Discurso de Edwards Deming en Japón en 1978.
"Una mirada rápida a algunos nuevos principios de gestión"

Lo que sigue es una transcripción de un discurso olvidado pronunciado en Tokio en 1978 por W. Edwards Deming para la Unión de Científicos e Ingenieros Japoneses (JUSE). Debido a que el original era una fotocopia deficiente, hay pequeñas porciones de texto que no se pueden descifrar. Transcripción amablemente proporcionada al Instituto Deming (EE.UU.) por Mike McLean. Fuente: www.qualitydigest.com

La traducción del artículo se complementa con comentarios y enlaces a materiales de apoyo en nuestro sitio web, resaltados en cursiva en bloques separados. Traducción y comentarios: director científico del Centro AQT Serguéi P. Grigoriev

El libre acceso a los artículos no disminuye en modo alguno el valor de los materiales contenidos en ellos.

El espectacular salto en la calidad de la mayoría de los productos fabricados en Japón, desde tercera clase hasta calidad y confiabilidad superiores, con asombrosas economías de producción, comenzó con una rápida explosión en 1950 y continúa hasta el día de hoy. Todo el mundo conoce la calidad japonesa y el repentino aumento que comenzó en 1950, pero pocos entienden cómo sucedió.

Foto. En la década de 1950, Eizaburo Nishibori, miembro de JUSE, y Shigeichi Moriguchi de la Universidad de Tokio invitaron a W. Edwards Deming a dar una conferencia sobre métodos estadísticos de negocios en una sesión organizada por Keidanren, la sociedad ejecutiva más prestigiosa de Japón, bajo la dirección de su presidente Ichiro Ishikawa ( también presidente JUSE). Fuente: El Instituto Deming .

Parece que vale la pena reunir en un solo lugar los principios estadísticos de gestión que hicieron posible la revolución de la calidad en Japón, ya que incluso en la actualidad la mayoría de estos principios no se entienden ni se practican generalmente en Estados Unidos.

La importancia relativa de algunos de los principios aquí descritos ha cambiado, por supuesto, a lo largo de los años desde 1950. Algunos de los principios aquí establecidos surgieron como corolarios de principios anteriores. Se podrían añadir otras consecuencias, casi sin fin.

El salto cualitativo en Japón no es casual. Fue un éxito que siguió a un esfuerzo concertado, decidido y metódico en toda la industria japonesa, en todos los niveles de producción, incluida, por supuesto, la gestión, para hacer que los métodos estadísticos funcionaran. Las visitas repetidas, así como los cursos de distintos niveles para directivos, ingenieros y artesanos, organizados por la Unión de Científicos e Ingenieros del Japón, guiaron y consolidaron estos esfuerzos. Tal vez un movimiento tan concertado sólo sea posible en Japón.

Obviamente, reconocer problemas de calidad, uniformidad y economía, y evaluar los intentos de resolverlos, requiere métodos estadísticos y pensamiento estadístico. Los métodos estadísticos cubren cada paso de la línea de producción, desde la especificación y prueba de los materiales entrantes hasta las pruebas de productos en uso, la investigación de clientes, el diseño y el rediseño de productos. Por eso, como dije Walter A. Shewhart , control estadístico de calidad es el término más amplio posible para los problemas de manufactura esbelta.

Principio 1.

Llamar la atención de un trabajador de producción sobre un producto defectuoso que ha fabricado mientras se encuentra en un estado de control estadístico sobre la causa de ese defecto es desmoralizador y costoso. ¹ . Esto no le ayudará en absoluto, ya que, de hecho, tiene los ojos vendados y toma muestras de cuentas, blancas y rojas, de una caja de cuentas rojas y blancas cuidadosamente mezcladas. No puede controlar la aparición aleatoria de cuentas rojas en sus muestras, su producto; no puede vencer al sistema. Se ve obstaculizado por la proporción de cuentas rojas en el sistema. Sólo la dirección puede cambiar la proporción de cuentas rojas en la caja.

Ver la descripción El experimento de E. Deming con cuentas rojas. .

De hecho, si se le llama la atención sobre un elemento defectuoso mientras su actuación está bajo control estadístico en cuanto a la causa de ese defecto, intentará cambiar su procedimiento... [texto perdido], esperando en vano una mejora. El resultado de su modificación será... [texto perdido] un aumento en las variaciones de sus resultados - un efecto contraproducente que anula sus esfuerzos.

