, que tanto los procesos como los lotes terminados pueden ser inspeccionados por atributos o por variables.

2.4 Distribuciones de frecuencias.

Estudiemos el caso de control por variables, es decir estamos midiendo con un instrumento cuya resolución nos permite medir las variaciones que produce nuestro proceso.

Una vez que el inspector recibe la muestra tomada estadísticamente de la población a valorar, procede a las correspondientes mediciones de cada una de las muestras. Téngase presente que lo más probable es que en cada unidad se hagan varias mediciones por variables y por atributos.

Como resultado de esta acción tendremos una tabla de valores desordenados e incomprensibles. Lo primero que deberemos hacer es clasificarlas de menor a mayor, luego agruparlas en clases siguiendo algún criterio que nos permita acumular los datos dentro de clases, esto es dentro de valores que contengan varios de estos datos.

Supongamos que tenemos la siguiente tabla de valores experimentales:

38	47	54	61	26	35	28	48	53	44
32	52	46	42	63	35	50	38	35	57
49	68	47	45	65	45	25	19	56	58
44	73	50	40	46	76	40	64	36	42

Total, n: 40 datos

Valor mínimo: 19, valor máximo: 76

Rango, 76-19= 57

Número de clases: (cálculo empírico) :

Raíz de 40 y se redondea: 6

Ancho de clase : 9

57 dividido 6 y se lleva al numero impar más cercano: 9

El motivo por el cual conviene usar el ancho de clase como número impar es para que la marca de clase sea un número entero igual que los datos que se están estudiando. Si se utilizara un número par, el ancho de clase resulta con un decimal que habría que conservar hasta el final del cálculo y esto es fuente de errores.

Con estos datos procedemos a construir nuestro diagrama de frecuencias, el cual una vez finalizado tiene el siguiente diagrama:

LI	LS	Marca de Clase (mediana) (x)
18	26	22 ( 18 + 26 ) / 2
27	35	31
36	44	40
45	53	49
54	62	58
63	71	67
72	80	76

Una vez obtenido este cuadro procedemos al recuento y anotamos la frecuencia:

LI	LS	X	recuento	frecuencia
18	26	22	///	3
27	35	31	////	5
36	44	40	//// ////	9
45	53	49	//// //// //	12
54	62	58	////	5
63	71	67	////	4
72	80	76	//	2
	total		40	40

Este cuadro es el diagrama de frecuencias obtenido de los 40 datos obtenidos como variables y agrupados convenientemente en clases, este recuento ya nos está informando de que es lo que pasa con esta variable.

2.5 Histograma:

El cuadro anterior puede llevarse a un gráfico como sigue, dando lugar al Histograma:

• Medidores de tendencia central y de dispersión

Son varios los medidores de la tendencia central y de la dispersión de una serie de datos experimentales, de ellos estudiaremos los dos más frecuentes y útiles en Control de Calidad, estos son : la Media Aritmética , medidor de la tendencia central, y la Desviación Típica, medidor de la dispersión de los datos alrededor de la Media Aritmética.

El desarrollo de las fórmulas es materia que se entrega durante el desarrollo de las clases.

3.1 Media aritmética

Mide la tendencia central.

Se define como Media Aritmética al valor central producto del siguiente cálculo:

de donde deriva:

Nota: El desarrollo de las Fórmulas se explica en clase o pueden consultarse:

a) en la obra del autor: Estadística para Ingenieros y Técnicos del Inacap.

b) en el libro de Estadística de Murray Spieguel.

3.2 Desviación típica

Mide la dispersión de los valores con respecto al valor central.

Se define como desviación típica al valor que surge del siguiente cálculo:

pues f = n

Esta fórmula puede derivarse mediante sencillos cálculos a esta otra:

Nota: El desarrollo de las Fórmulas se explica en clase o pueden consultarse:

a) en la obra del autor: Estadística para Ingenieros y Técnicos del Inacap.

b) en el libro de Estadística de Murray Spieguel.

3.3 Método de cálculo por compilación:

X	f	U	fu	fu2
22	3	-3	-9	27
31	5	-2	-10	20
40	9	-1	- 9	9
49	12	0	0	0
58	5	1	5	5
67	4	2	8	16
76	2	3	6	16
			"fu = - 9	"fu2 = 95

donde: c = 9 y A = 49

Media aritmética: 46,98 Desviación típica: 13.72

Este cálculo tiene un error como consecuencia de suponer a todos los datos dentro de cada clase como iguales.

Nota: Los decimales de las respuestas obtenidas, deberán guardar relación con los decimales que tengan los datos, sin embargo, cuando use las calculadoras deberá conservar en cada cálculo, todos los decimales que genera la calculadora, para luego aproximar la respuesta a la cantidad de decimales igual a los que tengan los datos, nunca menos. En particular en estos cálculos es costumbre usar uno o dos decimales más que los datos. Tampoco es correcto usar muchos decimales pues no tienen significado alguno.

Ejercicios prácticos en clases:

Mediante la extracción de datos de una urna normal se construye la correspondiente distribución de frecuencias, el histograma, se calcula la Media Aritmética y la Desviación Típica.

