5.1 TIPOS DE MUESTREO Y DEFECTOS MUESTREO SENCILLO: Decidir la aceptacin o el rechazo de un lote, de acuerdo con las unidades de una muestra tomada de ese lote. MUESTREO DOBLE: Seleccionar una muestra de unidades del lote, y bajo determinadas condiciones, poder seleccionar una segunda muestra antes de aceptar o rechazar este lote. MUESTREO MLTIPLE: Decidir sobre la aceptacin o el rechazo de un lote de acuerdo con los resultados de varias muestras de unidades tomadas de ese lote.
5.1.1 MUESTREO SIMPLE Consiste en un tamao de muestra, n, y en un nmero de aceptacin. Si en la muestra se encuentra c o menos unidades defectuosas, el lote es aceptado. Si hay ms de c artculos defectuosos el lote es rechazado.
5.1.2 MUESTREO DOBLE Se toma una primera muestra de tamao pequeo para detectar los lotes muy buenos o los muy malos, y si en la primera muestra no se puede decidir si aceptar o rechazar por que la cantidad de unidades defectuosas ni es muy pequea ni es muy grande, entonces se toma una segunda muestra para decidir si aceptar o rechazar tomando en cuenta las unidades defectuosas encontradas en las dos muestras. Un muestreo doble est definido por: N=tamao del loten1=tamao de la primera muestrac1=nmero de aceptacin para la primera muestran2=tamao de la segunda muestrac2=nmero de aceptacin para las dos muestras.
5.1.3 MUESTREO MULTIPLE Se toma una muestra inicial muy pequea, y si ya se tiene evidencia de muy buena o muy mala calidad se toma la decisin en consecuencia, si no es as, se toma una segunda muestra y se trata de decidir; si todava no es posible, se continua con el proceso hasta tomar la decisin de aceptar o rechazar el lote.
5.2 PLAN POR ATRIBUTOS Se extrae aleatoriamente una muestra de un lote, y cada pieza de la muestra es clasificada de acuerdo con ciertos atributos como aceptable o defectuosa. Si el nmero de piezas defectuosas es menor o igual que un cierto nmero predefinido, entonces el lote es aceptado, en caso de que sea mayor, el lote es rechazado. Algunos planes por atributos son: simple, doble y mltiple. 5.2 MUESTREO DE ACEPTACION POR ATRIBUTOS El muestreo por aceptacin es la inspeccin por muestras en la que se toma la decisin de aceptar o no un producto o servicio; tambin la metodologa que trata de los procedimientos por los que las decisiones de aceptar o no se basan sobre los resultados de la inspeccin de la muestra. El muestreo se puede verificar por el procedimiento de pasa/no pasa (oatributos). Determinar si las unidades en las muestras cumplen con los requisitos de las especificaciones. Tambin se puede efectuar el examen de las muestras por el sistema de mediciones (por variables).Midiendo la caracterstica de la calidad en cada una de las unidades de la muestra.
5.2.1 MUESTREO MULTIPLE Y SECUENCIAL Cuando se puede conservar bajo los costos administrativos, el muestreo mltiple permite menores costos de inspeccin para determinados grados de proteccin, que con el muestreo sencillo o el muestreo Cuando se puede conservar bajo los costos doble. Los nuevos mtodos que se han perfeccionado actualmente para simplificar el muestreo mltiple, como el muestreo computarizado, pueden dar lugar a una mejor eficiencia en la administracin de estos planes de muestreo. El muestreo mltiple va de acuerdo con la forma en que normalmente hace la seleccin de la muestra un inspector. Planes de muestreo doble y mltiple La norma contempla planes de muestreo doble y mltiple (7 niveles). Las tablas se utilizan igual que en el caso de la tcnica correspondiente al muestreo sencillo, en consecuencia no se explicar su uso. PLANES SECUENCIALES Estos planes tienen que ver con la inspeccin de muestras en la que, despus de que se ha inspeccionado cada unidad, se toma la decisin de aceptar el lote, de no aceptarlo o de inspeccionar otra unidad. Estos planes implican unidades individuales y, por tanto, difieren del muestreo mltiple en los planes de tipo NCA que implican muestreos de grupos de unidades.
