CARTAS DE CONTROL PARA ATRIBUTOS

Cartas p y np (para defectuosas)

Cartas c y u (para defectos)
Implantacin y operacin de una carta de control
PROPORCION DE
DEFECTUOSAS
NUMERO DE
DEFECTUOSOS
CARTAS PARA
ATRIBUTOS

NUMERO DE
DEFECTOS
DEFECTOS POR
UNIDAD

CARTAS DE
CONTROL

IMPLANTACION

OPERACION

CARTAS P Y NP
Existen muchas caractersticas de calidad del tipo pasa o no pasa y, de acuerdo
con estas , un producto es juzgado como defectuosos o no defectuoso (conforme
o no conforme), dependiendo de si cumple o no las especificaciones o criterios de
calidad. En estos casos, si el producto no tiene calidad deseada no se permite que
pase a la siguiente etapa del proceso; adems es segregado y se le denomina
artculos defectuosos.
CARTA P
La carta p (proporcin de defectuosos) fue la primera carta de control
que
existi al ser propuesta por Shewhart mediante un memorndum el da 6 de mayo
de 1924.Esta fecha marca el inicio del control estadstico de la calidad o de
procesos. Su propsito fundamental es la deteccin oportuna de causas

especiales que puedan incrementar la proporcin de productos defectuosos de un

proceso.
Estas cartas miden la proporcin de unidades no conformes en un grupo de
unidades que se inspecciona. El objetivo es comprobar si la evolucin de las
proporciones mustrales observadas son compatibles con un mismo valor
poblacional p. Este tipo de grafica se puede construir con n constante o variable
por lo que a continuacin se muestra el procedimiento para ambos casos.
Pasos para la elaboracin de la grfica p con n constante
Recopilacin de los datos. Establezca la frecuencia con la que los datos sern
tomados (por horas, por das, por semanas). Los intervalos cortos entre tomas de
muestras permitirn una rpida retroalimentacin al proceso ante la presencia de
problemas. Los tamaos de muestra grandes permiten evaluaciones ms estables
del desarrollo de proceso y son ms sensibles a pequeos cambios en el
promedio del mismo.
La idea de la carta p es la siguiente:

De cada lote, embarque, pedido o de cada cierta parte de la produccin, se

toma una muestra o subgrupo de ni artculos, que pueden ser la totalidad o
una parte de las piezas bajo anlisis.
Las ni piezas de cada grupo son inspeccionadas y cada una es catalogada
como defectuosa o no. Pueden incluirse varias caractersticas o atributos de
calidad por lo que una pieza es evaluada como defectuosa. Una vez
determinados los atributos bajo anlisis, es preciso aplicar criterios y/o
anlisis bien definidos y estandarizados.
Si las ni piezas de subgrupo i se encuentran que di son defectuosas (no
pasan) , entonces la carta p se grfica y analiza la variacin de la
proporcin pi de unidades defectuosas por subgrupo:

Pi= di / ni
Para calcular los lmites de control se parte del supuesto de la cantidad de
piezas defectuosas por subgrupo sigue una distribucin binomial, misma que
puede aproximarse moderadamente a la distribucin normal
Calculo de la proporcin defectuosa promedio.
Di = Nmero de partes defectuosas por subgrupo
n = Tamao de la muestra (constante)
k = Nmero de subgrupos
P= Di / n*k

Calculo de los lmites de control.

Cuando el tamao de subgrupo n no se mantiene constante a lo largo de las

muestras se tienen dos alternativas: la primera es usar el tamao promedio del
grupo n promedio. La segunda es construir una carta con lmites variables
que se ver ms adelante. Si el promedio del proceso medido a travs de p
promedio es desconocido, entonces ser necesario estimarlo por medio de un
estudio inicial.
Ejemplos en donde se utilizan cartas P
En una empresa de ramo alimenticio, mediante ciertas maquinas se
empaquetan salchichas en sobres o paquetes. Un problema que se ha tenido
es que dentro del sobre que de aire (falta de vaco). El problema se detecta
mediante inspeccin visual; los paquetes con aire segregados y despus se
abren para recuperar las salchichas y volverlas a empaquetar.
El atributo de falta de vaco es importante debido a que un paquete con aire
llega al mercado, la vida de anaquel se acorta, por lo que despus de algunos
das la salchicha empieza a cambiar de color y perder su frescura y eso puede
ocurrir en el refrigerador del distribuidor o del consumidor.
Esta situacin repercute en clientes insatisfechos y genera una mala imagen
de la compaa.
Por lo anterior los operadores de las diferentes maquinas continuamente se les
recordaba la importancia de no dejar pasar paquetes con aire. Sin embargo,
como se lleva un registro de magnitud del problema, no existen bases tangibles
del problema para detectar cambios en el desempeo de las maquinas, ni
haba forma de saber si las medidas tomadas para reducir haban dado
resultados.
De ah surgi la necesidad de registrar los resultados y de ah analizarlos
mediante una carta de control. Cada hora se registra el nmero de paquetes
detectados con aire di y del contador de las maquinas se obtiene el total de los
paquetes ni durante esta hora los datos obtenidos se muestran en la siguiente
tabla.

subgrupo

paquetes i

595

paquetes
con aire
15

593

607

596

10

602

599

600

8
9

590
599

7
2

10

601

11

598

12

600

17

13

597

14

594

15

595

16

597

10

17
18

599
596

7
5

19

607

20

601

21
22

594
606

7
5

proporcin
0.02521008
4
0.00843170
3
0.01317957
2
0.01677852
3
0.00996677
7
0.00834724
5
0.00833333
3
0.011864407
0.00333889
8
0.00665557
4
0.01505016
7
0.02833333
3
0.00670016
8
0.00841750
8
0.00504201
7
0.01675041
9
0.011686144
0.00838926
2
0.00658978
6
0.01497504
2
0.011784512
0.00825082
5

23
24

601
598

7
4

25

599

26

590

27

588

28

597

29

604

30

605

31
32

597
603

7
9

33

596

34

597

35

607

36

596

15

37

598

38
39

600
608

6
8

40

592

Total inspeccionadas
23942

total defectuosas
257

P= total de defectuosas/total de inspeccionadas

P=257/23942= 0.01073427
Y como

0.011647255
0.00668896
3
0.00333889
8
0.00508474
6
0.00850340
1
0.00502512
6
0.00993377
5
0.00826446
3
0.011725293
0.01492537
3
0.00838926
2
0.00502512
6
0.01317957
2
0.02516778
5
0.00668896
3
0.01
0.01315789
5
0.00844594
6

N= total de inspeccionadas/total de subgrupos

N= 23942/40 = 599
Entonces los lmites de control estn dados por:
LCS= 0.023
LC=0.0107
LCI=-0.0019
Pero cuando el lmite de control inferior no puede ser negativo debido a que
las proporciones siempre deben de ser mayores o iguales a cero, entonces
tomamos LCI= 0.