Vea la explicación en el artículo de Donald Wheeler que tradujimos. Formas correctas e incorrectas de utilizar los campos de tolerancia. ¿Deberíamos clasificar los productos según márgenes de tolerancia para defectuosos y no defectuosos, o deberíamos intentar personalizar el proceso?

El argumento de que un trabajador de producción tiene derecho a conocer el estado de sus asuntos y que no lo sabrá hasta que vea los artículos defectuosos que produce es uno de los conceptos erróneos de gestión más comunes que se enseñan hoy en día en las escuelas de negocios. El error explicado aquí surge de la falta de comprensión de los mejores principios de gestión.

Principio 2.

Si un empleado ha alcanzado un estado de control estadístico en su trabajo, pero su desempeño en términos de calidad o cantidad es insatisfactorio, es mejor trasladarlo a un trabajo completamente diferente.

Ver explicación en solución abierta. Una mirada crítica al uso de KPI en el sistema de motivación del personal. O cómo la dirección se priva de la información más importante para la gestión de la empresa y destruye el trabajo en equipo. .

Principio 3.

La formación y reciclaje de un trabajador que no haya alcanzado un estado de control estadístico de su trabajo seguirá siendo eficaz para él.

Principio 4.

Los límites superior e inferior del rango de tolerancia de un producto por sí solos proporcionan un punto de referencia costoso e insatisfactorio para el trabajador de producción. Por ejemplo, los límites de tolerancia del diámetro exterior en el rango de 1,001 a 1,002 cm le indican a un trabajador de producción que un diámetro de 1,0012 cm está dentro del rango de tolerancia, pero esto no le ayuda a producir menos defectos ni a mejorar la productividad, a diferencia de lo que podría lograr con menos esfuerzo utilizando métodos estadísticos. (Declarado hace varios años por el Dr. Shewhart.)

Vea la explicación en el artículo de Donald Wheeler que tradujimos. Formas correctas e incorrectas de utilizar los campos de tolerancia. ¿Deberíamos clasificar los productos según márgenes de tolerancia para defectuosos y no defectuosos, o deberíamos intentar personalizar el proceso?

Principio 5.

Por lo tanto, para ahorrar dinero, la descripción de su trabajo debería exigirle lograr un control estadístico de su trabajo con la distribución de los elementos individuales dentro de la zona de tolerancia. Con este sistema, sus productos cumplirán el rango de tolerancia sin el alto costo de una inspección detallada. Los trabajadores que están bajo control estadístico pero cuyo desempeño es insatisfactorio pueden ser transferidos y capacitados para otro trabajo.

Principio 6.

Buena calidad no significa necesariamente alta calidad. Esto significa principalmente uniformidad y confiabilidad a bajo costo y calidad que cumple con los requisitos del mercado.

Principio 7.

La desviación de la característica de calidad del valor nominal causa pérdidas, incluso si las desviaciones ocurren dentro del rango de tolerancia. Con mayor uniformidad, un fabricante puede ahorrar en el proceso de producción, como reducir algunos pasos o utilizar materias primas más baratas, y aun así cumplir con las especificaciones. Así, una mayor homogeneidad permite a) al productor y a su consumidor -ambos- lograr mayores ahorros; y b) proporciona una mejor base para hacer negocios juntos ² .

Los ejemplos abundan, pero puede que no sean tan conocidos; por ejemplo, la uniformidad de los productos agrícolas también es importante para el procesamiento económico de alimentos y otros derivados.

Ver la descripción Funciones de pérdida de calidad de Taguchi .

Principio 8.

En un estado de caos (mala supervisión, mala gestión, falta de control estadístico), el trabajador de producción no puede desarrollar sus capacidades potenciales y garantizar la uniformidad y productividad del producto.

Los métodos estadísticos, como los gráficos de control de Shewhart, proporcionan señales que indican la presencia de una causa específica de heterogeneidad que requiere medidas correctivas.

Principio 9.

Es aconsejable dividir las causas de los altos costos de producción con pérdida de competitividad de las empresas en dos categorías:

Causas sistémicas (causas generales o ambientales) - 85%.
Estas fallas permanecen en el sistema hasta que la gerencia las corrija. Su efecto combinado suele ser fácil de medir. Algunas causas individuales se pueden identificar basándose en el juicio. El resto puede determinarse experimentalmente; algunos examinando registros de operaciones y materiales.

