CALIDAD

Daniel Antonio Clemente Mndez

11 DE MARZO DE 2014
COLEGIO SALESIANO SAN IGNACIO

Tabla de contenido
5. 5.1 5.1.1 5.1.2 5.2 5.3 5.4 5.4.1 5.4.2 5.5 5.5.1 5.5.2 5.5.3 5.6 5.7 6 Tcnicas estadsticas de control de la calidad. ...................................................................... 2 Fundamentos de la estadstica y probabilidad.................................................................. 5 Distribucin de frecuencias. .......................................................................................... 6 Otras distribuciones probabilsticas. ............................................................................. 7 Control por variables y atributos. Grficos de control por variables y atributos.............. 8 Manejo de paquetes informticos de control estadstico de proceso ........................... 14 Capacidad de proceso y de mquinas. ............................................................................ 24 Construccin e interpretacin en la recta de probabilidad. ....................................... 25 Clculo de ndices de capacidad para mquinas y procesos. ...................................... 26 Planes de muestreo. ........................................................................................................ 27 Curvas caractersticas y tipos de muestreo (UNE 66.020). ......................................... 29 Control secuencial y control continuo. ....................................................................... 29 Utilizacin de tablas de muestreo. .............................................................................. 30 Anlisis de regresin: Correlacin y de la varianza (ANOVA).......................................... 31 Aplicacin de la informtica al control del proceso. ....................................................... 31 Herramientas de la calidad aplicadas a la mejora de la calidad. ........................................ 34

6.1 Toma de datos, recopilacin, ponderacin, presentacin numrica y grfica de datos. Histogramas. ............................................................................................................................... 36 6.2 Diagramas de evolucin o gestin, de Pareto, de afinidad, causa-efecto, correlacin, dispersin o distribucin, etc. ..................................................................................................... 38 6.3 6.4 7 7.1 7.2 7.3 Matrices de prioridades, de criterio, de anlisis, etc. ..................................................... 42 Anlisis de modos de fallos y efectos (AMFE). ................................................................ 44 Documentacin de la calidad. ............................................................................................. 48 Estructura y contenidos que deben cumplir las pautas de control. ............................... 49 Informes y partes de control. Normas a considerar en su elaboracin y presentacin. 49 Organizacin, gestin y actualizacin de la documentacin generada. ......................... 51

5.

Tcnicas estadsticas de control de la calidad.

Definimos el Control Estadstico de la Calidad como la aplicacin de diferentes tcnicas estadsticas a procesos industriales (mano de obra, materias primas medidas, mquinas y medio ambiente), procesos administrativos y/o servicios con objeto de verificar si todas y cada una de las partes del proceso y servicio cumplen con unas ciertas exigencias de calidad y ayudar a cumplirlas, entendiendo por calidad la aptitud del producto y/o servicio para su uso.

La aplicacin de tcnicas estadsticas al control est basada en el estudio y evaluacin de la variabilidad existente en cualquier tipo de proceso que es principalmente el objeto de la Estadstica.

Las fuentes que producen la variabilidad objeto de estudio en la Estadstica, se clasifica en variabilidad controlada o corregible que no entra dentro de nuestro campo pero si es posible detectarla por causar una variabilidad muy grande (ajuste incorrecto de la mquina, errores humanos, siendo posible eliminar la causa o causas que la han producido, y la variabilidad debida al azar, tambin denominada variabilidad no controlable que no puede ser asignada a una causa nica sino al efecto combinado de otras muchas.

Supongamos un esquema de un proceso de fabricacin determinado que produce cierta pieza donde la caracterstica de calidad sea Y (medible u observable). Se observa que la magnitud de la caracterstica vara de unidad a unidad de producto; esto es, se dice que el producto posee variabilidad, objetivo primario o base de la Estadstica Las herramientas de Control Estadstico de la Calidad han evolucionado con las distintas revoluciones industriales. El nivel tecnolgico de muchas empresas del sector es muy elevado pero en cambio el uso de tcnicas Estadsticas es muy reducido, considerndose a menudo de gran dificultad, innecesarias y cuyos costos son elevados. La tesis que se presenta se plantea como objetivo romper con esta forma de pensar y

demostrar algunas de las ventajas que puede aportar el uso de la Estadstica para tomar decisiones y mejorar la calidad de productos y procesos. Para alcanzar este objetivo, se hace un breve repaso al grado de utilizacin de la ciencia en el sector.

Esta indagacin proporciona las claves necesarias para encaminar la investigacin hacia dos tipos de productos diferentes, por un lado, los de hogar que son los que tradicionalmente se producen en la zona, y por otro, los tcnicos que representan una oportunidad de innovacin.

La primera propuesta se realiza con la intencin de dotar de mayor valor aadido a los productos tradicionales, mediante la incorporacin de un sistema de Control de la Calidad de sus caractersticas sensoriales. Utilizando algunas tcnicas de Anlisis Sensorial se quiere controlar la calidad del artculo en el proceso de produccin, as como definir las caractersticas sensoriales que lo caractericen y lo puedan distinguir de sus competidores.

En el desarrollo prctico de la asignatura tendremos en cuenta siempre su aplicacin a procesos industriales que permiten la disponibilidad de gran variedad de datos donde la o las caractersticas de calidad podrn ser medibles y se conocen como variables o podrn ser observadas a las que se refiere como atributos, utilizando distintas tcnicas segn el tipo de ellas.

En todo proceso industrial cabe distinguir la calidad de diseo que no es objetivo de la asignatura y la calidad de fabricacin, sobre la que nos centraremos especialmente, aplicando los mtodos estadsticos al:

Control del proceso o en curso de fabricacin que proporciona no

solo

detectar fallos en curso de fabricacin sino tambin permite aprender cules son las causas que provocan variabilidad, aportando datos para mejorar el proceso.

El objetivo del Control Estadstico de la Calidad es:

1. Detectar rpidamente la ocurrencia de variabilidad debida a causas asignables. 2. Investigar la(s) causa(s) que la han producido y eliminarla(s). 3. Informar de ella para la toma de decisin oportuna, pues de lo contrario se produciran gran cantidad de unidades de calidad no aceptable, originando una disminucin de la capacidad productiva e incremento de costos del producto terminado (supervisor). 4. Eliminar, si es posible, o al menos reducir al mximo la variabilidad del proceso (direccin).

5.1

Fundamentos de la estadstica y probabilidad.

El Control Estadstico de la Calidad es la disciplina cientfico-tcnica que utiliza tcnicas estadsticas dentro del contexto ms general del Control de la Calidad. Permite medir y mejorar la Calidad de los productos y servicios. Bsicamente son tres las etapas donde se engloban dichas tcnicas: la Inspeccin, el Control Estadstico de Procesos y el Diseo Estadstico de Experimentos. La Inspeccin y el Diseo de Experimentos son tcnicas de control fuera de lnea (Control offline), en cambio el Control Estadstico de Procesos es una tcnica de control durante la fabricacin (Control off-line), (Navarrete, 1998). El control estadstico de la calidad es la parte del control de la calidad donde se utilizan tcnicas estadsticas. Pueden distinguirse diversos tipos de control estadstico de la calidad como: Control de procesos durante la fabricacin. Control de recepcin o inspeccin por muestreo.

Cabe destacar que antes del control estadstico de la calidad, se realiza una etapa de Diseo del proceso y del producto. El control durante la fabricacin o de procesos se realiza de forma continuada a intervalos de tiempo fijos y tiene por objeto vigilar el 8funcionamiento de los sistemas para que se mantenga en las mejores condiciones posibles. El control de recepcin se realiza sobre partidas o lotes de unidades recibidas ya sean materias primas, semielaboradas o acabadas y con el propsito de inspeccionar si se verifican las especificaciones establecidas (Navarrete, 1998). Las herramientas estadsticas que se utilizan en el control estadstico de la calidad son las siguientes: Estadstica descriptiva: histogramas y diagramas de probabilidad que se utilizan en el estudio de la capacidad del proceso.

Variables estadsticas: medidas de posicin y dispersin. Distribuciones: binomial, chi-cuadrado, t- Student y F Snedecor. Test de hiptesis. Anlisis de la varianza Estudio de la desviacin tpica muestral en poblaciones normales Estudio de la distribucin del rango muestral dentro del contexto de los estadsticos ordenados.

5.1.1 Distribucin de frecuencias.

Estudiemos el caso de control por variables, es decir estamos midiendo con un instrumento cuya resolucin nos permite medir las variaciones que produce nuestro proceso. Una vez que el inspector recibe la muestra tomada estadsticamente de la poblacin a valorar, procede a las correspondientes mediciones de cada una de las muestras. Tngase presente que lo ms probable es que en cada unidad se hagan varias mediciones por variables y por atributos. Como resultado de esta accin tendremos una tabla de valores desordenados e incomprensibles. Lo primero que deberemos hacer es clasificarlas de menor a mayor, luego agruparlas en clases siguiendo algn criterio que nos permita acumular los datos dentro de clases, esto es dentro de valores que contengan varios de estos datos. Supongamos que tenemos la siguiente tabla de valores experimentales:

38 32 49 44

47 52 68 73

54 46 47 50

61 42 45 40

26 63 65 46

35 35 45 76

28 50 25 40

48 38 19 64

53 35 56 36

44 57 58 42

Total, n: 40 datos Valor mnimo: 19, valor mximo: 76 Rango, 76-19= 57

5.1.2 Otras distribuciones probabilsticas.

Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal Un histograma se construye a partir de un cierto nmero de datos. Pero que le pasara al histograma si continuamos aumentando el nmero de datos? Si el intervalo de clase se reduce poco a poco a medida que aumenta el nmero de datos, se obtiene una distribucin de frecuencias continua, como lmite de una distribucin de frecuencia relativa. En realidad es una expresin de la poblacin misma, puesto que se obtiene de un nmero infinito de datos. Existen muchas clases de distribucin, y una de las ms frecuentes es la Distribucin Normal. En muchos casos, cuando la variacin de una caracterstica de calidad es causada por la suma de un gran nmero de errores infinitesimales independientes
7

debidos a diferentes factores, la distribucin de la caracterstica de calidad se aproxima a una distribucin normal. La forma de la Distribucin Normal puede describirse como la de una campana. La siguiente figura muestra la forma de esta distribucin:

5.2

Control por variables y atributos. Grficos de control por variables y atributos.

Es una herramienta estadstica que detecta la variabilidad, consistencia, control y mejora de un proceso. La grfica de control se usa como una forma de observar, detectar y prevenir el comportamiento del proceso a travs de sus pasos vitales. As mismo nos muestra datos en una forma esttica, tienen por supuesto sus aplicaciones, y es necesario saber sobre los cambios en los procesos de produccin, la naturaleza de estos cambios en determinado perodo de tiempo y en forma dinmica, es por esto que las grficas de control son ampliamente probadas en la prctica.