Se usarán dos métodos de cálculo, uno por medio de la calculadora y otro por medio de las fórmulas vistas en clases.

Nota: se exigirá un correcto manejo algebraico de números escritos de forma exponencial.

4 Distribución Continua, o Distribución Gaussiana, o Distribución Normal

4.1 Comprensión del concepto de distribución continua, Distribución Normal

Un histograma se construye a partir de un cierto número de datos. Pero ¿que le pasaría al histograma si continuamos aumentando el número de datos? Si el intervalo de clase se reduce poco a poco a medida que aumenta el número de datos, se obtiene una distribución de frecuencias continua, como límite de una distribución de frecuencia relativa. En realidad es una expresión de la población misma, puesto que se obtiene de un número infinito de datos.

Existen muchas clases de distribución, y una de las más frecuentes es la Distribución Normal. En muchos casos, cuando la variación de una característica de calidad es causada por la suma de un gran número de errores infinitesimales independientes debidos a diferentes factores, la distribución de la característica de calidad se aproxima a una distribución normal. La forma de la Distribución Normal puede describirse como la de una campana.

La siguiente figura muestra la forma de esta distribución:

4.2 Propiedades de la Distribución Normal

La curva característica queda determinada totalmente por dos parámetros:

Si bien en este curso no tenemos espacio para desarrollar el concepto de probabilidades, será necesario definir los siguientes puntos:

Un suceso es más o menos probable según la frecuencia con que ocurre. a mayor frecuencia de ocurrencia pasada será mayor la probabilidad de ocurrencia futura.

Los histogramas y los gráficos de frecuencia, también pueden interpretarse como gráficos de probabilidades de ocurrencia. En particular, la Campana de Gauss, o Curva Normal, es una función de probabilidades, y la superficie que se encierra debajo de la curva, y limitada por dos valores de x es directamente una medida de la probabilidad de ocurrencia de un suceso determinado.

Aceptando estos conceptos veremos como se puede hacer los cálculos partiendo de la Curva Normal. En primer término, la Curva Normal hay que transformarla en lo que se llama forma canónica, esto significa que el cero de las X irá al medio del gráfico. Para lograrlo se usa una variable llamada z y es:

Esta transformación hace que siempre el valor de la desviación típica, en una curva canónica, sea igual a uno, y el valor de z no es más que un dato medido en relación a su propia desviación. Esto hace que la curva tenga características muy particulares que veremos luego de los siguientes comentarios.

Esta variable depende de datos conocidos, es decir la media de la muestra y su desviación, por lo tanto para determinados valores de x, se hace el cálculo y las tablas dan la respuesta en términos de probabilidad de ocurrencia.

Este punto es muy importante pues de aquí parte todos los criterios de control del control de la calidad.

De todo esto se desprende lo siguiente:

La superficie, y por lo tanto la probabilidad de ocurrencia del suceso, vale:

68.27 % para una desviación típica a ambos lados del cero

95.45 % para dos desviaciones típicas a ambos lados del cero

99.73 % para tres desviaciones típicas a ambos lados del cero

Esto se aprecia en los siguientes gráficos:

4.3 Ejercicios de comprensión sobre la Distribución Normal.

Los siguientes ejercicios, tienen como objetivo aprender el uso de las tablas de Gauss.

Ejercicio nº 1

Hallar el área bajo la CURVA NORMAL en cada uno de los 7 casos siguientes:

a) Entre z = 0 y z = 1.20

De tablas leemos que para z = 1,2 es 0,3849, por lo tanto: Pr {0 " z " 1,2} = 0,3849 Esto significa que el área bajo la curva normal para z entre 0 y 1,2 es del 38.49%

b) Entre z = - 0.68 y z = 0

En tablas se lee para z = 0.68 es 0.2518 por lo tanto, Pr {-0,68 " z " 0} =0.2518 Esto significa que el área bajo la curva, para z= -0,68 y z=0 es el 25.18%

c) Entre z = - 0.46 y z 2.21

En tablas se lee que, para z = 0.46 es 0.1772 por lo tanto,

Pr {-0,46 " z " 0} =0.1772

Nótese que en la lectura se prescindió del signo menos.

Por otra parte, para z = 2.21 se lee 0.4864. lo cual significa :

Pr {0 " z " 2.21} =0.4864

Para encontrar el área total debemos sumar ambos resultados: 0.1772+0.4864 = 0.6636

Esto significa que el área bajo la curva, para z= - 0.46 y z=2.21 es del 66.36%

d) Entre z = 0.81 y z = 1.94

Para z = 0.81 es 0.2910 por lo tanto, Pr {0.81 " z " 0} =0.2910

Para z = 1.94 es 0.4738 esto es : Pr {0 " z " 1.94} =0.4738

Para encontrar el área entre los dos puntos elegidos, debemos restar ambos resultados: 0.4738 - 0.2910 = 0.1828

Esto significa que el área bajo la curva, para z= 0.81 y z=1.94 es del 18.28%

e) A la izquierda de z = - 0.6, esto significa, entre z = - " y z = - 0.6

Tener presente que desde z = - " y z = 0 la superficie bajo el área es 0.5000 (50%)