5.2.1.1 USO DE LA TABLA MILSTD-105d En estas tablas se incluyen tres clases de muestreo: sencillo, doble y mltiple. El MIL-STD 15D proporciona planes de muestreo tanto para el caso deinspeccin de fraccin d efectuosa y defectos por la inspeccin de 100unidades.Para el empleo de estas tablas es necesario conocer: El tamao del lote que se presente a inspeccin La proteccin por NCA que se desea para el material considerado.Estas tablas indican el tamao de la muestra requerida y el n mero dedefectuosos que se pueden permitir en ese tamao de muestra. Si la muestra no contiene un mayor nmero de defectuosos que los permitidos, se acepta el lote. Pero si la muestra contiene mayor nmero de defectuosos que los que se pueden permitir, el lote puede ser rechazado o bien, inspeccionado 100%. El criterio de decisin llamado regla de cambio en trminos tcnicos de muestreo se relaciona con la magnitud del promedio estimado del proceso. Para obtener los planes de muestreo aplicando el MIL STD 105D, se procede de acuerdo con los siguientes pasos: Determinar el tamao del lote. Especificar el NCA Escoger el nivel de inspeccin. De acuerdo con el tamao del lote y el nivel de inspeccin, encontrar la letra cdigo correspondiente para el tamao de la muestra. Determinar el tipo del plan de muestreo a ser usado (simple, doble o mltiple).De acuerdo con la letra cdigo y el NCA, buscar el plan simple para inspeccin normal, el plan para inspeccin severa y el plan de inspeccin reducida.
5.2.1.2 USO DE LA TABLA DODGE-ROMING En la dcada de los veinte, H. F. Dodge y H. G. Roming disearon un juego de tablas de inspeccin para la aceptacin de producto lote por lote mediante el muestreo de atributos. Estas tablas se basan en dos de los conceptos expuestos en el captulo 8, nivel de calidad lmite (NCL) 1 y lmite de la calidad media de salida (LCMS). Por cada uno de estos conceptos hay tablas, tanto para muestreo sencillo como doble. No hay tablas para el muestreo mltiple. En el texto presente slo se ha incluido el muestreo sencillo. La ventaja principal de las tablas de Dodge-Roming es la reducida inspeccin necesaria para un procedimiento de inspeccin determinado. Esta ventaja hace especialmente atractivas las tablas en la inspeccin que se hace en el mismo sitio donde se obtienen los productos. 1. Nivel de calidad lmite (NCL). Estas tablas se basan en la probabilidad de que un lote en particular, cuyo porcentaje de no conformidad sea igual al NCL, resulte aceptado. Esta probabilidad es el riesgo del consumidor, , y es igual a 0.10. Los planes NCL garantizan que los lotes individuales de mala calidad rara vez resulten aceptados. Hay dos juegos de tablas NCL: uno para el muestreo sencillo y otro para el muestreo doble. Cada juego tiene tablas para valores de NCL de 0.5, 1.0, 2.0, 3.0, 4.0, 5.0, 7.0 Y 10.0%, con un total de 16 tablas. Para propsitos de explicacin, se muestra la tabla 9-6 para muestreo sencillo, empleando NCL = 1.0%. No se publican las tablas de los dems valores de NCL. Para usar las tablas, antes hay que tomar una decisin acerca de si se va a utilizar el muestreo sencillo o el muestreo doble. Para tomarla se puede recurrir a la informacin que se present en el captulo 8. Adems, el NCL tiene que calcularse, lo que se puede hacer de manera semejante al caso de NCA, como tambin se explic en el mismo captulo 8. El tipo de muestro (sencillo o doble) y el NCL determinarn qu tabla hay que utilizar. Una vez que se sabe cul es el tamao del lote y el promedio del proceso, es fcil obtener el plan de muestreo de aceptacin. Por ejemplo, si el tamao del lote, N, es 1500 y el promedio del proceso es 0.25%, el plan de muestreo sencillo necesario para NCL = 1.0% se encuentra en la tabla 9-6. La respuesta es: N = 1500 n = 490 c=2 1 Dodge y Roming emplearon el trmino "Por