Académique Documents
Professionnel Documents
Culture Documents
CONCEPTO
Grfico cuyas barras verticales estn ordenadas de mayor a menor importancia, estas barras
representan datos especficos correspondientes a un problema determinado, la barra ms alta esta
del lado izquierdo y la ms pequea, segn va disminuyendo de tamao, se encuentra hacia la
derecha.
USO
Ayuda a dirigir mayor atencin y esfuerzo a problemas realmente importantes, o bien determina las
principales causas que contribuyen a un problema determinado y as convertir las cosas difciles en
sencillas. Este principio es aplicable en cualquier campo, en la investigacin y eliminacin de causas
de un problema, organizacin de tiempo, de tareas, visualizacin del antes y despus de resuelto
un problema, o en todos los casos en que el efecto final sea el resultado de la contribucin de
varias causas o factores.
PROCEDIMIENTO
1.
Decidir qu problemas se van a investigar y cmo recoger los datos.
2.
Disear una tabla de conteo de datos (totales).
3.
Elaborar una tabla de datos.
Tipo
de Nmero
Nmero Acumulado
%
% Acumulado
Reclamo
B
8
8
28,57
28,57
C
7
15
25.00
53.57
D
6
21
21.43
75.00
A
4
25
14.29
89.29
E
3
28
10.71
100.00
4.
5.
Lista de tems
Totales individuales
Totales acumulados
Composicin porcentual
Porcentajes acumulados
Organizar los tems de mayor a menor.
Dibujar dos ejes verticales y uno horizontal
6.
7.
8.
FUENTE:
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/herbassolprob.htm
CONCEPTO
Tcnica de anlisis de causa y efectos para la solucin de problemas, relaciona un efecto con las
posibles causas que lo provocan.
USO
Se utiliza para cuando se necesite encontrar las causas races de un problema. Simplifica
enormemente el anlisis y mejora la solucin de cada problema, ayuda a visualizarlos mejor y a
hacerlos ms entendibles, toda vez que agrupa el problema, o situacin a analizar y las causas y
subcausas que contribuyen a este problema o situacin.
OTROS NOMBRES
DEFECTO
3.
Identificar las causas principales a travs de flechas secundarias que terminan en la flecha
principal
4.
Identificar las causas secundarias a travs de flechas que terminan en las flechas
secundarias, as como las causas terciarias que afectan a las secundarias
DEFECTO
CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR
Causa menor
Causa menor
Causa menor
Subcausa
Subcausa
CAUSA MAYOR
CAUSA MAYOR
DEFECTO
CAUSA MAYOR
CAUSA MAYOR
5.
6.
FUENTE:
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/herbassolprob.htm
El diagrama causa-efecto es una forma de organizar y representar las diferentes teoras propuestas sobre las
causas de un problema. Se conoce tambin como diagrama de Ishikawa o diagrama de espina de pescado y se
utiliza en las fases de Diagnstico y Solucin de la causa.
Cmo interpretar un diagrama de causa-efecto:
El diagrama causa-efecto es un vehculo para ordenar, de forma muy concentrada, todas las causas que
supuestamente pueden contribuir a un determinado efecto. Nos permite, por tanto, lograr un conocimiento
comn de un problema complejo, sin ser nunca sustitutivo de los datos. Es importante ser conscientes de que
los diagramas de causa-efecto presentan y organizan teoras. Slo cuando estas teoras son contrastadas con
datos podemos probar las causas de los fenmenos observables. Errores comunes son construir el diagrama
antes de analizar globalmente los sntomas, limitar las teoras propuestas enmascarando involuntariamente la
causa raz, o cometer errores tanto en la relacin causal como en el orden de las teoras, suponiendo un gasto
de tiempo importante.
A continuacin veremos como el valor de una caracterstica de calidad depende de una combinacin de
variables y factores que condicionan el proceso productivo (entre otros procesos). Vamos a utilizar el ejemplo
de fabricacin de mayonesa para explicar los Diagramas de Causa-Efecto:
La variabilidad de las caractersticas de calidad es un efecto observado que tiene mltiples causas. Cuando
ocurre algn problema con la calidad del producto, debemos investigar para identificar las causas del mismo.
Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:
1. Decidimos cual va a ser la caracterstica de calidad que vamos a analizar. Por ejemplo, en el caso de
la mayonesa podra ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc.
Trazamos una flecha gruesa que representa el proceso y a la derecha escribimos la caracterstica de
calidad:
2. Indicamos los factores causales ms importantes y generales que puedan generar la fluctuacin de la
caracterstica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias
Primas, Equipos, Operarios, Mtodo de Medicin, etc.:
3. Incorporamos en cada rama factores ms detallados que se puedan considerar causas de fluctuacin.
Para hacer esto, podemos formularnos estas preguntas:
a. Por qu hay fluctuacin o dispersin en los valores de la caracterstica de calidad? Por la
fluctuacin de las Materias Primas. Se anota Materias Primas como una de las ramas
principales.
b. Qu Materias Primas producen fluctuacin o dispersin en los valores de la caracterstica
de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite como rama menor de
la rama principal Materias Primas.
c. Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la cantidad
agregada a la mezcla. Agregamos a Aceite la rama ms pequea Cantidad.
d. Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento irregular de
la balanza. Se registra la rama Balanza.
e. Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la
rama Balanza colocamos la rama Mantenimiento.
As seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las causas posibles
de dispersin.
4. Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido incorporados
al diagrama. Las relaciones Causa-Efecto deben quedar claramente establecidas y en ese caso, el
diagrama est terminado.
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.
FUENTE:
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/diagcausefec.htm
HISTOGRAMA
Otra forma muy frecuente, de representar dos histogramas de la misma variable en dos situaciones
distintas.
Otra forma
FUENTE: http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/histograma.htm
Los datos de una variable numrica, resumidos en tablas, tienen una expresin grfica que ayuda
a su interpretacin visual. Esta representacin se denomina histograma.
Un histograma est formado por una sucesin de rectngulos contiguos construidos sobre una
recta.
La base de cada rectngulo representa la amplitud del intervalo y la altura est determinada por la
frecuencia, de acuerdo a la siguiente:
Regla Bsica.
Cada observacin representada en un histograma ocupa un rectngulo de igual rea y de
base dada por el ancho del intervalo correspondiente.
Para cada intervalo, el rectngulo que representa su frecuencia, puede imaginarse formado por un
'apilamiento' de los rectngulos correspondientes a sus observaciones.
[10,14[
Como consecuencia del distinto tamao de los intervalos, a pesar de tener ambos la misma
frecuencia, las alturas de los rectngulos correspondientes son distintas. Sin embargo el rea
graficada es la misma para cada caso.
Comentario pedaggico.
La presentacin de este caso tiene por objeto resaltar un punto importante en el uso de
histogramas. Sin embargo, debido a la mayor dificultad en su construccin, slo deberan
asignarse como trabajo a alumnos destacados.
Un proyecto interesante, por los diversos razonamientos que debe efectuar el alumno, consiste en
construir histogramas de dimensiones dadas. En caso que los intervalos de la tabla sean de igual
ancho, las alturas del histograma son proporcionales a la frecuencia respectiva, por lo tanto la
altura mxima corresponde a la mayor frecuencia.
Si en el caso del primer histograma de esta pgina, se hubiese pedido construir un histograma de
20cm de ancho y 15cm de alto, el ancho ocupado por cada uno de los cinco intervalos sera 4 cm y
la altura de 15cm correspondera al intervalo [2,3[ cuya frecuencia 10 es la mayor de todas. La
altura de los otros rectngulos del histograma corresponde a la proporcin de 15cm determinada
por el cuociente de la respectiva frecuencia con la frecuencia mxima. Es as que al intervalo [3,4[,
cuya frecuencia es 4, le corresponde un rectngulo de (15*4/10) cm = 6 cm.
Comentario pedaggico.
En los clculos de ancho y altura de los rectgulos del histograma, lo ms comn es que los
nmeros que intervienen en los clculos no produzcan nmeros enteros o 'fciles' como resultado.
En consecuencia, despus de introducir los conceptos y practicar con algunos casos 'simples', es
conveniente familiarizar a los alumnos con datos tomados de experimentos reales, de preferencia
asociados a proyectos hechos por ellos mismos.
