Control Estadstico de Procesos Minero-Metalrgicos.

INTRODUCCIN
Esta texto est destinado a mostrar las ventajas econmicas que se pueden obtener al aplicar el Control
Estadstico de Procesos (CEP) a los procesos minero-metalrgicos (Chancado, molienda, flotacin, filtrado,
fusin, conversin, refinacin, etc.) y otros procesos como los del cemento, cal, celulosa y otros. Adems se
puede aplicar a los procesos de servicios. A los beneficios econmicos se pueden agregar un mejoramiento
en la calidad de los productos y servicios obtenidos, en la productividad, en la competitividad, en la reduccin
de prdidas y, algo muy importante, la obtencin de respaldo para la medicin y las acciones de control del
medioambiente que las empresas implementen.
Dadas las exigencias actuales fijadas por las autoridades gubernamentales, es de vital importancia el
respaldo mencionado puesto que entrega argumentos a los representantes legales de las empresas para
demostrar que las distintas emisiones de contaminantes derivadas de su accionar se encuentran dentro de
los lmites establecidos por las autoridades. Por supuesto, esto tambin puede ser usado por las autoridades
gubernamentales encargadas de velar por la calidad del medioambiente. Eliminando los controles actuales a
travs de la media aritmtica y mediante el control a travs de un porcentaje del cumplimiento de las
especificaciones se puede asegurar que las empresas cumplan realmente las normativas vigentes.
Para que el CEP se pueda aplicar con eficacia es fundamental que el muestreo sea de calidad y que sea
representativo de los procesos. Si se realiza un somero anlisis veremos que la mayor parte de las acciones
de relevancia econmica de las empresas parten con el muestreo. El minero que vende su mineral, la planta
que compra el mineral, el que quiere vender una mina, comprar un producto, vender un producto, cambiar de
tecnologa, comprar equipos nuevos, los responsables de proyectos, los trabajadores que esperan el pago de
sus bonos de produccin, etc. etc. Todos, de alguna forma, se inician con un muestreo inicial o estn
relacionados con el muestreo.
El sistema de control propuesto aqu es tambin de gran inters para los accionistas, inversionistas en
general, que han invertido sus ahorros en instrumentos financieros de distintas empresas con la expectativa
de obtener la mejor rentabilidad posible para sus dineros. Como se ver ms adelante, tambin se les
entregarn argumentos para que los hagan valer en las juntas de accionistas, en las cuales los directivos
escogidos por ellos mismos y con muy buenos sueldos, dan cuenta de las marchas de las empresas.
Los trabajadores y sus representantes sindicales tambin pueden obtener beneficios en la lectura de esta
pgina, pues la forma en que se pueden ver los procesos y sus resultados son mucho ms amigables y
fciles de comprender que de la forma tradicional actual. Esto les permitir defender en mejor forma sus
derechos y obtener mejores condiciones laborales. No deben olvidar que en los buenos resultados de sus
empresas no slo estn involucrados sus sueldos, sino que tambin en sus contratos estn incluidas
gratificaciones, bonos de produccin y otros.
Las Compaas Aseguradoras tambin pueden obtener beneficios de esta pgina puesto que al controlar el
cumplimiento de los contratos con sus clientes a travs del cumplimiento de las especificaciones los
siniestros a pagar debieran disminuir, debido a que las empresas se hacen ms transparentes y fciles de
controlar en las revisiones semestrales o anuales establecidas en los contratos.

CONDICIONES POSIBLES EN QUE SE PUEDE ENCONTRAR UN

PROCESO.
Es importante recordar que los procesos generalmente se encuentran en una de estas tres condiciones:
Donde "creemos" que el proceso se encuentra.
Donde realmente se encuentra el proceso.
Donde deseamos que el proceso se encuentre.
Disponer de la informacin necesaria en el momento oportuno es fundamental para saber dnde se
encuentra el proceso. Mientras esto no se tenga presente es poco probable llevar el proceso hacia las
mejores condiciones operacionales. El saber que est ocurriendo permite identificar con facilidad las causas
asignables de la variabilidad que una vez identificadas, es posible minimizarlas y/o eliminarlas. El no saber
que est ocurriendo puede tener consecuencias econmicas desastrosas para una empresa.

