Académique Documents
Professionnel Documents
Culture Documents
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
El peso de los frascos llenos flucta alrededor de los 250 grs. Si la caracterstica
de calidad fuera otra, como el contenido de aceite, el color de la mayonesa o el
aspecto de la etiqueta tambin observaramos que las sucesivas mediciones
fluctan alrededor de un valor central.
El valor de una caracterstica de calidad es un resultado que depende de una
combinacin de variables y factores que condicionan el proceso productivo. Por
ejemplo, en el caso de la produccin de mayonesa es necesario establecer que
cantidades de aceite, huevos y otras materias primas se van a usar. Hay que
establecer a que velocidad se va a agitar la mezcla y cuanto tiempo. Se debe
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
fijar el tipo y tamao de equipo que se va a utilizar, y la temperatura de trabajo. Y
como stas se deben fijar muchas otras variables del proceso.
La variabilidad o fluctuacin de las mediciones es una consecuencia de la
fluctuacin de todos los factores y variables que afectan el proceso. Por ejemplo,
cada vez que se hace un lote de mayonesa hay que pesar el aceite segn lo que
indica la frmula. Es imposible que la cantidad pesada sea exactamente igual
para todos los lotes. Tambin se producirn fluctuaciones en la velocidad de
agitacin, porque la corriente elctrica de la lnea que alimenta el agitador
tambin flucta. Y de la misma manera, de lote a lote cambiar la cantidad
pesada de los dems componentes, el tiempo de agitacin, la temperatura, etc.
Todos estos factores y muchos otros condicionan y determinan las
caractersticas de calidad del producto.
En el proceso de fabricacin de mayonesa intervienen equipos donde hacer la
mezcla, materias primas (aceite, huevos, condimentos, etc.), procedimientos de
trabajo, personas que operan los equipos, equipos de medicin, etc.:
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Estas son:
1. Braistorming
2. Diagramas de Causa-Efecto
3. Planillas de Inspeccin
4. Grficos de Control
5. Diagramas de Flujo
6. Histogramas
7. Grficos de Pareto
8. Diagramas de Dispersin
BRAINSTORMING
El Brainstorming es una tcnica de dinmica grupal y se utiliza para ayudar a
los grupos a generar tantas ideas creativas como sea posible en un perodo de
tiempo corto.
El grupo debe respetar principalmente las siguientes consignas :
No criticar : No solo est prohibida la critica sino tambin la autocrtica y la
autocensura Un comentario gracioso puede arruinar una seccin de
Brainstorming.
Libre imaginacin :Las ideas aparentemente ms fuera de contexto ,
pueden generar asociaciones interesantes . Todos los aportes son
bienvenidos.
La cantidad se privilegia sobre la calidad : A mayor cantidad de ideas es
posibles encontrar buenas ideas
Todo debe ser registrado : para su evaluacin posterior
El grupo ideal :Para una seccin de Brainstorming oscila entre 5 y 10
personas .
5
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Existen 2 clases:
1. Brainstorming Creativo ( Genera nuevas ideas )
2. Brainstorming Crtico ( Evala valora las nuevas ideas )
Para asegurar que cada uno de los participantes se sienta cmodo para
expresarse libremente, primero se realiza el brainstorming creativo y luego
se sigue con sesiones separadas de brainstorming crtico.
Cmo conducir una sesin de brainstorming creativo
1. Rena al equipo y exprese claramente el propsito de la sesin. Asegrese
que todos entiendan el tema y comunquelo por escrito a cada uno de ellos.
2. Genere ideas de la siguiente forma:
- Haciendo que cada persona aporte la mayor cantidad de ideas posibles
- Haciendo que las personas aporten ideas por turno rotativo.
3. Escriba las ideas exactamente como las personas las expresan. Contine
hasta que todas las ideas hayan sido expuestas.
4. Pregunte al equipo si todas las ideas escritas son entendidas, caso contrario
aclrelas.