En la construccin de histogramas, de ser posible, resulta provechoso hacer uso de papel
milimetrado. Una alternativa ms econmica son las hojas cuadriculadas de uso comn, a pesar de
que carecen de las subdivisiones milimtricas. Tambin es bueno el uso de papel blanco
conjuntamente con una regla graduada en milmetros. Este ltimo ambiente de dibujo es muy
formativo porque implica un mayor aporte del alumno para obtener un resultado satisfactorio.
FUENTE: http://www.educarchile.cl/eduteca/estadistica/histogr.htm
Se
representan
los intervalos
de clase en el
eje
de
abcisas (eje
horizontal) y
las
frecuencias,
absolutas
o
relativas, en
el
de
ordenadas
(eje vertical).
A veces es
ms
til
representar
las
frecuencias
acumuladas.
O
representar
simultneamente
los histogramas
de una variable
en
dos
situaciones
distintas.
Otra
forma
muy
frecuente, de
representar
dos
histogramas
de la misma
variable
en
dos
situaciones
distintas.
Otra ms
En
las
variables
cuantitativas
o
en
las
cualitativas
ordinales se
pueden
representar
polgonos de
frecuencia en
lugar
de
histogramas,
cuando
se
representa la
frecuencia
acumulativa,
se denomina
ojiva.
FUENTE: http://www.hrc.es/bioest/Ejemplos_histo.html
DISPERSIN
Se llaman medidas de dispersin aquellas que permiten retratar la distancia de los valores de la
variable a un cierto valor central, o que permiten identificar la concentracin de los datos en un
cierto sector del recorrido de la variable. Se trata de coeficiente para variables cuantitativas.
El desvo estndar
Es posible identificar conjuntos de datos que a pesar de ser muy distintos en trminos de valores
absolutos, poseen la misma media. Una medida diferencial para identificar esos conjuntos de datos
es la concentracin o dispersin alrededor de la media.
Desvo estndar para datos sin agrupar
Una manera que aparece como muy natural para construir una medida de dispersin sera
promediar las desviaciones de la media, pero como vimos
Una manera de evitar que los distintos signos se compensen es elevarlas al cuadrado, de manera
que todas las desviaciones sean positivas. La raz cuadrada del promedio de estas cantidades
recibe el nombre de desvo estndar, o desviacin tpica y es representada por la siguiente
frmula:
La desviacin estndar slo puede utilizarse en el caso de que las observaciones se hayan medido
con escalas de intervalos o razones.
A mayor valor del coeficiente del desvo estndar, mayor dispersin de los datos con respecto a su
media. Es un valor que representa los promedios de todas las diferencias individuales de las
observaciones respecto a un punto de referencia comn, que es la media aritmtica. Se entiende
entonces que cuando este valor es ms pequeo, las diferencias de los valores respecto a la
media, es decir, los desvos, son menores y, por lo tanto, el grupo de observaciones es ms
homogeneo que si el valor de la desviacin estndar fuera ms grande. O sea que a menor
dispersin mayor homogeneidad y a mayor dispersin, menor homogeneidad.
2) Desvo estndar para datos agrupados
2.1) Clculo usando las frecuencias absolutas
B) Varianza
Por lo mismo, el desvo estndar puede definirse como la raz cuadrada de la varianza
C) El coeficiente de variacin:
Para comparar la dispersin de variables que aparecen en unidades diferentes (metros, kilos, etc.)
o que corresponden a poblaciones extremadamente desiguales, es necesario disponer de una
medida de variabilidad que no dependa de las unidades o del tamao de los datos. Este coeficiente
nicamente sirve para comparar las dispersiones de variables correspondientes a escalas de
razn.
Una manera de construir una medida de variabilidad que cumpla los requisitos anteriores es el
llamado coeficiente de variacin
(las barras del denominador representan el valor absoluto, es decir, indican que debe prescindirse
de la unidad de medida de la media). A menor coeficiente de variacin consideraremos que la
distribucin de la variable medida es ms homognea.
