Académique Documents
Professionnel Documents
Culture Documents
Ejemplo: El rendimiento del proceso de Testing se puede presentar a travs del nmero de defectos
encontrados por el equipo de Testing, el nmero de incidencias identificadas por los clientes, el coste de
correccin de un defecto.
Un grfico como el siguiente caracteriza la variacin del rendimiento del proceso:
Establecer y mantener los objetivos de calidad y de rendimiento del proceso del proyecto.
SP1.2.
Utilizar la estadstica y otras tcnicas cuantitativas para componer el proceso definido que
permite al proyecto alcanzar los objetivos de calidad y de rendimiento del proceso.
SP1.3.
Seleccionar los subprocesos y atributos crticos para evaluar el rendimiento y que ayudan a
alcanzar los objetivos de calidad y rendimiento del proceso del proyecto.
SP1.4.
SP2.2.
SP2.3.
Realizar anlisis de causa raz de los problemas seleccionados para atender las deficiencias en el
logro de los objetivos de calidad y rendimiento rendimiento del proceso del proyecto.
Siete Herramientas Comunes del CEP. El CEP toma nmeros y los presenta de manera grfica
con el fin de contar una historia. La historia que cuenta demuestra qu est sucediendo al interior
del proceso. A esa historia con frecuencia se le llama La voz del proceso. Las imgenes
generadas deben explicarse y deben ser precisas. A tal fin, hay siete herramientas que se
reconocen comnmente para Control Estadstico de Procesos.
01. Hoja de Revisin o de Verificacin (Check sheet). Se usa para contar y acumular datos.
02. Diagrama de Ejecucin (Run chart). Tal como se muestra en la Figura 3, el diagrama de
ejecucin rastrea tendencias en un perodo de tiempo. Los puntos se rastrean en el orden en el
que ocurren. Cada punto representa una observacin. Con frecuencia se ven tendencias
interesantes en los datos con simplemente trazarlos en este diagrama. Un peligro al usar
Diagramas de Ejecucin es que se puede reaccionar de forma exagerada a las variaciones
normales, pero con frecuencia es til poner los datos en esta clase de diagrama para obtener
una sensacin del comportamiento del proceso.
04. Diagrama de Pareto (Pareto chart). Tal como se muestra en la Figura 5, es un diagrama
de barras que presenta datos priorizados siguiendo un criterio establecido, por lo general en
orden de importancia ascendente o descendente. Se usan para mostrar datos de atributos. Se
denominan atributos a datos cualitativos que se pueden contar para guardarlos y analizarlos, por
ejemplo, contando el nmero de cada tipo de defecto. Los diagramas de Pareto se usan con
frecuencia para analizar el tipo de caracterstica que ocurre con mayor frecuencia.
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 de poca importancia frente a solo unos graves. La grfica es muy til al
permitir identificar visualmente en una sola revisin tales caractersticas vitales a las que es
importante prestar atencin y de esta manera utilizar todos los recursos necesarios para llevar a
cabo acciones necesarias sin malgastar esfuerzos.
06. Diagrama de Causa y Efecto o Espina de Pescado (Cause and effect or fishbone
diagram). Tal como se muestra en la Figura 7, es una representacin grfica de los problemas
y sus (posibles) causas. Esta es una buena forma para capturar los aportes generados en
reuniones de lluvia de ideas a partir de un conjunto de datos (por ejemplo, de defectos) o a
partir de una Hoja de Revisin.
Esa herramienta ayuda a identificar las causas de los problemas. Se reconocen varias categoras
de causas potenciales que pueden afectar a organizaciones de desarrollo de software y que
pueden incluirse en el anlisis:
(a) Entorno: se incluyen factores externos como contaminacin, temperatura del medio ambiente, altura de la
ciudad, humedad, ambiente laboral, etc.
(b) Talento Humano: se incluyen factores que pueden generar el problema desde el punto de vista del factor
humano. Por ejemplo, falta de experiencia, salario, grado de entrenamiento, creatividad, motivacin,
habilidad, estado de nimo, etc.