ciento de defecto de tolerancia de un lote" (LTPD lot tolerance percent defective). En este texto se utiliza en su lugar "Nivel de calidad lmite, (NCL)" puesto que es el trmino actual adecuado. En la tabla se localiza tambin el LCMS de cada plan, que para este ejemplo es de 0.21%. Al analizar las tablas NCL se desprende que: a. Conforme aumenta el tamao del lote, el tamao relativo de la muestra disminuye. Por ejemplo, en el caso de un proceso con promedio de 0.25%, un lote de tamao 1000 tiene un tamao de muestra de 335, en tanto que en un lote de tamao 4000 el tamao de la muestra es de 645. El tamao del lote aument en un factor de aproximadamente 2. Es decir, .los costos de inspeccin son ms econmicos cuando los lotes son grandes. b. Las tablas continan hasta que el promedio del proceso es la mitad del NCL. No es necesario contar con ms promedios de procesos cuando el promedio del proceso excede a la mitad de NCL, de ser as una inspeccin del 100% resulta ms econmica que la inspeccin por muestreo. c. Conforme aumenta el promedio del proceso, se produce el consecuente aumento en la cantidad inspeccionada. Es decir, una mejora en el promedio del proceso da como resultado menos inspecciones y un menor costo de inspeccin por muestreo. 2. Lmite de la calidad media de salida (LCMS). Los planes de muestreo para el concepto LCMS se concibieron como respuesta a necesidades surgidas en cierta situacin de fabricacin. Cuando se especifica la cantidad de lote, como es el caso en los lotes del cliente (homogneos) es aplicable el concepto de LCMS pero tambin es aplicable cuando el lote inspeccionado es una subdivisin conveniente del flujo de un producto para propsitos de manejo de materiales (no homogneos). Los planes LCMS limitan la cantidad de la calidad pobre de salida, con base en un promedio, pero no ofrecen garanta alguna en el caso de los lotes individuales. Las tablas para el LCMS tienen un grupo para muestreo sencillo y otro para muestreo doble. Cada grupo tiene tablas para valores LCMS de 0.1,0.25,0.5,0.75, 1.0, 1.5,2.0,2.5,3.0,4.0,5.0, 7.0y 10.0%, lo que da un total de 26 tablas. Para propsitos de explicacin, en la tabla 9-7 se muestra una tabla para muestreo sencillo, en el que el LCMS = 3.0%. No aparecen las tablas de los dems valores de LCMS. Adems de definir si se utilizar muestreo sencillo o doble, tambin se necesita el valor de LCMS. Para determinarlo se pueden emplear las mismas tcnicas empleadas para determinar el NCA, explicadas en el captulo 8. El tipo de muestreo (sencillo o doble) y el LCMS indicarn qu tipo de tabla habr que usar. Una vez conocidos el tamao del lote y el promedio del proceso, se puede definir el plan de muestreo de aceptacin. Por ejemplo si el tamao del lote, N, es 1500 yel promedio del proceso es 1.60%, el plan de muestreo sencillo requerido para un LCMS = 3.0% se localiza en la tabla 9-7. La respuesta es: N = 1500 ni = 65 CI = 3
El NCL que corresponde a este plan es 10.2% De un anlisis de las tablas LCMS se desprende lo siguiente: a. Conforme aumenta el tamao del lote disminuye el tamao de la muestra. b. No se ofrecen planes para promedios de procesos que rebasan el LCMS, dado que el muestreo no es econmico cuando la calidad de entrada promedio es menor que el LCMS especificado. c. Cuanto ms bajo es el promedio del proceso, menor el tamao de la muestra, lo que se traduce en menos costo por inspeccin. 