Estadística

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD
CALIDAD
SIETE HERRAMIENTAS BSICAS
OBJETIVO CONCEPTUAL: Conocer los conceptos bsicos de las siete herramientas bsicas de calidad. OBJETIVO PROCEDIMENTAL: Ser capaz de determinar la importancia del uso y manejo de los histogramas y diferentes diagramas, grficas de control.
OBJETIVO ACTITUDINAL: Trabajar en equipo, desarrollar el sentido de

responsabilidad y aprender lo que no se comprende. LAS 7 HERRAMIENTAS: 1. 2. 3. 4. 5. 6. 7. Hojas de Verificacin Histograma Diagrama de Pareto Diagrama Causa y Efecto Diagrama de Dispersin Estratificacin Grficas de Control
Grficas para datos comunes Grficas de promedios y rangos (Grfica X-R) Grfica para datos Discretos Grficas de nmeros defectivos (Grfica np) Grficas de fraccin defectiva(Grfica P) Grfica de defectos por unidad (Grfica C) ndice de capacidad del proceso (Cp y Cpk)
CONCEPTO DE CALIDAD.
Es cumplir sistemticamente con los requerimientos de los productos, para satisfacer las necesidades y expectativas de nuestros clientes o usuarios. Es el conjunto de cualidades, atributos y propiedades de una persona, objeto u organismo que satisfacen necesidades del cliente a travs del cumplimiento de los requisitos establecidos.
Definicin de un S SIIS ST TE EM MA AD DE EC CA AL LIID DA AD D

Un sistema de calidad total, es la estructura de trabajo operativa acordada en toda la compaa y en toda la planta, documentada con procedimientos integrados, tcnicos y administrativos efectivos, para guiar las acciones coordinadas de la fuerza laboral, las mquinas y la informacin de la compaa de las formas mejores y ms prcticas para asegurar la satisfaccin del cliente sobre la calidad y costos econmicos
Caractersticas de los S Siis stte em ma as sd de eC Ca alliid da ad d Representa un punto de vista para la consideracin sobre la forma en que la calidad trabaja en realidad en una compaa de negocios moderna o en una agencia de gobierno, y cmo pueden tomarse las decisiones. Representa la base para la documentacin profunda y totalmente pensada. Es el fundamento para hacer el panorama ms amplio de las actividades de calidad de la compaa realmente administrables. Es la base para la ingeniera de mejoras de magnitud sistemtica a travs de las principales actividades de calidad de la compaa.
EVOLUCION DE LA CALIDAD
PRIMER GENERACIN SEGUNDA GENERACIN TERCERA GENERACIN CUARTA GENERACIN QUINTA GENERACIN SEXTA GENERACIN
Calidad por inspeccin
Aseguramiento de la calidad
Proceso de Calidad Total
La calidad es una herramienta
La calidad es una herramienta
La calidad es la estrategia de la organizacin
Enfoque de la Calidad
Orientacin al producto o servicio Orientacin al proceso Orientacin al cliente
Proceso de Mejora Continua de la Calidad Mejora continua de los productos y servicios que ofrece la organizacin Orientacin a mejorar todas las actividades de la organizacin Todos los procesos de la organizacin se mejoran continuamente Procesos fragmentados
Reingeniera y Calidad Total Rediseo de los procesos de laorganizacin De reas o departamentos a procesos completos Orientacin a procesos completos hacia el cliente Procesos completos (reingeniera) La organizacin se desarrolla alrededor de los procesos clave
Rearquitectura de la organizacin
Rediseo completo de la empresa Rompimiento de las estructuras de mercado
Orientacin de la calidad
Orientacin directa y total al cliente
Proceso
Proceso fuera de control Nulo conocimiento del proceso Procesos rgidos y fragmentados
Se establecen los puntos crticos de control del proceso Se establecen sistemas de medicin del proceso
Los procesos se modifican y se orientan al cliente Se utilizan tcnicas avanzadas como el justo a tiempo
Las reas de staff en su mayora son excluidas de la empresa y se subcontratan Los procesos de la organizacin se desarrollan alrededor de los clientes Los equipos autodirigidos pasan a formar equipos de alto rendimiento al realizar las operaciones de staff y subcontratar servicios especiales La motivacin es elevada y la responsabilidad y el sentido de pertenencia se mantienen elevados La visin y los valores compartidos son el marco de referencia para la actuacin del personal
Se inicia el desarrollo de multihabilidades Se implanta el buzn de sugerencias del personal Se establecen los estndares de desempeo para los colaboradores
Desarrollo humano y trabajo en equipo
El desarrollo de multihabilidades y la madurez del liderazgo permite que se constituyan equipos de mejora continua La comunicacin y la informacin se incrementa Los empleados participan en las decisiones de sus reas de trabajo Los jefes delegan el poder a sus subalternos
Se incrementa la motivacin al aumentar la capacitacin y el sentido de pertenencia de cada colaborador La visin y los valores compartidos son el marco de referencia para la actuacin de los colaboradores de la organizacin
HERRAMIENTAS DE CALIDAD La calidad de los procesos no podra ser mejorada mientras no haya datos suficientes, precisos y concretos que indiquen que el proceso esta bajo control, esto significa que necesitamos utilizar ciertas medidas para seguirle la pista a los resultados. El uso de las 7 7H HE ER RR RA AM MIIE EN NT TA AS SD DE EL LA AC CA AL LIID DA AD D, es una parte extremadamente valiosa de la mejora continua que puede aclarar su situacin, ensearle sus opciones e indicarle la importancia relativa de varias circunstancias y si algunas de las que se eligieron han tenido algn efecto.
Funciones de las Herramientas

A. Encontrar problemas: por lo regular en un problema, reducir la fraccin efectiva de un proceso, incrementar los rendimientos o reducir los costos. Las Hojas de Chequeo o de Registro, y las Grficas de Control son de gran utilidad para encontrar dichos problemas. Reducir reas de problemas y cuantificarlos: el Diagrama de Pareto y el Histograma por lo general sirven para reducir el nmero de los problemas y concentrarse en los vitales. Dar seguridad sobre si las causas detectadas son verdaderas o no: el Diagrama de Causa y Efecto (o Diagrama de Ishikawa) permite seleccionar las causas que originan el problema, es decir la causa principal a analizar. Posteriormente, se deben generar datos para confirmar si realmente es la causa del problema en cuestin; y s la que seleccion no lo es, se elige otra y as sucesivamente. Prevenir errores debido a confusiones, precipitaciones o negligencias en la solucin de los problemas: s el tipo de dato generado para confirmar el efecto de una causa sobre una caracterstica de calidad es de tipo discreto, se debe de usar una Estratificacin; s es de tipo continuo se usar el Diagrama de Dispersin, el Histograma o las Grficas para prevenir negligencias, y para poder descubrir claramente el problema se usan las Hojas de Chequeo. Confirmar el efecto de la mejora: se debe de usar la misma tcnica o herramienta con que se detect y plante el problema, con el propsito de observar si en verdad hubo alguna mejora. Por ejemplo, si inicialmente se construy un Diagrama de Pareto para detectar el rea o factor problema, se deber trazar, despus de la mejora, otro Diagrama de Pareto y compararlo, para constatar la magnitud de la mejora.
B.
C.
D.
E.
F.
Detectar anormalidades en el proceso: la Grfica de Control cumple con esta funcin, ya que por media de ella es fcil detectar anormalidades en el proceso.
Descripcin de las Herramientas.