CARTA P (DEFECTUOSOS)
12

10

PROPORCION

10

SUBGRUPOS

Se aprecia que el proceso de empaquetado no fue estable, ya que las

proporciones de los grupos 1, 12,36 rebasaron los LCS.
De ah se desprende que durante el empaquetado de estos subgrupos el
proceso funciona en presencia de causas o situaciones especiales por lo que
en general no estn presenten en el proceso y que causaron que la proporcin
de defectuosas fuera anormalmente grande.
Al investigar lo que haba ocurrido en los subgrupos 1, 12, 36 se encontr que
durante esas horas se cambi el rollo de la pelcula plstica de empaquetado,

12

ya sea porque se termin o por que se empez a empaquetar con otra

presentacin, se investig en otras mquinas y se encontr una situacin
similar.
A partir de esto se tom conciencia que no haba un mtodo estandarizado
para cambiar la pelcula y dar entrenamiento correcto a los operadores pues
cada operador utilizaba su criterio. Al consultar los manuales de las maquinas
empacadoras se descubri que de ah se daban instrucciones y
recomendaciones precisas para cambiar la pelcula y se adverta que si no se
seguan las instrucciones podran tener problemas de falta de vaco. Se
proceda a disear un mtodo para cambiar la pelcula y dar entrenamiento
correspondiente a los operadores. Con ello se espera que esos incrementos
bruscos del problema no se vuelvan a presentar.
CARTAS P CON LIMITES VARIABLES
Existen procesos en los que se aplica una carta p, donde el tamao del
subgrupo n es muy variable, debido que est asociado con el tamao de lotes
o alguna otra circunstancia que hace imprctico trabajar con el mismos tamao
de subgrupo como referencia.
El problema en estos casos es que los lmites de control dependen del valor de
n ya que un nmero pequeo de estos hace que los lmites sean ms amplios
y un nmero grande de este hace que los lmites sean estrechos
EJEMPLO 2
En la empresa fnix se realizan zaguanes diariamente. Un problema que se
ha tenido en la lnea de produccin es que en el ensamble de los cerrojos, la
soldadura despus de cierto tiempo suele caerse con facilidad provocando que
los componentes se caigan de la base del zagun, debido a que no se aplica
bien se requiere detectar los zaguanes defectuosos para tomar las medidas
necesarias. Este defecto es muy importante ya que si el producto llega al
consumidor en un cierto tiempo presentara fallas y esto ocasionara que la
empresa tenga una mala imagen. A los operadores se les recordaba no dejar
pasar piezas mal soldadas, se decidi llevar un registro para en base a ello
tomar las medidas necesarias. Cada da se registran el nmero de piezas
defectuosas. Los datos obtenidos en los siguientes 20 das se registraron as:

Se observa que el proceso est en control ya que se encuentra debajo del

lmite superior de control
CARTA U CON LIMITES VARIABLES

CARTAS NP (nmero de defectuosos)

En ocasiones, cuando el tamao de subgrupo o muestras en las cartas p es
constante, es ms conveniente usar cartas np, en las que se grafica el nmero
de defectuosos por subgrupo d en lugar de la proporcin. Los lmites de control
para la carta np se obtienen estimando la media y la desviacin estndar de d,
que bajo el supuesto de la distribucin binomial estn dadas por:
di= np y = (np (1-np)1/2
Donde n es el tamao de subgrupo y p es la proporcin promedio de los
artculos defectuosos de aqu que los lmites de control estn dados por:

Ejemplo:
Del anlisis de los datos inspeccionados y pruebas finales de un producto
ensamblado se detect a travs de una estratificacin y un anlisis de Pareto
que la causa principal por la que los artculos salen defectuosos est
relacionado con los problemas de un componente en particular (el componente
k12). Por tanto se decide analizar ms de cerca el proceso que produce tal

componente. Para ello cada lote de componente k12 se decide i9nspeccionar

una muestra=120. Los datos se muestran en la siguiente tabla.
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
total

componentes
defectuosos
9
6
10
8
5
5
14
12
9
8
10
20
12
10
10
0
13
5
6
11
183

Como n es constante, la cantidad de defectuosas por muestra se puede con una

carta np. Para obtener sus lmites primero se estima p que se obtiene de dividir el
total de artculos defectuosos (183) entre el total de piezas inspeccionadas (20
muestra * 120 piezas de cada una) es decir:
P= 183/20*120= 0.07625
Con lo cual los lmites de control estn dados por:
LCS= 17.87
LC=9.15
LCI=0.43

La carta np se aprecia se observa que el proceso no funciona de manera estable,

ya que el nmero de piezas defectuosas en la muestra del lote 12 es mayor que el
lmite superior: mientras que en la muestra 16 el nmero de defectuosos es menor
que el lmite inferior. De aqu que se tenga una evidencia objetiva para afirmar que
la fabricacin del lote 12 se present una causa o situacin especial que
normalmente no est presente en el proceso y que empeora de forma seria;
mientras que el lote 16 ocurri una causa especial que mejoro el diseo del
proceso de la fabricacin de componentes k12.es necesario localizar ambas
causas ya que as estar en las posibilidades de prevenir la primera y fomentar la
segunda.

CARTAS C Y U
Es frecuente que en control de calidad se requiere evaluar variables discretas
como el nmero de defectos por articulo (rollos fotogrficos, zapatos, prendas de
vestir, circuitos electrnicos, muebles); en las que en cada producto se puede
tener ms de un defecto o atributo no satisfecho, y sin embargo no catalogar a tal
producto como defectuoso. Por ejemplo, un disco de computadora puede tener
uno o varios de sus sectores daados y se puede utilizar con relativa normalidad.
Otro tipo de variables que tambin es importante evaluar son las siguientes:
nmero de errores por trabajador, cantidad de accidentes, nmero de quejas por
mal servicio, nmero de nuevos clientes, cantidad de llamadas telefnicas, clientes
atendidos, errores tipogrficos por pgina en un peridico, numero de fallas en un
equipo. Muchas de estas variables, que se pueden ver como el nmero de
eventos que ocurren por unidad, se comportan de acuerdo con la distribucin de
Poisson, la cual tiene dos caractersticas esenciales: que el nmero de
oportunidades o situaciones potenciales para encontrar defectos es grande, y que
la probabilidad de encontrar un defecto en una situacin es pequea. Las
variables que se ajusten moderadamente bien a una distribucin de Poisson
pueden analizarse a travs de las cartas c y u, y lo hacen analizando el nmero de
defectos por subgrupo o muestra (carta c) o el numero promedio de defectos por
unidad (carta u).
Carta c
El objetivo de la carta c es analizar la variabilidad del nmero de defectos por
subgrupo, cuando el tamao de la muestra se mantiene constante. Esta carta se
grafica c que es igual al nmero de defectos o eventos del i-esimo subgrupo
(muestra). Los lmites de control se obtienen suponiendo que el estadstico c sigue
una distribucin de poisson; por lo tanto las estimaciones de la media y la
desviacin estndar de este estadstico estn dadas por:
=c= total de defectuosos/total de subgrupos y ci= c
Por ello los lmites de control estn dados por:

EJEMPLO 1:
En una fbrica de muebles se inspecciona a detalle el acabado de las mesas
cuando salen del departamento de laca.
La cantidad de defectuosas son encontradas en una mesa son registradas con el
fin de conocer y mejorar el proceso.
Los defectos se muestran en la siguiente tabla se muestran los defectos
encontrados en las ultimas 30 mesas. Es claro que estamos ante una variable de
que debe analizarse con una carta tipo c, debido a que en una misma mesa
pueden analizarse varios defectos de diferente tipo; adems los defectos
relativamente menores influyen en la calidad del producto, no causan que la mesa
sea rechazada
mesa
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

defectos
7
5
10
2
6
5
4
9
7
5
6
7
8
4
5
12
8
10
4
7
3
10
6
6
7
4
5
6
8

30
5
total
191
C= 191/30= 6.4
Por lo tanto, los lmites de control de la carta c estn dadas por:
LCS=14
LC=6.4
LCI=-1.2
Observe que el lmite de control inferior resulta negativo, pero como no puede
haber cantidades negativas el lmite control inferior es igual a 0.

A partir de la cual se aprecia que el proceso de produccin de mesas estuvo

funcionando de manera estable, ya que no hay puntos fuera de los lmites de
control ni otro patrn no aleatorio. Por lo anterior los lmites de control que se
aplican en el futuro son los mismos.
Ejemplo 2
En una empresa que elabora productos agroqumicos se tiene el problema de
intoxicacin de los trabajadores debido al contacto con agentes txicos. Para
evaluar el nmero de obreros intoxicados por mes, en los ltimos dos aos se
recurre a los registros de la enfermera de la empresa. Los datos obtenidos se
muestran en la tabla siguiente para analizar estos datos mediante una carta c, lo
primero que debemos hacer es estimar el numero promedio de intoxicados por

unidad (mes), que se obtiene al sumar el nmero de intoxicados y dividirlo entre el

total de unidades (meses).
mes
intoxicad
os
1
4
2
6
3
7
4
9
5
15
6
19
7
25
8
20
9
10
10
2
11
8
12
9
13
6
14
4
15
9
16
14
17
13
18
17
total
197

10.9444
444
LCS
LCS
LCI

MEDIA
C
20.8691
611
10.9444
444
1.01972
782

Se observa que es inestable el proceso ya que la muestra 7 est fuera del lmite
de control superior.
Ejemplo 3
En la fbrica se realizan zaguanes y al final del proceso se hacen inspecciones
por muestreo para detectar defectos relativamente menores en el acabado de la
lmina del zagun. Se realizan inspecciones a 25 lotes durante los das
siguientes ya que los lotes son tomadas cada hora durante el turno de trabajo
para determinar la CARTA TIPO "c"(NUMERO DE DEFECTUOSOS).

ACABADO DE LA
LAMINA DE
ZAGUAN

Piezas
1
2
3

Defectuos
as
10
8
7

4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
total
c
=

9.12

8
10
8
10
9
10
10
10
8
8
12
13
9
8
9
10
10
7
9
6
10
9
228

Def
ecto
x
piez
a
lmites de control
L
18.1798013
C
S
=
L
9.12
C
=
L
0.06019868
CI
=

CARTA TIPO "c"

20
18
16
14
12

DEFECTOS

10
8
6
4
2
0

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

PIEZAS

Durante el proceso de produccin se observa que el proceso funciono de

manera estable.
Durante las inspecciones se encontr que los defectos en el acabado son:
defect
os

10

11

12

13

piezas
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x

x
x
x
x
x
x
x
x
x
x
x
x
x
x
x

x
x

x
x
x

x
x
x

x
x
x

x
x
x
x
x
x
x
x
x
x
x
x
x
x
x

x
x
x
x
x
x
x
x
x
x
x
x
x
x
x

x
x
x
x

x
x
x
x
x
x
x
x
x

x
x
x
x
x
x
x
x
x
x
x
x

x
x
x
x
x
x

x
x
x
x
x
x
x
x
x
x
x

x
x
x
x
x

x
x

x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x

x
x
x
x
x

x
x
x

x
x
x
x

x
x

x
x
x
x
x
x
x

x
x
x
x
x
x
x
x
x

x
x
x
x
x

x
x
x
x

x
x
x
x
x
x
x
x

x
x
x

x
x
x

x
x
x
x

x
x
x
x

x
x

Defectos
1 raspado en la esquina
2 manchado
3 opaco
5 poca pintura
6 mucha pintura
7 rayado
8 tono diferente
9 cerradura raspada
10 mucha pintura en algunos lados
11 ms pintura en algunos lados
12 decolorado
13 abollado
Carta tipo u
Cuando el tipo de variables que se haban visto (distribucin de poisson), el
tamao del subgrupo no es constante se usa la carta u en la cual se analiza la

10
8
7
8
10
8
10
9
10
10
10
8
8
12
13
9
8
9
10
10
7
9
6
10
9

variacin del nmero promedio de defectos por artculo o por unidad, en lugar del
total del total de defectos por subgrupo. De manera que cada subgrupo se grafica
U= c/n
Donde c es la cantidad del subgrupo i y n es el tamao del subgrupo i. para
calcular los limites es necesario estimar la media y la desviacin estndar del
estadstico u que bajo el supuesto de que c sigue una distribucin de poisson,
resulta ser
U= total de defectos/ total de artculos inspeccionados
= (u/n)1/2
Donde n es el tamao del subgrupo. De esta manera, los lmites de control en la
carta u estn dados por:

Cuando n no es lo mismo en todos los subgrupos entonces se sustituye por el

tamao de cada subgrupo n. otra alternativa es usar la carta de control u para
limites variables
Ejemplo1
En una fbrica se ensamblan artculos electrnicos y al final del proceso se hace
una inspeccin por muestreo para detectar los defectos relativamente menores.
Se presentan los muestreos realizados en los 24 lotes consecutivos de piezas
electrnicas.
El nmero de piezas inspeccionadas en cada lote es variable por lo que no es
apropiado aplicar una carta c. Es mejor analizar el numero promedio de defectos
por pieza por una carta u.