3. Comentarios adicionales sobre las tablas de Dodge-Roming. El promedio del proceso l00p - se obtiene mediante las mismas tcnicas utilizadas para la grfica p. Con base en los primeros 25 lotes se obtiene el porcentaje promedio de no conformidad. En el caso del muestreo doble, solo la primera muestra figura en el clculo. Se descarta todo lote cuyo porcentaje de no conformidad rebase el lmite de 3 (100p - (1 - 100p _ )/n), (si su causa es atribuible) y se procede a calcular un nuevo promedio del proceso. Sin embargo, hasta que no se logre obtener un promedio de proceso mediante la tcnica anterior, deber utilizarse el promedio de proceso ms grande posible. Es decir, se utilizar la ltima columna de las tablas hasta que se logre determinar lOOp - . En las tablas de Dodge-Romig no se menciona nada sobre el tipo de no conformidad, si bien se pueden emplear diversos valores de NCL o LCMS; los ms bajos para no conformidades graves y los ms altos para las no conformidades secundarias. No se menciona nada sobre la inspeccin rigurosa o reducida, si bien tambin se pueden utilizar diversos valores de NCL o LCMS. Para el promedio del proceso se utilizan la cantidad de no conformidades por 100 unidades, en vez del porcentaje de no conformidad. Por ejemplo, 1m promedio de proceso de 2.00% de no conformidad es lo mismo que dos no conformidades por cada 100 unidades.1
5.3 MUESTREO DE ACEPTACION POR VARIABLES Una limitacin que salta a la vista en el empleo de criterios por variables en el muestreo para aceptacin es el hecho de que muchas caractersticas de calidad slo se pueden observar como atributos. En los casos en que es cierto, no hay ni que pensar en el muestreo por variables. No obstante, a menudo ocurre que es posible idear mtodos de medicin en los casos en que, a primera vista, parece ser que la inspeccin debe ser por atributos. Para las caractersticas de calidad que se pueden medir, suele ocurrir que el costo de la inspeccin por artculo es menor cuando es por atributos en lugar de por variables.
Por ejemplo, si se van a examinar 20 caractersticas de calidad de un producto en un determinado puesto de inspeccin, se puede aplicar un solo grupo de criterios para muestreo por atributos a la decisin para aceptacin. Por el contrario, si cada caracterstica se somete a inspeccin por variables, se deben utilizar 20 grupos diferentes de criterios para variables. A menudo el muestreo para aceptacin por variables suele ser preferible al muestreo para aceptacin por atributos, en particular de las caractersticas de calidad que son el origen de problemas. Quiz solo 2 de las 20 caractersticas mencionadas antes puedan presentar dificultades. Si es as, puede ocurrir que los criterios para variables se puedan aplicar con provecho a estas dos, aunque se emplean criterios para atributos para las otras 18. La gran ventaja del empleo del muestreo para aceptacin por variables es que se obtiene ms informacin acerca de la caracterstica de calidad en cuestin, lo cual puede conducir a cierto nmero de resultados deseables, como sigue: 1. Para una muestra de tamao dado, por lo general se puede obtener mejor proteccin para la calidad con criterios para variables en lugar de por atributos. O dicho en forma un poco diferente, para una proteccin dada de la calidad en contra de posibles porcentajes de defectivos (reflejados en la curva OC), con las variables se pueden emplear muestras ms pequeas que con los atributos. 2. El grado de cumplimiento o incumplimiento (no conformidad) con el valor deseado de una caracterstica de calidad recibe importancia cuando se utilizan los criterios para variables. Esto puede ser importante siempre que hay un margen de seguridad en las especificaciones de diseo o en una zona crepuscular o de incertidumbre de valores de la caracterstica de calidad, entre los que son claramente aceptables y los que son inaceptables. 3. La informacin de variables suele dar una mejor base de orientacin hacia el mejoramiento de la calidad. 4. La informacin de variables puede dar una mejor base para ponderar el historial de calidad en las decisiones para aceptacin. 5.- Es ms fcil descubrir los errores de medicin con la informacin de variables.