En la Figura 1 se pueden observar las tres condiciones posibles de un proceso. La condicin

correspondiente a donde creemos que el proceso se encuentra (lo que creemos que el proceso es, color
celeste), dura hasta que se realiza el anlisis de los datos y a travs de l se obtiene informacin y
conocimiento sobre el proceso que permite determinar dnde realmente se encuentra el proceso (lo que el
proceso es, color verde). De aqu en adelante se pueden tomar las acciones necesarias destinadas a llevar el
proceso hacia donde se desea que est. El objetivo final es la generacin de VAN.
Los sistemas de generacin de informacin de muchas empresas no siempre siguen la trayectoria de los
datos que mejor muestran la variabilidad de los procesos.
Es rentable seguir haciendo siempre lo mismo o lleg el momento de innovar al respecto?
Esta pregunta nos lleva a las siguientes interrogantes a los responsables y administradores de procesos:
En la situacin actual, pueden afirmar que saben dnde se encuentran sus procesos?
Dnde les gustara que se encontraran?
Qu han hecho para llegar hasta dnde estn ahora sus procesos?
Qu deberan hacer o dejar de hacer para llevar sus procesos desde dnde estn hasta donde quieren que
estn?
Tienen una fuerza laboral altamente capacitada para convertirlos en una empresa de bajo costo y alta
calidad?
Sus procesos tienen especificaciones?
Las especificaciones, si existen, fueron establecidas considerando la variabilidad de los procesos?

CONTROL DE PROCESOS Y LA MEDIA ARITMTICA.

La mayor parte de las empresas minero - metalrgicos controlan sus procesos por medio de la media
aritmtica. Es la media una buena forma de medir y controlar los procesos, cules son sus ventajas y sus
desventajas?
Veamos el siguiente grfico correspondiente a una escoria de convertidores.

En el grfico de la Figura 2 observamos tres procesos, A, B y D. Los tres procesos tienen la misma
media. Sin un mayor anlisis queda claro que los tres procesos son completamente distintos entre s, a pesar
de
tener
la
misma
media.
Veamos en la siguiente tabla los resultados del anlisis de los datos de cada uno de los tres procesos.
Proceso

Media % Cobre

7,24

7,24

7,24

Desviacin Estndar

2,583

5,115

0,287

Varianza

6,673

26,161

0,082

Coeficiente Variacin %

35,72

70,73

3,97

Tabla 1
Lo primero que podemos asegurar es que la variabilidad de los procesos es medible y si la podemos medir la
podemos controlar.
En la tabla 1 vemos que la Desviacin Estndar y la Varianza de los procesos son distintas para cada uno de
ellos. El Coeficiente de Variacin muestra que la variabilidad ms alta corresponde a los procesos A y B y

que el proceso D, cuya variabilidad es muy baja, permanece siempre muy cerca y alrededor de la media.
Sin embargo, si suponemos que la media obtenida es la media deseada y si medimos y controlamos estos
procesos slo con esta media, podemos cometer el error de decir que bajo cualquier condicin estos
procesos tienen buen comportamiento, lo cual segn vemos en el grfico y tabla no es as, y con toda
seguridad la calidad del producto obtenido es distinto en cada uno de los casos. Es necesario tener presente
que la calidad es inversamente proporcional a la variabilidad. Desde este punto de vista el producto obtenido
en el proceso B es el de ms baja calidad y el de mayor calidad es el producto obtenido en el proceso D.
La media debiera ser utilizada slo cuando la dispersin es baja. Cuando la dispersin es alta el uso de la
media para medir y controlar procesos puede generar graves problemas. La media oculta informacin
importante que es imprescindible si se desea obtener el control de un proceso. Oculta prdidas y variabilidad,
no deja ver oportunidades de crear valor, no deja ver la condicin real de un proceso, aumenta la
incertidumbre y no da respaldo para tomar las mejores decisiones. Es adems responsable de esas largas y
tensas reuniones en que todos los participantes defienden posiciones o dan opiniones sin respaldo y
favorece la cultura de la complacencia, tan daina para los resultados econmicos de las empresas.

CONTROL DE PROCESOS Y CUMPLIMIENTO DE

ESPECIFICACIONES. VENTAJAS.
Si agregamos los Lmites de Especificaciones (ESPECIFICACIONES) y el TARGET (Media deseada
Targeted Average) a los requerimientos que estos procesos deben cumplir vemos que estas diferencias
entre los procesos se hacen aun ms patentes. Pero antes de continuar definamos que se entiende por
Especificaciones y TARGET.
Lmites de Especificaciones: Es una lista lgica de deseos de cmo queremos que nuestro proceso se
comporte y para su confeccin deben estar todos de acuerdo con ella. Las especificaciones deben ser
conocidas por todos, desde el gerente hasta el operador de un proceso. Esta lista de deseos debe ser
realizable y debe indicar tres valores o parmetros para cada una de las variables que se desea controlar.
Los parmetros son los siguientes:
Especificacin Superior (US): (Upper Specification) Valor ms alto aceptable para el proceso, donde la
variable se puede y se debe controlar.
Media Objetivo (TA): (Targeted Average) Media objetivo, ideal para el proceso.
Especificacin Inferior (LS): (Lower Specification) Valor ms bajo aceptable para el proceso, donde la
variable se puede y se debe controlar.
Los Lmites de Especificaciones nos muestran cuando el producto o servicio es aceptable o no y condicionan
la satisfaccin del cliente y no deben ser confundidos con los Lmites de Control que corresponden a los
lmites de cmo el proceso est hoy da en base a los datos observados. Los lmites de Control permiten
controlar la estabilidad del proceso con respecto a algn indicador de calidad requerido. Estos lmites
determinan la satisfaccin del proceso.
Como veremos, fijar Especificaciones reales para un proceso necesariamente pasa por el estudio y
comprensin de su variabilidad. No cumplir con esta condicin lleva a establecer especificaciones irreales