(c) Mediciones: se incluyen factores relacionados con deficiencias en la definicin de indicadores, escalas,
criterios de decisin, recoleccin de medidas, etc.
(d) Herramientas Tecnolgicas: se incluyen factores relacionados con las herramientas de desarrollo empleadas,
obsolescencia de los equipos, etc.
(e) Mtodo: se incluyen factores relacionados con el mtodo de trabajo, por ejemplo: el no seguir de manera
correcta un estndar de pruebas, una metodologa de desarrollo, estndares de codificacin y
documentacin, etc.
Un aspecto fundamental que debe indicarse en esta gua se refiere a que hay 2 tipos de causas
de variacin del proceso desde el punto de vista del control estadstico:
(a)
Causas especiales. Se caracterizan por ser inusuales, se reflejan en un evento especfico y suelen
ser pocas en nmero pero importantes. Algunos ejemplos de causas especiales son: personal enfermo
o ausente, cambio intempestivo de un proveedor o de personal, variaciones de energa, computadores
defectuosos, fraude en documentacin, etc. Este tipo de causas son las que no permiten tener un
proceso bajo control y sobre ellas se debe trabajar para eliminarlas.
(b)
Causas comunes. Se caracterizan por hacer parte del proceso y se presentan con frecuencia, son
numerosas, su impacto es bajo pero de efecto acumulativo y se les considera difciles de detectar.
Algunos ejemplos de causas comunes son: procedimientos o metodologas inapropiados, carencia de
procedimientos estndares de operacin definidos con claridad, pobres condiciones de trabajo
(iluminacin, ruido, temperatura, ventilacin), error en el control de calidad, etc.
11
En resumen, la variacin por causas especiales tiene su origen en situaciones que no forman
parte de la definicin del proceso, es decir, representan una anomala sobre la que se debe
planear y ejecutar acciones para eliminarla.Por ello, una organizacin debe dar prioridad a
acciones encaminadas a eliminar las causas especiales que inciden en el proceso.
De otra parte, la variacin por causas comunes es inherente al proceso, y se debe a gran cantidad
de factores del propio sistema y cada uno de ellos tiene una contribucin tan pequea, que
resulta muy costoso localizar cada factor y reducir su variacin. Sin embargo, hay que trabajar
sobre ellas, una vez eliminadas las causas especiales, para que sea posible transformar el proceso
para que est bajo control estadstico y mejore sus ndices de desempeo.
Es muy importante que en esta actividad se evite cometer 2 tipos de errores:
(a)
Error Tipo 1: tratar un evento como si proviniera de una causa especial, cuando en realidad se debe a
causas comunes. Cuando se comete este error, se interviene en el proceso, cuando no hay necesidad y
eso significa que se le aade una variabilidad externa que se suma a la variabilidad de causas comunes,
y por consiguiente, se empeora el desempeo del proceso. En otras palabras, el Error Tipo 1 ocurre cuando
se quiere arreglar algo que no est daado.
(b)
Error Tipo 2: tratar un evento como si proviniera de causas comunes de variacin, cuando en realidad
se debe a una causa especial. Cuando se comete este error, el personal no interviene en el proceso,
porque piensa que la variabilidad es debida a causas comunes. En otras palabras, el Error Tipo 2 ocurre
cuando se debe arreglar algo que est daado y nada se hace al respecto.
12
07. Diagramas o Grficos de Control (Control chart). Esta clase de diagramas, como el que
se muestra en la Figura 8, es bsicamente un Diagrama de Ejecucin (Run chart) al que se le
agregan un lmite superior y un lmite inferior que le permiten a una organizacin rastrear
variaciones en el desempeo de los procesos. Tambin se les llama Diagrama de
Comportamiento del Proceso.
La grfica de control es un mtodo grfico que ayuda a evaluar si un proceso est o no en un
estado de control estadstico. Es decir, ver su comportamiento dentro de lmites de especificacin.