Tabla
lote
1
2

tamao de la
muestra
20
20

defectos
encontrados
17
24

u=c/n
0.85
1.2

3
4
5
6
7

20
20
15
15
15

16
26
15
15
20

8
9
10
11
12
13

25
25
25
25
30
30

18
26
10
25
21
40

14
15

30
30

24
46

16

30

32

17
18

30
30

30
34

19

15

11

20

15

14

21
22

15
15

30
17

23
24

15
15

18
20

525

549

U=549/525= 1.04
PROMEDIO DE SUBGRUPOS
N=525/24=21.875
LIMITES DE CONTROL
LCS=1.69
LC=1.04
LCI=0.38

0.8
1.3
1
1
1.3333333
3
0.72
1.04
0.4
1
0.7
1.3333333
3
0.8
1.5333333
3
1.0666666
7
1
1.1333333
3
0.7333333
3
0.9333333
3
2
1.1333333
3
1.2
1.3333333
3

Se observa que el proceso no trabaja de manera estable, ya que en la muestra del

lote 21 el nmero promedio de defectos por pieza sobrepasa el lmite de control
superior .en la fabricacin de tal lote ocurri alguna causa especial que empeoro la
calidad de las piezas. Es preciso identificar las causas para evitarla en el futuro.
Adems en el punto fuera de los lmites no existe un patrn aleatorio.
Ejemplo 2
En la fbrica se realizan zaguanes y al final del proceso se hacen inspecciones
por muestreo para detectar defectos relativamente menores. Se realizan
inspecciones a 16 lotes durante los dos das siguientes ya que los lotes son
tomadas cada hora durante el turno de trabajo
.
tamao de muestra defectos encontrados
(ni)
(cj)

lote
1

40

50

45

61

45

41

45

48

5
6

45
50

41
44

Ui= cj /ni
1.25
1.355555
56
0.911111
11
1.066666
67
0.911111
11
0.88

7
8
9
10
11
12
13
14
15

50
50
40
40
40
50
50
50
50

16

45
735

40
48
41
31
39
48
50
52
55

0.8
0.96
1.025
0.775
0.975
0.96
1
1.04
1.1
1.222222
55
22
744

U 1.012244
media=
9

Con el tamao del subgrupo o muestra es variable se tienen dos alternativas: usar
el tamao del subgrupo promedio o construir una carta con lmites variables se
harn ambas:
N media= 45.9375
Con esto construimos los limites promedios
1.457634
LCS=
9
1.012244
LC=
9
0.566944
LCI=
9

carta u para defectos por pieza

1.6
1.4
1.2
1

0.8
0.6
0.4
0.2
0

10

11

12

13

14

15

16

LOTES

La carta obtenida se encuentra que el proceso trabaja de manera estable de

acuerdo, ya que todas las muestras se encuentran dentro de los lmites promedio.
Pero de acuerdo a las polticas de la empresa se busca que la cantidad de errores
se ha a lo mucho de 30 por lote de produccin sin importan de cuantas piezas este
formado el lote.

Carta de lmites variables

Muestras(l
ote)
40
45
50

LCS
1.489244898
1.462244898
1.439044898

LCI
0.535244898
0.562244898
0.585444898

carta u para defectos por pieza

1.6
1.4
1.2
1

0.8
0.6
0.4
0.2
0

10

11

12

13

14

LOTES

Implantacin y operacin de las cartas de control

Una carta de control es til en la medida de que atiende una necesidad percibida
por los responsables del proceso y, desde luego, depender de que tan bien se
implemente y se utilice. Por ello en esta seccin veremos algunas actividades a

15

16

desarrollar para mejorar una implantacin y operacin de cualquiera de las cartas

que hemos visto
1. Describir la problemtica o situacin que percibe en el rea de donde se
tiene la idea de implantar una carta de control
2. Explicar con detalles porque cree que la carta de control sera til para
evaluar, atender y mejorar la situacin de inters.
3. Definir en forma correcta y preliminar los objetivos de la carta de control
4. Hacer una lista exhaustiva de las diferentes variables que pueden aportar
informacin sobre los distintos aspectos de inters
5. Hacer una preseleccin de las variables que se cree que ayudaran a cubrir
los objetivos descritos antes
6. Dar la presentacin del inciso previo, elegir la primera variable para analizar
mediante una carta de control, desarrollar las siguientes actividades , las
cuales deben repetir en cada una de estas las diferentes variables que
finalmente se decidan estudiar en la carta de control
7. Elegir la carta apropiada para la variable seleccionada. para tomar la
decisin apoyarse en los hechos de los puntos anteriores
8. Pensar en sub agrupamiento. Cundo cada punto en una carta represente a
un sub agrupamiento o muestra de artculos.se refiere a que en la
implantacin de una carta de control se debe buscar que los sub
agrupamientos (muestras) sean lo ms homogneos posibles
9. Decidir la forma de seleccin de los elementos del subgrupo
10. Elegir el tamao y frecuencia del muestreo
11. Estandarizar la forma de datos
12. Determinar los lmites de control y su revisin futura. Implica definir la
manera a tomar los datos para implementar una carta de control y
asegurara que los instrumentos de medicin y prueba son adecuados, los
criterios estn bien definidos y los formatos son sencillos.
13. Asegurarse de la cooperacin
14. Entrenar a los usuarios
15. Analizar los resultados
16. Asegurar su efectividad
17. Mantener el inters y modificar la carta
18. Eliminar la carta

Examen segundo parcial

Cartas de control
El ingeniero de calidad analizara las piezas completas y unos lotes de 95
piezas.

produc
cin
700

rech
azos
30

750

22

790

45

640

54

780

29

793

765

23

8
9

750
785

12
11

10

780

32

11

700

12

750

13

790

11

14

640

15

780

16

793

19

17

765

22

18

750

56

19

785

78

20

780

proporc
in
0.0428
5714
0.0293
3333
0.0569
6203
0.0843
75
0.0371
7949
0.0050
4414
0.0300
6536
0.016
0.0140
1274
0.0410
2564
0.0128
5714
0.0053
3333
0.0139
2405
0.0109
375
0.0064
1026
0.0239
5965
0.0287
5817
0.0746
6667
0.0993
6306
0.0012
8205

Total inspeccionados
Rechazos

15856

478

p= 0.030146317
n= 755.047619
LCS=

0.04862

LC =0.030146317
LCI=

0.01138

El proceso no fue estable debido a que los subgrupos 3, 4,6,18,19 rebasaron

el lmite de control superior es decir el grado de rechazos dentro de la
produccin de este lote es muy alta y rebasaron lo esperado , pero tambin se
observa que ocurri algo especial para las proporciones 12,6,14,15,20, y 21
que hace que los rechazos de las piezas sean pocas dentro de los respectivos
lotes, es necesario conocer las causas que ocasionaron esto para tomar las
medidas necesarias para evitar que los puntos que estn por encima del lmite
de control superior sean eliminados y los puntos que estn por debajo del
lmite de control inferior sean ms recurrentes.