Caractersticas Generales de las Grficas de Control El termino consistencia se refiere a la uniformidad en la salida del proceso; es preferible tener un producto de un proceso consistente, que tener uno con calidad superior, pero de un proceso intermitente. Una grfica de control se inicia con las mediciones considerando, sin embargo que las mediciones dependen tanto de los instrumentos, como de las personas que miden y de las circunstancias del medio ambiente, es conveniente anotar en las grficas de control observaciones tales como cambio de turno, temperatura ambiente. Tipos de Grfica y Caractersticas Principales Para construir una grfica de control, es importante distinguir el tipo de datos a graficar pueden ser. Datos continuos, datos discretos, dicha grfica depender del tipo de datos. Para la utilizacin de las grficas se requiere un procedimiento especfico: Decidir la grfica de control a emplear Construir grficas de control para el control estadstico del proceso Controlar el proceso, si aparece una anormalidad sobre la grfica de control, investigar inmediatamente las causas y tomar acciones apropiadas. GRFICAS DE VARIABLES Una grfica de control X-R, en realidad son dos grficas en una, una representa los promedios de las muestras de la (grfica X) y la otra representa los rangos (grfica R), deben construirse juntas, ya que la grfica X, nos muestra cualquier cambio en la media del proceso y la grfica R nos muestra cualquier cambio en la dispersin del proceso, para determinar las X y R de las muestras, se basan en los mismos datos. El uso particular de la grfica X-R es que nos muestra los cambios en el valor medio y en la dispersin del proceso al mismo tiempo, adems es una herramienta efectiva para verificar anormalidades en un proceso dinmicamente.

Algunos puntos importantes a considerar previo a la elaboracin de esta grfica son: Propsito de la grfica Variable a considerar Tamao de la muestra Tener un criterio para decidir si conviene investigar causas de variacin del proceso de produccin. Familiarizar a l personal con el uso de esta grfica.

El proceso que se debe seguir para construir una grfica es: La construccin de una grfica de rangos y promedio resulta de formar una unidad, tanto de la grfica de promedios como de la de rangos. Consta de dos secciones, parte superior se dedica a los promedios, y la parte inferior a los rangos. En el eje vertical se establece la escala, a lo largo del eje horizontal se numeran las muestras. En la grfica se relacionan estos promedios con los intervalos durante los cuales se tomaron las muestras. En el eje vertical se indican los valores correspondientes a los valores de muestras. En el eje horizontal se sealan los periodos de tiempo en los que se toman las muestras a semejanza que la de promedios. La interpretacin de esta grafica de promedio y rango seria que a partir de los datos de la grfica de promedios y rangos, podemos determinar el valor central del proceso y su aplicacin. Mediante este proceso est bajo control cuando no muestra ninguna tendencia y adems ningn punto sale de los lmites. Se describen los distintos tipos de tendencia, que son patrones de comportamiento anormal de los puntos (inestabilidad o proceso fuera de control estadstico)

10

GRAFICA DE MEDIAS Y DESVIACIONES ESTNDAR Esta grfica es el instrumento estadstico que sirve para estudiar el comportamiento de un proceso de manufactura, considerando como indicador la desviacin estndar. La estructura general, est constituida por dos porciones, una se destina al registro de los promedios de la caracterstica de calidad en consideracin y otra para controlar la variabilidad del proceso. La ventaja de usar esta grfica es que para estos valores de n la desviacin estndar es ms sensible a cambios pequeos que el rango. Dentro del procedimiento de construccin para dicha grafica incluye clculos de lmites de control para las dos partes que constituyen la grfica y la graficacin de los promedios y desviaciones estndar obtenidos en cada subgrupo. Es importante la variabilidad del proceso de control, al iniciar la construccin de la grfica, si el proceso no muestra estabilidad estadstica, entonces la parte correspondiente a los promedios no ser confiable dado que los lmites de control de X dependen del valor medio de s. GRAFICAS DE MEDIANAS Y RANGOS Es la herramienta estadstica que permite evaluar el comportamiento del proceso a partir de la mediana y del rango. La estructura es la comn a todas las grficas de control para variables. La parte superior registra el valor medio de las caractersticas de calidad en estudio, y la parte inferior indica la variabilidad de la misma. El clculo de la mediana, es muy sencillo, de modo que utilizar esta grfica par monitorear el proceso es atractivo para el usuario. El uso de esta grfica en procesos que actualmente muestren estabilidad estadstica. Como toda grfica de control, el usuario obtendr, de una manera continua, informacin rpida y eficiente del proceso en estudio; para verificar que el proceso continua en control o bien para reconocer la aparicin de causas especiales de variacin.

11

Para el procedimiento de construccin de esta grfica es muy similar al de la grfica de medias y rangos; estos es calculando los lmites de control, luego se grafican los puntos y se integran los lmites de control y lneas centrales, por ltimo se efecta la lectura de la grfica, a fin de ver si el proceso continua estable o bien percibir alguna situacin de anormalidad. GRAFICA DE CON TROL POR ATRIBUTOS Las caractersticas de calidad que no pueden ser medidas con una escala numrica, se juzga a travs de un criterio ms o menos subjetivo. Los datos se presentan con periodicidad a la gerencia y con ellos se integran nmeros ndices, que son muy importantes en el desarrollo de una empresa, estos pueden referirse al producto, desperdicio rechazo de materiales. Dentro de la clasificacin de las caractersticas calidad por atributos se requiere: De un criterio De una prueba De una decisin El criterio se establece de acuerdo con las especificaciones.

La prueba consiste en la operacin que se realiza para averiguar la existencia o no del criterio establecido. La decisin determina que ttulo debe darse a los productos, es decir si pas o no pasa. TIPOS DE GRAFICA DE CONTROL POR ATRIBUTOS P Porcentaje de Fraccin Defectiva np Nmero de Unidades Defectivas por muestra constante. U Proporcin de Defectos C Nmero de Defectos por unidad

GRAFICAS P PORCENTAJE DE FRACCIN DEFECTIVA El porcentaje de artculos defectivos se expresa como fraccin decimal para el clculo de los lmites de control.

12

La fraccin sin embargo, se convierte generalmente en porcentaje cuando se transcribe en la grfica y se usa en la presentacin general de los resultados. Las muestras que se utilizan para elaborar esta grfica son de tamao variable. Las muestras de tamao grande permiten evaluaciones ms estables del desarrollo del proceso y son ms sensibles a cambios pequeos. Se utiliza cuando no podemos tener el tamao de muestra (n) constante, en la prctica es muy comn. El defectivo son aquellas piezas que no cumplen con especificaciones y es causa de rechazo. Los principales objetivos de la grfica P son: Poner a la atencin de la direccin cualquier cambio en el nivel medio de calidad. Descubrir los puntos fuera de control que indican modelos de inspeccin relajados. Proporcionar un criterio para poder juzgar si lotes sucesivo pueden considerarse como representativos de un proceso. Esto puede influir convenientemente en la severidad del criterio de aceptacin.

GRFICA np NUMERO DE UNIDADES DEFECTIVAS POR MUESTRA Esta grfica es el instrumento estadstico que se utiliza cuando se desea graficar precisamente las unidades disconformes, y no el porcentaje que stas representan, siendo constante el tamao de la muestra. Es necesario establecer la frecuencia para la toma de datos, teniendo en cuenta que los intervalos cortos permiten una rpida retroalimentacin del proceso. Los principales objetivos de la grfica np son: Conocer las causas que contribuyen al proceso Obtener el registro histrico de una o varias caractersticas de una operacin con el proceso productivo. GRAFICA C NUMERO DE DEFECTOS POR UNIDAD

13

La grfica c estudia el comportamiento de un proceso considerando el nmero de defectos encontrados al inspeccionar una unidad de producto. La grfica hace uso del hecho de que artculo es aceptable aunque presente cierto nmero de defectos. Los objetivos de la grfica c son: Reducir el costo relativo al proceso Informar a los supervisores de produccin y a la administracin acerca del nivel de calidad. Determinar qu tipo de defectos no son permisibles en un producto informar de la probabilidad de ocurrencia de los defectos en una unidad. Estas graficas deben utilizarse solo cuando el rea de oportunidad de encontrar defectos permanece constante. GRAFICA u PROPORCIN DE DEFECTOS La grfica u puede ser usada bajo cada una de las siguientes suposiciones: Como substituto de la grfica c cuando el tamao muestra. Cuando el tamao muestra vara, de qu modo la grfica c no puede usarse.

5.3

Manejo de paquetes informticos de control estadstico de proceso

Conceptualmente, un paquete estadstico es un conjunto de programas informticos especficamente diseados para el anlisis estadstico de datos con el objetivo de resolver problemas de estadstica descriptiva, inferencial o ambos Es un conjunto de programas y subprogramas conectados de manera que funcionan de manera conjunta; es decir, para pasar de uno a otro no se necesita salir del programa y volver a l. Un paquete estadstico permite aplicar a un mismo fichero de datos un conjunto ilimitado de procedimientos estadsticos de manera sincronizada, sin salir del programa. De esta forma, la utilidad del conjunto integrado