Motivos especiales: 15%.
Estas razones son específicas de un trabajador o máquina en particular. El gráfico de control de Shewhart detecta una señal de una causa especial que el trabajador normalmente puede identificar y corregir.

Los porcentajes dados sólo indican que, en mi experiencia, las causas sistémicas eclipsan a las causas especiales. El diseño del producto y las pruebas del servicio son parte del sistema y son responsabilidad de la dirección.

Las causas comunes reciben su nombre del hecho de que son comunes a todo un grupo de trabajadores: pertenecen al sistema.

No se producirá ninguna mejora en el sistema ni ninguna reducción en las causas especiales de variaciones y problemas si la administración no aborda las causas comunes.

La confusión entre los dos tipos de razones genera frustración en todos los niveles y conduce a una mayor variabilidad y mayores costos, exactamente lo contrario de lo que se necesita.

Principio 10.

Afortunadamente, esta confusión puede eliminarse casi sin falta. Los métodos estadísticos simples, como distribuciones, diagramas de flujo de procesos y diagramas de control de Shewhart, todos los cuales se explican en libros, proporcionan señales que indican al operador cuándo tomar medidas para mejorar la uniformidad de su trabajo. También le dicen cuándo dejar el proceso en paz.

Principio 11.

Estos métodos estadísticos simples minimizan el costo de dos errores comunes:

1. Corrección excesiva (sobrerregulación), buscar con demasiada frecuencia una causa específica y tomar medidas que solo aumentan la variabilidad y la desviación del objetivo.

2. Inacción (hacer muy poco o nada) cuando hay indicios de causas especiales.

Cualquiera de los errores es fácil de evitar por completo. Puede evitar el error n.° 1 (del primer tipo) si no hace nada por motivos especiales, realizando así el error n.° 2 con la mayor frecuencia posible. El resultado es el caos. O puede evitar el error número 2 (tipo 2) tomando medidas ante el menor signo de desviación hacia arriba o hacia abajo. El resultado es una mayor variabilidad y un caos aún mayor.

Los métodos estadísticos son la única forma rentable de lograr estabilidad y minimizar las pérdidas derivadas de ambos errores.

Lo que no está en los libros, es poco claro o generalmente desconocido para los ingenieros de control de calidad, es que los mismos gráficos de control que envían señales estadísticas al trabajador de producción también brindan a la gerencia una medida de la totalidad de los problemas relacionados con el sistema mismo (causas comunes). ³ .

Explicación del párrafo anterior del artículo de Edwards Deming (Sergey P. Grigoryev)

Cuando un gráfico de control de Shewhart muestra evidencia de la presencia de causas especiales de variabilidad según Criterios zonales de Western Electric , esto indica un comportamiento inestable (impredecible) del proceso e indica al trabajador de producción que las variaciones observadas en los puntos “rojos” se deben a razones especiales que deben eliminarse y, si no pueden eliminarse de inmediato, tomarse bajo control. En la mayoría de los casos, esto se puede hacer a nivel de taller.

Al mismo tiempo, los límites de control (líneas rojas superior e inferior) de un proceso inestable demuestran el potencial mínimo del estado del proceso al que llegará después de eliminar causas especiales a nivel de taller. Estos mismos límites de control y posición del proceso (Línea Central, CL) demuestran una condición debida a razones generales (sistémicas), cuando mejoras adicionales en la gran mayoría de los casos dependen de cómo está diseñado el proceso, y esto es competencia del director de la empresa. alta dirección. ¡Pero los cambios sistémicos deberían emprenderse sólo después de que se hayan eliminado las causas específicas de la variación! De lo contrario, no podrá evaluar su eficacia.

Si el gráfico de control de Shewhart demuestra un comportamiento estable (predecible) del proceso, los límites de control y el promedio del proceso demuestran que el proceso se encuentra en el mejor estado del que es capaz en el sistema existente de causas comunes. Y si este estado del proceso no satisface sus requisitos, entonces sólo los cambios sistémicos pueden mejorar el estado de cosas, y esto está sujeto únicamente a la alta dirección de la empresa, pero no al taller. El estado estable del proceso le permitirá rastrear la efectividad de los intentos realizados para mejorar el sistema en el que opera este proceso.