1. Hojas de verificacin o registro.- Es un formato para recopilar datos en forma ordenada y de manera simultanea al proceso. Es el punto lgico de inicio en la mayora de los ciclos de la solucin de conflictos. 2. Histogramas y distribucin de frecuencias.- Es una grfica de barras que tiene por objetivo resumir en forma lgica y fcil de leer un grupo de datos del proceso que nos ayude a evaluar la distribucin de sus variaciones. 3. Diagrama de Pareto.- Es una grfica que organiza los elementos en el orden descendente de frecuencias, esta tcnica es muy til para escoger qu conflicto atacar y en que orden (Regla del 80-20 "pocos vitales, muchos triviales). 4. Diagrama de Causa Efecto.- Una vez que se escoge el punto de inicio para resolver el conflicto, se debe profundizar en ellos para encontrar todas las causas posibles que lo influyen. Esta tcnica tambin es conocida como diagrama de Ishikawa o espina de pescado, por su estructura. 5. Grfico de control.- Es una herramienta estadstica que nos da un panorama claro de las variaciones normales y anormales de un proceso. 6. Estratificacin.- Es la clasificacin de los datos en funcin de una caracterstica comn para investigar fuentes de variabilidad. 7. Diagrama de dispersin.- Permite observar la relacin que existe entre una supuesta causa y efecto para corroborar si existe dicha relacin.
Hojas de Verificacin.-
Es un formato especial constituido para colectar datos fcilmente, en la que todos los artculos o factores necesarios son previamente establecidos y en la que los rcords de pruebas,
resultados de inspeccin o resultados de operaciones son fcilmente descritos con marcas utilizadas para verificar. Para propsitos de control de procesos por medio de mtodos estadsticos, es necesaria la obtencin de datos. El control depende de ellos y, por supuesto, deben ser correctos y colectados debidamente. Adems de la necesidad de establecer relaciones entre causas y efectos dentro de un proceso de produccin, con propsito de control de calidad de productividad. Las Hojas de Verificacin se usan para:

Verificar o examinar artculos defectivos. Examinar o analizar la localizacin de defectos. Verificar las causas de defectivos. Verificacin y anlisis de operaciones (A esta ltima puede llamrsele lista de verificacin) Para obtener datos. Para propsitos de inspeccin.
La Hoja de Verificacin para la obtencin de datos se clasifica de acuerdo con diferentes caractersticas (calidad o cantidad) y se utilizan para observar su frecuencia para construir grficas o diagramas. Tambin se utilizan para reportar diariamente el estado de las operaciones y poder evaluar la tendencia y/o dispersin de la produccin. Las Hojas de Verificacin para propsitos de inspeccin se utilizan para checar ciertas caractersticas de calidad que son necesarias de evaluar, ya sean en el proceso o producto terminado. Procedimiento para la elaboracin de hojas de recopilacin de informacin y/o verificacin a) b) c) d) e) f) Definir claramente lo que se desea investigar. Determinar qu datos son necesarios obtener. Decidir el perodo que se van a obtener los datos. Disear un formato sencillo de usar, para registrar la informacin. Probar el formato propuesto. Recopilar la informacin.
VENTAJAS:
1. 2. 3. 4. 5.
Facilita la recoleccin de datos. Asegura la obtencin de la informacin necesaria. Registra la frecuencia de los eventos analizados. Facilita construir grficas o diagramas. Sirve de base para comparar datos histricos: antes vs. el despus al realizar un proyecto de mejora.
EJEMPLO:
Imagine que se encuentra trabajando en un taller de mantenimiento de automviles como gerente de servicio y tiene que recibir los autos que llevan los clientes para su reparacin. En este caso la hoja de verificacin es necesaria en la recopilacin de informacin necesaria para la recepcin de los autos. Los datos necesarios para conocer el servicio que requiere el cliente, se enlistan a continuacin; a) b) c) d) e) f) g) h) Fecha y hora de entrada del vehculo. Nombre de la persona que lleva el automvil. Direccin y telfono. Si es auto particular o de una compaa. Fecha del ltimo chequeo mecnico Placas y modelo del auto. Kilometraje y cantidad aproximada de gasolina. Preguntar: Cul es el problema por el cual se lleva revisin el automvil? Desde cuando apareci el problema? Tiene problemas al arrancar el auto? Problemas en los frenos o clutch? Ha dejado de funcionar por completo el auto por el problema?
Algn otro problema que se observe con el auto?
HOJA DE VERIFICACIN
Fecha y hora de entrada del vehculo Nombre del cliente Direccin y telfono Procedencia del auto ltimo chequeo Placas y modelo del auto Kilometraje Cantidad de gasolina Problema reportado Fecha de aparicin del problema Problemas de arranque Problemas con frenos Problemas con clutch Paro total del automvil Otros 15 de Marzo, 2008 Roberto Serrano Camelias 1237 / 6-00-76-00 Particular Mayo, 2007 Jetta 2005 AAA978 43,250 Km de tanque cascabeleo del motor 21 de agosto, 2005 No No No S Ninguno
ACTIVIDAD GRUPAL: Disee una hoja de verificacin para:
Una solicitud de crdito El registro de participantes a un congreso Registrar informacin en los trmites de inscripcin escolar. Cualquier otra actividad en la que requieras registrar informacin.
Histogramas
El Histograma de Frecuencia, es una herramienta estadstica que se utiliza para representar la distribucin de variables. En este grfico las bases de cada barra indican los intervalos de valores de la variable que se estudia. La altura de cada barra es la frecuencia de ocurrencia de intervalo de valores de dicha variable. Un histograma es un grfico o diagrama que muestra el nmero de veces que se repiten cada uno de los resultados cuando se realizan mediciones sucesivas. Esto permite ver alrededor de que valor se agrupan las mediciones (Tendencia central) y cual es la dispersin alrededor de ese valor central.
Por qu usarlo? Para resumir datos de un proceso que han sido recolectados durante un tiempo y presentar grficamente su distribucin de frecuencia en forma de barras. Qu hace?
Muestra grandes cantidades de datos que son dificiles de interpretar en forma tabular Muestra la frecuencia de ocurrencia relativa de los diferentes valores de datos. Revela el centrado, variacin y forma de los datos. Ilustra rpidamente la distribucin subyacente de los datos. Proporciona informacin til para predecir el comportamiento futuro del proceso. Ayuda a indicar si ha habido un cambio en el proceso. Ayuda a responder a la pregunta El proceso es capaz de satisfacer los requisitos de mis clientes?
EJEMPLO:
Sabemos que el promedio de aprovechamiento escolar de los alumnos de una escuela es de 80, esta informacin nos dice que hay alumnos que obtuvieron una calificacin ms alta que 80, pero que hay otros que no alcanzaron esa nota. Cunta variacin hubo en las calificaciones? Existen muchos alumnos con calificaciones reprobatorias o muchos con calificaciones muy altas? Los resultados obtenidos de los alumnos se concentran en alguna calificacin? 1er paso: Se determina el nmero de datos. Por ejemplo: 50 calificaciones de alumnos.
95 93 99 86 90 66 84 72 78 65 78 83 56 60 68 88 54 75 77 79 70 97 70 68 98 83 80 92 87 78 85 80 85 90 88 96 91 76 90 88 88 95 69
53
69 95 78
100
70 90
2do Paso: Se determina el RANGO, el cual resulta de la diferencia entre el dato mayor y el menor, (r = dato mayor dato menor) siguiendo el ejemplo el rango sera: 100 53 = 47
3er. Paso: Se determina el intervalo de clases a formar (k). Las clases representan las agrupaciones que hemos hecho de los datos: das de la semana, edades, calificaciones, etctera. El clculo del nmero de clase se define tomando como referente el rango y su ubicacin en la tabla siguiente: Rango Menos de 50 50 a 99 100 a 250 Ms de 250 Nmero de clases 5a7 6 a 10 7 a 11 10 a 20
En este caso escogemos 6 clases ya que tenemos 50 datos. Cuando los datos ya tienen un valor predeterminado, la definicin de las clases puede obviarse. Ejemplos de esto seran la escolaridad, los meses del ao, zonas geogrficas, etctera. 4to. Paso: Se determina el INTERVALO O ANCHO (H) de la clase. La frmula para calcularlo es la siguiente: Rango entre el nmero de clases. H = R/K. En el ejemplo que desarrollamos el tamao del intervalo sera: 47 / 6 = 7.8 5to. Paso: Se clasifican los datos en una sola clase para definir el lmite superior y el lmite inferior de cada clase. Para tal efecto, se toma la medicin menor de los datos. Este ser el lmite inferior de la primera clase, en nuestro ejemplo 53. Para calcular el lmite superior se le suma el tamao del intervalo: 53 + 7.8 = 60.8 y as sucesivamente hasta la ltima clase. 1 2 3 4 5 6
53 + 7.8 = 60.8 68.7 76.6 84.5 92.4 100.3
60.9 + 7.8 = 68.8 + 7.8 = 76.7 + 7.8 = 84.6 + 7.8 = 92.5 + 7.8 =
6to Paso: Con base en los intervalos de clase obtenidos, se construye la tabla de frecuencias, esto se realiza sumando los datos de cada clase y la suma total deber se igual al total de datos (N) Clase Intervalos de clase Frecuencia
1 2 3 4 5 6 53 60.8 60.9 68.7 68.8 76.6 76.7 84.5 84.6 92.4 92.5 100.3 IIII IIII IIIII IIII IIIII IIIII IIIII IIIII III IIIII IIIII
Total
4 4 9 10 13 10
Total
N = 50
7mo. Paso: Con base en la tabla de frecuencias se construye el histograma, las cuales se presentan en forma de barras. En el eje horizontal se indican los lmites de las clases y en el eje vertical la frecuencia con que ocurren los datos.
Histograma
14 12 10 10 8 6 4 4 2 0 53 60.8 60.9 68.7 68.8 76.6 76.7 84.5 84.6 92.4 92.5 100.3 4 9 10 13
8vo.Paso: Interpretacin del Histograma: Por los resultados anteriores se concluye que el 34% (17/50) de los alumnos se encuentran por debajo del promedio, el 20% (10/50) en el promedio, y el 46% (23/50) por arriba del promedio. Lo anterior expresa que este grupo tiene un alto rendimiento escolar ya que el 66% (33/50) de los alumnos rinde por arriba del promedio. ACTIVIDAD GRUPAL:
ELABORE UN HISTOGRAMA CON LOS DATOS QUE SE PRESENTAN A CONTINUACIN, ANALICE E INTERPRETE LOS RESULTADOS:
En un centro acucola se cultivan camarones gigantes para exportacin. El ltimo pedido de los clientes especifica que quieren el producto con un peso mnimo de 37 grs. Para tal efecto, se realiza un muestreo, capturando camarn, para conocer la variabilidad en el peso de los mismos y determinar si esta produccin cumple con los requerimientos del cliente. Los pesos en gramos de los camarones fueron los siguientes:
25
30
35
61
43
28
35
70
65
58
43
31
34
29
27
55
64
68
43
26
63
54
56
63
45
58
59
58
61
36
25
61
44
27
36
69
64
57
44
32
35
30
28
56
65
69
44
27
64
55
57
64
46
59
60
61
62
37
26
62
45
28
37
62
63
58
54
33
26
31
36
62
44
29
36
70
36
59
44
32
Diagramas de Pareto
Mediante el Diagrama de Pareto se pueden detectar los problemas que tienen ms relevancia mediante la aplicacin del principio de Pareto (pocos vitales, muchos triviales) que dice que hay muchos problemas sin importancia frente a solo unos graves. Ya que por lo general, el 80% de los resultados totales se originan en el 20% de los elementos.
Algunos ejemplos de tales minoras vitales seran:

La minora de clientes que representen la mayora de las ventas. La minora de productos, procesos, o caractersticas de la calidad causantes del grueso de desperdicio o de los costos de reelaboracin. La minora de rechazos que representa la mayora de quejas de la clientela. La minora de vendedores que esta vinculada a la mayora de partes rechazadas. La minora de problemas causantes del grueso del retraso de un proceso. La minora de productos que representan la mayora de las ganancias obtenidas. La minora de elementos que representan al grueso del costo de un inventarios
Concepto
El Diagrama de Pareto es una grfica en donde se organizan diversas clasificaciones de datos por orden descendente, de izquierda a derecha por medio de barras sencillas despus de haber reunido los datos para calificar las causas. De modo que se pueda asignar un orden de prioridades.
Qu es?
El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del economista italiano Vilfredo Pareto (1848-1923) quien realiz un estudio sobre la distribucin de la riqueza, en el cual descubri que la minora de la poblacin posea la mayor parte de la riqueza y la mayora de la poblacin posea la menor parte de la riqueza. Con esto estableci la llamada "Ley de Pareto" segn la cual la desigualdad econmica es inevitable en cualquier sociedad. El Dr. Juran aplic este concepto a la calidad, obtenindose lo que hoy se conoce como la regla 80/20. Segn este concepto, si se tiene un problema con muchas causas, podemos decir que el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo resuelven el 20% del problema.
Cundo se utiliza? Al identificar un producto o servicio para el anlisis para mejorar la calidad. Cuando existe la necesidad de llamar la atencin a los problemas o causas de una forma
sistemtica.
Al identificar oportunidades para mejorar Al analizar las diferentes agrupaciones de datos (ej: por producto, por segmento, del
mercado, rea geogrfica, etc.)
Al buscar las causas principales de los problemas y establecer la prioridad de las

soluciones
Al evaluar los resultados de los cambos efectuados a un proceso (antes y despus) Cuando los datos puedan clasificarse en categoras Cuando el rango de cada categora es importante.
Un equipo puede utilizar la Grfica de Pareto para varios propsitos durante un proyecto para lograr mejoras:
Para analizar las causas Para estudiar los resultados Para planear una mejora continua Las Grficas de Pareto son especialmente valiosas como fotos de antes y despus para
demostrar qu progreso se ha logrado. Como tal, la Grfica de Pareto es una herramienta sencilla pero poderosa.
Relacin con otras herramientas