Es muy parecida a las grficas de lnea o de tendencias, la diferencia esencial estriba en que las
grficas de control tienen los denominados "lmites de control, que determinan el rango de
variabilidad estadstica aceptable para la variable que se est monitoreando.
Si los puntos se mantienen dentro de los lmites de control y presentan un patrn aleatorio,
entonces se dice que "el proceso est en control ", si por el contrario, se encuentran puntos fuera
de los lmites de control, o el conjunto de puntos muestra tendencias, periodicidad, o cosas
anormales, entonces el proceso se diagnostica como inestable, o "fuera de control". Ante una
situacin de esta naturaleza, debe procederse a investigar las causas que estn provocando esa
inestabilidad, e implementar acciones preventivas para evitar que vuelvan a presentarse.
Las ventajas de las grficas de control son:
Permite identificar las dos fuentes de variacin de un proceso: causas comunes o tambin
llamadas naturales, que se refiere a los factores que afectan en poco la variabilidad del sistema.
13
14
En pocas palabras:
Clasificacin de las herramientas en funcin de su empleo (Vega, 1999):
Figura 1.9. Esquema de clasificacin para las herramientas en SPC segn su rea
15
Porcentaje de Eficiencia
69
93.3
99.38
99.977
99.99966
17
18
El modelo DMADV (por las siglas en ingles de Definir, Medir, Analizar, Disear,
Verificar) DFSS (por las siglas en ingls de Diseo Para Seis Sigma), combina
el concepto de planificacin de la calidad con el objetivo de Seis Sigma; dirige
a los diseadores del producto alcancen niveles de excelencia. En resumen el proceso
de Diseo para Seis Sigma tiene las siguientes cinco fases consecutivas:
Definir: Establece el proyecto como una iniciativa de la organizacin por solucionar un
problema que se encuentra claramente definido y que amerita su solucin.
Medir: Identifica los requisitos de los clientes, focalizando las caractersticas crticas para la
calidad, se valoran su rendimiento y evala el riesgo; para esto se soporta por herramientas
como el benchmarking, AMFE (Anlisis modal de fallos y efectos del proceso) y QFD (Quality
Functional Deployment).
Analizar: Seleccionar un diseo de alto nivel de varios diseos alternativos y evaluar la
capacidad del diseo seleccionado.
Disear: Se basa en el diseo seleccionado en la fase anterior, optimiza los parmetros de
diseo a nivel de detalle, planifica pruebas de verificacin y verifica el nivel de rendimiento del
proceso.
Verificar: Ejecuta pruebas piloto y analiza los resultados, implanta el proceso de produccin
y realiza las actividades para una transferencia del proceso a los responsables.
20
21
Una vez que contamos con datos objetivos (nmeros) se procede a identificar
los pocos vitales, es decir, aquellos que han ocasionado conflictos con los
clientes, mayor impacto en el costo del proyecto y retraso en las fases del
proceso de desarrollo en general, para el efecto se utilizarn las herramientas
bsicas de calidad.
22
23
Nivel de sigma
308537.0
66807.0
6210.0
233.0
3.4
Tabla 2.1. Nivel de sigma (valores enteros) a partir del valor DPMO.
Fuente: De Muro y Ortega (N.D.).
De modo que con los datos de ejemplo, se puede afirmar que el proceso tiene un
nivel de sigma igual a 4.
Ahora bien, parece que no hay coincidencia para la totalidad de los valores DPMO,
como puede observarse en la siguiente tabla:
25
Valor DPMO
Nivel de sigma
308500.0
2.000
226600.0
2.250
158700.0
2.500
105600.0
2.750
66800.0
3.000
40100.0
3.250
22700.0
3.500
12200.0
3.750
6200.0
4.000
3000.0
4.250
1300.0
4.500
600.0
4.750
230.0
5.000
130.0
5.250
30.0
5.500
16.7
5.750
3.4
6.000
Cpk
0.667
0.750
0.833
0.917
1.000
1.083
1.167
1.250
1.333
1.417
1.500
1.583
1.667
1.750
1.833
1.917
2.000
Se dice que un proceso est bajo control cuando los valores del grfico se encuentran
dentro de los lmites de control y muestran un comportamiento aleatorio dentro de
dichos lmites. Si algn valor aparece fuera de los lmites de control se dice que el
proceso se encuentra fuera de control y hay que analizar la causa o causas que han
provocado la salida de los lmites de control.