Exigir que el personal del taller mejore de forma independiente un proceso estable significa crear condiciones desmotivadoras para los trabajadores en las que nacen pequeñas y grandes mentiras. Y cualquier intento sincero por parte del personal de trabajo para mejorar dicho proceso sólo conduce a aumentando su variabilidad , lo que sólo empeora el proceso y provoca decepción en las propias capacidades.

Principio 12.

El primer paso para mejorar cualquier proceso de fabricación o medición es lograr el control estadístico de una característica clave del producto, luego otra y luego otra. Una vez que se ha logrado el control estadístico de las principales características cualitativas del proceso, el proceso está listo para la siguiente etapa: la mejora, y esta es responsabilidad de la dirección.

Intentar estimar el efecto de las medidas adoptadas para reducir las causas comunes será arriesgado y engañoso a menos que los procesos se hayan puesto primero bajo control estadístico.

Las causas sistémicas (generales) persisten incluso aunque se haya logrado el control estadístico de las características de calidad más importantes de un producto (como enseñó hace mucho tiempo el Dr. [Joseph M.] Juran). Una vez más, las causas sistémicas (generales) son desafíos para la gestión.

Principio 13.

Un regulador mecánico que simplemente mantiene las características de calidad dentro del rango de tolerancia no proporciona una mejor uniformidad del producto ni ningún beneficio económico. No mejora el sistema. Los controladores mecánicos se pueden utilizar con éxito junto con equipos informáticos para crear gráficos de control que proporcionarán señales al operador indicando cuándo ha ocurrido una causa específica de desviación y se requieren ajustes en el proceso.

Principio 14.

La gerencia no está haciendo su trabajo a menos que la planta mantenga gráficos de control de Shewhart para mostrar qué proporción de los problemas reconocidos son atribuibles al sistema y, por lo tanto, son responsabilidad de la gerencia.

La afirmación habitual de la gerencia, en ausencia de métodos estadísticos, de que "hacemos todo lo que sabemos para mejorar la calidad y reducir costos", si bien es cierta, es simplemente una ilusión sin comprender ni utilizar métodos de gestión estadística.

Una declaración típica de la gerencia podría ser: "Entiendo lo suficiente sobre el control de calidad para administrarlo de manera efectiva desde mi oficina como presidente". La comprensión superficial sólo aparece cuando surgen problemas ⁴ .

La gerencia estadounidense generalmente asume que los trabajadores de producción son responsables de todos los problemas de producción y calidad. En ausencia de métodos estadísticos, la dirección parte del teorema de que si los trabajadores no cometieran errores, no habría problemas. Este elegante teorema no mejora la uniformidad del producto ni reduce el desperdicio. Ésta es una actitud costosa. Oculta las responsabilidades y capacidades de la administración y garantiza que los problemas continuarán.

El motivo de retirada de coches para su corrección, que todos conocemos, se produce cuando algo evidentemente anda mal, no está relacionado con la calidad de la mano de obra, sino con la calidad del diseño, del sistema y, por tanto, con el error de gestión.

El impulso a la moral del trabajador de producción si viera un intento real por parte de la dirección de mejorar el sistema y responsabilizar al trabajador de producción sólo por lo que es responsable y puede controlar, y no por las deficiencias que le asignan el sistema, no puede ser exagerado.

Principio 15.

Un proceso tiene uniformidad y capacidades predecibles sólo si se encuentra en un estado de control estadístico. En este estado, las características de calidad básicas del producto de mañana estarán dentro de límites predecibles. Se puede predecir el volumen de producción, así como el costo de producción.

Dibujo. Línea de producción, desde el diseño, las materias primas hasta el consumidor. Los datos de la investigación de los clientes y los requisitos de servicio proporcionan la base para el rediseño del producto y los cambios en los requisitos de insumos de producción.

Principio 16.

El consumidor es el punto más importante en la línea de producción. La investigación de las necesidades del consumidor y las pruebas de servicios son tareas estadísticas.

Principio 17.

El desempeño del producto es el resultado de la interacción entre tres componentes: 1) el producto en sí; 2) el usuario y cómo utiliza el producto, cómo lo instala, cómo lo cuida y las condiciones de uso (ejemplo: el cliente permitió que entrara suciedad en un rodamiento de rodillos); 3) instrucciones de funcionamiento, formación del cliente, servicios de reparación, formación de reparadores y disponibilidad de repuestos.