Carta NP
Se analizaron 95 muestras de cada lote de produccin.
lot
defectuos
e
os
1
30
2
22
3
45
4
54
5
29
6
4
7
23
8
12
9
11
10
32
11
9
12
4
13
11
14
7
15
5
16
19
17
22
18
56
19
78
20
1
21
4
tot
478
al
P= 478/95*21=0.2396

Lmites de control
LCS= 35.252
LC= 22.762
LCI= 10.272

CONCLUSION:
Se observa que el proceso no funciona de manera estable ya que el nmero
de defectos est arriba del lmite de control superior, es decir, los puntos 3, 4,
18 y 19, estn arriba del promedio de aceptacin de defectos, mientras que en
los puntos 6, 11,12, 14, 15, 20 y 21 los puntos estn por debajo del lmite
inferior es decir que estos lotes se hizo algo adecuado que hizo que los
defectos estuvieran por debajo del promedio del errores, las cosas se hicieron
adecuadamente.
Carta C
BANQUITO
S
1
2
3
4
5
6

ATRIBUTO 1
4
3
2
5
6
2

ATRIBUTO 2
0
1
2
3
4
5

TOTAL
4
4
4
8
10
7

7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

7
2
4
1
2
3
4
5
6
5
4
3
2
1
0

6
5
4
3
3
5
7
6
1
3
2
1
0
2
1
TOTAL

13
7
8
4
5
8
11
11
7
8
6
4
2
3
1
135

C= 135/21= 6.428
LIMITES DE CONTROL
LCS= 14.03
LC= 6.428
LCI= -1.17
Ya que el lmite de control es negativo se toma un valor de 0.

El proceso de produccin de banquitos estuvo funcionando de manera

estable , ya que no hay puntos fuera de los lmites de control ni un patrn
aleatorio, el nmero de rechazos de los productos se encuentra dentro del
promedio de rechazos de acuerdo a ello el proceso funciono de manera
estable.

Muestro de aceptacin
Un muestreo de aceptacin consiste en evaluar un colectivo homogneo a
travs de una muestra aleatoria, para decidir la aceptacin o el rechazo del
colectivo. Por tanto es necesario tener presente en todo momento que, en un
muestreo, lo que se est evaluando es toda la poblacin y no slo la muestra,
por lo que la cuestin es si una poblacin, con las caractersticas inferidas a
partir de los datos de la muestra observada, es aceptable o no
Bajo el punto de vista estadstico, un muestreo de aceptacin es un contraste
de hiptesis en el que se evala una caracterstica (parmetro de una
poblacin) a travs de unos valores mustrales.
Enfoques para Evaluar un Lote
1. Aceptar sin inspeccin
2. Inspeccin 100%
3. Muestreo de aceptacin
Muestreo de Aceptacin
El Muestreo de Aceptacin se refiere a la inspeccin y la toma de decisin con
respecto a productos.
Tres aspectos del muestreo son importantes:

Involucra muestreo aleatorio de un lote completo

Acepta y Rechaza lotes (no logra mejoramiento de calidad) Sentencia del
lote
Herramienta de auditora
Ventajas y Desventajas del Muestreo
Ventajas
El nmero requerido de personal es relativamente pequeo, por lo que
resulta menos costoso
Los resultados pueden ser obtenidos en un corto tiempo, por lo que se
pueden identificar rpidamente oportunidades de mejoramiento.
Menos daos por manejo
Procesos sistemticos pueden ser evaluados con un pequeo nmero de
reas
Reduce la cantidad de error de inspeccin
Desventajas
Riesgo de aceptar lotes malos, y rechazar lotes buenos

Los esfuerzos de mejoramiento de acciones correctivas pueden ser mal

dirigidos
Menos informacin obtenida
Requiere planeacin y documentacin
Ningn plan de muestreo puede garantizar la identificacin de todas las
unidades defectuosas.

Mtodos de Aceptacin por Muestreo

Muestra aleatoria: similar a sacar un nmero de un sombrero. Se espera

que la muestra represente verdaderamente el rango y la distribucin relativa
de caractersticas de la poblacin; si no es as se introduce error de sesgo
(vas) y las bases estadsticas del procedimiento del muestreo de
aceptacin se pierden.

Muestra estratificada: cuando se desea que porciones particulares de la

poblacin sean evaluadas.

Muestreo sistemtico: cuando se selecciona cada n nmero de artculos,

por ejemplo cada 10

Muestreo Cluster: cuando se toma una muestra aleatoria de un subgrupo

seleccionado.

Muestreo Best Judgment: es cuando la opinin de un experto es usada

para determinar la mejor locacin y caractersticas del grupo de muestra

Muestreo de Aceptacin: es el proceso de muestrear un lote de material

para evaluar el nivel de no conformancia relativa al lmite de calidad
especificado. Cuando se realiza apropiadamente, el muestreo puede
mantener las no conformancias debajo de un nivel llamado AOQL (average
outgoing quality level). Algunos procesos de muestreo estn basados en
los planes:
Atributos

ANSI/ASQ
Z1.4

Reemplaza a
MIL-STD 105

C=0
Variables

ANSI/ASQ
Z1.9

Reemplaza a
MIL-STD 414

Formacin de Lotes

Consideraciones antes de la inspeccin:

Los lotes deben ser homogneos
Son ms preferibles los lotes grandes que los lotes pequeos
Los lotes deben estar conformados de acuerdo a los sistemas de manejo
de materiales usados en las plantas del proveedor y del cliente.

ndices de Calidad para Planes de Muestreo de Aceptacin

Lmite de calidad aceptable (AQL)
Se puede definir como el peor nivel de calidad que se considera satisfactorio. Las
unidades del lmite de calidad pueden ser seleccionadas para cumplir con
necesidades particulares de un producto: mximo por ciento defectuoso; mximo
nmero de defectos por 100 unidades; mximos puntos de demrito; etc. Como un
AQL es un lmite de calidad aceptable, la probabilidad de aceptacin (P = 1
-, complemento del riesgo del proveedor) debe ser alta (entre un 90 y 98%),
aunque no perfectamente definida.
Cuando un cliente designa algn valor especfico de AQL para un cierto defecto o
grupo de defectos, l indica al proveedor que su plan de muestreo de aceptacin
aceptar la gran mayora de los lotes (o batches) que el proveedor suministre, si el
nivel promedio de defectuosos (o defectos por cien unidades) en esos lotes es no
mayor al valor designado de AQL.
La designacin de un AQL no implica que el proveedor tenga el derecho de
proveer a sabiendas artculos defectuosos.