5. No permita que se produzcan criticas cuando alguna persona aporta alguna
idea , la
base es que en principio todas las ideas son validas
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Esta tcnica es usada para seleccionar uno o dos del total de opciones para
actuar sobre eso. Las tcnicas de reduccin son generalmente usados cuando
usted enfrenta un numero de opciones y el grupo no puede decidir con cual
proceder y/ cuando hay un desacuerdo dentro del grupo de cual es la mejor
opcin.
Hay tres tcnicas principales de reduccin de lista:
Valuacin
Ponderacin
Voto mltiple
Valuacin
1. Seleccione el criterio contra lo cual cada opcin ser valuado tales
como el costo o facilidad de implementacin.
2. Liste las opciones.
3. Vale cada opcin frente al criterio, por ejemplo usando una escala de 1(lo
peor) al 10 (lo mejor).
4. Adicione el total para cada opcin y seleccione la opcin con mayor valor.
Criterio
Opcin 1
Opcin 2
Opcin 3
Efecto en la
calidad
10
5
6
Costo bajo
5
4
1
Facilidad de
implementacin
7
10
1
Total
22
19
8
10 = lo mejor, 1 = lo peor
Ponderacin
1. Repita los 2 primeros pasos de la valuacin.
2. En lugar de usar una escala de 1 a 10, pondere las opciones desde el mejor
hasta el peor para cada criterio.
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
3. Adicione la ponderacin para cada opcin y seleccione la opcin de mayor
ponderacin.
Criterio
Opcin 1
Opcin 2
Opcin 3
Efecto sobre
la calidad
1
3
2
Costo bajo
1
2
3
Facilidad de
implementacin
2
1
3
Total
4
6
8
Voto mltiple
1. Liste las opciones
2. Haga que cada persona escoja un cierto numero de votos, generalmente
acerca de 1/3 del numero total de opciones.
3. Deje que cada persona decida como escoger su voto ( votos mltiples para
una opcin son permitidos ).
4. Seleccione la opcin que recibe mas votos.
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
BRAINSTORMING DE CAUSAS
AREA O
SECTOR:________________________________________
DIA
MES
AO
_____________________________
COMPONENTES DEL GRUPO:
____________________________________________________________
___________________________________________
___________________________________________
PROBLEMA O TEMA A ANALIZAR:
_______________________________________________________
___________________________________________________________________________
______________
___________________________________________________________________________
_____________
N
CAUSAS
CLASIFICACION DE CRITERIOS
1
2
3
4
5
6
7
8
9
10
11
12
FECHA DE FINALIZACION ANALISIS:
____________________________________________________
CONFORMIDAD PARTICIPANTES DEL GRUPO:
___________________________________________
___________________________________________________________________________
______________
________________________________________________________________
10
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
BRAINSTORMING DE SOLUCIONES
AREA O SECTOR:
__________________________________________
DIA
MES
AO
_______________________________
COMPONENTES DEL GRUPO:
____________________________________________________________
_____________________________________________________________
_____________________________________________________________
PROBLEMA O TEMA
ANALIZADO
SOLUCIONES
VENTAJAS
DESVENTAJAS
RELACION PORCENTUAL DE
LA CAUSA S/PROBLEMA
PORCENTAJE
VALOR PRIORIDAD
11
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Diagramas de Causa-Efecto
Hemos visto en la introduccin como el valor de una caracterstica de
calidad depende de una combinacin de variables y factores que
condicionan el proceso productivo. Vamos a continuar con el ejemplo de
fabricacin de mayonesa para explicar los Diagramas de Causa-Efecto:
12
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:
9. Decidimos cual va a ser la caracterstica de calidad que vamos a analizar.
Por ejemplo, en el caso de la mayonesa podra ser el peso del frasco
lleno, la densidad del producto, el porcentaje de aceite, etc.