14

es mayor que la suma de las partes. En cierto modo, un paquete estadstico es similar a un paquete ofimtico (por ejemplo, Office 97 de Microsoft). Hay paquetes que fueron escritos originalmente para ordenadores tipo mainframe: SPSS , BMDP , SAS , Minitab , Genstat y GLIM. Los tres primeros se volvieron muy populares en ese entorno. Actualmente pueden usarse en PC todos ellos. Otros paquetes se han desarrollado especficamente para PC, sin haber pasado por la etapa de los mainframes. Algunas de las variables que es necesario tener en cuenta para comparar adecuadamente unos paquetes estadsticos de otros son, esencialmente, las seis que se mencionan a continuacin: 1.- Coste: Este es uno de los puntos ms importantes que hay que tocar al momento de elegir un Paquete Estadstico, desafortunadamente, el coste de sus licencias est fuera del alcance de la mayor parte de los usuarios y la obtencin de copias subrepticias no es posible para muchos ni fcil en absoluto para ninguno. 2.- Nivel de sofisticacin del usuario: Idealmente, ste debera ser un entendido en estadstica y tener ciertos conocimientos de programacin. En la medida que carezca de los segundos, tendr que renunciar a realizar por su cuenta cierto tipo de anlisis que vayan ms all de los ms comunes; y en tanto que carezca de los primeros, ser ms dependiente de aquellos paquetes con un interfaz ms informativo. 3.- Tamao del conjunto de datos: En la mayor parte de los problemas -al menos, en lo que respecta a su nmero, no a su dificultad ni importancia- esta variable no supone ninguna restriccin significativa. De hecho, la mayotia de los paquetes pueden manejar sin mayores problemas conjuntos de datos no excesivamente grandes. Slo cuando se rebasa cierto umbral es preciso considerar paquetes especficamente diseados para hacer frente a este tipo de condicionantes. Los distribuidores de muchos paquetes estadsticos comerciales suelen hacer hincapi en la probada capacidad de sus productos para manipular grandes conjuntos de datos. Desafortunadamente para ellos, el rango de problemas en que estas virtudes son crticas se estrecha aceleradamente: por una parte, las ampliaciones de memoria son cada vez ms econmicas, elevando hasta niveles muy cmodos el umbral a partir del cual seran necesarios productos ms sofisticados; por la otra, para los problemas en 15

que los conjuntos de datos son verdaderamente grandes -bases de datos de corporaciones, informacin censal, etc.- pueden emplearse herramientas especficas como, por ejemplo, programas escritos en C que interacten con el gestor de la base de datos. 4.- Grado de intensidad computacional: El incremento en la potencia computacional de los ordenadores permite hoy en da aplicar ciertas tcnicas estadsticas impensables hace unos aos y ampliar su campo de aplicacin a mbitos inasequibles para las tradicionales. Las tcnicas de remuestreo o de validacin cruzada, ciertos tests exactos y gran parte de las tcnicas bayesianas exigen una enorme capacidad de clculo. No todos los paquetes estadsticos estn igualmente adaptados para este tipo de problemas. Con muchos de ellos -por ejemplo, Minitab, Stata y gran parte de los paquetes gratuitos- resulta simplemente imposible porque fueron diseados nicamente para implementar tcnicas tradicionales y carecen de un verdadero lenguaje de programacin asociado que resulte eficiente. 5.- Ergonoma: Curiosamente, el aspecto que tal vez ms encarezca determinados paquetes estadsticos es el ergonmico: la posibilidad de contar con ayudas interactivas o tutoriales, de representar grficamente datos con un golpe de ratn, de exportar automticamente los resultados a formato .html o .pdf, etc. Bajo cierto punto de vista, el coste de las licencias es, de hecho, el coste de la impericia o la pereza. A la primera, en mercadotecnia, se la suele denominar productivity; a la segunda, learning curve. Es ms productivo y exige menor esfuerzo mental un paquete estadstico en que para imprimir no haya sino que pulsar el icono de la impresora, en que para visualizar unos datos baste con visitar el men Grficos o el Importar para leer datos de un fichero con el formato de cierta hoja de clculo. Este tipo de habilidades son realmente reduntantes si se cuenta con un mnimo de habilidad y no se pretende escatimar un adarme de esfuerzo: utilizando ficheros de texto como intermediarios, se pueden intercambiar datos con cualquier hoja de clculo o con otros programas que permiten manipular datos o grficos, gran parte de los cuales son de distribucin gratuita. 6.- Facilidad de programacin: Si bien contar con lenguajes de programacin complejos no es lo deseable, si lo es disponer de la capacidad de generar programas sencillos tipo "batch files" que permitan realizar tareas de transformacin, clculo de datos, realizacin de pruebas estadsticas, generacin de nuevos archivos y 16

documentos conteniendo resultados sin necesidad de estar digitando cada vez los comandos correspondientes, con el consiguiente ahorro de tiempo y esfuerzo.

VENTAJAS Y DESVENTAJAS DE LOS PAQUETES ESTADSTICOS. Debido a las diferencias existentes entre los paquetes estadisticos, mencionaremos individualmente las ventajas y desventajas de algunos de ellos, desarrollando mayormente los Paquetes mas conocidos como son SAS y SPSS y de muchos otros solo se mencionara su existencia. - SAS, Statistical Analysis System (SAS Institute Inc., Cary , NC) http://www.sas.com * Comprende amplias posibilidades de procedimientos estadsticos (mtodos multivariados, regresin mltiple con posibilidades

diagnsticas , anlisis de supervivencia con riesgos proporcionales y regresin logstica) y permite clculos exactos para tablas r x c y contiene potentes posibilidades grficas. * Todos los procedimientos pueden emplearse de una sola ejecucin. * Los resultados pueden guardarse como archivos y usarse como entradas para futuras ejecuciones. * Es particularmente til en la gestin de datos y en la redaccin de informes. * Algunos procedimientos tienen varias opciones por lo cual debe examinarse cuidadosamente el manual antes de seleccionar la opcin deseada. * SAS ofrece la mayor flexibilidad para personalizar el manejo y anlisis de datos, sin embargo su principal inconveniente es que no resulta fcil aprender a usarlo. - SPSS, Statistical Package for the Social Sciencies (SPSS Inc. , Chicago)

17

* Dispone de un amplio conjunto de mtodos estadsticos (multivariados, series temporales, regresin logstica y anlisis de supervivencia).Todos los procedimientos pueden emplearse de una sola ejecucin. * Algunos procedimientos tienen varias opciones por lo cual debe examinarse cuidadosamente el manual antes de seleccionar la opcin deseada. SPSS es el ms fcil de aprender para los investigadores principiantes y tiene un manual que explica la filosofa y los mecanismos de las tcnicas estadsticas. * Puede creerse que SPSS es un producto caro y ligado a compras costosas. Esto no es totalmente cierto. Si bien no es un producto barato, s es rentable. De hecho, el xito de SPSS se debe a: Vinculacin de los objetivos a las necesidades de la empresa. Perfecto Acoplamiento a un Plan de Investigacin bien formulado. Servicio de Calidad para los usuarios. Eficaz Evaluacin de los Resultados hallados. Facilidad del Manejo y de la Programacin. ALGUNAS DIFERENCIAS ENTRES LOS DOS GRANDES (SAS y SPSS) Precio El precio de SPSS es mucho menor que el del programa SAS, en torno a la mitad del precio. Rentabilidad Recomendable para PYMES (hasta 500 trabajadores), SPSS es la mejor solucin. Para grandes empresas (ms de 500 empleados) o aquellas que puedan permitirse un fuerte desembolso sin necesidad de retorno a corto plazo, SAS es ms rentable que

18

SPSS, ya que permite ejecutar mayor nmero de procedimientos estadsticos y operativos. Facilidad El manejo de SPSS es mucho ms sencillo que el de SAS. El interfaz estilo hoja de clculo de SPSS y su posibilidad de abrir ventanas muy comprensivas le convierten en un feo adversario para SAS. No obstante, SAS, una vez conocido el manejo de su lenguaje de programacin, es ms divertido que SPSS. Formacin La dependencia absoluta del lenguaje de programacin por parte de SAS le hace muy vulnerable ante necesidades repentinas, ya que obliga a la Empresa a costear caros programas de formacin, con el fin de permitir que su personal le saque el mximo provecho. SPSS, sin embargo, al ser mucho ms fcil, no encadena al usuario a largos procesos formativos, sino que, en un tiempo mucho ms corto que SAS, puede realizar complejos procedimientos de anlisis sin esfuerzo. Robustez La dependencia absoluta de Windows por parte de SPSS le hace muy vulnerable ante "cadas" del sistema, normalmente provocadas por acciones ilcitas del usuario. El programa SAS, por su parte, al tener su propio sistema operativo, toma la iniciativa del sistema, una vez arrancado, no permitiendo que una accin no autorizada por parte del usuario paralice el trabajo del operario - BMDP http://www.spssscience.com/Bmdp/ Es el ms antiguo de los paquetes. El primer manual para BMD Biomedical Computers Programs se public en 1961.En 1975 pas a denominarse BMDP. Cubre un amplio abanico de mtodos estadsticos pero su capacidad para manejar datos es limitada. Desventajas: sus programas se ejecutan por separado: solo puede accederse a uno de ellos en cada ejecucin. Los resultados de cada programa se pueden guardar en un archivo de BMDP y utilizarse como entrada en otros programas.

19

Epi

Info

(Center

for

Diseases

Control/WHO,

Dean

et

al).

http://www.cdc.gov/epiinfo Posee un excelente manejo de cuestionarios y entrada de datos. Posee escasos pero muy potentes comandos para el anlisis estadstico y funciona prcticamente en cualquier computadora y sus utilitarios ms importantes requieren escasos recursos informticos. Es ideal para epidemiologa de campo. No posee mtodos multivariados ni estadsticas de supervivencia. No tiene costo. Las versiones actuales "corren" en DOS. Se est implementando una versin para Windows. - Minitab Statistical Software (State College , Pa) http://www.minitab.com Permite uso interactivo y es popular entre estudiantes y usuarios no especializados aunque no contempla tantos mtodos estadsticos como SPSS, SAS o BMDP, incluye regresin mltiple. No es adecuado para conjuntos de datos pequeos - Stata Statistical Package (Stata Corporation ,Computing Resource Center, College Station , Texas) http://www.stata.com Tiene muy amplias capacidades estadsticas aplicables a reas biolgicas, del comportamiento y econmicas. Stat View Software (Abacus Concepts INC, Berkeley)

http://www.statview.com Fcil de aprender y operar y dispone de tests bsicos y capacidades grficas, pero no es capaz de manejar grandes conjuntos de datos ni dispone de estadsticas de anlisis de sobre-vida ni regresin logstica. - StatXact 3 (V3 Cytel Software Corporation , Cambridge , Massachussetts) http://www.cytel.com Por primera vez pone a disposicin en forma prctica clculos exactos para datos discretos, como por ejemplo el test exacto para una tabla r x c, test de tendencia exacta para tabla r x 2 y el test exacto para la combinacin de tablas 2 x 2 cuando falla el test de Mantel-Haenszel.