AQL95 : El peor nivel de calidad, en % defectuoso..., que se considera

satisfactorio y que tiene un 95% de probabilidades de ser aceptado en un
muestreo aleatorio.

Nivel de calidad rechazable (RQL) Es la definicin de calidad no

satisfactoria. En los planes Dodge-Roming se designa como por ciento
defectuoso tolerable en lote (LTPD). Como un RQL es un nivel de calidad
no aceptable, su probabilidad de aceptacin (P = , riesgo del
comprador) es baja y en ocasiones tampoco est totalmente definida.

RQL10 : El mejor nivel de calidad, en % defectuoso..., que se considera no

satisfactorio y que solo tiene un 10% de probabilidades de ser aceptado en
un muestreo aleatorio

Curva Caracterstica de Operacin

La curva caracterstica de operacin (OC) mide el desempeo de un plan de
muestreo de aceptacin.
La curva OC muestra la probabilidad de que un lote sometido con cierta fraccin
defectuosa sea aceptado rechazado.
El eje horizontal muestra el porcentaje defectuoso,
El eje vertical muestra el porcentaje de lotes que puede que se espera sea
aceptado si los lotes son producidos con ese porcentaje de defectos.
Cada plan posible tiene su propia curva OC.
Un entendimiento de las implicaciones de una curva OC ayuda a entender los
riesgos para el productor y el cliente, y a decidir los niveles de inspeccin y los
tamaos de lote.

Calidad Promedio de Salida (AOQ)

La calidad promedio de salida (Average Outgoing Quality, AOQ) es la calidad
promedio esperada de productos salientes, incluyendo todos los lotes aceptados,
ms todos los lotes rechazados que han sido sorteados 100% y han tenido todas
las unidades no conformantes reemplazadas por unidades conformantes. Esta
relacin entre la fraccin defectuosa en el material antes de la inspeccin (%

calidad entrada) y la fraccin defectuosa remanente despus de la inspeccin se

describe as: AOQ= p. Pa (N-n)/N. Cuando la cantidad de lote N es mucho mayor
que la cantidad de muestra n, AOQ = p.Pa.
El Lmite de calidad promedio de salida (Average Outgoing Quality Limit, AOQL)
es el mximo de los AOQs para todas las posibles calidades de entrada para un
plan de muestreo de aceptacin dado.

Militar estndar 105E (atributos)

Para una mayor facilidad en la utilizacin y aplicacin de los planes de muestreo
de aceptacin, se requiere generalmente que stos se encuentren tabulados. La
norma MIL-STD-105E es un esquema de muestreo que ide el gobierno de
Estados Unidos para sus adquisiciones durante la Segunda Guerra Mundial.
MIL-STD-105E est diseada para muestreo de atributos lote por lote. Se usa AQL
entre 0,10 a 10%. Los planes AQL tienen eficacia mxima si rechaza suficientes
lotes para que sea conveniente mejorar la calidad del producto cuando el
fabricante produce un nivel de calidad peor que el AQL y si el plan rechaza muy
pocos lotes cuando el fabricante produce un nivel de calidad mejor que el AQL.
Para utilizar un plan de muestreo indexado segn AQL como la norma MIL-STD105E se deben seguir los siguientes pasos:

Establecer el valor de AQL: decisin de la administracin.

Determinar el tamao del lote: por lo general se establece por convenio

entre el proveedor y el cliente.

Determinar el nivel de inspeccin: generalmente inspeccin normal.

Determinar el plan de muestreo: muestreo sencillo, doble o mltiple.

Determinar la clave de tamao de muestra (letra)

Determinar el tamao de muestra y el nmero de aceptacin

Seleccionar la muestra: se debe tomar del lote al azar.

Inspeccionar la muestra: se cuentan los artculos defectuosos. Si el nmero que

resulta no supera el nmero de aceptacin que se encontr en la tabla se acepta
el lote. En caso contrario se rechaza.
Registrar los resultados: se debe llevar registro de las decisiones de aceptacin o
rechazo para que se puedan seguir las reglas de cambio.
Ejemplo de Aplicacin de la Norma MIL-STD-105E
Una empresa desea aplicar la Norma MIL-STD-105E para el muestreo de lotes de
un determinado producto de tamao N=3.000 y que histricamente ha presentado
un porcentaje de defectuosos de un 2%. Se ha convenido un nivel de calidad
aceptable (AQL) de un 1%. La empresa utiliza inspeccin normal. Con esta
informacin se busca determinar el tamao de la muestra (n) y el nmero de
aceptacin (c).
Paso 1: Dado el tamao del lote y el nivel de inspeccin seleccionado se busca la
letra que corresponde a dicho plan. En el ejemplo el tamao del lote esta en el
rango entre 1.201 y 3.200 y la inspeccin normal corresponde a la columna II. La
letra por tanto a utilizar es K.

Paso 2: Buscamos en la siguiente tabla el cruce entre la letra seleccionada

previamente (en nuestro ejemplo K) y el nivel de AQL definido (en nuestro ejemplo
AQL=1%). Se obtiene n=125 como tamao de muestra, c=3 como nmero de
aceptacin y r=4 como nmero de rechazo.