El grfico debe analizarse con respecto a la siguiente definicin de pruebas, tal como
se indica en la Tabla 3.1. Si falla al menos una de las ocho pruebas, se puede decir
que el proceso no est bajo control estadstico.
Prueba
RT1
Tres sigma
RT2
Dos Sigma
RT3
Un Sigma
RT4
Ejecucin de un mismo
lado de la Lnea Central
RT5
RT6
Estratificacin
RT7
Tendencia Oscilatoria
RT8
Tendencia Lineal
Ejemplo producto 1: 21 Defectos / (721/1000) KLDC = 21 Defectos / 0.721 KLDC = 29.126214 Defectos / KLDC
28
LCS (29.479211)
29,500000
LC + 2 (29.252536)
LC + 1 (29.025862)
29,000000
LC (28.799188)
LC 1 (28.572513)
28,500000
LC 2 (28.345839)
LCI (28.119165)
28,000000
Sigma = 0.226674
27,500000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Figura 3.1. Diagrama de dispersin correspondiente con los datos de la Tabla 3.2.
29
Prueba Resultado
Explicacin
RT1
Falla
RT2
Aprobada
RT3
Aprobada
RT4
Aprobada
RT5
Aprobada
RT6
Aprobada
RT7
Aprobada
RT8
Falla
Hay 6 puntos consecutivos decrecientes (productos 14, 15, 16, 17, 18 y 19).
Tabla 3.3. Interpretacin de resultados de pruebas
30
31
32
La tabla que se presenta aqu agrupa los clculos de medida central y de los lmites para grficos
de control por variables. Cabe anotar que en los tres tipos de grficos, sus datos siguen la
distribucin normal.
En la tabla 3.4, el parmetro R representa el recorrido (diferencia entre el valor mximo y el
valor mnimo de un conjunto de datos). Los parmetros A, B, D se obtienen de las tablas de
constantes (Tabla 3.5).
Tipo de grfico
por variable
Grfica X
Grfica R
Grfica S
LC x
Valores individuales
LCS x A x
LCI x A x
A=3
(X-barra, R)
(X-barra, s)
LC = X
LC = R
LCSX = X + A2R
LCSR = D4R
LCIX = X - A2R
LCIR = D3R
LC = X
LC = S
LCSX = X + A3S
LCSS = B4S
LCIX = X - A3S
LCIS = B3S
Tabla 3.4. Clculos de medida central y lmites para grficos por variables
33
Grficos de control por atributos. No siempre todas las caractersticas se pueden representar
mediante valores numricos. Hay casos en que los productos inspeccionados se deben clasificar
como conforme o no conforme respecto de las especificaciones de dicha caracterstica
considerada. A estas caractersticas se les denomina atributos y describen dos situaciones:
(1) El producto desarrollado es conforme (no defectuoso) o no conforme (defectuoso). Cumple
con las especificaciones solicitadas o no. Los datos siguen una distribucin binomial.
(2) El producto puede tener una o ms no conformidades (defectos) y el nmero de estos es
determinado. Los datos siguen una distribucin de Poisson.
El grfico para este tipo de medida se denomina grfico de control por atributos. Se utilizan
cuatro grficos en funcin del atributo a controlar:
(a) Grfico P: porcentaje de productos no conformes o defectuosos encontrados en la muestra
seleccionada. El tamao de la muestra es variable.
(b) Grfico Np: nmero de productos no conformes o defectuosos encontrados en la muestra
seleccionada. El tamao de la muestra es constante.
(c) Grfico C: nmero de no conformidades o defectos encontrados en una unidad de
producto inspeccionada. El tamao de la muestra es constante.