Un Diagrama de Pareto generalmente se relaciona con:
Diagrama de Causa y Efecto (Ishikawa) Check List de Revisin Check List de reunin de datos
Ejemplo de aplicacin
Un fabricante de HIELERAS desea analizar cuales son los defectos ms frecuentes que aparecen en las unidades al salir de la lnea de produccin. Para esto, empez por clasificar todos los defectos posibles en sus diversos tipos:
Tipo de Defecto
Detalle del Problema
Motor no se detiene No para el motor cuando alcanza Temperatura No enfra Burlete (sello) Defectuoso El motor arranca pero la heladera no enfra Burlete roto o deforme que no ajusta
Pintura Defectuosa Defectos de pintura en superficies externas Rayas No funciona Puerta no cierra Gavetas (compuertas) Defectuosas Motor no arranca Mala Nivelacin Puerta Defectuosa Rayas en las superficies externas Al enchufar no arranca el motor La puerta no cierra correctamente Gavetas interiores con rajaduras
El motor no arranca despus de ciclo de parada La heladera se balancea y no se puede nivelar Puerta de refrigerador no cierra hermticamente Otros Defectos no includos en los anteriores
Otros
Posteriormente, un inspector revisa cada hielera a medida que sale de produccin registrando sus defectos de acuerdo con dichos tipos. Despus de inspeccionar 88 heladeras, se obtuvo una tabla como esta: Tipo de Defecto Burlete Defectuoso Pintura Defectuoso Gavetas Defectuosas Detalle del Problema Burlete roto o deforme que no ajusta Frec. 9
Defectos de pintura en superficies externas Gavetas interiores con rajaduras
Mala Nivelacin La heladera se balancea y no se puede nivelar Motor no arranca Motor no detiene No enfra El motor no arranca despus de ciclo de parada No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Al enchufar no arranca el motor Otros Defectos no includos en los anteriores Puerta de refrigerador no cierra hermticamente
36
27
No funciona Otros
2 0
Puerta Defectuosa
Puerta no cierra La puerta no cierra correctamente Rayas Total: Rayas en las superficies externas
2 4 88
Tipo de Defecto Burlete Defectuoso Pintura Defectuoso Gavetas Defectuosas Mala Nivelacin Motor no arranca Motor no detiene No enfra
Detalle del Problema Burlete roto o deforme que no ajusta
Frec. 9
Frec. % 10.22
Defectos de pintura en superficies externas Gavetas interiores con rajaduras
5.68
1.13
La heladera se balancea y no se puede nivelar El motor no arranca despus de ciclo de parada No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Al enchufar no arranca el motor Otros Defectos no incluidos en los anteriores Puerta de refrigerador no cierra hermticamente La puerta no cierra correctamente
1.13
1.13
36
40.9
27
30.68
No funciona Otros
2 0
2 0
Puerta Defectuosa Puerta no cierra Rayas Total:
Rayas en las superficies externas
4 88
4 100
Tipo de Defecto
Detalle del Problema
Frec.
Frec. %
Total:
EJEMPLOS: 1.- Analice en base a los siguientes datos, cuales son las causas principales de los accidentes de trnsito en la ciudad: Causa Fallas mecnicas Exceso de velocidad Falta de cuidado del conductor Conducir en estado de ebriedad No respetar el reglamento de trnsito Pavimento resbaloso por lluvia Otras Total Frec. 95 180 60 250 50 110 755
2.- Es usted el gerente de un hotel y las quejas de los clientes se han hecho muy frecuentes. Estas fueron las principales causas identificadas y su frecuencia de ocurrencia. Causa Problemas con las reservaciones Problemas con los elevadores Quejas sobre sbanas y artculos de sobrecama Falta de toallas y jabones Problemas de con el cobro con tarjeta de crdito Total Frec. 187 140 85 50 38
Diagrama causa y efecto
El diagrama causa-efecto es una forma de organizar y representar las diferentes teoras propuestas sobre las causas de un problema. Se conoce tambin como diagrama de Ishikawa o diagrama de espina de pescado y se utiliza en las fases de Diagnstico y Solucin de la causa. Cmo interpretar un diagrama de causa-efecto: El diagrama causa-efecto es un vehculo para ordenar, de forma muy concentrada, todas las causas que supuestamente pueden contribuir a un determinado efecto. Nos permite, por tanto, lograr un conocimiento comn de un problema complejo, sin ser nunca sustitutivo de los datos. Es importante ser conscientes de que los diagramas de causa-efecto presentan y organizan teoras. Slo cuando estas teoras son contrastadas con datos podemos probar las causas de los fenmenos observables. Errores comunes son construir el diagrama antes de analizar globalmente los sntomas, limitar las teoras propuestas enmascarando involuntariamente la causa raz, o cometer errores tanto en la relacin causal como en el orden de las teoras, suponiendo un gasto de tiempo importante.
A continuacin veremos como el valor de una caracterstica de calidad depende de una combinacin de variables y factores que condicionan el proceso productivo (entre otros procesos). Vamos a utilizar el ejemplo de fabricacin de mayonesa para explicar los Diagramas de Causa-Efecto:
La variabilidad de las caractersticas de calidad es un efecto observado que tiene mltiples causas. Cuando ocurre algn problema con la calidad del producto, debemos investigar para identificar las causas del mismo. Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:
1. Decidimos cual va a ser la caracterstica o variable de calidad que vamos a analizar. Por ejemplo, en el caso de la mayonesa podra ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc. Trazamos una flecha gruesa que representa el proceso y a la derecha escribimos la caracterstica de calidad:
2. Indicamos los factores causales ms importantes y generales que puedan generar la fluctuacin de la caracterstica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias Primas, Equipos, Operarios, Mtodo de Medicin, etc.:
3. Incorporamos en cada rama factores ms detallados que se puedan considerar causas de fluctuacin. Para hacer esto, podemos formularnos estas preguntas: a. Por qu hay fluctuacin o dispersin en los valores de la caracterstica de calidad? Por la fluctuacin de las Materias Primas. Se anota Materias Primas como una de las ramas principales. b. Qu Materias Primas producen fluctuacin o dispersin en los valores de la caracterstica de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega huevo y aceite como rama menor de la rama principal Materias Primas. c. Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la cantidad agregada a la mezcla. Agregamos a Aceite la rama ms pequea Cantidad. d. Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento irregular de la balanza. Se registra la rama Balanza. e. Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la rama Balanza colocamos la rama Mantenimiento. As seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las causas posibles de dispersin.
4. Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido incorporados al diagrama. Las relaciones Causa-Efecto deben quedar claramente establecidas y en ese caso, el diagrama est terminado.
ACTIVIDAD GRUPAL: Elabore un diagrama causa-efecto para algn aspecto importante de su rea de especialidad.
Diagrama de Dispersin
Diagrama de dispersion
Para poder controlar mejor un proceso y por ende poder mejorarlo, es necesario conocer la interrelacin entre las variables involucradas. Estos diagramas muestran la existencia o no de relacin entre dichas variables. La correlacin entre dos variables puede ser positiva, si las variables se comportan en forma similar (crece una y crece la otra) o negativa, si las variables se comportan en forma opuesta (aumenta una, disminuye la otra). Los diagramas de dispersin pueden ser:
De Correlacin Positiva
Se caracterizan porque al aumentar el valor de una variable aumenta el de la otra. Un ejemplo de correlacin directa son los gastos de publicidad y los pedidos obtenidos.
De Correlacin Negativa
Sucede justamente lo contrario, es decir, cuando una variable aumenta, la otra disminuye. Un ejemplo es el entrenamiento que se le da al personal y la disminucin de errores que se consiguen en el desempeo de sus funciones.
De Correlacin No Lineal.
No hay relacin de dependencia entre las dos variables
Correlacin
Es frecuente que estudiemos sobre una misma poblacin los valores de dos variables estadsticas distintas, con el fin de ver si existe alguna relacin entre ellas, es decir, si los cambios en una de ellas influyen en los valores de la otra. Si ocurre esto decimos que las variables estn correlacionadas o bien que hay correlacin entre ellas.
Medida de la Correlacin La apreciacin visual de la existencia de correlacin no es suficiente. Usaremos un parmetro, llamado coeficiente de correlacin que denotaremos con la letra r, que nos permite valorar si sta es fuerte o dbil, positiva o negativa. El clculo es una tarea mecnica, que podemos realizar con una calculadora o un programa informtico. Nuestro inters est en saber interpretarlo Hablaremos de correlacin lineal fuerte cuando la nube se parezca mucho a una recta y ser cada vez ms dbil (o menos fuerte) cuando la nube vaya desparramndose con respecto a la recta. En el grfico observamos que en nuestro ejemplo la correlacin es bastante fuerte, ya que la recta que hemos dibujado est prxima a los puntos de la nube. Cuando la recta es creciente la correlacin es positiva o directa: al aumentar una variable, la otra tiene tambin tendencia a aumentar, como en el ejemplo anterior. Cuando la recta es decreciente la correlacin es negativa o inversa: al aumentar una variable, la otra tiene tendencia a disminuir. Lnea De Tendencia La lnea de tendencia es la herramienta bsica ms importante con la que cuenta el analista tcnico. Es una lnea o conjunto de lneas que se trazan en el grfico uniendo con una misma pendiente series sucesivas de puntos mnimos (lnea de tendencia alcista) o de puntos mximos (lnea de tendencia bajista). Sirve para determinar en primer lugar la direccin del mercado y establecer sus objetivos de proyeccin. Marca los niveles de soporte o de resistencia que estn proyectando los precios. Permite analizar en cada momento el nivel de Beneficio/Riesgo que se puede tomar al iniciar o cerrar una posicin, tomando como referencia el precio actual respecto a lnea de tendencia y su proyeccin.
La ruptura de una lnea de tendencia al alza o la baja es una de las seales que confirma un cambio en la direccin de los precios. Son la base para trazar los canales que encuadran el posible movimiento de los precios. Segn sea la dispersin de los datos (nube de puntos) en el plano cartesiano, pueden darse alguna de las siguientes relaciones, Lineal, Logartmica, Exponencial, entre otras.
Ejemplo 1: Las notas de 10 alumnos en Matemticas y en Lengua vienen dadas en la siguiente tabla:
MATEMTICAS LENGUA 2 2 4 2 5 5 5 6 6 5 6 7 7 5 7 8 8 7 9 10
Los pares de valores {(2,2), (4,2), (5,5),...;(8,7), (9,10)}, forman la distribucin bivariante. Ejemplo 2: Una persona se entrena para obtener su licencia de conducir repitiendo un test de 50 preguntas. Repite el examen 10 veces teniendo errores en base a la siguiente tabla:
Intentos Errores
1 15
2 12
3 10
4 8
5 7
6 5
7 5
8 3
9 1
10 1
Ejemplo 3: Las cifras del siguiente cuadro, muestra datos mensuales de produccin y costos de operacin para una empresa britnica de transporte de pasajeros por carretera durante los aos 1949-52 (la produccin se mide en trminos de miles de millas-vehculo recorridas por mes, y los costos se miden en trminos de miles de libras por mes). Para poder visualizar el grado de relacin que existe entre las variables, como primer paso en el anlisis es conveniente elaborar un diagrama de dispersin, que es una representacin en un sistema de coordenadas cartesianas de los datos numricos observados. Cuadro 1. Operaciones Mensuales en una Empresa de Transporte de Pasajeros. Costos Millas Totales Vehculo (miles) (miles) Mes N Y X
1 213.9 3147 2 212.6 3160 3 215.3 3197 4 215.3 3173 5 215.4 3292 6 228.2 3561 7 245.6 4013 8 259.9 4244 9 250.9 4159 10 234.5 3776 11 205.9 3232 12 202.7 3141 13 198.5 2928 14 195.6 3063 15 200.4 3096 16 200.1 3096 17 201.5 3158 18 213.2 3338 19 219.5 3492 20 243.7 4019 21 262.3 4394 22 252.3 4251 23 224.4 3844 24 215.3 3276 25 202.5 3184 26 200.7 3037 27 201.8 3142 28 202.1 3159 29 200.4 3139 30 209.3 3203 31 213.9 3307 32 227.0 3585 33 246.4 4073 Fuente: J. Johnston, Anlisis Estadstico de los Costes (Barcelona: Sagitario, S. A., 1966), p. 118.
Estratificacin
La estratificacin consiste en clasificar datos de grupos con caractersticas diferentes; permite analizar aquellos casos en los cuales la informacin muestra situaciones distintas a los hechos reales. La utilizacin de esta herramienta, evita tomar decisiones inadecuadas para resolver algn problema. Se usa el trmino estratificacin por una similitud con la manera en que las capas terrestres o estratos forman la corteza de la tierra, por lo que, cuando un grupo de datos con caractersticas importantes comunes se separa del total de datos disponibles, se dice que se ha estratificado. Pasos para realizar una estratificacin Paso 1. Determinar la situacin a analizar Paso 2. Colectar informacin sobre la situacin Paso 3. Definir los estratos: pueden ser clasificaciones muy precisas como das de la semana, sexo, escolaridad, profesin, etctera. Paso 4. Clasificar datos cada estrato. Paso 5. Construir una grfica de barras con los resultados. Paso 6. Anlisis de la informacin.
Ejemplo 1.
Al administrador de un campo deportivo, le interesa investigar sobre los accidentes ocurridos durante seis meses a las personas que asisten al campo a practicar algn deporte y elabor una lista de la informacin de la manera siguiente.
Tipo de accidente
Heridos en el campo de ftbol Luxados en el atletismo Tobillos lastimados Raspadura en la cancha de voleibol Golpes en la cabeza en el ftbol Problemas en las rodillas por correr
Frecuencia
100 30 20 60 25 70
En administrador del centro deportivo estratific los problemas de la siguiente manera:

1. 2. 3.
Por tipo de accidente: heridas, raspaduras, luxaciones, contusiones. Por zona afectada: tobillos, rodillas codos, cabeza, piernas. Por disciplina deportiva: atletismo, bsquetbol, ftbol, voleibol.
La representacin grfica de los datos se muestra de la forma siguiente: 1.- Grfica por tipo de accidente
120 100 80 60 40 20 0
Cortada Problemas en rodilla Raspaduras Luxaciones Golpes en la cabeza
2.- Grfica por zona afectada
80 60 40 20 0 Rodillas Cabeza Tobillo
3.- Grfica por disciplina deportiva
140 120 100 80 60 40 20 0
125 100 60 20
Futbol
Atletismo
Voleibol
Basquetbol
El anlisis de las grficas estratificadas muestra que la mayor parte de los accidentes ocurren jugando ftbol; principalmente se refiere a heridas en las piernas. Con esta informacin ya focalizada sobre el problema se decide tomar dos acciones para su resolucin: Limpieza de la cancha y Promover el uso de protectores para las piernas.
Actividad Grupal:
EJERCICIO: A continuacin se presenta la siguiente informacin sobre personal que sali de una empresa: a) Motivo de salida b) Edad y Antigedad del personal Estratifica la informacin de manera que te sea til y describe las conclusiones que se pueden hacer analizando la informacin ya estratificada. Causas de rotacin: Por continuar estudios Por problemas familiares Por mejorar el sueldo 32 20 12
Por el cuidado de sus hijos 15 Problemas en la empresa Datos de los empleados: Con tres meses de antigedad Hasta un ao de antigedad 15 26 7
De uno a tres aos de antigedad 25 Ms de tres aos de antigedad De 18 a 25 aos de edad De 26 a 35 aos de edad Ms de 35 aos de edad Menos de 18 aos de edad 20 42 24 18 2
Control Estadstico de Procesos
Grficos de Control
Los grficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Bsicamente, una Carta de Control es un grfico en el cual se representan los valores de algn tipo de medicin realizada durante el funcionamiento de un proceso contnuo, y que sirve para controlar dicho proceso. Vamos a tratar de entenderlo con un ejemplo. Supongamos que tenemos una mquina inyectora que produce piezas de plstico, por ejemplo de PVC. Una caracterstica de calidad importante es el peso de la pieza de plstico, porque indica la cantidad de PVC que la mquina inyect en la matriz. Si la cantidad de PVC es poca la pieza de plstico ser deficiente; si la cantidad es excesiva, la produccin se encarece porque se consume ms materia prima.
Entonces, en el lugar de salida de las piezas, hay un operario que cada 30 minutos toma una, la pesa en una balanza y registra la observacin:
etc...
Supongamos que estos datos se registran en un grfico de lneas en funcin del tiempo:
Observamos una lnea quebrada irregular, que nos muestra las fluctuaciones del peso de las piezas a lo largo del tiempo. Esta es la fluctuacin esperable y natural del proceso. Los valores se mueven alrededor de un valor central (El promedio de los datos), la mayor parte del tiempo cerca del mismo. Pero en algn momento puede ocurrir que aparezca uno o ms valores demasiado alejados del promedio. Cmo podemos distinguir si esto se produce por la fluctuacin natural del proceso o porque l mismo ya no est funcionando bien? Esta es la respuesta que provee el control estadstico de procesos, y a continuacin veremos como lo hace. Todo proceso de fabricacin funciona bajo ciertas condiciones o variables que son establecidas por las personas que lo manejan para lograr una produccin satisfactoria.
Cada uno de estos factores est sujeto a variaciones que realizan aportes ms o menos significativos a la fluctuacin de las caractersticas del producto, durante el proceso de fabricacin. Los responsables del funcionamiento del proceso de fabricacin fijan los valores de algunas de estas variables, que se denominan variables controlables. Por ejemplo, en el caso de la inyectora se fija la temperatura de fusin del plstico, la velocidad de trabajo, la presin del pistn, la materia prima que se utiliza (Proveedor del plstico), etc. Pero un proceso de fabricacin es una suma compleja de eventos grandes y pequeos. Hay una gran cantidad de variables que sera imposible o muy difcil controlar. Estas se denominan variables no controlables. Por ejemplo, pequeas variaciones de calidad del plstico, pequeos cambios en la velocidad del pistn, ligeras fluctuaciones de la corriente elctrica que alimenta la mquina, etc. Los efectos que producen las variables no controlables son aleatorios. Adems, la contribucin de cada una de las variables no controlables a la variabilidad total es cuantitativamente pequea. Son las variables no controlables las responsables de la variabilidad de las caractersticas de calidad del producto. Los cambios en las variables controlables se denominan Causas Asignables de variacin del proceso, porque es posible identificarlas. Las fluctuaciones al azar de las variables no controlables se denominan Causas No Asignables de variacin del proceso, porque no son pasibles de ser identificadas. Causas Asignables: Son causas que pueden ser identificadas y que conviene descubrir y eliminar, por ejemplo, una falla de la mquina por desgaste de una pieza, un cambio muy notorio en la calidad del plstico, etc. Estas causas provocan que el proceso no funcione como se desea y por lo tanto es necesario eliminar la causa, y retornar el proceso a un funcionamiento correcto. Causas No Asignables: Son una multitud de causas no identificadas, ya sea por falta de medios tcnicos o porque no es econmico hacerlo, cada una de las cuales ejerce un pequeo efecto en la variacin total. Son inherentes al proceso mismo y no pueden ser reducidas o eliminadas a menos que se modifique el proceso.
Cuando el proceso trabaja afectado solamente por un sistema constante de variables aleatorias no controlables (Causas no asignables) se dice que est funcionando bajo Control Estadstico. Cuando, adems de las causas no asignables, aparece una o varias causas asignables, se dice que el proceso est fuera de control.
El uso del control estadstico de procesos lleva implcitas algunas hiptesis que describiremos a continuacin:
1) Una vez que el proceso est en funcionamiento bajo condiciones establecidas, se supone que la variabilidad de los resultados en la medicin de una caracterstica de calidad del producto se debe slo a un sistema de causas aleatorias, que es inherente a cada proceso en particular. 2) El sistema de causas aleatorias que acta sobre el proceso genera un universo hipottico de observaciones (mediciones) que tiene una Distribucin Normal. 3) Cuando aparece alguna causa asignable provocando desviaciones adicionales en los resultados del proceso, se dice que el proceso est fuera de control. La funcin del control estadstico de procesos es comprobar en forma permanente si los resultados que van surgiendo de las mediciones estn de acuerdo con las dos primeras hiptesis. Si aparecen uno o varios resultados que contradicen o se oponen a las mismas, es necesario detener el proceso, encontrar las causas por las cuales el proceso se apart de su funcionamiento habitual y corregirlas. Control Estadstico... Cmo ponerlo en marcha? La puesta en marcha de un programa de control estadstico para un proceso en particular implica dos etapas:
Antes de pasar a la segunda etapa, se verifica si el proceso est ajustado. En caso contrario, se retorna a la primera etapa:
En la 1a etapa se recogen unas 100-200 mediciones, con las cuales se calcula el promedio y la desviacin standard:
Luego se calculan los Lmites de Control de la siguiente manera:
Estos lmites surgen de la hiptesis de que la distribucin de las observaciones es normal. En general se utilizan lmites de 2 sigmas de 3 sigmas alrededor del promedio. En la distribucin normal, el intervalo de 3,09 sigmas alrededor del promedio corresponde a una probabilidad de 0,998.
Entonces, se construye un grfico de prueba y se traza una lnea recta a lo largo del eje de ordenadas (Eje Y), a la altura del promedio (Valor central de las observaciones) y otras dos lneas rectas a la altura de los lmites de control:
En este grfico se representan los puntos correspondientes a las observaciones con las que se calcularon los lmites de control:
Este grfico de prueba se analiza detenidamente para verificar si est de acuerdo con la hiptesis de que la variabilidad del proceso se debe slo a un sistema de causas aleatorias o si, por el contrario, existen causas asignables de variacin. Esto se puede establecer porque cuando la fluctuacin de las mediciones se debe a un sistema constante de causas aleatorias la distribucin de las observaciones es normal:
Cuando las observaciones sucesivas tienen una distribucin normal, la mayor parte de los puntos se sita muy cerca del promedio, algunos pocos se alejan algo ms y prcticamente no hay ninguno en las zonas ms alejadas:
Es difcil decir como es el grfico de un conjunto de puntos que siguen un patrn aleatorio de distribucin normal, pero s es fcil darse cuenta cuando no lo es. Veamos algunos ejemplos de patrones No Aleatorios: Una sucesin de puntos por encima
... o por debajo de la lnea central.
Una serie creciente de 6 7 observaciones...
.. o una serie decreciente.
Si no se descubren causas asignables entonces se adoptan los lmites de control calculados como definitivos, y se construyen cartas de control con esos lmites:
Si slo hay pocos puntos fuera de control (2 3), estos se eliminan, se recalculan la media, desviacin standard y lmites de control con los restantes, y se construye un nuevo grfico de prueba. Cuando las observaciones no siguen un patrn aleatorio, indicando la existencia de causas asignables, se hace necesario investigar para descubrirlas y eliminarlas. Una vez hecho esto, se debern recoger nuevas observaciones y calcular nuevos lmites de control de prueba, comenzando otra vez con la primera etapa.
En la 2a etapa, las nuevas observaciones que van surgiendo del proceso se representan en el grfico, y se controlan verificando que estn dentro de los lmites, y que no se produzcan patrones no aleatorios:
Como hemos visto, el 99,8 % de las observaciones deben estar dentro de los lmites de 3,09 sigmas alrededor de la media. Esto significa que slo 1 observacin en 500 puede estar por causas aleatorias fuera de los lmites de control. Entonces, cuando se encuentra ms de 1 punto en 500 fuera de los lmites de control, esto indica que el sistema de causas aleatorias que provocaba la variabilidad habitual de las observaciones ha sido alterado por la aparicin de una causa asignable que es necesario descubrir y eliminar. En ese caso, el supervisor del proceso debe detener la marcha del mismo e investigar con los que operan el proceso hasta descubrir la o las causas que desviaron al proceso de su comportamiento habitual. Una vez eliminadas las causas del problema, se puede continuar con la produccin normal.
Control Estadstico de Procesos Grficos X-R