D) El coeficiente de asimetra
Otro rasgo interesante en una distribucin de frecuencias es si los datos aparecen ubicados
simtricamente o no respecto de la media. Si queremos cuantificar la simetra, es necesario
conservar la informacin acerca tanto del signo como de la distancia de cada dato a la media
centro de simetra-. Este razonamiento lleva a utilizar una potencia impar de las desviaciones.
En el caso en que el coeficiente valga cero la distribucin es simtrica alrededor de la media. Los
valores positivos, indicarn distribuciones con mayor sesgo a la derecha y los valores negativos
indicarn un mayor sesgo a la izquierda.
Coeficiente de Asimetra para datos sin agrupar
El coeficiente de asimetra se define como
F) Rango intercuartlico:
El rango intercuartlico RI es, sencillamente, la diferencia entre el tercer y el primer cuartil, es decir
Esto nos dice en cuntas unidades de los valores que toma la variable se concentra el cincuenta
por ciento central de los casos.
FUENTE:
http://www.liccom.edu.uy/bedelia/cursos/metodos/material/estadistica/med_disp.html
Las medidas de tendencia central son de un gran valor representativo para una masa de
observaciones. Pero el valor de esas medidas depender de cuan variable sea la masa de
informacin. Por eso se establecen medidas que tratan de explicar la dispersin de los
datos y son: la desviacin estndar, el coeficiente de variacin, el error estndar y los
lmites de confianza. Una medida de dispersin conveniente deber tomar en
consideracin todos los datos de la serie sopesando cada dato por su distancia al centro
de la distribucin.
Conjunto
Suma
Promedio
5, 5, 5, 5, 5
25
4, 5, 5, 5, 6
25
1, 3, 4, 7, 10
25
Desviacin Estndar
La desviacin estndar es la medida de dispersin mas usada en estadstica, tanto en
aspectos descriptivos como analticos. En su forma conceptual, la desviacin estndar se
define as:
Ejemplo:
X
x2
25
16
20
72
Ejemplo :
x
fx
x2
fx2
32
32
1024
1024
37
111
1369
4107
42
336
1764
14112
47
423
2209
19881
52
364
2704
18928
57
228
3249
12996
62
186
3844
11532
67
201
4489
13467
72
144
5184
10368
Sumas
40
2025
106415
Conociendo la desviacin estndar, se puede calcular otros estimadores derivados que son
de gran utilidad para describir y/o interpretar el comportamiento de los datos.
Coeficiente de Variacin
El coeficiente de variacin es una medida relativa de dispersin que nos permite hacer
comparaciones de diferentes grupos con diferentes unidades de medida o diferentes
magnitudes y obtener mejores conclusiones.
50.62
Limites de confianza
Los limites de confianza tambin se pueden calcular para establecer el intrvalo dentro del
cual es posible que se encuentre la media. Para esto se toma el error estndar, se multiplica
por el valor tabular t de student con n-1 grados de libertad y se le suma y se le resta a la
media.
Ejemplo:
x
Sx
t(39) = 2.042
=
=
50.62
1.58
50.62
3.23
47.39
Y esto podra interpretarse como que existe un 95% de probabilidad de que el intrvalo
47.39 - 53.85 contenga a la media.
Varianza
FUENTE: http://cosmech.tripod.com/Estadistica/medidas2.htm
ESTRATIFICACIN
Es lo que clasifica la informacin recopilada sobre una caracterstica de calidad.
Toda la informacin debe ser estratificada de acuerdo a operadores individuales
en mquinas especificas y as sucesivamente, con el objeto de asegurarse de los
factores asumidos;
Usted observara que despus de algn tiempo las piedras, arena, lodo y agua
puede separase, en otras palabras, lo que ha sucedido es una estratitifacion de los
materiales, este principio se utiliza en manufacturera. Los criterios efectivos para
la estratificacin son:
o
o
o
o
Tipo de defecto
Causa y efecto
Localizacin del efecto
Material, producto, fecha de produccin, grupo de trabajo, operador, individual,
proveedor, lote etc.