(d) Grfico U: nmero de no conformidades o defectos encontrados en una unidad de
producto inspeccionada. El tamao de la muestra es variable.
El mtodo de clculo de la lnea central y de los lmites se muestra en la Tabla 6, donde
N = Tamao de la muestra
n = media del tamao de las muestras. n = (n1 + n2 + n3 + + nn) / N
Los grficos de control por atributos requieren tamaos de muestras grandes (mayores de 50)
con el objetivo de detectar cambios.
35
Tipo de
grfico
Np
Tamao
muestra
Variable
Constante
Lnea Central
Lmites
p=p/N
LCS = p + 3( p ( 1 - p ) / n )
LC = p
LCI = p
LC = np
Variable
Constante
Binomial
p (1- p )/ n )
LCS = p + 3( np ( 1 - p ) )
LCI = p
u=u/N
- 3(
3( np ( 1 - p ) )
LCS = u + 3( u / n )
- 3(
LC = u
LCI = u
c=c/N
LCS = c + 3 c
LC = c
LCI = c
- 3
Distribucin
datos
u /n )
Binomial
Poisson
Poisson
Tabla 3.6. Clculos de medida central y lmites para grficos por atributos
36
(2)
(3)
(4)
(5)
(6)
Definir la escala del grfico, dibujar la lnea central y los lmites de control y representar
los valores de la caracterstica medida.
(7)
En el caso de que fuera la primera grfica de control (que se elabora), si hay algn valor fuera
de los lmites de control, se elimina de la lista de valores y se vuelve al paso 4 para calcular la
nueva media y los nuevos valores de los lmites de control, as tantas veces como puntos de
control se encuentren. ES DECIR, SE HACE UNA VEZ PARA CADA PUNTO.
Cuando ya no haya ningn punto fuera de control, se dir que los valores representan al proceso
bajo control y servir de base para los nuevos datos que se vayan introduciendo con el objetivo
de ver si estos nuevos valores se encuentran o no bajo control.
37
P2
P3
P4
P5
P6
P7
P8
Prog1
6.00
5.71
8.33
5.75
10.00
5.00
10.00
5.75
Prog2
10.00
7.78
8.50
8.82
7.78
5.71
8.50
8.82
Prog3
17.14
13.33
5.40
8.75
12.00
13.33
5.40
10.00
Prog4
11.78
4.00
10.53
9.74
17.67
4.00
10.53
9.74
P2
P3
P4
P5
P6
P7
P8
Medias
11.23
7.71
8.19
8.27
11.86
7.01
8.61
8.58
Total = 71.45
Rangos
11.14
9.33
5.13
3.99
9.89
9.33
5.13
4.25
Total = 58.19
38
(xi / N)
R = (Ri / N)
y para R.
LC X =
LC
Para el ejemplo:
LC X = (71.45 / 8) = 8.93125
LC R = (58.19 / 8) = 7.27375
LCI X = X - A2 R
N
(X
i 1
X )2
20.29466
1.59274
8
LCI R = D3 R
Sigma () = R / d2(n)
= 7.27375 / 2.059
= 3.53266
Los valores de A2, D4 y D3 se obtienen de la tabla de constantes (Tabla 5). Para el ejemplo: en
una muestra de tamao 4, el valor A2 es de 0.729, el valor D4 es 2.282 y el valor D3 es 0.