Los grficos X-R se utilizan cuando la caracterstica de calidad que se desea controlar es una variable continua.
Para entender los grficos X-R, es necesario conocer el concepto de Subgrupos (o Subgrupos racionales). Trabajar con subgrupos significa agrupar las mediciones que se obtienen de un proceso, de acuerdo a algn criterio. Los subgrupos se realizan agrupando las mediciones de tal modo que haya la mxima variabilidad entre subgrupos y la mnima variabilidad dentro de cada subgrupo. Por ejemplo, si hay cuatro turnos de trabajo en un da, las mediciones de cada turno podran constituir un subgrupo. Supongamos una fbrica que produce piezas cilndricas para la industria automotriz. La caracterstica de calidad que se desea controlar es el dimetro de las piezas.
Hay dos maneras de obtener los subgrupos. Una de ellas es retirar varias piezas juntas a intervalos regulares, por ejemplo cada hora:
La otra forma es retirar piezas individuales a lo largo del intervalo de tiempo correspondiente al subgrupo:
.....Etc. Por cualquiera de los dos caminos, obtenemos grupos de igual nmero de mediciones. Para cada subgrupo calculamos el Promedio y el Rango (Diferencia entre el valor mximo y el valor mnimo).
Como ya se ha visto, para calcular los Lmites de Control es necesario obtener un gran nmero de mediciones, divididas en subgrupos. En nuestro ejemplo, podramos obtener 30 subgrupos de 6 datos cada uno:
Despus de calcular el Promedio y el Rango de cada subgrupo, tendramos una tabla como la siguiente:
A partir de esta tabla, se calculan el promedio general de promedios de subgrupo y el promedio de rangos de subgrupo:
Promedio de Subgrupo N Nmero de Subgrupos
o tambin:
Mediciones individuales N Nmero de Subgrupos
Nmero de mediciones dentro del Subgrupo
Rango del Subgrupo La desviacin standard del proceso se puede calcular a partir del rango promedio, utilizando el coeficiente d2, que depende del nmero de mediciones en el subgrupo:
Con esto podemos calcular los Lmites de Control para el grfico de X:
La desviacin standard del rango se puede calcular utilizando el coeficiente d3, que tambin depende del nmero de mediciones en el subgrupo:
Y as podemos calcular los Lmites de Control para el Grfico de R:
La tabla siguiente muestra los coeficientes d2 y d3 para subgrupos de hasta 10 mediciones:
Construimos entonces un Grfico X de prueba y representamos los promedios de los subgrupos:
Y un Grfico R de prueba, donde representamos los rangos de los subgrupos:
Si no hay puntos fuera de los lmites de control y no se encuentran patrones no aleatorios, se adoptan los lmites calculados para controlar la produccin futura.
Con los siguientes datos construya un grfico X-R y determine si el Proceso esta o no fuera de control. 1 7.80 6.50 7.00 6.30 7.60 6 9.10 6.10 7.90 8.50 4.00 2 8.30 7.20 7.30 7.00 7.40 7 8.50 7.70 8.50 7.30 6.70 3 8.00 8.90 8.60 8.10 8.10 8 8.00 8.30 8.30 9.30 9.10 4 8.70 7.40 9.00 6.70 8.30 9 8.40 6.90 8.00 8.40 8.20 6 8.10 6.80 6.80 7.40 7.30 10 7.90 8.80 8.70 6.80 7.80
Control Estadstico de Procesos Grficos ni

Muchas caractersticas de calidad se evalan dando resultados como: conforme o disconforme, defectuoso o no defectuoso. Estas caractersticas de calidad se conocen como atributos. Supongamos un proceso que fabrica tornillos. Una manera de ensayar cada tornillo sera probarlo con una rosca calibrada.
El resultado de este ensayo slo tiene dos posibles resultados: Defectuoso-No Defectuoso ( Conforme-Disconforme).
Si el tornillo no entra en la rosca, se lo considera defectuoso o disconforme. Para controlar este proceso, se puede tomar una muestra de tornillos y contar el nmero de defectuosos presentes en la muestra.
La variable aleatoria nmero de defectuosos es una variable aleatoria discreta, porque puede tomar un nmero finito de valores, o infinito numerable. Los grficos np se utilizan para controlar el nmero de defectuosos en una muestra.
Entonces, para controlar este proceso, un inspector se coloca al final de la lnea de produccin y cada hora retira una muestra de n=50 tornillos (por ejemplo), comprueba cada uno con la rosca y anota el nmero de defectuosos.
Este resultado se anota en un grfico hora por hora y se denomina grfico np. Si se tomara del proceso un slo tornillo Cul es la probabilidad de que sea defectuoso? Imaginando la poblacin de tornillos que podra fabricar el proceso trabajando siempre en las mismas condiciones, una cierta proporcin p de estos seran defectuosos. Entonces, la probabilidad de tomar un tornillo y que sea defectuoso es p. En una muestra de n tornillos, la probabilidad de encontrar:
est dada por una distribucin binomial con parmetros n y p.
Como sabemos, el promedio de la poblacin es p y la varianza es n.p. (1-p). Para construir los grficos de control np, en una primera etapa se toman N muestras (ms de 20 25) a intervalos regulares, cada una con n tornillos. Se cuenta en cada muestra el Nmero de Defectuosos y se registra. Se obtendra una Tabla como la siguiente:
Muestra 1 2 3 4 5 6 7 N Defectuosos 3 2 4 3 4 2 5 -
En cada muestra, la fraccin de defectuosos es:
N Defectuosos en muestra i n N elementos en la muestra
Entonces, a partir de la tabla podemos calcular p como promedio de las fracciones de defectuosos en las muestras:
N muestras
y luego la Desviacin Standard s:
Con esto podemos calcular los Lmites de Control para el grfico np:
Construmos entonces un Grfico np de prueba y representamos el nmero de defectuosos en las muestras:
EJEMPLO 1: Con los siguientes datos, construya un grfico np para un proceso de fabricacin de tornillos.
Muestra No. Elementos No. Defectuosos
1 2 3 4 5 6 7 8 9 10
25 25 25 25 25 25 25 25 25 25
1 3 2 1 4 3 3 5 7 2
EJEMPLO 2: En un rea de atencin rea de atencin a clientes se est tratando de mejorar la rapidez del servicio para lo cual una persona comienza a tomar tiempos de servicio del cual si excede los 5 minutos, ese servicio se considera como aceptable, en caso contrario se considera no aceptable. Durante 2 semanas se toman 50 lecturas diarias, tenindose los siguientes resultados:
Das No. Tiempos No. Defectuosos
1 2 3 4 5 6 7 8
50 50 50 50 50 50 50 50
6 4 5 8 3 1 1 3
9 10 11 12 13 14
50 50 50 50 50 50
5 9 12 7 11 9
Construya un grfico np y analice los resultados.
Control Estadstico de Procesos Grficos C y U