20

Tambin permite el clculo para niveles de significacin semi-p , uso recomendado por Armitage para datos discretos. - Genstat, General Statistic Program Se le considera uno de los paquetes ms difciles de aprender. Es al mismo tiempo un lenguaje y un paquete de modo que el tipo de operaciones algebraicas usadas habitualmente en estadstica pueden programarse facilmente lo que permite la ejecucin de mtodos nuevos. Por ello es popular entre los estadsticos que se encuentran desarrollando nuevos mtodos o variantes de mtodos existentes. Tiene buenos recursos para analizar experimentos diseados. GLIM, Generalized Linear Interactive Modelling

http://www.nag.com/stats/GDGE.html Fue escrito para ajustar modelos lineales en forma interactiva lo que permite al investigador avanzar mediante la prueba y ajuste de diferentes modelos, con lo que puede agregar o descartar variables y apreciar el efecto de estos cambios antes de decidir el siguiente paso. Es ms til en tamaos pequeos a medianos de datos - Prophet (National Center for Research Resources , National Institutes of Health. BBN Systems and Technologies , 1997) http://www-prophet.bbn.com Es un paquete an en etapa de prueba. Es bastante semejante en sus disponibilidades a SPSS, pero pensamos que es superior en la presentacin de los resultados. Tiene un excelente y didctico manual en lnea por medio de Internet. - Arcus Quickset Biomedical (Research Solutions, Cambridge, England) http://www.researchsolutions.com/arcus_quickstat/index.html Cricket Graph III (Islandia , NY)

http://www.cjs.cadmus.com/da/instructions/cricket_mac.html - CSS Statistical Software (Statsoft Inc) - EGRET . Epidemiologycal Graphics and Testing Package (Statistic and Research Corporation , Washington,1988) http://www.cytel.com/products/egret Epicure Peanuts (Hirosoft International Corporation , Seattle,

Washington,1993) http://www.hirosoft.com/index.html 21

GRAPHROC.Maximatti

Oy

Xerttulink

Finland

http://www.saunalahti.fi/~maxim - Graphpad Instat software http://www.graphpad.com - HLM V4.0 (Scientific Software International , Chicago , Illinois) http://www.ssicentral.com/hlm/hlm.htm JMP Software V3.01, V3.15, V3.2 (SAS Institute,Cary,NC)

http://www.jmpdiscovery.com/ LISREL V8. Scientific Software International , Chicago , 1993

http://www.ssicentral/com/lisrel/mainlix/htm - Lotus (Lotus Development Corporation) http://www.lotus.com - Microsoft Excel http://www.microsoft.com/office/excel/default.htm - MLn. Multilevel Statistical Models , London - MLWIN (Multilevel Modeling for Windows).Institute of Education , London , 1998 http://ioc.ac.uk/mlwin - NUD*IST V4.0 . Qualitative Solution and Research , Victoria , Australia http://www.qsr.com.au - Report V6.0.08 (IDV , Munich , Germany) - Review Manager. RevMan.The Cochran Collaboration , Oxford) Versiones 3.1, 4.0 http://hiru.mcmaster.ca/cochrane/cochrane/revman.htm - ROC Analyzer V09B (Centrosoft , Birmingham , Alabama) - Sigmastat V2.0 (Jandel Scientific) http://www.spssscience.com/sigmastat - Simstat V3.5 http://www.kovcomp.co.uk - S-Plus Statistical Package (Stat Sci , Seattle and Europe) - Statigraphics (Manigistics) - Statistica (Statsoft, Tulsa Ok) - Statprobe (Ann Arbor, Mich) http://www.statprobetechnologies.com 22

- Stat Soft (Tulsa, Okl) http://www.statsoftinc.com SUDAAN. Analysis with Complex Samples , Lavange LM

http://www.rti.org./patents/sudaan/sudaan.html SYSTAT Software (Wilkinson, 1990, SYSTAT Inc)

http://www.spssscience.com/systat - Testimate V5.2 (IDV, Munich, Germany) - True Epistat (Epistat Services) http://www.true_epistat.com - Clinfo Systems (Southern California School of Medicine) - Egret (Statistics and Epidemiology Research Corporation) - GBSTAT http://www.gbstat.com/index1.htm - LogXact http://www.cytel.com/new.pages/LX.2.html - NCSS V6.0 (J.L. Hintze , Kaysville , Utah) http://www.ncss.com - SIP - Sistema Informtico Perinatal http://www.clap.hc.edu.uy - SPIDA (Gebski et al, 1992) - Statistix (NH Analytical Software) http://www.statistix.com INTRODUCCIN Un Paquete Estadstico es un conjunto de programas y subprogramas conectados de manera que funcionan de manera conjunta; es decir, para pasar de uno a otro no se necesita salir del programa y volver a l. Un paquete estadstico permite aplicar a un mismo fichero de datos un conjunto ilimitado de procedimientos estadsticos de manera sincronizada, sin salir del programa. De esta forma, la utilidad del conjunto integrado es mayor que la suma de las partes. En cierto modo, un paquete estadstico es similar a un paquete ofimtica Este, entre otros temas como las ventajas y desventajas de cada uno de los paquetes estadsticos por nosotros conocidos, sern tocados y ampliados en este trabajo. CONCLUSIN

23

A la vista de lo investigado, podemos decir que los Paquetes Estadsticos son muy tiles al momento de hacer clculos estadsticos pero, los usuarios que slo se aproximan circunstancialmente a problemas de tipo estadstico y que slo buscan soluciones poco sofisticadas y puntuales deben reexaminar las rutinas estadsticas de cualquier hoja de clculo, incluyendo, tal vez, algunos de los macros de libre distribucin que pueden encontrar en Internet, usar algn programa gratuito con un interfaz simple como los que pueden encontrarse e Internet o tal vez, buscar en Internet alguna de las cada vez ms numerosas pginas en las que es posible realizar interactivamente y en lnea determinadas manipulaciones estadsticas. Por otra parte, a aquellos usuarios que tengan que realizar anlisis estadsticos ms complejos y de una forma ms regular podran tomar como primera opcin R, programa gratuito que pueden descargarse en internet. Usado en combinacin con otro tipo de programas que extienden su capacidad grfica -hojas de clculo, procesadores de texto, programas especficos para la representacin de datos, JavaScript, etc.- puede realizar con un coste nulo anlisis sumamente sofisticado que, incluyen, tal vez, el 99% de los que precisan el 95% de los usuarios. Slo un nmero pequeo de ellos echara en falta alguna de las herramientas adicionales que incluye su versin comercial, S-Plus, o tal vez alguna de las de SAS o SPSS u otros.

5.4

Capacidad de proceso y de mquinas.

La capacidad del proceso es la forma en que se compara la variabilidad inherente de un proceso con las especificaciones o requerimientos del producto. Las tcnicas estadsticas pueden ser tiles en el ciclo de un producto, incluyendo las actividades de desarrollo previas a la manufacturas, para cuantificar la variabilidad del proceso, para analizar esta variabilidad respecto de los requerimientos o especificaciones del producto y para ayudar al personal de desarrollo y manufactura a eliminar o reducir en gran medida esta variabilidad. A esta actividad general se le llama anlisis de capacidad del proceso. Evidentemente, la variabilidad del proceso es una medida de la uniformidad de la salida. Hay dos formas de conceptuar esta variabilidad: La variabilidad natural o inherente en un tiempo especificad; la variabilidadinstantnea. 24

La variabilidad con el tiempo. El anlisis de capacidad del proceso se define como el estudio de ingeniera para estimar la capacidad del proceso. La estimacin de la capacidad del proceso puede estar en la condicin de una distribucin de probabilidad que tenga una forma, centro (media)y dispersin (desviacin estndar) especificados. De manera alternativa, la capacidad del proceso puede expresarse como un porcentaje fuera de las a especificaciones. Sin embargo, las especificaciones son necesarias para realizar el anlisis de capacidad del proceso. El anlisis de capacidad del proceso es una parte vital de un programa integral de mejoramiento de calidad. Entre los usos principales de los datos de un anlisis de capacidad del proceso se encuentran los siguientes:Predecir el grado de variabilidad que exhibirn los procesos. Esta informacin de capacidad proporcionar la informacin importante para establecer lmites de especificacin realistas.Seleccionar, entre procesos que compiten, el proceso ms adecuado para que las tolerancias se cumplan. Planear la interrelacin entre procesos secuenciales. La cuantificacin delas capacidades respectivas del proceso con frecuencia seala el camino para encontrar una solucin. Proporcionar una base cuantitativa para establecer un programa de verificacin de control peridico del proceso reajustes. Asignar mquinas a los tipos de trabajos para los cuales son ms adecuadas. Probar las teoras de las causas de defectos durante los programas de mejoramiento de calidad. Servir como base para la especificacin de los requerimientos de calidad para las mquinas compradas. Por tanto, el anlisis de capacidad de un proceso es una tcnica que tiene aplicacin en muchos segmentos del ciclo del producto, incluyendo el diseo de producto y procesos, la fuente de proveedores, la planeacin de la produccin o la manufactura, y la propia manufactura. La frmula para la capacidad del proceso que ms se usa es: Capacidad del proceso.

5.4.1 Construccin e interpretacin en la recta de probabilidad.

25

En el estudio de variables bidimensionales tiene mucho inters buscar posibles relaciones entre las variables. La ms sencilla de estas relaciones es la dependencia lineal donde se supone que la relacin entre dos variables X e Y viene dada por la ecuacin Y = a + bX. Sin embargo, este modelo supone que una vez determinados los valores de los parmetros a y b es posible predecir exactamente la respuesta Y dado cualquier valor de la variable de entrada X. En la prctica tal precisin casi nunca es alcanzable, de modo que lo mximo que se puede esperar es que la ecuacin anterior sea vlida sujeta a un error aleatorio, es decir, la relacin entre la variable dependiente (Y ) y la variable regresora (X) se articula mediante una recta de regresin que llamaremos recta de regresin de Y sobre X para resaltar que se ha obtenido suponiendo que Y es la variable respuesta y que X es la variable explicativa. Intercambiando los papeles de X e Y obtendremos una recta de regresin llamada recta de regresin de X sobre Y que representada en el mismo eje de coordenadas ser en general distinta de la anterior. Solamente coincidirn en el caso de que la relacin entre X e Y sea exacta.

5.4.2 Clculo de ndices de capacidad para mquinas y procesos.

Se dice que un proceso est bajo control estadstico cuando slo se producen variaciones debidas a causas comunes. En otras palabras el objetivo y razn de ser control Estadstico de Procesos es ayudar a identificar las causas especiales que producen variaciones en el proceso y suministrar informacin para tomar decisiones. La capacidad de un proceso est referida a su habilidad para producir unidades cuyos valores de la caractersticas a medir, se distribuyan a lo largo de una banda lo suficientemente estrecha como para un centrado del proceso conlleve a que todos los productos caigan dentro de las especificaciones del cliente. Luego la capacidad de un proceso est determinada por su variacin total, debida a causas comunes (mnima variacin que queda despus de eliminar las causas especiales).

26

5.5

Planes de muestreo.