Trazamos un flecha gruesa que representa el proceso y a la derecha
escribimos la caracterstica de calidad:
13
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
14
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
d. Por qu hay variacin en la cantidad agregada de aceite? Por
funcionamiento irregular de la balanza. Se registra la rama Balanza.
e. Por qu la balanza funciona en forma irregular? Por que necesita
mantenimiento. En la rama Balanza colocamos la rama Mantenimiento.
As seguimos ampliando el Diagrama de Causa-Efecto hasta que
contenga todas las causas posibles de dispersin.
a. Finalmente verificamos que todos los factores que puedan causar
dispersin hayan sido incorporados al diagrama. Las relaciones CausaEfecto deben quedar claramente establecidas y en ese caso, el diagrama
est terminado.
Veamos un ejemplo de la Gua de Control de Calidad de Kaoru Ishikawa,
publicada por UNIPUB (N. York). Se trata de una mquina en la cual se produce
un defecto de rotacin oscilante. La caracterstica de calidad es la oscilacin de
un eje durante la rotacin:
Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente
conozca en profundidad el proceso con que trabaja, visualizando con claridad
las relaciones entre los Efectos y sus Causas. Sirve tambin para guiar las
discusiones, al exponer con claridad los orgenes de un problema de calidad. Y
permite encontrar ms rpidamente las causas asignables cuando el proceso se
aparta de su funcionamiento habitual.
15
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente
conozca en profundidad el proceso con que trabaja, visualizando con claridad
las relaciones entre los Efectos y sus Causas. Sirve tambin para guiar las
discusiones, al exponer con claridad los orgenes de un problema de calidad. Y
permite encontrar ms rpidamente las causas asignables cuando el proceso se
aparta de su funcionamiento habitual.
16
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
permite encontrar ms rpidamente las causas asignables cuando el proceso se
aparta de su funcionamiento habitual.
Planillas de Inspeccin
Los datos que se obtienen al medir una caracterstica de calidad pueden
recolectarse utilizando Planillas de Inspeccin. Las Planillas de Inspeccin sirven
para anotar los resultados a medida que se obtienen y al mismo tiempo observar
cual es la tendencia central y la dispersin de los mismos. Es decir, no es
necesario esperar a recoger todos los datos para disponer de informacin
estadstica.
17
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
18
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Luego realizamos las mediciones y las vamos anotando en la Planilla. Por
ejemplo, si obtuvimos los tres valores siguientes 1.8, 2.6, 2.6 y los registramos
con un signo + quedara as:
19
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
20
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Qu informacin nos brinda la Planilla de Inspeccin? Al mismo tiempo que
medimos y registramos los resultados, nos va mostrando cual es la Tendencia
Central de las mediciones. En nuestro caso, vemos que las mismas estn
agrupadas alrededor de 2.3 aproximadamente, con un pico en 2.1 y otro en 2.5 .
Habra que investigar por que la distribucin de los datos tiene esa forma.
Adems podemos ver la Dispersin de los datos. En este caso vemos que los
datos estn dentro de un rango que comienza en 1.5 y termina en 3.3 . Nos
muestra entonces una informacin acerca de nuestros datos que no sera fcil
de ver si slo tuvieramos una larga lista con los resultados de las mediciones.
21
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Y adems, si marcamos en
la planilla los valores mnimo y mximo especificados para la caracterstica de
calidad que estamos midiendo (LIE y LSE) podemos ver que porcentaje de
nuestro producto cumple con las especificaciones.
Grficos de Control
Un grfico de control es una carta o diagrama especialmente preparado donde
se van anotando los valores sucesivos de la caracterstica de calidad que se
est controlando. Los datos se registran durante el funcionamiento del proceso
de fabricacin y a medida que se obtienen.
22
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
El grfico de control tiene una Lnea Central que representa el promedio
histrico de la caracterstica que se est controlando y Lmites Superior e
Inferior que tambin se calculan con datos histricos.