En algunos procesos interesa medir la cantidad de defectos que presentan las unidades de producto que se estn fabricando. Por ejemplo, se fabrican telfonos celulares y entonces se toma uno de ellos y se cuenta el nmero total de defectos. Estos podran ser:
Rayaduras en la superficie. Rajaduras en el plstico Antena defectuosa Botn defectuoso. Etc.
Los defectos pueden ser de diferentes tipos y se cuenta el total de todos estos defectos en la unidad inspeccionada. Obtenemos un resultado que es el Nmero de Defectos por unidad de inspeccin.
A medida que el proceso genera las unidades (Telfonos celulares), retiramos una unidad a intervalos regulares y contamos el nmero total de defectos. En cada unidad podemos encontrar:
0 defectos 1 defecto 2 defectos 3 defectos .. n defectos
Los resultados que obtenemos al contar el Nmero de Defectos en unidades de inspeccin retiradas a intervalos regulares constituyen una variable aleatoria discreta, porque puede tomar valores 0, 1, 2, 3, ... n.
Los grficos C se utilizan para controlar el nmero de defectos en una muestra del producto o unidad de inspeccin. Entonces, para controlar este proceso, un inspector se coloca al final de la lnea de produccin y cada hora retira una unidad de inspeccin (En este caso un telfono celular), verifica y anota el nmero total de defectos.
Este resultado se anota en un grfico hora por hora y se denomina grfico C. De acuerdo a la Distribucin de Poisson, si denominamos C al parmetro de la funcin de distribucin, el promedio de la poblacin es C y la varianza tambin es C. Para construir los grficos de control C, en una primera etapa se toman N unidades de inspeccin (ms de 25 30) a intervalos regulares. Se cuenta en cada unidad de inspeccin el Nmero de Defectos y se registra. Se obtendra una Tabla como la siguiente:
Unidad de Nm. Inspeccin Defectos 1 2 3 4 5 6 7 8 3 2 4 0 1 1 5 2 -
Entonces, a partir de la tabla podemos calcular C como promedio del Nmero de Defectos en las muestras (Unidades de Inspeccin):
ni Cantidad de Defectos por Unidad de Inspeccin
N Nmero de Unidades de Inspeccin y luego la Desviacin Standard:
Con esto podemos calcular los Lmites de Control para el grfico C:
En caso de que el Lmite Inferior de Control resulte negativo, se le asigna valor cero. Construmos entonces un Grfico C de prueba y representamos el nmero de defectos en las muestras:
Otro ejemplo sera controlar el nmero de defectos a la salida de una lnea de ensamblado de licuadoras. De igual manera podra ser una lnea de ensamblado de computadoras personales, cafeteras automticas, televisores, etc. Cuando se fabrican pinturas y barnices, un ensayo muy comn es hacer un extendido sobre una placa de vidrio, dejar secar el producto y luego inspeccionar los defectos en la superficie. Se pueden aplicar los grficos C para controlar este tipo de procesos, contando el nmero de defectos sobre la superficie del recubrimiento. En la industria textil tambin es necesario controlar defectos superficiales en las telas. Se pueden aplicar los grficos C para controlar el nmero de defectos sobre la superficie de un rea rectangular de tela. Muchas veces ocurre que las unidades que produce el proceso presentan una tasa de defectos muy baja. Por ejemplo, supongamos un proceso automatizado que fabrica tarjetas de sonido. A la salida del mismo se inspecciona una tarjeta a intervalos de media hora y se cuenta el nmero de defectos. El resultado seguramente ser algo como esto: Tarjeta Nm. Defectos 0 0 0 0 0 1 0 0
1 2 3 4 5 6 7 8
etc
Esto se debe a que la fabricacin se realiza por medio de un proceso totalmente automatizado donde ocurren pocos errores. Por lo tanto, el promedio de defectos ser cercano a cero y el Lmite Inferior de Control seguramente ser negativo. Para evitar esto, es conveniente redefinir la Unidad de Inspeccin. Por ejemplo, se puede tomar como unidad de inspeccin la cantidad de 100 tarjetas de sonido. Es decir, cada media hora se retiran del proceso 100 tarjetas y se cuentan los defectos del total de las mismas. De esta manera la cantidad de defectos promedio por unidad de inspeccin ser ms alta. Y es posible tambin que el LIC sea mayor que cero.
EJEMPLO 1: En una muestra de 25 unidades de muebles para oficina, se encuentran despus de realizar un muestreo, se encuentran defectos como, ralladuras en la pintura, mala colocacin de cajones, uniones defectuosas, entre otros. Con los datos tomados, construya un grfico C.
Mueble
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
No. de defectos
3 2 2 1 1 0 6 7 4 4 3 2 3 2 7 3 3
18 19 20 21 22 23 24 25
4 1 3 0 5 6 4 3
EJEMPLO 2: En una oficina de desea establecer un control sobre los errores cometidos en el llenado de formatos y hojas de verificacin para recabar informacin sobre solicitudes de servicio de algunos clientes. Algunas de las fallas consisten en que el capturista anota mal el domicilio del cliente, el cdigo postal es incorrecto, utiliza espacios en el formato que debe dejar en blanco, entre otros. Al cabo de una semana se recaba la siguiente informacin. Capturista
1 2 3 4 5 6 7 8 9 10
No. De errores
3 2 22 5 3 3 5 4 1 1 4
GRAFICO U
Supongamos que se est controlando el nmero de defectos en un proceso de ensamblado de licuadoras y se define una unidad de inspeccin de 5 licuadoras. En este caso es posible trabajar con un grfico C, como ya hemos visto. Pero tal vez se desea controlar el promedio de defectos por cada licuadora (unidad de produccin) en lugar del total de defectos para las 5 licuadoras (unidad de inspeccin):
ni Cantidad de Defectos por Unidad de Inspeccin m Nm. de Unidades de Produccin en la Unidad de Inspeccin En nuestro ejemplo, si encontramos ni defectos en la unidad de inspeccin (5 licuadoras), la cantidad promedio de defectos por licuadora ser:
Se debe tener en cuenta que x es una nueva variable aleatoria discreta que toma valores 0, 1/m, 2/m, 3/m, 4/m, .....etc., y cuya distribucin de probabilidades se puede calcular a partir de la Distribucin de Poisson. Como en el caso de los grficos C, en una primera etapa se toman N unidades de inspeccin (ms de 25 30) a intervalos regulares. Se cuenta en cada unidad de inspeccin el Nmero de Defectos y se registra. Luego se divide el Nmero de Defectos de cada unidad de inspeccin por m (Nmero de unidades de produccin en cada unidad de inspeccin). En nuestro ejemplo (m = 5) la Tabla quedara as: Unidad de Nm. Inspeccin Defectos Nm. Defectos
por Licuadora 1 2 3 4 5 6 7 8 5 8 6 10 5 15 12 5 1.0 1.6 1.2 2.0 1.0 3.0 2.4 1.0 -
Entonces, a partir de la tabla podemos calcular el parmetro U como promedio del Nmero de Defectos por licuadora:
ni Cantidad de Defectos por Unidad de Inspeccin m Nm. de Unid. de Produccin en la Unidad de Inspeccin N Nmero de Unidades de Inspeccin y luego la Desviacin Standard:
Con esto podemos calcular los Lmites de Control para el grfico U:
EJEMPLO 1: Del proceso de fabricacin de muebles para oficina, de se desea controlar el promedio de defectos por unidad de produccin. Analice los siguientes datos y construya un grfico U. El tamao de la unidad de inspeccin es 5 unidades.
Unidad de Inspeccin Nm. De defectos Nm. De defectos por mueble.
1 2 3 4 5 6 7 8
4 2 6 3 3 5 2 3
9 10
5 4
Control Estadstico de Procesos Capacidad de Proceso