El fabricante del equipo para el cual se mantienen registros de servicio puede revisarlos continuamente, aprendiendo cómo se distribuyen las fallas entre los tres componentes y cómo mejorar de manera más rentable el rendimiento de su producto.

Ofertas:

1. Realizar distribuciones de frecuencia para diagnóstico de fallas por tipo de cliente, por personal de servicio, por tipo de equipo. Un cambio aleatorio del personal de servicio entre clientes y tipos de equipos proporcionaría la base para mejorar la capacitación del personal de servicio.

2. El mismo es a solicitud del cliente, según el tipo de equipo. Los resultados mostrarán qué tipos de clientes y qué condiciones de uso tienen más probabilidades de estar satisfechos y cuáles tienen más probabilidades de causar insatisfacción.

3. Monitorear la dinámica del número de fallas por tipo de falla y tipo de equipo.

Principio 18.

Los criterios para probar un producto para declarar que cumple o no con los requisitos de especificación (tolerancias técnicas) son completamente diferentes de los criterios para evaluar el desempeño de un producto. ¹⁸ .

Principio 19.

La entrega puntual de un producto demuestra una entrega anticipada durante unos días y una entrega tardía durante unos días más.

Este principio se me ocurrió un día en Japón cuando subí al andén de un tren que llegaba y noté que faltaban 10 segundos para la hora de llegada programada. “Por supuesto”, comenté, “tendría que llegar temprano la mitad del tiempo y retrasado la mitad del tiempo si se quiere definir su tasa de llegada como puntual”.

Ver la explicación de la operación en el artículo:
1. Definición operacional .

Principio 20.

Al producir y comercializar un producto, la dirección se enfrenta a dos tipos de problemas (desafíos): ⁶ :

A. Qué hacer con un producto ya fabricado. ¿Es adecuado enviarlo a un mercado o a un comprador específico?

B. Cómo mejorar el producto futuro.

Al fabricante siempre le surge el problema A: ¿qué hacer con el producto actual? Trabajar en el problema B es una inversión. Cada grado de éxito en la tarea B hace que la tarea A sea más fácil en el futuro.

Hubo un tiempo en que el control de calidad consistía en el Problema A casi excluyendo el Problema B. Se suponía que inspeccionar el producto final para identificar unidades defectuosas garantizaba que sólo se enviaran productos buenos al mercado o a un cliente en particular.

Ahora se sabe que ninguna cantidad de pruebas de producto al final de la línea puede garantizar la calidad del producto. Algunos artículos defectuosos pueden pasar desapercibidos y causar mala voluntad entre los compradores. Además, al final de la línea existe una necesidad constante de eliminar requisitos para evitar pérdidas de tiempo y costos de retrabajo o reemplazo. Cuanto más dependamos de la inspección, mayor será la proporción de productos defectuosos que llegarán al mercado.

La idea de que la solución radica en el control y las pruebas adicionales ha dado paso en algunos lugares a la idea de que es necesario hacer algo con respecto al proceso para reducir la tasa de defectos producidos.

Los procedimientos de aceptación estadística deberían ser la subtarea de primera prioridad en la Tarea A.

Los métodos estadísticos también ofrecen un enfoque rentable para el Problema B, la mejora de procesos.

Principio 21.

El costo de producir múltiples unidades y probarlas no proporciona información suficiente para predecir los costos del producto, incluso cuando se combina con un pronóstico de mercado. También es necesario saber cómo comprobará el cliente que los lotes cumplan los requisitos. ¿Cada pieza tiene que cumplir con las especificaciones? (No es posible, por supuesto, si la prueba es destructiva). ¿O utilizará el cliente un plan de aceptación que no requiera un cumplimiento del 100 por ciento?

Principio 22.

La medición, simple o compleja, es un proceso de fabricación. ⁷ . El producto se caracteriza por números obtenidos mediante un sistema de medición. No existe ningún sistema de medición identificable a menos que esté sujeto a control estadístico, incluido el intercambio de observadores. El control estadístico no es una cuestión de opinión, sino una cuestión de cumplimiento de ciertas pruebas estadísticas de azar.

En mi experiencia, los instrumentos y las mediciones poco fiables son fuente de muchos problemas y disputas en la fabricación. ¿El producto está defectuoso o las medidas son incorrectas?

Todo fabricante se enfrenta diariamente a retos relacionados con las diferencias entre sus propios resultados de medición y los obtenidos por su cliente; entre sus medidas estándar y reactivos y las medidas estándar y reactivos de su cliente.