En los ltimos aos ha ido disminuyendo el inters del muestreo de aceptacin, en tanto el control estadstico de procesos ha venido adquiriendo un papel cada vez ms prominente en las actividades del control de calidad. No obstante, el muestreo de aceptacin an mantiene el inters dentro del cuerpo general de conocimiento que es la ciencia de la calidad. El muestreo de aceptacin se lleva en diversas situaciones en donde existe una relacin ente consumidor y productor, ya sea en el interior de una empresa o entre diferentes empresas, y se puede ver como una medida defensiva para protegerse contra la amenaza del posible deterioro en la calidad. Es posible que Productor y Consumidor sean cada uno de diferente compaa o en dos departamentos diferentes dentro de una misma planta, sea como fuere, existe siempre el problema de decidir si se acepta o se rechaza el producto. En particular si las caractersticas de calidad son variables de atributos, entonces un plan simple de muestro de aceptacin est definido por: N ------- Tamao de lote n ------ tamao de la muestra c ------ nmero de aceptacin Se debe tener claro que el muestreo de aceptacin, al ser una forma particular de inspeccin, simplemente acepta y rechaza lotes, pero no mejora la calidad. Es decir el muestreo de aceptacin no es una estrategia de mejora de la calidad, es mas bien una forma de garantizar que se cumplan ciertas especificaciones de calidad que han sido definidas, tampoco este tipo de muestreo proporciona buenas estimaciones de la calidad del lote Donde aplicarlo: En elementos (componentes) terminados. Componentes y materias primas. Operaciones.

27

Materiales en proceso. Materiales en almacenamiento. Operaciones en almacenamiento. Datos o Registros. Procedimientos administrativos. Cuando aplicarlo: Cuando la aplicacin de una prueba implica la destruccin del producto (ej. Prueba de un fusible elctrico). Cuando el costo es alto para hacer una inspeccin del 100% es muy elevado, comparado con el costo que implica pasar una unidad no conforme. Cuando son muchos y similares las unidades que se van a inspeccionar, el muestreo produce una mejor opcin que el inspeccionar al 100%.

Cuando no se dispone de informacin sobre la calidad de producto, ejemplo, la grfica X, R, p, o c. Cuando el lote lo forman una gran cantidad de artculos que habria que inspeccionar y la probabilidad de error en la inspeccin es suficientemente alta, de tal manera que la inspeccin al 100% podra dejar pasar ms unidades defectuosas que un plan de muestro. Cundo no se dispone de una inspeccin automatizada. Cuando es necesario asegurar la confiabilidad del producto, aunque la capacidad del proceso fabricante del lote sea satisfactoria. En situaciones donde histricamente el vendedor ha tenido excelentes niveles de calidad y se desea una reduccin de la cantidad de inspeccin, pero la capacidad del proceso no es suficientemente buena como para no inspeccionar. Ventajas: La responsabilidad por la calidad se asigna a quien verdaderamente corresponde, No a la inspeccin!, esto favorece una rpida mejora del producto. Es ms econmico, puesto que se tienen que hacer menos inspecciones, y se producen menos daos por manipulacin durante la inspeccin.

28

Permite mejorar la tarea de inspeccin, pero en vez de tomar decisiones de pieza con pieza, las decisiones se toman de lote a lote. til en el caso de pruebas que implican destruccin. Se orienta ms al rechazo de lotes enteros ms que a la devolucin de unidades no conformes.

Desventajas: Existe cierto riesgo de que se rechacen lotes conformes y/o acepten lotes no conformes. Se tiene que dedicar ms tiempo a la planeacin y a la documentacin. Se proporciona menos informacin sobre el producto aunque generalmente sta es suficiente. No hay ninguna seguridad dado que la totalidad del lote cumpla con las especificaciones.

5.5.1 Curvas caractersticas y tipos de muestreo (UNE 66.020).

5.5.2 Control secuencial y control continuo.

Sistema de control secuencial En los procesos, se evidencia a veces la presencia de variables caracterizadas por tomar valores de slo dos posiciones por ejemplo, abierto o cerrado, alto o bajo, lleno o vaco, etc., y el accionamiento de la variable manipulada solo tiene lugar cuando se ha detectado alguna de esas posiciones antagnicas dando lugar a la aplicacin del denominado control secuencial, o sea la automatizacin de procesos segn secuencias lgicas Sistemas de control en procesos Continuos y Discontinuos Los procesos pueden ser continuos desde que la mayor parte del tiempo se realizan en rgimen permanente o estacionario, como en las plantas de produccin y distribucin de gas y petrleo, agua potable, petroqumica, destileras, plantas de energa, etc. Otros tipos de procesos, discontinuos, se caracterizan por la

29

produccin en lotes, en cantidades limitadas, tales como en las industrias farmacuticas, alimenticias, especialidades medicinales, microelectrnica, etc.

5.5.3 Utilizacin de tablas de muestreo.

El gran volumen de las operaciones o elementos a verificar en una auditora, hace que esta sea muy costosa y requiera de gran cantidad de tiempo para su ejecucin, por lo cual es necesario que los auditores dominen las principales tcnicas de muestreo y el uso de tablas y frmulas matemticas aplicables a dichas tcnicas. La determinacin del tamao de muestra en la realizacin de un estudio estadstico es una de las etapas ms importantes, por lo que debe afrontarse con estricto apego a las consideraciones de carcter tcnico de la teora estadstica, as como a los objetivos de la investigacin y a los usos futuros de la informacin. La revolucin informtica ha penetrado en todas las facetas de la vida del ser humano, y el campo de la auditora no puede estar ajeno a tales desafos. Si los objetivos y los principios bsicos de la auditora no han cambiado sustancialmente, sus tcnicas de trabajo, mtodos y herramientas, han experimentado una modificacin radical. El auditor contemporneo debe dominar las nuevas herramientas que la informtica pone a su alcance, para poder enfrentar con xito los retos de la automatizacin de la gestin econmica, contable y financiera de empresas y entidades. El auditor debe dirigir sus esfuerzos al empleo de programas y sistemas informticos para la determinacin de la muestra y la seleccin de los elementos a investigar, lo que actualmente resulta una necesidad para su rapidez, confiabilidad y el uso extendido de las tcnicas de computacin aplicadas a la contabilidad y al control. La utilizacin de un programa de computacin adecuado y confiable, conduce a la obtencin de mejores resultados y mayor calidad de estos. El tiempo es otra ganancia de esta moderna prctica, al reducir el perodo de 30

exmenes y procedimientos, as como sus costos. Pero hay ms: mejora la informacin, garantiza un mnimo de interrupciones al centro supervisado, y brinda absoluta independencia de trabajo al especialista.

5.6

Anlisis de regresin: Correlacin y de la varianza (ANOVA).

En estadstica, el anlisis de la varianza (ANOVA, ANalysis Of VAriance, segn terminologa inglesa) es una coleccin de modelos estadsticos y sus procedimientos asociados, en el cual la varianza est particionada en ciertos componentes debidos a diferentes variables explicativas. Las tcnicas iniciales del anlisis de varianza fueron desarrolladas por el estadstico y genetista R. A. Fisher en los aos 1920 y 1930 y es algunas veces conocido como "Anova de Fisher" o "anlisis de varianza de Fisher", debido al uso de la distribucin F de Fisher como parte del contraste de hiptesis.

5.7

Aplicacin de la informtica al control del proceso.

La gestin de calidad se ha convertido actualmente en un factor clave de competitividad, siendo vital para organizaciones de todo tipo la certificacin segn normas que les permitan acreditar el cumplimiento de niveles de calidad elevados. Visual Factory 7 es un conjunto de aplicaciones informticas para la gestin de calidad destinadas tanto a simplificar la implantacin de un sistema de calidad conforme a las normas ISO 9000 y ISO TS 16949, como a asegurar la aplicacin sistemtica del mismo. Agilidad. El software para el control y gestin de calidad Visual Factory es gil ya que es fcil de instalar y de utilizar. El usuario se familiariza inmediatamente con su interface de usuario que es tremendamente intuitivo y sigue los estndares utilizado por el software ofimtico que est acostumbrado a utilizar.

31

Flexibilidad. Es una de las caractersticas ms importantes de todas las aplicaciones Visual Factory. Sabemos que no todas las empresas son iguales ni tienen las mismas necesidades, por ello las aplicaciones se han diseado para que puedan configurarse y adaptarse a los requerimientos de cada uno de nuestros clientes: Fcil configuracin de vistas que permite presentar la informacin como la precisamos. Fcil e intuitivo diseador de informes incorporado. Posibilidad de enlace con datos generados por otras aplicaciones, por ejemplo ERP. Integracin con Crystal Report, que permite realizar informes sofisticados aglutinado datos de diferentes fuentes. ELECSOFT disea y desarrolla ntegramente todas las aplicaciones Visual Factory. Por ello nos es posible realizar ampliaciones o disear nuevos mdulos complementarios en caso necesario, con el fin de implantar una solucin que se ajuste al 100% a las necesidades y especificaciones de cada cliente. Para aquellas aplicaciones que permiten la entrada de datos desde dispositivos de medida existen interfaces de comunicacin de datos con mltiples instrumentos de medida. En caso de que el cliente desee conectar instrumentos de medida para los que an no exista interface, se suministra una aplicacin para que el cliente pueda desarrollar sus propios interfaces, o alternativamente estos pueden ser desarrollados por Elecsoft a partir de la informacin suministrada por el fabricante del instrumento. Las bases de datos de las aplicaciones utilizan un formato de datos abierto y documentado para que el cliente pueda explotar esta informacin mediante herramientas de consulta estndar (Access, Excel) o aplicaciones propias. Escalabilidad. Las aplicaciones de la familia Visual Factory poseen diferentes versiones para cubrir todas las necesidades. Desde versiones monousuario utilizando Microsoft Access hasta versiones multiusuario utilizando Microsoft SQL Server. Esto permite que puedan ser utilizadas tanto por clientes que generan unos pocos cientos de registros al ao como por clientes que generan cientos de miles de registros al ao.