LCS X = 8.93125 + (0.729 * 7.27375) = 14.23381
LCI R = 0 * 7.27375 = 0
39
Productividad Media
(LDC/dia)
14,00
12,00
10,00
8,00
6,00
LC X +2SD
LC X +1SD
LC X = 8.93125
LC X - 1SD
LC X - 2SD
4,00
LCI X = 3.62868
2,00
Proyectos
0,00
0
Evaluacin:
Explicacin
Prueba
RT1:Tres sigma
Aprobada
Aprobada
RT3: Un sigma
Aprobada
Aprobada
Aprobada
RT6: Estratificacin
Aprobada
Aprobada
Aprobada
18,00
LCS R = 16.59870
16,00
LC R +2Sigma
14,00
12,00
10,00
8,00
6,00
LC R +1S Sigma
LC R = 7.27375
4,00
LC R 1Sigma
2,00
LC R 2Sigma
0,00
0
LCI R = 0
9
Proyectos
Evaluacin:
Explicacin
Prueba
RT1:Tres sigma
Aprobada
Aprobada
RT3: Un sigma
Aprobada
Aprobada
Aprobada
RT6: Estratificacin
Aprobada
Aprobada
Aprobada
Muestra Mdulos
Total
Proyecto verificados incidencias
1
12
12
2
14
10
3
16
16
4
20
22
5
14
8
6
17
10
7
14
18
8
15
12
9
18
14
10
16
15
11
12
12
12
13
14
13
15
10
14
17
16
15
12
14
16
14
8
17
15
10
18
16
14
19
15
16
20
12
12
Total
297
263
Incidencias /
Mdulo
1,00
0,71
1,00
1,10
0,57
0,59
1,29
0,80
0,78
0,94
1,00
1,08
0,67
0,94
1,17
0,57
0,67
0,88
1,07
1,00
17,81
42
u = 17.81 / 20 = 0.8905
LCI = u
- 3(
u /n )
Para el ejemplo:
n = 297 / 20 = 14.85
LCS = 0.8905 + 3
(0.8905 / 14.85)
LCI = 0.8905 - 3
(0.8905 / 14.85)
43
1,80
LCS = 1.62486
1,40
LC +2SD
Incidencias / Mdulo
1,60
1,20
1,00
0,80
0,60
0,40
LC +1SD
LC = 0.8905
LC - 1SD
LC - 2SD
0,20
LCI = 0.15586
0,00
0
10
12
14
16
18
20
Proyectos
Evaluacin:
Explicacin
Prueba
RT1:Tres sigma
Aprobada
Aprobada
RT3: Un sigma
Aprobada
Aprobada
Aprobada
RT6: Estratificacin
Aprobada
Aprobada
Aprobada
REFERENCIAS
De Muro, F. y Ortega, P. (N.D.). Presentacin 6 Sigma aplicado a la ingenieria de mantenimiento.
En: http://pmlconsultores.com.ar/documentacion
Herdoiza, V., Jimenez, M. y Otros (N.D.). Presentacin sobre Six Sigma. Sistema de Gestin de Calidad. Escuela Superior Politcnica del Litoral.
En: http://www.slideshare.net/mayita14/six-sigma-presentation-706895
Hinojosa Raza, C.M. (2008). Seis Sigma y el Proceso de Desarrollo de Software. ESPE 2008. Tercer Congreso de Ciencia y Tecnologa. Departamento
de Ciencias de la Computacin. Escuela Politcnica del Ejrcito de Ecuador.
ISO/TR 10017:2003. Orientacin sobre las tcnicas estadsticas para la Norma ISO 9001:2000.
En: http://es.scribd.com/doc/42023516/ISO-TR-10017-2003-Tecnicas-estadisticas-Espanol
Kulpa, M. K., Johnson, K. A. (2008). Interpreting the CMMI: a process improvement approach. Second Edition. ISBN 9781420060522. pp. 237242.
Olofsson, O. (2011). Calculador del Nivel Sigma y de DPMO.
En: http://world-class-manufacturing.com/es/Sigma/level.html
Snchez, J. L. (2008). Control Estadstico de Procesos. En libro: Medicin y estimacin del software. Editores: Piattini Velthuis, Mario; Garca Rubio,
Flix; Garzs Parra, Javier; Genero Bocco, Marcela. Alfaomega Ra-Ma. pp 173-189. ISBN:978-970-15-1413-9.
Vega, J.A. (1999). Las Siete Herramientas Bsicas de la Calidad. Diplomado en Calidad en el Software.
--------------------- FIN DEL DOCUMENTO
45