5.4 GRAFICOS DE CONTROL. DEFINICION Y TIPOS DE INSPECCION. Los grficos de control fueron propuesto originalmente por W. Shewart en 1920, y en ellos se representa a lo largo del tiempo el estado del proceso que estamos monitorizando. En el eje horizontal X se indica el tiempo, mientras que el eje vertical Y se representa algn indicador de la variable cuya calidad se mide. Adems se incluye otras dos lneas horizontales: los lmites superior e inferior de control, escogidos stos de tal forma que la probabilidad de que una observacin est fuera de esos lmites sea muy baja si el proceso est en estado de control, habitualmente inferior a 0.01. En cualquier proceso, incluida la prestacin de servicios sanitarios, se produce variabilidad. Por ejemplo incluso en situaciones muy similares no todas las cirugas resultan exitosas, no todas las consultas duran el mismo tiempo, etc. En cada caso el origen de esa variabilidad puede ser muy diverso, por un lado tenemos causas impredecibles, de origen desconocido, y por tanto en principio inevitables, y por otro lado, causas previsibles debidas a factores humanos, a los instrumentos o a la organizacin. Estudiando meticulosamente cualquier proceso es posible eliminar las causas asignables, de tal forma que la variabilidad todava presente en los resultados sea debida nicamente a causas no asignables; momento ste en el que diremos que el proceso se encuentra en estado de control. La finalidad de los grficos de control es por tanto monitorizar dicha situacin para controlar su buen funcionamiento, y detectar rpidamente cualquier anomala respecto al patrn correcto, puesto que ningn proceso se encuentra espontneamente en ese estado de control, y conseguir llegar a l supone un xito, as como mantenerlo; se es el objetivo del control de calidad de procesos, y su consecucin y mantenimiento exige un esfuerzo sistemtico, en primer lugar para eliminar las causas asignables y en segundo para mantenerlo dentro de los estndares de calidad fijados. As pues el control estadstico de calidad tiene como objetivo monitorizar de forma continua, mediante tcnicas estadsticas, la estabilidad del proceso, y mediante los grficos de control este anlisis se efecta de forma visual, representando la variabilidad de las mediciones para detectar la presencia de un exceso de variabilidad no esperable por puro azar, y probablemente atribuible a alguna causa especfica que se podr investigar y corregir. El inters de los grficos de control radica en que son fciles de usar e interpretar, tanto por el personal encargado de los procesos como por la direccin de stos, y lo que es ms importante: la utilizacin de criterios estadsticos permite que las decisiones se basen en hechos y no en intuiciones o en apreciaciones subjetivas que tantas veces resultan desgraciadamente falsas. A la hora de analizar los datos en un proceso de control calidad tenemos que diferenciar tres casos segn la caracterstica medida: La variable es medible numricamente, por ejemplo un tiempo. Se estudia un atributo o caracterstica cualitativa que el proceso posee o no posee, por ejemplo el paciente cumple o no cumple adecuadamente el tratamiento Se cuenta el nmero de defectos en el producto o situaciones inadecuadas en la prestacin del servicio Vamos en primer lugar a presentar los grficos de control para variables cuantitativas. En este caso se puede representar la evolucin de un valor medio, como puede ser la media o la mediana, o representar un indicador de dispersin como puede ser el