Diagrama
de
dispersin
Es el estudios de dos variables, tales como la velocidad del pin y las
dimensiones de una parte o la concentracin y la gravedad especifica, a esto se le
llama diagrama de dispersin. Estas dos variables se pueden embarcarse as:
Una caracterstica de calidad y un factor que la afecta,
Dos caractersticas de calidad relacionadas, o
Dos factores relacionados con una sola caracterstica de calidad.
o
o
o
Presin
aire
de Porcentaje de Fecha
Defectos (%)
Presin de aire
Porcentaje
de
(Kg./ cm2)
(Kg/cm2)
Defectos
(%)
Oct. 1
8.6
0.889
Oct. 22 8.7
0.892
8.9
0.884
23
8.5
0.877
8.8
0.874
24
9.2
0.885
8.8
0.891
25
8.5
0.866
8.4
0.874
26
8.3
0.896
8.7
0.886
29
8.7
0.896
9.2
0.911
30
9.3
0.928
10
8.6
0.912
31
8.9
0.886
11
9.2
0.895
8.9
0.908
12
8.7
0.896
8.3
0.881
15
8.4
0.894
8.7
0.882
16
8.2
0.864
8.9
0.904
17
9.2
0.922
8.7
0.912
18
8.7
0.909
9.1
0.925
19
9.4
0.905
8.7
0.872
FUENTE: http://www.monografias.com/trabajos7/herba/herba.shtml#estra
Concepto:
La estratificacin es la separacin de datos en categoras o clases. Su utilizacin ms frecuente se
da durante la etapa de Diagnstico, para identificar qu clases o tipos contribuyen al problema que
hay que resolver. Podemos clasificar o separar una masa de datos en diferentes grupos o categoras.
Los datos observados en un grupo dado comparten unas caractersticas comunes que definen la
categora. Este proceso de clasificacin recibe el nombre de estratificacin. La estratificacin es la
base para otras herramientas, como el Anlisis de Pareto, y se utiliza conjuntamente con otras
herramientas, como los Diagramas de dispersin.
Cmo
interpretar
la
estratificacin:
Si los resultados de la estratificacin se presentan en forma de grfico de barras, es fcil examinar
las categoras de una variable para ver si alguna o algunas de las categoras destacan sobre el resto.
Tiene un proveedor un porcentaje de defectos particularmente elevado? Qu tipos de pernos son
ms propensos a error? Despus de la estratificacin, si los resultados dan una indicacin clara de la
fuente probable del fenmeno que se estudia, el equipo tendr que validar sus resultados iniciales o
necesitar un mayor conocimiento de los detalles sobre la causa precisa. Si inicialmente no se
obtienen unos resultados tiles, se optar o bien por proceder a una estratificacin de segundo
orden, o por estratificar segn otras variables.
Cmo elaborar una estratificacin:
1.
2.
3.
4.
5.
6.
7.
FUENTE: http://www.iaf.es/publicaciones/articulo/cap26.htm
Se comparan los datos obtenidos del proceso con las especificaciones dadas:
Lmite Inferior de Especificaciones (LIE)
Si uno o ambos lmites del proceso se encuentran fuera del rango establecido por
las especificaciones, lmite superior e inferior, significa que la diferencia entre los
limites inferiores y/o superiores (del proceso y las especificaciones) representan
los productos defectuosos que se obtienen con nuestro proceso.
Cuando se presenta este caso se puden tomar diferentes medidas, como pueden
ser:
1. Cambiar el proceso por uno que sea capaz de satisfacer completamente las
especificaciones.
2. Buscar mercados alternos en los que se puedan vender los productos
defectuosos a menor precio.
3. Reprocesar los productos defectuosos.
Con la informacin obtenida en los pasos anteriores se puede calcular la
Capacidad o Habilidad Potencial del Proceso (HP) que nos permitir saber si el
proceso que aplicamos es capaz de satisfacer o no las especificaciones.
La forma de calcular la Capacidad Potencial es la siguiente:
CP > HP
El proceso es capaz de satifacer ms y/o mejor al cliente y
deben, por lo tanto
acoplarse
las medias del proceso y de especificaciones para lograrlo.
CP = HP
cliente.
CP < HP
cliente.
FUENTE: http://www.geocities.com/calidad_cep/intro.ht