23
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Podemos observar en este grfico que los valores fluctan al azar alrededor del
valor central (Promedio histrico) y dentro de los lmites de control superior e
inferior. A medida que se fabrican, se toman muestras de los anillos, se mide el
dimetro y el resultado se anota en el grfico, por ejemplo, cada media hora.
Pero Qu ocurre cuando un punto se va fuera de los lmites? Eso es lo que
ocurre con el ltimo valor en el siguiente grfico:
24
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Esa circunstancia puede ser un indicio de que algo anda mal en el proceso.
Entonces, es necesario investigar para encontrar el problema (Causa
Asignable) y corregirla. Si no se hace esto el proceso estar funcionando a un
nivel de calidad menor que originalmente.
Existen diferentes tipos de Grficos de Control: Grficos X-R, Grficos C,
Grficos np, Grficos Cusum, y otros. Cuando se mide una caracterstica de
calidad que es una variable continua se utilizan en general los Grficos X-R.
Estos en realidad son dos grficos que se utilizan juntos, el de X (promedio del
subgrupo) y el de R (rango del subgrupo). En este caso se toman muestras de
varias piezas, por ejemplo 5 y esto es un subgrupo. En cada subgrupo se calcula
el promedio X y el rango R (Diferencia entre el mximo y el mnimo).
A continuacin podemos observar un tpico grfico de X:
25
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
26
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
27
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
28
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
vemos un diagrama de flujo para representar el proceso de fabricacin de una
resina (Reaccin de Polimerizacin):
29
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Probar el Diagrama de Flujo tratando de realizar el proceso como est
descripto en el mismo, para verificar que todas las operaciones son posibles tal
cual figuran en el diagrama.
Si se piensa en realizar cambios al proceso, entonces se debe hacer un
74.6
74.6
81.6
75.4
69.8
68.4
74.5
85.9
65.8
63.5
95.7
69.4
77.0
113.7
57.8
69.9
74.5
74.3
70.7
77.9
74.5
63.7
77.0
63.2
79.4
76.4
77.0
72.1
70.7
68.4
74.6
95.7
70.7
71.6
79.4
76.9
30
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
85.2
78.4
79.4
69.4
74.6
75.4
81.6
84.6
74.6
69.8
85.2
74.8
67.9
97.4
85.2
83.5
81.6
78.9
63.7
74.5
81.6
69.7
67.9
77.0
72.1
77.0
67.9
68.4
63.7
76.7
71.6
70.7
63.7
70.7
72.1
77.0
69.4
79.4
72.1
79.4
71.6
70.7
69.8
74.6
71.6
74.6
69.4
79.4
83.5
85.2
69.4
85.2
69.8
74.6
83.5
81.6
69.8
81.6
83.5
85.2
74.9
67.9
83.5
67.9
79.3
81.6
73.2
63.7
74.9
63.7
76.3
67.9
70.7
70.7
73.2
67.5
79.8
63.7
79.4
79.4
70.7
85.3
70.7
72.1
88.6
74.6
79.4
88.6
79.4
71.6
70.7
85.2
74.6
70.7
74.6
69.4
79.4
81.6
85.2
79.4
85.2
69.8
70.7
67.9
81.6
74.6
81.6
83.5
79.4
63.7
67.9
85.2
67.9
67.9
31
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
74.6
72.1
63.7
81.6
63.7
63.7
85.2
71.6
72.1
67.9
72.1
70.7
81.6
69.4
71.6
63.7
71.6
73.2
67.9
69.8
69.4
72.1
69.4
70.7
63.7
83.5
69.8
71.6
69.8
79.4
72.1
83.5
83.5
69.4
83.5
74.6
71.6
69.7
85.2
69.8
69.8
63.7
69.4
68.4
81.6
83.5
83.5
72.1
69.8
70.7
63.7
72.1
83.5
71.6
83.5
79.4
72.1
71.6
72.1
69.4
67.9
71.6
71.6
69.4
71.6
69.8
As como estn los datos es muy difcil sacar conclusiones acerca de ellos.