rango o la desviacin tpica. Cuando no se va a utilizar un programa especfico se suele preferir el rango a la desviacin tpica, por ser mucho ms fcil de calcular. Existen otros tipos de grfico ms especializados, que comentaremos ms adelante. Grfico de control para variables cuantitativas Veamos cmo se construye un grfico de evolucin de medias. En primer lugar, para cada instante de tiempo se tomar una pequea muestra (por ejemplo diariamente). En control de calidad se usa habitualmente muestras pequeas de tamao de entre 5 a 10 elementos, tomadas a lo largo de un tiempo representativo, normalmente de 20 a 30 ocasiones. Veamos un sencillo ejemplo, en el que durante 24 das se han anotado 5 observaciones. Tabla 1 N Dato 1 Dato 2 Dato 3 Dato 4 Dato 5 1 10.7 10.7 10.7 10.7 10.9 2 10.8 10.9 10.8 10.9 10.7 3 10.8 10.8 10.8 10.7 10.8 4 10.6 10.7 10.7 10.8 10.7 5 10.7 10.8 10.7 10.9 10.8 6 10.6 10.8 10.8 10.9 10.7 7 10.6 10.8 10.7 10.8 10.8 8 10.6 10.8 10.7 10.8 10.7 9 10.7 10.8 10.9 10.9 10.8 10 10.6 10.7 10.6 10.8 10.7 11 10.8 10.8 10.9 10.5 10.9 12 10.9 10.8 10.9 10.7 10.7 13 10.7 10.7 10.8 10.8 10.7 14 10.7 10.7 10.9 10.8 10.6 15 10.8 10.8 10.8 10.8 10.7 16 10.9 10.8 10.8 10.8 10.9 17 10.8 10.7 10.9 10.7 10.8 18 10.8 10.7 10.6 10.7 10.6 19 10.7 10.7 10.9 10.7 10.7 20 10.6 10.6 10.7 10.6 10.7 21 10.5 10.0 10.7 10.8 10.8 22 10.8 10.7 10.8 10.7 10.7 23 10.7 10.6 10.7 10.6 10.7 24 10.7 10.7 10.7 10.6 10.7 Para elaborar el grfico de evolucin de medias, en primer lugar se calcula la media de cada muestra de 5 observaciones y luego la media global de esas 24 medias. Seguidamente se calcula los rangos para cada muestra (valor mximo - valor mnimo), as como la media de los 24 rangos. Para el clculo de los lmites de control se utiliza la teora de probabilidades, suponiendo que los datos siguen una determinada distribucin de probabilidad, ya sea sta normal, binomial, Poisson o cualquiera otra, dependiendo del tipo de datos analizado. De esta forma se determinar un factor que al multiplicarlo por un parmetro de variabilidad (sea ste el rango o la desviacin tpica) nos permite calcular los lmites del grfico de control de calidad, lmites que nos garantizan una probabilidad del 99 % de que las observaciones se encuentren dentro de esos mrgenes si el proceso est en estado de control. Es un concepto totalmente anlogo al de intervalo de confianza para una estimacin, al que estamos habituados en la inferencia estadstica. Los lmites de calidad superior e inferior para un grfico de medias se calculan de acuerdo a las siguientes frmulas: LCS m =M+A 2 R LCI m =M-A 2 R donde M es la media global (media de todas las medias) y R es la media de todos los rangos. Representado en un grfico las 24 medias de las muestras de tamao 5 de la tabla 1, una lnea horizontal correspondiente a la media global, y dos lneas horizontales correspondientes a los lmites de calidad obtenemos un grfico como el de la figura 1
Fig. 1 Grfico de control para la evolucin de medias Tabla 2. Factores para lmites de control en grficos de medias y rangos Grfico de medias Grfico de Rangos Tamao de muestra n Factor A 2 Factor D 3 Factor D 4
2 1.88 0 3.27 3 1.02 0 2.57 4 0.73 0 2.28 5 0.58 0 2.11 6 0.48 0 2.00 7 0.42 0.08 1.92 8 0.37 0.14 1.86 9 0.34 0.18 1.82 10 0.31 0.22 1.78 De igual forma se puede construir un grfico de control para la evolucin del Rango. En este caso los lmites de control vienen dados por las frmulas: LCS R =D 4 R LCI R =D 4 R donde D 4 se obtiene de la tabla 2, y como antes R es el rango medio.