32

Seguridad. Todos estos programas para la gestin de calidad disponen de un potente gestor de usuarios, grupos de usuarios y permisos. Esto permite definir diferentes niveles de acceso, adaptandose el interface de usuario de la aplicacin para cada nivel, de forma que cada usuario vea la aplicacin personalizada segn sus propias necesidades. I+D+I. ELECSOFT reinvierte gran parte de sus beneficios en investigacin, desarrollo e innovacin. Esto nos permite actualizando constantemente las aplicaciones a las nuevas tecnologas y normativas, al tiempo que ampliamos la familia de soluciones con nuevos productos. Aplicaciones estndar. El diseo de Visual Factory se basa en los referenciales ms actuales en cuanto a normativa de calidad. En este sentido, podemos afirmar que Visual Factory 7 cumple con los requisitos de ISO 9000 e ISO TS 16949. Por otro lado, al ser aplicacin ampliamente utilizadas por empresas lderes en sus respectivos sectores de la industria (ms de 1.000 licencias vendidas) obtenemos una importante realimentacin por parte de nuestros clientes, lo que nos permite detectar rpidamente las nuevas necesidades del mercado e incorporarlas a las nuevas versiones de las aplicaciones. Globalidad. En la coyuntura actual es importante utilizar aplicaciones informticas que permitan funcionar en entornos multiidioma. Las aplicaciones Visual Factory permiten mostrar el interface de usuario en diferentes idomas, pudiendo conmutar fcilmente entre ellos. Confianza. Nuestros consultores le aportarn soluciones completas,

estudiando y analizando a fondo sus necesidades para ofrecerles la mejor solucin, con total confianza y con unos tiempos de implantacin realmente cortos. Todo ello respaldado por la eficacia de nuestro soporte tcnico, para que pueda aprovechar todas las caractersticas que le ofrece Visual Factory. Rentabilidad. El entorno de desarrollo propio diseado por ELECSOFT (Elecsoft Application Framework) nos permite trabajar con la ltima tecnologa informtica con unos tiempos de desarrollo reducidos que repercuten directamente en el precio del producto. Adems la facilidad de uso permite reducir drsticamente los costes de formacin e implantacin. Por todo ello podemos ofrecer soluciones muy completas a unos precios muy competitivos. 33

mbito. Las aplicaciones de Visual Factory 7 son aptas para todo tipo de empresas e industrias de manufactura. Estas aplicaciones de gestin de calidad han sido implantadas en numerosas fbricas del sector del automvil, qumico, farmacutico, metalrgico, siderrgico, del plstico, etc.

Herramientas de la calidad aplicadas a la mejora de la calidad.

En 1968 Kaoru Ishikawa propone siete herramientas de la calidad, un conjunto de tcnicas estadsticas sencillas que no requieren de un conocimiento experto, para ser aplicadas en los procesos de equipo, por los crculos de calidad. Segn Ishikawa, con ellas es posible resolver el 95% de los problemas que presenta una organizacin, sobre todo en el rea de produccin (Ishikawa, 1986). Estas herramientas, que posteriormente fueron denominadas las siete herramientas bsicas de la calidad, pueden ser descritas genricamente como mtodos para la mejora continua y la solucin de problemas. Las siete herramientas de la calidad son: Diagrama Causa Efecto (Diagrama de Ishikawa) Hoja de Comprobacin (Hojas de Verificacin). Grficos de Control. Histograma. Diagrama de Pareto. Diagrama de Dispersin. Estratificacin.

El xito de estas tcnicas radica en la capacidad que han demostrado para ser aplicadas en un amplio rango de problemas, desde el control de calidad hasta las reas de produccin, marketing y administracin. Las organizaciones de servicios tambin son susceptibles de aplicarlas, aunque su uso comenzara en el mbito industrial. Estas tcnicas pueden ser manejadas por personas con una formacin media, lo que ha hecho que sean la base de las estrategias de resolucin de problemas en los crculos de calidad

34

y, en general, en los equipos de trabajo conformados para acometer mejoras en actividades y procesos. En el ao 1972, un comit de la JUSE (Union of Japanese Scientists and Engineers) comenz a trabajar sobre otras herramientas de la calidad para ser utilizadas por directivos y especialistas, y susceptibles de ser aplicadas por el personal de base. Con ello se pretendi ir ms all de un punto de vista centrado en el anlisis de datos cuantitativos, adoptando para su uso un enfoque de diseo para la solucin de problemas. En enero de 1977 el comit anunci los resultados de su investigacin, seleccionando un conjunto de siete herramientas denominadas las siete nuevas herramientas del control de calidad. Estas son herramientas grficas muy tiles para la direccin (media y alta) que facilitan la planificacin, el establecimiento de metas y la resolucin de problemas. De hecho se conocen tambin como las siete herramientas de gestin. Unas, ayudan al equipo a analizar y organizar la relacin entre datos cualitativos. Otras permiten clarificar interrelaciones, establecer prioridades y planificar tareas complejas para alcanzar una meta. Son tiles para mejorar procesos, productos y sistemas. De naturaleza cualitativa, ayudan a la resolucin de problemas y a la gestin de ideas innovadoras. Estas otras herramientas de la calidad, son: Diagrama de Afinidad. Diagrama de Relaciones. Diagrama de rbol o Diagrama Sistemtico. Diagrama de Matriz. Matriz de Priorizacin. Diagrama de Proceso de Decisin. Diagrama de Flechas.

Existen adems otras herramientas de la calidad y otros mtodos de anlisis, planificacin y accin (Diagrama de Flujo, Tormenta de Ideas, Tcnica de Grupo Nominal,) que facilitan el trabajo de los equipos de mejora o de un equipo de proyecto en general.

35

6.1

Toma de datos, recopilacin, ponderacin, presentacin numrica y grfica de datos. Histogramas.

Los valores observados se suelen registrar en una lista. Si el nmero de observaciones no excede 20 o 30, por ejemplo, es posible darse una idea aproximada de la distribucin, simplemente mediante la ordenacin de los valores observados, escribindolos en una tabla, en orden creciente de magnitud. Con estos datos podemos hacer representaciones grficas y calcular determinadas caractersticas numricas. Si el conjunto de datos es muy grande, resulta laborioso trabajar directamente con los valores individuales observados y entonces se lleva a cabo algn tipo de agrupacin, como paso preliminar, antes de iniciar un nuevo tratamiento de los datos. El procedimiento de agrupacin es diferente segn la variable aleatoria sea discreta o continua. La presentacin de los datos en forma agrupada implica alguna prdida de informacin, pero permite apreciar mejor sus caractersticas. Este agrupamiento se hace mediante las llamadas tablas de frecuencias. En las tablas de frecuencias, en lugar de mostrar individualmente todos los datos, se informa solamente cuntos de ellos estn comprendidos entre determinados valores, llamados lmites de clase. Las clases son intervalos cuyos extremos son los lmites de clase. Generalmente las clases se escogen de igual longitud. Una regla emprica que se suele aplicar consiste en escoger los intervalos de clase de tal forma que no haya menos de 10 ni ms de 20 clases diferentes. Veamos cmo se lleva a cabo la agrupacin en cada uno de los casos: Caso Discreto: En este caso resulta conveniente hacer una tabla cuya primera columna contenga todos los valores observados y la segunda contenga la frecuencia con que han aparecido dichos valores o frecuencias absolutas.

36

Tambin se suele aadir una tercera columna que contiene la frecuencia relativa de los datos observados, a saber, la razn entre la frecuencia absoluta y el nmero total de observaciones. Este tipo de agrupacin se utiliza cuando el nmero total de valores observados no es muy grande, en caso contrario, en lugar de asignar una clase a cada valor observado, podemos considerar clases que contengan varias observaciones. Ejemplo: se cuenta el nmero de glbulos rojos en cada uno de los 169 compartimientos de un hemocitmetro. Cada uno de los compartimientos representa una observacin y el nmero de glbulos rojos en cada una de ellos es el valor observado correspondiente. De dicha observacin se obtiene la siguiente tabla de frecuencias:

Con esta informacin podemos hacer un grfico por medio del llamado Histograma, que en este caso se elabora levantando una lnea o barra sobre cada clase, de altura proporcional a la frecuencia correspondiente o a la frecuencia relativa. Caso Continuo: En el caso en que la variable aleatoria investigada es continua, la agrupacin es algo ms complicada, sin embargo, en general, se procede de la siguiente manera: se toma 37

un intervalo adecuado de la recta real que contenga los N valores observados y se divide dicho intervalo en un cierto nmero de intervalos de clase. Todas las observaciones que caen en una misma clase se agrupan y se cuentan, el nmero resultante es la frecuencia de clase correspondiente a dicho intervalo y despus se procede a tabular. Para proceder a la eleccin de los lmites de clase debemos conocer la exactitud de los datos originales. Cuando la tabla de frecuencia ya ha sido elaborada debe ir acompaada de la exactitud de los datos.

6.2

Diagramas de evolucin o gestin, de Pareto, de afinidad, causa-efecto, correlacin, dispersin o distribucin, etc.

El control de calidad, trmino tan usado hoy en da en todos los crculos acadmicos, fue un planteamiento de Ishikawa, ms de 50 aos atrs, en el Japn de la post guerra. El control de la calidad en pocas palabras fue definido por l como "Desarrollar, Disear, Manufacturar y Mantener un producto de calidad". Es posible que la contribucin ms importante de Ishikawa haya sido su rol en el desarrollo de una estrategia de calidad japonesa. l no quera que los directivos de las compaas se enfocaran solamente en la calidad del producto, sino en la calidad de toda la compaa, incluso despus de la compra. Tambin predicaba que la calidad deba ser llevada ms all del mismo trabajo, a la vida diaria. Fue fundador de la Unin de Cientficos e Ingenieros Japoneses (Union of Japanese Scientists and Engineers, UJSE ), entidad que se preocupaba de promover la calidad dentro de Japn durante la poca de la post-guerra. Ishikawa hizo muchas aportaciones, entre las cuales se destacan: Creacin del diagrama causa-efecto, o espina de pescado de Hishikawa, o en ingls "Fishbone Diagram" Demostr la importancia de las 7 herramientas de calidad. Trabaj en los crculos de calidad. Su concepcin conceptual al concebir su Diagrama Causa-Efecto (Espina de Pescado de Ishikawa) se puede resumir en que cuando se realiza el anlisis de un