Entonces, lo primero que hace el mdico es agrupar los datos en intervalos
contando cuantos resultados de mediciones de peso hay dentro de cada
intervalo (Esta es la frecuencia). Por ejemplo, Cuntos pacientes pesan entre
60 y 65 kilos? Cuntos pacientes pesan entre 65 y 70 kilos?:
Intervalos
N Pacientes
(Frecuencia)
<50
0
32
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
50-55
55-60
60-65
17
65-70
48
70-75
70
75-80
32
80-85
28
85-90
16
90-95
95-100
100-105
105-110
>110
33
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Por ejemplo, la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70
kilogramos. Por lo tanto, levantamos una columna de altura proporcional a 48 en
el grfico:
34
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
35
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
permite apreciar que el peso de los pacientes se agrupa alrededor de los 70-75
kilos. Esta es la Tendencia Central de las mediciones. Adems podemos
observar que los pesos de todos los pacientes estn en un rango desde 55 a
100 kilogramos. Esta es la Dispersin de las mediciones. Tambin podemos
observar que hay muy pocos pacientes por encima de 90 kilogramos o por
debajo de 60 kilogramos.
Ahora el mdico puede extraer toda la informacin relevante de las mediciones
que realiz y puede utilizarlas para su trabajo en el terreno de la medicina.
Diagrama de Pareto
Mediante el Diagrama de Pareto se pueden detectar los problemas que tienen ms
relevancia mediante la aplicacin del principio de Pareto (pocos vitales, muchos
triviales) que dice que hay muchos problemas sin importancia frente a solo unos
graves. Ya que por lo general, el 80% de los resultados totales se originan en el 20%
de los elementos.
La grfica es muy til al permitir identificar visualmente en una sola revisin tales
minoras de caractersticas vitales a las que es importante prestar atencin y de esta
manera utilizar todos los recursos necesarios para llevar acabo una accin correctiva
sin malgastar esfuerzos.
36
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Concepto
Qu es?
37
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del economista italiano
Vilfredo Pareto (1848-1923) quien realizo un estudio sobre la distribucin de la
riqueza, en el cual descubri que la minora de la poblacin posea la mayor parte de
la riqueza y la mayora de la poblacin posea la menor parte de la riqueza. Con esto
estableci la llamada "Ley de Pareto" segn la cual la desigualdad econmica es
inevitable en cualquier sociedad.
El Dr. Juran aplic este concepto a la calidad, obtenindose lo que hoy se conoce
como la regla 80/20.
Segn este concepto, si se tiene un problema con muchas causas, podemos decir
que el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo
resuelven el 20% del problema.
Por lo tanto, el Anlisis de Pareto es una tcnica que separa los pocos vitales de los
muchos triviales. Una grfica de Pareto es utilizada para separar grficamente los
aspectos significativos de un problema desde los triviales de manera que un equipo
sepa dnde dirigir sus esfuerzos para mejorar. Reducir los problemas ms
significativos (las barras ms largas en una Grfica Pareto) servir ms para una
mejora general que reducir los ms pequeos. Con frecuencia, un aspecto tendr el
80% de los problemas. En el resto de los casos, entre 2 y 3 aspectos sern
responsables por el 80% de los problemas.
En relacin con los estilos gerenciales de Resolucin de Problemas y Toma de
Decisiones (Conservador, Bombero, Oportunista e Integrador) 1[1], vemos como la
utilizacin de esta herramienta puede resultar una alternativa excelente para un
gerente de estilo Bombero, quien constantemente a la hora de resolver problemas
solo apaga incendios, es decir, pone todo su esfuerzo en los muchos triviales.
Cundo se utiliza?
38
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
39
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Cmo se utiliza?
1.
periodo de tiempo).
2.