Finalmente utilizando el procedimiento de Muestreo Simple se puede determinar la

probabilidad de aceptar el lote con N=3.000, p=2% y (n, c)= (125,3). Se deja al
visitante verificar que dicha probabilidad corresponde a Pa=75,75%.
Ejemplo 2
MILITAR ESTANDAR POR ATRIBUTOS
En la empresa lipo s. A de C.V. Inspecciona un lote de zaguanes enviados por la
empresa fnix s. A de C.V., se revisa que los zaguanes no vengan descoloridos
por medio visual, la empresa fnix resulta ser una empresa de confianza para lipo

pero no de excelencia debido a ese motivo se realiza una inspeccin tipo normal,
est defecto no daa funcin del producto pero si para el consumidor por esttica
debido eso se toma la decisin de realizar una inspeccin y es la que ms
usualmente se utiliza en las industrias de tipo II para empresa pero si es el nmero
de zaguanes del lote es de 1000 debido a que para la empresa que vende los
zaguanes es un defecto menor que los zaguanes se vean descoloridos se toma un
AQL de 2.5%.
Lote: 1000 zaguanes
Inspeccin tipo II (tipo normal)
Letra de codificacin: J
Tamao de la muestra: 80
Numero de aceptacin: 5
Numero de rechazo: 6
Datos
Muestras
defectuosas No defectuosas
80
2
78
Conclusin: el lote se acepta debido a que cumple con los requisitos establecidos
entre ambas partes ya que se rechazaba con 6 piezas defectuosas y el lote solo
tena 2
Ejemplo 3
El tamao de la muestra usada en militar estndar se determina por medio del
tamao del lote y el nivel de inspeccin elegido (nivel de calidad aceptable) el
estndar proporciona 3 niveles generales de inspecciones los cuales son 1, 2,3, el
nivel 2 es el que ms se utiliza. El nivel 1 requiere la mitad de inspecciones que el
nivel 2 y podra ser usado cuando se tienen pocos rechazos.
Aplique los diferentes niveles de inspecciones as los diferentes tipos de tablas
para aceptar o rechazar el lote en el cual el proveedor enva 8000 piezas.
Inspeccin nivel 1
Inspeccin normal
Nivel de
Letra de
Tamao de
AQL
Se aceptan
Se
inspeccin codificaci la muestra
rechazan
n
1
J
80
1
2
3
Inspeccin severa
Nivel de
Letra de
inspeccin codificaci
n
1
J
Inspeccin reducida

Tamao de
la muestra

AQL

Se aceptan

Se
rechazan

80

Nivel de
inspeccin

Letra de
Tamao de
AQL
Se aceptan
Se
codificaci la muestra
rechazan
n
1
J
80
1
1
3
Si salen dos piezas mal se acepta el lote y en los subsiguientes lotes se debe
aplicar una inspeccin normal
Inspeccin nivel 2
Inspeccin normal
Nivel de
Letra de
Tamao de
AQL
Se aceptan
Se
inspeccin codificaci la muestra
rechazan
n
2
L
200
1
5
6
Inspeccin severa
Nivel de
Letra de
inspeccin codificaci
n
2
L

Tamao de
la muestra

AQL

Se aceptan

Se
rechazan

200

Inspeccin reducida
Nivel de
Letra de
Tamao de
AQL
Se aceptan
Se
inspeccin codificaci la muestra
rechazan
n
2
L
200
1
2
5
Si salen dos, tres y cuatro piezas se aceptan el lote y en los siguientes lotes se
debe aplicar una inspeccin normal.
Nivel tipo 3
Inspeccin normal
Nivel de
Letra de
Tamao de
AQL
Se aceptan
Se
inspeccin codificaci la muestra
rechazan
n
3
M
315
1
7
8
Inspeccin severa
Nivel de
Letra de
inspeccin codificaci
n
3
M
Inspeccin reducida
Nivel de
Letra de
inspeccin codificaci

Tamao de
la muestra

AQL

Se aceptan

Se
rechazan

315

Tamao de
la muestra

AQL

Se aceptan

Se
rechazan

n
3
M
315
Militar estndar por variables 414

1. Determinar el tamao del lote

2. Especificar el NCA(o AQL)
3. Escoger el nivel de inspeccin (usualmente el nivel IV, que puede ser
cambiado cuando la situacin lo justifica). En tanto mayor sea el nivel de
inspeccin ms estricto es el plan de muestreo (ms rpido cae en la curva
co)
4. En la tabla y de acuerdo con el tamao del lote y nivel de inspeccin,
encontrar la letra cdigo del tamao de la muestra.
5. De acuerdo con la letra cdigo y el NCA , se busca el plan simple para la
inspeccin normal que consiste en el tamao de la muestra n y el valor M
que es el porcentaje mximo de defectuosas del lote
6. Partiendo del NCA que est en la parte inferior se encuentra el plan que
empleara bajo una inspeccin severa con sus correspondientes valores de
nym
7. Seleccionar de manera aleatoria una muestra de tamao n y cada pieza de
esta se le mide la caracterstica de calidad. Con los datos obtener la media
y la desviacin estndar
8. De acuerdo con los ndices de la muestra calcular
Z= es- x/ s para especificacin superior (es)
Z= x-ei/s para especificacin inferior (ei)
9. Estimar la proporcin de unidades defectuosas
Ejemplo 1:
En una fbrica de autopartes se han tenido problemas con la dimensin de cierta
barra de acero en el momento de ensamblarla. La longitud ideal de la barra es de
100 mm, con una tolerancia de ms menos 2 mm. Se decide implementar un
muestreo de aceptacin interno con el propsito de evitar dejar pasar a la etapa de
ensamble a los lotes de calidad muy pobre.
El tamao del lote para estas barras es de 3000. De ah de acuerdo con los
antecedentes y los propsitos se escoge un NCA (AQL) de 1%. De esta forma los
lotes con 1% de barras fuera de especificacin tendrn una alta probabilidad de
ser aceptados para ensamble. El nivel de inspeccin que se utilizara es el usual
(IV). La letra que se encuentra en el cdigo es la L. supongamos que se conoce la
desviacin estndar del proceso y esta va ser estimada con S.
Se encuentra que el plan de inspeccin normal es n= 40 M= 2.71%
Y el plan de inspeccin severa es n=40 M=1.88 %.