38

problema de cualquier ndole y no solamente referido a la salud, estos siempre tienen diversas causas de distinta importancia, trascendencia o proporcin. Algunas causas pueden tener relacin con la presentacin u origen del problema y otras, con los efectos que este produce. El diagrama de Ishikawa ayuda a graficar las causas del problema que se estudia y analizarlas. Es llamado Espina de Pescado por la forma en que se van colocando cada una de las causas o razones que a entender originan un problema. Tiene la ventaja que permite visualizar de una manera muy rpida y clara, la relacin que tiene cada una de las causas con las dems razones que inciden en el origen del problema. En algunas oportunidades son causas independientes y en otras, existe una ntima relacin entre ellas, las que pueden estar actuando en cadena. La mejor manera de identificar problemas es a travs de la participacin de todos los miembros del equipo de trabajo en que se trabaja y lograr que todos los participantes vayan enunciando sus sugerencias. Los conceptos que expresen las personas, se irn colocando en diversos lugares. El resultado obtenido ser un Diagrama en forma de Espina de Ishikawa. Ideado en 1953 se incluye en l los siguientes elementos: El problema principal que se desea analizar, el cual se coloca en el extremo derecho del diagrama. Se aconseja encerrarlo en un rectngulo para visualizarlo con facilidad. Las causas principales que a nuestro entender han originado el problema. Grficamente est constituida por un eje central horizontal que es conocida como lnea principal o espina central. Posee varias flechas inclinadas que se extienden hasta el eje central, al cual llegan desde su parte inferior y superior, segn el lugar adonde se haya colocado el problema que se estuviera analizando o descomponiendo en sus propias causas o razones. Cada una de ellas representa un grupo de causas que inciden en la existencia del problema. Cada una de estas flechas a su vez son tocadas por flechas de menor tamao que representan las causas secundarias de cada causa o grupo de causas del problema. El Diagrama que se efecte debe tener muy claramente escrito el nombre del problema analizado, la fecha de ejecucin, el rea de la empresa a la cual pertenece el 39

problema y se puede inclusive colocar informacin complementaria como puede ser el nombre de quienes lo hayan ejecutado, etc. Elementos claves del pensamiento de Ishikawa: La calidad empieza con la educacin y termina con la educacin. El primer paso a la calidad es conocer lo que el cliente requiere. El estado ideal de la calidad es cuando la inspeccin no es necesaria. Hay que remover la raz del problema, no los sntomas. El control de la calidad es responsabilidad de todos los trabajadores. No hay que confundir los medios con los objetivos. Primero poner la calidad y despus poner las ganancias a largo plazo. El comercio es la entrada y salida de la calidad. Los altos ejecutivos de las empresas no deben de tener envidia cuando un obrero da una opinin valiosa. Los problemas pueden ser resueltos con simples herramientas para el anlisis. Informacin sin informacin de dispersin es informacin falsa. La teora de Ishikawa era manufacturar todo a bajo costo. Postul que algunos efectos dentro de empresas que se logran implementando el control de calidad son la reduccin de precios, bajar los costos, establecer y mejorar la tcnica, entre otros. No es en vano que a Ishikawa se le deba mucha gratitud por sus ideas que revolucionaron el mundo de la industria, la administracin, el comercio y los servicios. De su capacidad y sus teoras se nutri el Japn y lleg a ser lo que todos vemos hoy da. 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. 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.

40

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). El ejemplo se basa en el proceso de fabricacin de mayonesa, para as 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, se debe investigar a fin de identificar las causas del mismo. Para hacer un Diagrama de CausaEfecto se siguen los siguientes pasos: Se decide cul va a ser la caracterstica de calidad que se va 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. Se traza una flecha gruesa que representa el proceso y a la derecha se escribe la caracterstica de calidad:

41

Se indican 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.:

6.3

Matrices de prioridades, de criterio, de anlisis, etc.

La matriz de priorizacin es una herramienta que permite la seleccin de opciones sobre la base de la ponderacin y aplicacin de criterios. Hace posible, determinar alternativas y los criterios a considerar para adoptar una decisin, priorizar y clarificar problemas, oportunidades de mejora y proyectos y, en general, establecer prioridades entre un conjunto de elementos para facilitar la toma de decisiones. La aplicacin de la matriz de priorizacin conlleva un paso previo de determinacin de las opciones sobre las que decidir, as como de identificacin de criterios y de valoracin del peso o ponderacin que cada uno de ellos tendr en la toma de decisiones.

42

La matriz de priorizacin consiste en la especificacin del valor de cada criterio seleccionado para, posteriormente, analizar mediante el despliegue de distintas matrices tipo-L, el grado en que cada opcin cumple con los criterios establecidos.

Elaboracin de la Matriz de Priorizacin 1. Definir el objetivo. El planteamiento del objetivo ha de ser claro y explcito. 2. Identificar las opciones. Es posible que las opciones estn ya presentes, es decir, se hayan definido previamente. En caso contrario el equipo deber generar las alternativas posibles para alcanzar el objetivo. 3. Elaborar los criterios de decisin. Si los criterios no estn determinados, el equipo elabora una lista consensuada. Los criterios deben definirse ntidamente para que su significado no ofrezca duda a los miembros del equipo. 4. Ponderar los criterios. Mediante una matriz tipo-L se ponderan los distintos criterios, confrontndolos con los dems. Para ello, y partiendo del eje vertical, se compara el primer criterio con los restantes, asignando el valor ms apropiado segn la tabla de valores existente al efecto.

43

5. Comparar las opciones Se comparan todas las opciones entre s en funcin de cada uno de los criterios. Se crean para ello tantas matrices tipo-L como criterios se han definido, estableciendo las comparaciones de las opciones a analizar en cada uno de los criterios.

6.4

Anlisis de modos de fallos y efectos (AMFE).

Un anlisis modal de fallos y efectos (AMFE) es un procedimiento de anlisis de fallos potenciales en un sistema de clasificacin determinado por la gravedad o por el efecto de los fallos en el sistema. Es utilizado habitualmente por empresas manufactureras en varias fases del ciclo de vida del producto, y recientemente se est utilizando tambin en la industria de servicios. Las causas de los fallos pueden ser cualquier error o defecto en los procesos o diseo, especialmente aquellos que afectan a los consumidores, y pueden

44

ser potenciales o reales. El trmino anlisis de efectos hace referencia al estudio de las consecuencias de esos fallos. AMFE puede ofrecer un enfoque analtico al gestionar los modos de fallos potenciales y sus causas asociadas. Al tener en cuenta posibles fallos en el diseo de seguridad, coste, rendimiento, calidad o resistencia, un ingeniero puede obtener una gran cantidad de informacin sobre como alterar los procesos de fabricacin para evitar estos fallos. AMFE otorga una herramienta sencilla para determinar que riesgo es el ms importante, y por lo tanto que accin es necesaria para prevenir el problema antes de que ocurra. El desarrollo de estas especificaciones asegura que el producto cumplir los requisitos definidos. El proceso para conducir un AMFE es lineal. Se desarrolla en tres fases principales en las cuales las acciones adecuadas deben ser definidas. Pero antes de comenzar con un AMFE es importante completar un trabajo previo que asegure qu informacin sobre la resistencia y la historia del producto son incluidas en el anlisis. Un anlisis de resistencia puede obtenerse mediante una interfaz de matrices, diagramas de lmites y diagramas de parmetros. Mucho de los fallos se deben a la interaccin con otros sistemas y partes, ya que los ingenieros suelen centrarse solo en lo que controlan directamente. Para comenzar, es necesario describir el sistema y su funcin, ya que un buen entendimiento del mismo simplifica su anlisis. De esta forma un ingeniero puede comprobar que usos del sistema son adecuados y cules no. Es importante considerar los usos tanto intencionados como no intencionados. Los usos no intencionados son un tipo de entorno hostil. A continuacin debe crearse un diagrama de bloques del sistema. Este diagrama ofrece una visin general de los principales componentes o pasos en el proceso, y como estos estn relacionados entre s. Esto recibe el nombre de relaciones lgicas, alrededor de las cuales puede desarrollarse un AMFE. La creacin de un sistema de codificacin para identficar las diferentes partes o procesos es muy recomendable y til. El diagrama de bloques debe ser incluido siempre con el AMFE.

45

Antes de comenzar el AMFE debe crearse una hoja de trabajo con las necesidades y que contenga la informacin importante sobre el sistema como fecha de revisin o nombre de los componentes. En esta hoja de trabajo todos los tems o funciones o el ttulo deben ser listados de una forma lgica, basada en diagramas de bloques.

Paso 1: Severidad Determinar todos los modos de fallos basados en los requerimientos funcionales y sus efectos Ejemplos de modos de fallos son: cortocircuitos elctricos, corrosiones o deformaciones. Es importante apuntar que un fallo en un componente puede llevar a un fallo en otro como modo de fallos debe ser listado en trminos tcnicos y por funcin. As, el efecto final de cada modo de fallo debe tenerse en cuenta. Un efecto de fallo se define como el resultado de un modo de fallo en la funcin del sistema percibida por el usuario. Por lo tanto es necesario dejar constancia por escrito de estos efectos tal como los ver o experimentar el usuario. Ejemplos de efectos de fallos son: rendimiento bajo, ruido y daos a un usuario. Cada efecto recibe un nmero de severidad (S) que van desde el 1 (sin peligro) a 10 (crtico). Estos nmeros ayudarn a los ingenieros a priorizar los modos de fallo y sus efectos. Si la severidad de un efecto tiene un grado 9 o 10, se debe considerar cambiar el diseo eliminando el modo de fallo o protegiendo al usuario de su efecto. Un grado 9 o 10 est reservado para aquellos efectos que causaran dao al usuario. 46

Paso 2: Incidencia En este paso es necesario observar la causa del fallo y determinar con qu frecuencia ocurre. Esto puede lograrse mediante la observacin de productos o procesos similares y la documentacin de sus fallos. La causa de un fallo est vista como un punto dbil del diseo. Todas las causas potenciales de modo de fallos deben ser identificadas y documentadas utilizando terminologa tcnica. Ejemplos de causas son: algoritmos errneos, voltaje excesivo o condiciones de funcionamiento inadecuadas. Un modo de fallos recibe un nmero de probabilidad (O) que puede ir del 1 al 10. Las acciones deben de desarrollarse si la incidencia es alta (>4 para fallos no relacionados con la seguridad y >1 cuando el nmero de severidad del paso 1 es de 9 o 10). Este paso se conoce como el desarrollo detallado del proceso del AMFE. La incidencia puede ser definida tambin como un porcentaje. Si un problema no relacionado con la seguridad tiene una incidencia de menos del 1% se le puede dar una cifra de 1; dependiendo del producto y las especificaciones de usuario. Paso 3: Deteccin Cuando las acciones adecuadas se han determinado, es necesario comprobar su eficiencia y realizar una verificacin del diseo. Debe seleccionarse el mtodo de inspeccin adecuado. En primer lugar un ingeniero debe observar los controles actuales del sistema que impidan los modos de fallos o bien que lo detecten antes de que alcance al consumidor. Posteriormente deben identificarse tcnicas de testeo, anlisis y

monitorizacin que hayan sido utilizadas en sistemas similares para detectar fallos. De estos controles, un ingeniero puede conocer qu posibilidad hay de que ocurran fallos y como detectarlos. Cada combinacin de los dos pasos anteriores recibe un nmero de deteccin (D). Este nmero representa la capacidad de los tests planificados y las inspecciones de eliminar los defectos y detectar modos de fallos. Tras estos tres pasos bsicos se calculan los nmeros de prioridad del riesgo conocido como (RPN). Nmeros de prioridad del riesgo Los nmeros de prioridad del riesgo no son una parte importante de los criterios de seleccin de un plan de accin contra los modos de fallo. Es ms bien un parmetro de 47

ayuda en la evaluacin de estas acciones. Despus de evaluar la severidad, incidencia y defectibilidad los nmeros de prioridad del riesgo se pueden calcular multiplicando estos tres nmeros: RPN = S x O x D Esto debe realizarse para todo el proceso o diseo. Una vez est calculado, es fcil determinar las reas que deben ser de mayor preocupacin. Los modos de fallo que tengan un mayor nmero de prioridad del riesgo deben ser los que reciban la mayor prioridad para desarrollar acciones correctivas. Esto significa que no son siempre los modos de fallo con los nmeros de severidad ms altos los que deben ser solucionados primero. Pueden existir fallos menos graves, pero que ocurran ms a menudo y sean menos detectables. Tras asignar estos valores se recomiendan una serie de acciones con un objetivo, se reparten responsabilidades y se definen las fechas de implementacin. Estas acciones pueden incluir inspecciones especficas, testeo, pruebas de calidad, rediseo, etc. Tras implementar las acciones en el diseo o proceso, debe comprobarse de nuevo el nmero de prioridad del riesgo para confirmar las mejoras. Estas pruebas se representan normalmente de forma grfica para una fcil visualizacin. Siempre que se realicen cambios en un proceso o diseo, debe actualizarse el AMFE Deben tenerse en cuenta algunos puntos obvios pero importantes: Intentar eliminar el modo de fallos (algunos fallos son ms evitables que otros) Reducir la incidencia del modo de fallos Mejorar la deteccin