Reunir datos. La utilizacin de un Check List puede ser de mucha ayuda en este
paso.
3.
4.
5.
6.
7.
trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, segn se
calcul anteriormente)
8.
descendente. Si existe una categora otros, debe ser colocada al final, sin importar su
valor. Es decir, que no debe tenerse en cuenta al momento de ordenar de mayor a
menor la frecuencia de las categoras.
9.
40
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
11. dar un ttulo al grfico, agregar las fechas de cuando los datos fueron reunidos y
citar la fuente de los datos.
12. analizar la grfica para determinar los pocos vitales
Como hemos visto, un Diagrama de Pareto es un grfico de barras que enumera las
categoras en orden descendente de izquierda a derecha, el cual puede ser utilizado
por un equipo para analizar causas, estudiar resultados y planear una mejora
continua.
Dentro de las dificultades que se pueden presentar al tratar de interpretar el
Diagrama de Pareto es que algunas veces los datos no indican una clara distincin
entre las categoras. Esto puede verse en el grfico cuando todas las barras son ms
o menos de la misma altura.
Otra dificultad es que se necesita ms de la mitad de las categoras para sumar ms
del 60% del efecto de calidad, por lo que un buen anlisis e interpretacin depende
en su gran mayora de un buen anlisis previo de las causas y posterior recogida de
datos.
En cualquiera de los casos, parece que el principio de Pareto no aplica. Debido a que
el mismo se ha demostrado como vlido en literalmente miles de situaciones, es muy
poco probable que se haya encontrado una excepcin. Es mucho ms probable que
simplemente no se haya seleccionado un desglose apropiado de las categoras. Se
deber tratar de estratificar los datos de una manera diferente y repetir el Anlisis de
Pareto.
Esto nos lleva a la conclusin que para llevar a cabo un proceso de Resolucin de
Problemas /Toma de Decisiones (RP/TD) es necesario manejar cada una de las
herramientas bsicas de la calidad, tanto desde el punto de vista terico como desde
su aplicacin.
41
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
La interpretacin de un Diagrama de Pareto se puede definir completando las
siguientes oraciones de ejemplo:
Existen (nmero de categoras) contribuyentes relacionados con (efecto). Pero estos
(nmero de pocos vitales) corresponden al (nmero) % del total (efecto). Debemos
procurar estas (nmero) categoras pocos vitales, ya que representan la mayor
ganancia potencial para nuestros esfuerzos.
Ejemplo de aplicacin
Tipo de Defecto
Motor no detiene
No enfra
Burlete Def.
Pintura Def.
42
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Rayas
No funciona
Puerta no cierra
Gavetas Def.
Motor no arranca
Mala Nivelacin
Puerta Def.
Otros
Tipo de
Detalle del Problema
Defecto
Frec.
Burlete Def.
Pintura Def.
externas
Gavetas Def.
Mala
Nivelacin
nivelar
43
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Motor no
arranca
de parada
Motor no
detiene
Temperatura
No enfra
36
27
enfra
No funciona
Otros
anteriores
Puerta Def.
hermticamente
Puerta no
cierra
Rayas
Total:
88
Tipo de
Frec.
Frec. %
10.2
Defecto
Burlete Def.
44
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Pintura Def.
5.7
externas
Gavetas Def.
1.1
Mala
1.1
Nivelacin
nivelar
Motor no
1.1
arranca
de parada
Motor no
36
40.9
detiene
Temperatura
No enfra
27
30.7
enfra
No funciona
2.3
Otros
0.0
0.0
2.3
4.5
88
100
anteriores
Puerta Def.
Puerta no
cierra
Rayas
Total:
45
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Pero Cules son los defectos que aparecen con mayor frecuencia? Para hacerlo ms
evidente, antes de graficar podemos ordenar los datos de la tabla en orden
decreciente de frecuencia:
Tipo de
Defecto
Frec.