5.5 HISTOGRAMAS Y DIAGRAMA DE PARETO
HISTOGRAMA
El histograma es una grfica de barras que permite describir el comportamiento de un conjunto de datos en cuanto a su tendencia central, forma y dispersin. El histograma permite que de un vistazo se pueda tener una idea objetiva sobre la calidad de un producto, el desempeo de un proceso o el impacto de una accin de mejora. La correcta utilizacin del histograma permite tomar decisiones no solo con base en la media, sino tambin con base en la dispersin y formas especiales de comportamiento de los datos. Su uso cotidiano facilita el entendimiento de la variabilidad y favorece la cultura de los datos y los hechos objetivos.
CUANDO SE APLICA Hacer seguimiento actual del proceso Seleccionar el siguiente producto a mejorar Probar o evaluar las revisiones de procesos para mejorar Necesitar una revisin rpida de la variabilidad de un proceso
DIAGRAMA DE PARETO
Es una herramienta que se utiliza para priorizar los problemas o las causas que los generan. La Grfica de Pareto es una herramienta sencilla pero poderosa al permitir identificar visualmente en una sola revisin las minoras de caractersticas vitales a las que es importante prestar atencin y de esta manera utilizar todos los recursos necesarios para llevar a cabo una accin de mejora sin malgastar esfuerzos ya que con el anlisis descartamos las mayoras triviales.
Fue creado sobre la base del principio de Pareto, obtenindose lo que hoy se conoce como la regla 80/20. 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. Se usa para identificar los problemas ms significativos de un proceso y evaluar el comportamiento de un problema, comparando los datos entre el "antes" y el "despus".
Se recomienda el uso del diagrama de Pareto:
Para identificar un producto o servicio para el anlisis de mejora de la calidad. Al buscar las causas principales de los problemas y establecer la prioridad de las soluciones Para evaluar los resultados de los cambios efectuados a un proceso comparando sucesivos diagramas Para comunicar fcilmente a otros miembros de la organizacin las conclusiones sobre causas, efectos y costes de los errores.
Los propsitos generales del diagrama de Pareto: 1. Analizar las causas 2. Estudiar los resultados 3. Planear una mejora continua COMO CONSTRUIRLO?
Trace dos ejes verticales de la misma longitud, en un eje horizontal. En el eje vertical izquierdo, haga una escala de 0 hasta el nmero correspondiente al total de la Lista de verificacin. En el eje vertical derecho haga una escala de 0 a 100%.
El 100% corresponder al total de la Lista de Verificacin. Divida el eje horizontal en intervalos iguales, de acuerdo con la cantidad de categoras de la Lista de Verificacin. Construya y denomine las barras, colocando las categoras en orden decreciente de frecuencia, de izquierda a derecha. Trace una lnea punteada que conecte el origen con la esquina superior derecha de la primera barra, as: Sume, a la altura de la primera barra, la altura de la segunda. Marque con un punto el valor obtenido en la prolongacin del lado derecho de la segunda barra. Sume a esta nueva altura la altura de la tercera barra.
Marque con un punto el valor obtenido en la prolongacin del lado derecho de la tercera barra. Haga eso sucesivamente, hasta la ltima barra. Enlace todos los puntos marcados con una lnea, dando continuidad a la lnea punteada iniciada en el origen, para formar la curva de Pareto. El ltimo punto representa el 100 % de los eventos. Complete el grfico con informaciones tales como: nombre del grfico, perodo, responsable, etc.