Nota: No se puede "Minimizar la severidad del fallo" dado que la severidad mide la gravedad del efecto (un hecho). Por ejemplo, si el efecto de un fallo es "posible muerte de un usuario", la severidad es "10" - se minimice o no la frecuencia del fallo.

Documentacin de la calidad.

La base de un Sistema de Calidad se compone de dos documentos, denominados Manuales de Aseguramiento de la Calidad, que definen por un lado el conjunto de la estructura, responsabilidades, actividades, recursos y procedimientos genricos que una organizacin establece para llevar a cabo la gestin de la calidad (Manual de Calidad), y por otro lado, la definicin especfica de todos los procedimientos que aseguren la calidad del producto final 48

(Manual de Procedimientos). El Manual de Calidad nos dice Qu? y Quin?, y el Manual de Procedimientos, Cmo? y Cundo?. Dentro de la infraestructura del Sistema existe un tercer pilar que es el de los Documentos Operativos, conjunto de documentos que reflejan la actuacin diaria de la empresa.

7.1

Estructura y contenidos que deben cumplir las pautas de control.

Especifica la poltica de calidad de la empresa y la organizacin necesaria para conseguir los objetivos de aseguramiento de la calidad de una forma similar en toda la empresa. En l se describen la poltica de calidad de la empresa, la estructura organizacional, la misin de todo elemento involucrado en el logro de la Calidad, etc. El fin del mismo se puede resumir en varios puntos: nica referencia oficial. Unifica comportamientos decisionales y operativos. Clasifica la estructura de responsabilidades. Independiza el resultado de las actividades de la habilidad. Es un instrumento para la Formacin y la Planificacin de la Calidad. Es la base de referencia para auditar el Sistema de Calidad.

7.2

Informes y partes de control. Normas a considerar en su elaboracin y presentacin.

Objetivo: elaborar, revisar y aprobar todos los documentos a cada nivel. Tareas: 1. En esta tarea se llevar a cabo la capacitacin planificada en la etapa anterior. 2. Capacitar al personal implicado. Para elaborar los procedimientos generales se sugiere utilizar la siguiente estructura:

49

Partes Objetivo Alcance

Carcter Obligatorio Obligatorio

Contenido Definir el objetivo del procedimiento Especificar el alcance de la aplicacin del procedimiento Designar a los responsables de ejecutar y supervisar el cumplimiento del procedimiento Aclarar de ser necesario el uso de trminos o

Responsabilidades

Obligatorio

Trminos y definiciones

Opcional

definiciones no comunes aplicables al procedimiento. Describir en orden cronolgico el conjunto

Procedimiento

Obligatorio

de operaciones necesarias para ejecutar el procedimiento. Relacionar todos los registros que deben ser

Requisitos de documentacin

Obligatorio

completados durante la ejecucin del procedimiento.

Referencias

Obligatorio

Referir todos aquellos documentos que hayan sido consultados o se mencionen en el procedimiento Incluir el formato de los registros, planos, tablas o

Anexos

Opcional

algn otro material que facilite la comprensin del procedimiento.

3. Elaborar los procedimientos generales.

El grupo seleccionado elaborar el Manual de acuerdo con el formato establecido en la etapa de diseo teniendo en cuenta la necesaria participacin de todas las reas involucradas. 4. Elaborar el Manual de Calidad. Los otros documentos se elaborarn de acuerdo con el plan y siguiendo las instrucciones confeccionadas para cada tipo de documento que deben haber sido aprendidas durante la capacitacin.

50

5. Elaborar otros documentos de acuerdo con el plan trazado en la etapa anterior. 6. Revisar y aprobar todos los documentos por parte del personal competente autorizado. La revisin y aprobacin de la documentacin se realizar a medida que sta se vaya elaborando. La revisin y aprobacin de la documentacin se realizar a medida que sta se vaya elaborando. 1. Al elaborar la gua se deben tener en cuenta las necesidades de documentacin determinadas en la etapa anterior as como los requisitos que debe cumplir la documentacin. En este caso se elabor un cuestionario organizado por requisito de la norma ISO 9001:2000, teniendo en cuenta adems los requisitos de la documentacin de calidad encontrados en la bibliografa consultada. 2. Elaborar la gua para el diagnstico 3. Para la ejecucin del diagnstico se debe utilizar la gua y aplicar tcnicas como la observacin, la entrevista y la revisin de documentos. Se debe determinar la existencia o no de los documentos, en qu medida cumplen con los requisitos establecidos para la documentacin y si estn siendo utilizados adecuadamente. 4. Ejecutar el diagnstico. 5. Elaborar y presentar el informe de diagnstico.

7.3

Organizacin, gestin y actualizacin de la documentacin generada.

Los Sistemas de gestin estn sustentados generalmente en una importante base documental, donde se recoge toda la informacin necesaria y generada por los mismos que sirva para asegurar que se cumplen las especificaciones establecidas de cara a una certificacin por terceros. Los registros sirven para realizar esta funcin, pero a menudo esta documentacin se hace muy extensa, densa, de difcil manejo y utilizacin, y acaba oprimiendo al Sistema y a la organizacin, y entorpeciendo su normal funcionamiento. Quin no se ha encontrado con que despus de unos aos 51

de funcionamiento de su Sistema de gestin necesitara construir un sper archivo en su organizacin porque ya no sabe dnde demonios meter la infinidad de carpetas que se van generando con documentacin?, documentacin que en algunos casos solo vuelve a ver la luz cuando es exigida por un auditor. La documentacin es necesaria, s, y hay que conservarla, tambin, pero nadie dice, ni siquiera la norma ISO 9001, que dicha documentacin deba ser soportada en papel. La manera de generar, utilizar, archivar y conservar la documentacin generada por un Sistema de gestin es decisin de la propia organizacin y debe ajustarse a las caractersticas de la misma: a su tamao, a su complejidad y al personal que la utiliza, con la nica condicin de que cumpla los requisitos que la norma establece al respecto, es decir, debe estar actualizada, perfectamente identificada y almacenada, protegida, accesible a cualquier persona que la necesite, debe ser legible y recuperable en el periodo de archivo establecido. Las nuevas tecnologas nos facilitan mucho esta labor de gestin de la documentacin. Las enormes carpetas con papel en estanteras abarrotadas a punto de suicidarse dan paso a archivos digitales. Hoy en da con la invasiva utilizacin de ordenadores en la prctica totalidad de las organizaciones, hasta la ms modesta puede tener todo un archivo completo en un simple ordenador. Un archivo del tipo pdf tiene la misma validez que su formato en papel. En vez de registros en papel ocupando carpetas dispersas por departamentos y de difcil localizacin para su posterior uso se pasa a registros digitales ocupando el espacio de un disco de almacenamiento en un nico puesto de trabajo y que generalmente son de fcil manejo y consulta. Las ventajas van ms all. Si dicho puesto de trabajo est conectado a la red, la documentacin est al alcance de todo el personal, tanto para su archivo como para su consulta, en la pantalla del ordenador o en su salida por impresora, es decir, el Jefe de Produccin puede estar consultando en su puesto de trabajo una determinada Orden de Fabricacin lanzada por la Oficina Tcnica, o la Direccin puede consultar una determinada No Conformidad aparecida en Produccin. Para llegar hasta este punto se necesita la colaboracin de todas las personas implicadas en el archivo de la documentacin y siempre teniendo en cuenta las sugerencias que pueden aportar las personas que utilizan esa informacin en su trabajo diario. As cualquiera puede pasar de archivar papeles en carpetas con el

52

tedioso trabajo de ordenar hojas, grapar o hacer agujeros a los mismos, a escanearlos o generarlos directamente de programas informticos en soporte digital. Al igual que un archivo fsico, y para cumplir las especificaciones de la norma ISO 9001 debe estar actualizado, identificado, accesible, protegido y recuperable. Una buena forma de llevar a cabo esta tarea es mediante la utilizacin de las carpetas de Windows que permiten organizar la documentacin. Un ejemplo puede ser organizarla por clientes, donde en cada carpeta de cada cliente se vaya almacenando todo tipo de registros relacionados con l, como puede ser los pedidos, las Ordenes de Fabricacin, los albaranes, las facturas, las reclamaciones y las No Conformidades si las hubiera, las hojas de Revisin final en fbrica o cualquier otro tipo de registro que de otra manera sera complicado reunir en un mismo archivo. Otras opciones pueden ser organizar la documentacin por fechas, o por Departamentos, o cualquier otra que sirva para cada organizacin en concreto. En resumen, no se trata de que la burocracia que genera la gestin de la documentacin nos dificulte el trabajo diario, sino que podemos buscar otras alternativas con la misma validez para nuestra organizacin concreta de cara a una futura certificacin por terceros, pero para ello es importante y necesario la colaboracin de todo el personal implicado, no solo la del Responsable del Sistema de gestin. Y que debemos ayudarnos de los avances tecnolgicos para facilitarnos el trabajo diario, pero tambin puede darse el caso de que cierta documentacin deba seguir mantenindose en formato papel porque as lo prefieren las personas que trabajan con ella.

53