De le lote en particular se selecciona de manera aleatoria 40 barras con los

datos se obtiene.
X= 100.315 y S= 0.8
Y esto a su vez se calcula como se estiman los ndices:
Zes= 2.31
Zei= 2.6875
Con estos valores la columna de n=40 de la tabla y tomando del valor de z ei es
igual al valor ms cercano, se estima que el porcentaje de barras en el lote que
exceden la especificacin superior es igual a p= 0.888%
De la misma manera se encuentra que el porcentaje que tienen longitud menor a
la especificacin p= 0.236%
Por lo tanto el porcentaje total se estima fuera de las especificaciones p= 0.
888+0.236 =1.124% que es menor a M =2.71%, por lo tanto el lote es aceptado.
Militar estndar por variables
En la empresa fnix se han tenido problemas con el dimetro de los cerrojos ya
que no coincide con el dimetro de las puertas de los zaguanes ya que el
dimetro ideal que se le pide a la empresa proveedora de estos cerrojos es de 35
mm con una tolerancia de 1 mm, el tamao del lote es de 1200 piezas con un
AQL de 1.0%. Y un nivel de inspeccin de IV
Letra de cdigo k
Tamao de la muestra 35
Nivel de calidad 1
M= 2.68 inspeccin normal
M=1.87 inspeccin severa
M= porcentaje mximo de defectos tolerados
Datos
35
35
35
36
39.1
39
34.8
38
35
39
36.2
34
34
34

33.2
34.2
36
35.9
36.3
36.1
36.1
38
36.3
36.2
33.2
38.3
34.2
36
35.6
35.3
35
35
35.2
35.1
35.3

medidas
39.1
39
38.3
38
36.3
36.2
36.1
36
35.9
35.6
35.3
35.2
35.1
35
34.8
34.2
34
33.2

conteo
X
XX
X
XX
XX
XX
XX
XXX
X
X
XX
X
X
XXXXXX
X
XX
XXX
XX

total
1
2
1
2
2
2
2
3
1
1
2
1
1
6
1
2
3
2

LS= 12/35=35%
LI=2/35 = 5%

SE RECHAZA EL LOTE YA QUE EL PORCENTAJE DE PIEZAS DEFECTUOSAS

REBASA LAS DOS ESPECIFICACIONES NORMAL Y RIGUROSA.

ANALISIS DE MODO Y EFECTO DE LAS FALLAS (AMEF)

Que es un AMEF?

Tomado de las sectores que apuestan alto como la industria aeroespacial y

defensa, el Anlisis de Modo y Efecto de Fallos (AMEF) es un conjunto de
directrices, un mtodo y una forma de identificar problemas potenciales (errores) y
sus posibles efectos en un SISTEMA para priorizarlos y poder concentrar los
recursos en planes de prevencin, supervisin y respuesta.
Los AMEFS fueron formalmente introducidos a finales de los 40s mediante el
estndar militar 1629. Utilizados por la industria aeroespacial en el desarrollo de
cohetes, los AMEFS y el todava ms detallado Anlisis Crtico del Modo y Efecto
de Falla (ACMEF) fueron de mucha ayuda en evitar errores sobre tamaos de
muestra pequeos en la costosa tecnologa de cohetes.
El principal empuje para la prevencin de fallas vino durante los 60s mientras se
desarrollaba la tecnologa para enviar un hombre a la luna en la misin Apolo.
Ford Motor Company motivados por los altos costos de demandas de
responsabilidad civil introdujo los AMEFS en la industria automotriz a finales de los
70s para consideraciones de seguridad y requisitos regulatorios
En 1993 Chrysler, Ford y GM crearon el documento Potencial Failure Mode And
Effects Analysis que cubra los tipos vigentes de AMEF. El documento formo
parte de la norma QS 9000 (Hoy conocida como ISO 16949).
Los Beneficios de implantacin de AMEF en un sistema son:
Identifica fallas o defectos antes de que estos ocurran
Reducir los costos de garantas
Incrementar la confiabilidad de los productos/servicios (reduce los tiempos de
desperdicios y re-trabajos)
Procesos de desarrollo ms cortos
Documenta los conocimientos sobre los procesos
Incrementa la satisfaccin del cliente
Mantiene el Know-How en la compaa
AMEF de diseo (D-AMEF)
Se usa para analizar componentes de diseos. Se enfoca hacia los Modos de
Falla asociados con la funcionalidad de un componente, causados por el diseo
Evala subsistemas del producto o servicio.
AMEF de proceso (P-AMEF)
No debe utilizar controles en el proceso para superar debilidades del diseo.
Se usa para analizar los procesos de manufactura, ensamble o instalacin. Se
enfoca en la incapacidad para producir el requerimiento que se pretende,
Los Modos de Falla pueden derivar de causas identificadas en el AMEF de
Diseo.
Asume que el producto segn el diseo cumplir su intencin final
Evala cada proceso y sus respectivos elementos

Usado en el anlisis de proceso y transiciones

AMEF de proceso (P-AMEF)
Se usa para analizar los procesos de manufactura, ensamble o instalacin. Se
enfoca en la incapacidad para producir el requerimiento que se pretende,
Los Modos de Falla pueden derivar de causas identificadas en el AMEF de
Diseo.
Asume que el producto segn el diseo cumplir su intencin final
Evala cada proceso y sus respectivos elementos
Usado en el anlisis de proceso y transiciones
Cundo iniciar un AMEF?
Cuando el proceso es muy complejo.
Cuando un producto o servicio nuevo est siendo diseado.
Cuando un proceso es creado, mejorado o re diseado.
Cuando productos existentes, servicios, o procesos son usados en formas nuevas
o nuevos ambientes.
En el paso de Mejorar del DMAIC.
Problemas potenciales en las soluciones encontradas
Pasos para hacer un AMEF
1) Determine el producto o proceso a analizar
2) Determinar los posibles modos de falla
3) Listar los efectos de cada potencial modo de falla
4) Asignar el grado de severidad de cada efecto Severidad La consecuencia de
que la falla ocurra
5) Asignar el grado de ocurrencia de cada modo de falla Ocurrencia la
probabilidad de que la falla ocurra
6) Asignar el grado de deteccin de cada modo de falla Deteccin la
probabilidad de que la falla se detectada antes de que llegue al cliente
7) Calcular el NPR (Numero Prioritario de Riesgo) de cada efecto NPR
=Severidad*Ocurrencia*deteccin
8) Priorizar los modos de falla
9) Tomar acciones para eliminar o reducir el riesgo del modo de falla
10) Calcular el nuevo resultado del NPR para revisar si el riesgo ha sido
eliminado o reducido

Determinar el grado de severidad

Para estimar el grado de severidad, se debe de tomar en cuenta el efecto de la

falla en el cliente. Se utiliza una escala del 1 al 10: el 1 indica una consecuencia
sin efecto. El 10 indica una consecuencia grave.
Calcule el NPR
Es un valor que establece una jerarquizacin de los problemas a travs de la
multiplicacin del grado de ocurrencia, severidad y deteccin, ste provee la
prioridad con la que debe de atacarse cada modo de falla, identificando tems
crticos.
NPR = Ocurrencia * Severidad * Deteccin
Prioridad de NPR:
500 1000
Alto riesgo de falla
125 499
Riesgo de falla medio
1 124
Riesgo de falla bajo
1
No existe riesgo de falla
2