Un proceso de fabricacin es un conjunto de equipos, materiales, personas y mtodos de trabajo que genera un producto fabricado.
Para analizar el comportamiento del proceso, se toman muestras de producto fabricado y se realizan ensayos para determinar el valor de una caracterstica de calidad seleccionada previamente. Desde el punto de vista del control estadstico, es conveniente incluir la etapa de muestreo y ensayo dentro del proceso mismo.
Cualquier modificacin en las condiciones del proceso (Modificacin en el equipo, cambio de materias primas, etc.) conceptualmente debe considerarse como que se trata de otro proceso, diferente del anterior. El primer paso para aplicar una tcnica estadstica es definir la caracterstica de calidad que se va a medir en el producto fabricado. Desde el punto de vista estadstico, esta caracterstica de calidad constituye una variable aleatoria, porque an despus de realizar una serie de mediciones, el valor que se obtendra en la siguiente medicin no puede predecirse por clculo. El conjunto de todos los resultados de mediciones que pueden obtenerse es nuestro universo o poblacin. Cualquier subconjunto de mediciones extrado del universo constituye una muestra. Con respecto al concepto de universo o poblacin, cuando se aplica a resultados de mediciones en un proceso, es necesario puntualizar lo siguiente: La poblacin o universo de resultados es el conjunto de datos que se obtuvieron hasta ese momento ms aquellos que se obtendran si el proceso continuara funcionando siempre bajo las mismas condiciones. Esto se conoce como Universo Hipottico de mediciones de la caracterstica de calidad. Antes de aplicar cualquier tcnica estadstica, es necesario establecer algunas hiptesis bajo las cuales se va a desarrollar el anlisis. En primer lugar, vamos a suponer que la caracterstica de calidad (Variable aleatoria) es continua y de distribucin normal. En segundo lugar, consideraremos que el proceso est bajo control estadstico, es decir que la variabilidad se debe solamente a un sistema constante de causas aleatorias (No intervienen causas asignables). Al realizar una sucesin de mediciones de la caracterstica de calidad sobre muestras del producto fabricado, encontramos que los valores fluctan alrededor de un valor central. Esto es lo que llamamos la fluctuacin natural y esperable del proceso. Esta variacin de la caracterstica de calidad medida se debe a un conjunto muy grande de causas que afectan el proceso, cuyo efecto individual es pequeo y que actan en forma aleatoria (Sistema constante de causas aleatorias). La fluctuacin natural del proceso es inherente al mismo y no puede eliminarse, slo puede reducirse realizando modificaciones al proceso mismo, lo cual significa, como ya hemos dicho, trabajar con otro proceso. La fluctuacin natural de un proceso puede cuantificarse a travs de la desviacin standard del mismo, con la cual podemos calcular Lmites de Tolerancia Natural del proceso.
Se debe insistir en que estos lmites no pueden fijarse voluntariamente, dependen del proceso y de las variables no controlables del mismo. Generalmente se toma un rango para la fluctuacin natural de 6 sigmas. Los Lmites de Especificacin de un producto son fijados voluntariamente por el cliente, por el fabricante o por alguna norma. Estos lmites constituyen un requisito a cumplir por el producto y no deben confundirse en ningn caso con los Lmites de Control o con los Lmites de Tolerancia Natural del proceso. La Capacidad de un proceso es la aptitud para generar un producto que cumpla con determinadas especificaciones. En el mejor de los casos, es conveniente que los Lmites de Tolerancia Natural del proceso se encuentren dentro de los Lmites de Especificacin del producto. De esta manera nos aseguramos que toda la produccin cumplir con las especificaciones. Para analizar la capacidad del proceso se puede utilizar un histograma de frecuencias. Si se dispusiera de todos los datos del universo para la caracterstica de calidad medida y se hiciera un histograma este permitira tener una idea exacta de la fluctuacin natural del proceso. Como esto es imposible, es necesario tomar un cierto nmero de mediciones (Mnimo 100-200) y efectuar con ellas un histograma de frecuencias.
Este es el histograma de una muestra y por lo tanto es slo una estimacin del verdadero histograma del universo. Si representamos en las abscisas los Lmites de
Especificacin del producto, podemos ver grficamente si el proceso tiene aptitud (Capacidad) para fabricar dicho producto.
Para cuantificar la Capacidad de Proceso, se utilizan coeficientes que permiten comparar el rango de especificaciones con la fluctuacin natural del proceso.
Uno de ellos es Cp:
Donde LSE es el Lmite Superior de Especificacin y LIE es el Lmite Inferior de Especificacin Si el proceso tiene capacidad para fabricar el producto, entonces Cp > 1. En general se exige Cp > 1.30 para mayor seguridad.
Este coeficiente tiene el inconveniente de que para poder aplicarlo el centro de gravedad del rango de especificaciones debe coincidir con la tendencia central de las mediciones del proceso. Cuando esto no ocurre se emplea
el Cpk:
Donde:
En el grfico podemos observar que una buena parte del producto est por encima del Lmite Superior de Especificacin (LSE). An as resulta Cp > 1, indicando errneamente que el proceso tiene capacidad suficiente. En este caso se debe usar el segundo coeficiente que muestra claramente que el proceso no tiene capacidad suficiente (Cpk < 1), tal como se puede observar en el grfico. El uso de un histograma para analizar la capacidad de un proceso tiene la ventaja de que se puede apreciar la forma de la distribucin, con lo cual se puede confirmar o rechazar la hiptesis de que la misma es normal. Pero el problema es que no se puede detectar la presencia de patrones no aleatorios, con lo cual no es posible confirmar o rechazar la hiptesis de que el proceso est bajo control estadstico. Si el proceso no est bajo control estadstico los resultados del anlisis de la capacidad de proceso no sern vlidos y pueden llevar a conclusiones equivocadas. Otra manera de analizar la capacidad de un proceso es por medio de los grficos de control. La implementacin de grficos de control exige necesariamente colocar al proceso bajo control estadstico. En consecuencia, se puede utilizar la desviacin standard utilizada para calcular los Lmites de Control para calcular los coeficientes de capacidad de proceso Cp o Cpk. Si este es el caso, se debe hacer una aclaracin muy importante. Cuando se utilizan
grficos X-R, en el grfico de X se representan los promedios de subgrupos, es decir, promedios muestrales. No se debe confundir la desviacin standard del proceso con la desviacin standard de los promedios muestrales. Si la desviacin standard del proceso es s y cada subgrupo tiene m mediciones, la desviacin standard entre subgrupos es:
Si se utiliza por error la desviacin standard entre subgrupos para calcular los coeficientes de capacidad del proceso, se obtendrn valores ms altos que los que corresponden a la verdadera capacidad del proceso. EJERCICIOS: 1.- Los lmites de especificacin para el tamao de perfiles deben ser 30.5 a 31.5 cm de largo. Si la desviacin estndar est dada por = 0.167cm, Cul es la capacidad del proceso?
2.- En la fabricacin de cierta pieza, el grosor es una caracterstica de calidad especificada para la pieza. Los lmites de especificacin estn dados 0.43 y 0.48 mm, y la desviacin estndar del proceso corresponde a un valor de = 0.009 mm. La capacidad del proceso es:
3.- En un proceso de fabricacin de tuberas, los limites de especificacin en el dimetro 27.7cm y 28.5 cm con una media de 27.85 y la desviacin estndar es de = 0.025 cm.Calcule los ndices Cp y Cpk

Estadística

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estadística

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

SIETE HERRAMIENTAS BSICAS

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

OBJETIVO ACTITUDINAL: Trabajar en equipo, desarrollar el sentido de

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Definicin de un S SIIS ST TE EM MA AD DE EC CA AL LIID DA AD D

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Calidad por inspeccin

Proceso de Calidad Total

La calidad es una herramienta

La calidad es una herramienta

La calidad es la estrategia de la organizacin

Rediseo completo de la empresa Rompimiento de las estructuras de mercado

Orientacin directa y total al cliente

Desarrollo humano y trabajo en equipo

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Funciones de las Herramientas

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Descripcin de las Herramientas.

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Algn otro problema que se observe con el auto?

ACTIVIDAD GRUPAL: Disee una hoja de verificacin para:

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Algunos ejemplos de tales minoras vitales seran:

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Al buscar las causas principales de los problemas y establecer la prioridad de las

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Relacin con otras herramientas

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Detalle del Problema

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Defectos de pintura en superficies externas Gavetas interiores con rajaduras

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Detalle del Problema Burlete roto o deforme que no ajusta

Defectos de pintura en superficies externas Gavetas interiores con rajaduras

Puerta Defectuosa Puerta no cierra Rayas Total:

Rayas en las superficies externas

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Detalle del Problema

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

Diagrama causa y efecto

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

En administrador del centro deportivo estratific los problemas de la siguiente manera:

UNIVERSIDAD TECNOLGICA DE TIJUANA ASESORIA DE CALIDAD

2.- Grfica por zona afectada

80 60 40 20 0 Rodillas Cabeza Tobillo

3.- Grfica por disciplina deportiva