Cualquier fabricante de alimentos puede recordar la horrible experiencia de que un producto, ya distribuido o listo para ser distribuido, resultara defectuoso, al menos temporalmente, debido a resultados falsos positivos que luego se atribuyeron a contaminación en su propio laboratorio.

Principio 23.

El debido cuidado en la fabricación no se puede definir operativamente; por lo tanto, cualquier requisito de debido cuidado en la producción no puede ser legalmente exigible. Sin embargo, el cuidado en la producción se puede definir y medir. La evidencia de la atención se proporciona mediante registros de pruebas en forma de datos significativos (que pueden tomar la forma de gráficos y cálculos estadísticos), complementados con registros de acciones correctivas y resultados. Las instrucciones de uso del producto y las advertencias sobre su mal uso forman parte de un protocolo que indica un grado de precaución por parte del fabricante.

Ver la explicación de la operación en el artículo:
1. Definición operacional .

Principio 24.

La práctica de otorgar el llamado premio al mérito a un empleado de producción o a un grupo de empleados por el mejor desempeño (mayores ventas, menor número de defectos, mayor producción) durante un período contable puede ser desmoralizante a menos que el premio se base en una medición estadística satisfactoria. que distinguirá el buen desempeño de la simple suerte. Si el premio no se basa en una medida estadística de desempeño, entonces el sistema de premios es simplemente una lotería. Hasta donde yo sé, la lotería no tiene nada de malo si se llama lotería, pero la lotería puede hacer mucho daño si se llama mérito. El resultado será una menor productividad, mala calidad e insatisfacción laboral. Confundir suerte con mérito sale caro.

Vea la explicación en los artículos de nuestra web:
1. No confundas suerte con éxito ;
2. Las bonificaciones o depreciaciones para los empleados de la empresa basadas en los resultados del período del informe dentro del sistema son lo mismo que recompensar por ganar la lotería o castigar por perder. .

Principio 25.

Los métodos estadísticos no se implementan en empresas u organizaciones gubernamentales. Los métodos estadísticos provienen del conocimiento y la experiencia. El conocimiento de la teoría estadística es fundamental. No hay recetas de libros de cocina garantizadas que debas seguir.

Enlaces

1. Los principios 1 a 17 se describieron con más detalle en mi artículo “Sobre algunas ayudas estadísticas a la producción económica”, Interfaces, vol. 5, núm. 4, agosto de 1975: pág. 1–15; también en “Mi opinión sobre el control de calidad en Japón”, Reports of Statistical Applications Research, vol. 22, núm. 2, junio de 1975: pág. 73–80.

2. Smith, Richard D. "Rescuing Superfoods", The Sciences, vol. 16, 1976: pág. 13–18.

3. Para ejemplos, véase W. Edwards Deming, “On Some Statistical Aids to Economic Production”, Interfaces, vol. 5, agosto de 1975: págs. 1-15.

4. Golomsky, William. “Tamaño del departamento”, Quality Progress, agosto de 1976, pág. 13.

5. Harold F. Dodge enfatizó constantemente este principio, por supuesto, allá por 1944.

6. Este principio fue formulado por George Edwards de Bell Telephone Laboratories en 1942. Contribuciones al muestreo de aceptación y durante su largo servicio como presidente del Comité E-11 de la Sociedad Estadounidense de Pruebas y Materiales.

7. Shewhart, Walter A. “Método estadístico desde el punto de vista del control de calidad” , Escuela de Graduados, Departamento de Agricultura, Washington, 1939; págs. 110-119. (Shewhart, Walter A. "Método estadístico desde el punto de vista del control de calidad", Escuela de Graduados del USDA, Washington, 1939; págs. 110-119).

Ku, Harry H. “Medición y calibración de precisión” , Oficina Nacional de Normas, Washington, vol. 1, Publicación 300, 1969. (Koo, Harry H. “Precision Measurement and Calibration”, Oficina Nacional de Estándares, Washington, Vol. 1, Publicación 300, 1969).

Cameron, José M. “Garantía de medición” , Oficina Nacional de Normas, Washington, Boletín no. NBSIR 77.1240, 1977. (Cameron, Joseph M. “Measurement Assurance”, Oficina Nacional de Estándares, Washington, Boletín No. NBSIR 77.1240, 1977).