Frec. %
Motor no
detiene
36
40.9
No enfra
27
30.7
Burlete Def.
10.2
Pintura Def.
5.7
Rayas
4.5
No funciona
2.3
Puerta no
cierra
2.3
46
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Gavetas Def.
1.1
Mala
Nivelacin
1.1
Motor no
arranca
1.1
Puerta Def.
0.0
Otros
0.0
88
100
Total:
Vemos que la categora otros siempre debe ir al final, sin importar su valor. De esta
manera, si hubiese tenido un valor ms alto, igual debera haberse ubicado en la
ltima fila.
Ahora resulta evidente cuales son los tipos de defectos ms frecuentes. Podemos
observar que los 3 primeros tipos de defectos se presentan en el 82 % de las
heladeras, aproximadamente. Por el Principio de Pareto, concluimos que: La mayor
parte de los defectos encontrados en el lote pertenece slo a 3 tipos de defectos, de
manera que si se eliminan las causas que los provocan desaparecera la mayor parte
de los defectos.
47
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Diagramas de Dispersin
Los Diagramas de Dispersin o Grficos de Correlacin permiten estudiar la
relacin entre 2 variables. Dadas 2 variables X e Y, se dice que existe una
correlacin entre ambas si cada vez que aumenta el valor de X aumenta
proporcionalmente el valor de Y (Correlacin positiva) o si cada vez que
aumenta el valor de X disminuye en igual proporcin el valor de Y (Correlacin
negativa).
En un grfico de correlacin representamos cada par X, Y como un punto donde
se cortan las coordenadas de X e Y:
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
N
Altura
Peso
Altura
Peso
Persona (m)
(Kg.)
Persona (m)
(Kg.)
001
1.94
95.8
026
1.66
74.9
002
1.82
80.5
027
1.96
88.1
003
1.79
78.2
028
1.56
65.3
004
1.69
77.4
029
1.55
64.5
005
1.80
82.6
030
1.71
75.5
006
1.88
87.8
031
1.90
91.3
007
1.57
67.6
032
1.65
66.6
008
1.81
82.5
033
1.78
76.8
009
1.76
82.5
034
1.83
80.2
010
1.63
65.8
035
1.98
97.6
011
1.59
67.3
036
1.67
76.0
012
1.84
88.8
037
1.53
58.0
013
1.92
93.7
038
1.96
95.2
014
1.84
82.9
039
1.66
74.5
015
1.88
88.4
040
1.62
71.8
49
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
016
1.62
69.0
041
1.89
91.0
017
1.86
83.4
042
1.53
62.1
018
1.91
89.1
043
1.59
69.8
019
1.99
95.2
044
1.55
64.6
020
1.76
79.1
045
1.97
90.0
021
1.55
61.6
046
1.51
63.8
022
1.71
70.6
047
1.59
62.6
023
1.75
79.4
048
1.60
67.8
024
1.76
78.1
049
1.57
63.3
025
2.00
90.6
050
1.61
65.2
50
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
51
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Qu nos muestra este grfico? En primer lugar podemos observar que las
personas de mayor altura tienen mayor peso, es decir parece haber una
correlacin positiva entre altura y peso. Pero un hombre bajito y gordo puede
pesar ms que otro alto y flaco. Esto es as porque no hay una correlacin total y
absoluta entre las variables altura y peso. Para cada altura hay personas de
distinto peso:
Sin embargo podemos afirmar que existe cierto grado de correlacin entre la
altura y el peso de las personas.
52
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Cuando se trata de dos variables cualesquiera, puede no haber ninguna
correlacin o puede existir alguna correlacin en mayor o menor grado, como
podemos ver en los grficos siguientes:
53
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
54
CONTROL DE CALIDAD
PROFESOR WALTER LOPEZ
Por ejemplo, en el siguiente grfico podemos ver la relacin entre el contenido
de Humedad de hilos de algodn y su estiramiento:
55