GRAFICO DE PARETO
Perodo: 01/09/00 a 30/09/01
Responsable: Sr. Mndez
5.6 GRAFICAS POR VARIABLES Y SU INTERPRETACION
El objetivo de los grficos de control es determinar de forma visual y por tanto sencilla cundo un proceso se encuentra fuera de control, con una probabilidad de error pequea. La primera indicacin de que el proceso puede estar fuera de control viene dada por la presencia de algn punto fuera de los lmites de control. Para facilitar la deteccin de patrones anmalos o poco probables en un proceso en estado de control, conviene dividir en tres zonas de igual tamao el rea situada a ambos lados de la lnea central, entre sta y los lmites de control, como vemos en la siguiente figura:
Fig.2 Grfico de control con zonas intermedias Si en el grfico se est utilizando la desviacin tpica para calcular los lmites de control, estas zonas corresponden a 1, 2 y 3 desviaciones tpicas, que hemos marcado en la figura como A, B y C respectivamente. Otra posible seal de que el proceso est fuera de control se da cuando aparecen un elevado nmero de puntos consecutivos al mismo lado de la lnea central: si nos encontramos 8 puntos seguidos al mismo lado de la lnea central, o 10 puntos de 11, o 12 de 14. Cualquier tratado sobre implantacin de procesos de calidad presenta una serie de reglas caseras para detectar diferentes series de datos improbables. Adems de las dos anteriores destacamos las siguientes:
2 de 3 puntos seguidos en la zona C 4 de 5 puntos seguidos en la zona B o ms all (como vemos que pasa en la figura 2 en los puntos marcados en rojo) 6 puntos seguidos ascendentes o descendentes 8 puntos seguidos fuera de la zona A, a ambos lados de la lnea central En cualquier caso siempre hay que estar atento a la presencia de patrones o tendencias en los grficos de control. Estas reglas pueden ser incluso ms restrictivas (alerta para un nivel de probabilidad ms bajo), si as lo requiere el proceso que se controla. As por ejemplo en el mundo del control de calidad para los laboratorios de anlisis clnicos son muy conocidas las denominadas reglas de Westgard, que no son ms que una adaptacin concreta de los razonamientos expuestos al control de calidad para un analizador del laboratorio, aparato en el que diariamente se efectuarn muestras de control de calidad para verificar que est funcionando adecuadamente. Los resultados obtenidos en estas muestras se representan en un grfico de control como los ya descritos, aunque en ese entorno se conocen como grfico de Levey-Jennings, y se aplican una serie de reglas probabilsticas de decisin en las que existen dos niveles: un nivel de alerta y un nivel de rechazo. As una observacin en la zona C o por encima supone una alerta y fuera de la zona de control, por encima de los lmites de control obliga a rechazar los anlisis efectuados. 5.6.1 GRAFICA X 5.6.2 GRAFICA 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:
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.
5.7 GRAFICAS POR ATRIBUTO Grfico de control para atributos Cuando la variable que se analiza solo puede tomar dos valores, no o s, correcto o incorrecto, adecuado o inadecuado, se habla de control por atributos. Ahora las muestras han de ser necesariamente mayores que cuando se analizan variables medibles, y habitualmente se utilizar un grfico de proporciones, en el que la variable a representar en el eje de las Y es la proporcin de veces en que el resultado no es adecuado. Tambin aqu se recogern de 20 a 30 muestras de tamao suficiente para que se observe en cada una alguno de los resultados defectuosos, lo que hace que el tamao de muestra necesario sea tanto mayor cuanto menor sea dicha proporcin. Si el tamao n de todas las muestras es el mismo y llamamos P a la media de todas las proporciones, sabemos que se puede estimar la desviacin tpica mediante la siguiente frmula
De tal manera que los lmites de control vienen dados ahora por las siguientes frmulas LCS P =P+3s p
LCI P =P-3s p
En el caso de que los tamaos de cada muestra difieran, tambin lo hace el valor de la desviacin tpica, de tal manera que para cada porcentaje representado en la grfica varan los lmites de control, los cuales no sern ya una lnea horizontal sino una lnea escalonada.