que se fijan arbitrariamente, slo segn los objetivos que se desean obtener y sin tener en cuenta ni conocer
la variabilidad natural del proceso. En los ejemplos que se vern ms adelante esto quedar claramente
establecido.
Si fijamos el TARGET en 7% de cobre, aun los tres procesos podran considerarse como cumpliendo con un
buen cometido, puesto que la media deseada est muy prxima a la media real de los procesos (7,24% Cu),
pero veamos como se observa esto en el grfico de la Figura 3.

Si adems complementamos lo anterior manifestando que los procesos deben cumplir con las siguientes
Especificaciones:
Especificacin Superior: 8% Cobre (Cu)
Especificacin Inferior: 6% Cobre (Cu)
Vemos que al examinar los procesos (Figura 4) ya no queda ninguna duda de que usar la media para
medirlos y controlarlos no es una buena idea debido a que no da una indicacin correcta de lo que realmente
est ocurriendo en un proceso. Esto puede llevar a los operadores y responsables de los procesos a cometer
errores que pueden transformarse en prdidas de calidad y prdidas de produccin por aumento de los
rechazos, multas por incumplimiento de Especificaciones, prdidas de clientes y desprestigio que generar
graves prdidas econmicas.

Segn podemos ver en el Grfico de la Figura 4 el nico proceso que est cumpliendo con las
especificaciones es el proceso D.
Si a los conceptos anteriores agregamos el PORCENTAJE DE CUMPLIMIENTO DE LAS
ESPECIFICACIONES podemos asegurar que medir y controlar los procesos con la media es un grave error
que puede afectar el estado de resultados de las empresas.
Veamos en forma independiente el comportamiento de cada uno de los procesos con respecto a las
Especificaciones y al Porcentaje de Cumplimiento de las Especificaciones, para ello vamos a usar la Curva
de Densidad de la Distribucin de los datos del proceso (Campana de Gauss).
Comencemos analizando el proceso A en el grfico de la figura 5. En el vemos la importancia de medir y
controlar los procesos por medio del Porcentaje de Cumplimiento de las Especificaciones, la media est muy
cerca del TARGET y el proceso aparentemente parece estar bajo control. La diferencia se hace patente en el
grfico de la Figura 6 con la aplicacin de las especificaciones en la medicin y el control del proceso. Este
grfico nos muestra que el proceso A cumple las especificaciones slo en un 25,5%. El resto,
correspondiente al 74,5% del proceso, est fuera de las especificaciones requeridas. Vemos ac que el uso
de la media impide conocer el verdadero estado del proceso.

Veamos el siguiente ejemplo:

Dnde creemos que el proceso est

En una planta concentradora se generan 2.057.000 toneladas de colas secas por mes, con una ley de
0,124% de Cu. Esto corresponde a 2.550,7 toneladas de Cu fino que se pierden en las colas y se depositan
en el tranque de relaves. La informacin de esta ley es determinada a travs de muestreo manual y anlisis
qumico va hmeda. Esta situacin se mantiene durante 10 aos. Despus de esta fecha la administracin
de la empresa decide instalar una estacin de muestreo de ltima generacin en la descarga de la canal de
relaves. Para los efectos de este ejemplo no consideraremos las variaciones del dlar y consideraremos
como fijo el precio de US $ 1,5 por libra de cobre.
Dnde realmente se encuentra el proceso
Como consecuencia de este nuevo muestreo los resultados de las leyes en las colas suben desde 0,124 a
0,220% de Cu. Al efectuar el clculo a travs de esta nueva ley, el Cu fino en las colas sube a 4.525,4
toneladas. La diferencia corresponde a 1.974,72 toneladas ms de Cu fino no recuperadas. Como
consecuencia de esta diferencia se dejaron de percibir US $ 6.516.576 por mes, de acuerdo al siguiente
clculo:
0,22-0,124 = 0,096 % Cu x 2.057.000 toneladas de colas/100 = 1974,72 toneladas extras de Cu fino que se
fueron en las colas.
1.974,72 toneladas x 2.200 libras/tonelada = 4.344.384 libras x 1,50 US $/libra = US $ 6.516.576/mes no
considerados en ningn sistema contable (Costo oculto).
Si la cifra de US $ 6.516.576/mes la multiplicamos por 12 obtenemos la cifra de US $ 78.198.912/ao.
Como establecimos en el planteamiento inicial de este ejemplo, esta situacin se mantuvo durante 10 aos, o
sea, se dejaron de percibir ingresos por un total de US $ 781.989.120.
Esta prdida no slo afect a la empresa, tambin afect a los trabajadores por estar involucrados sus bonos
de produccin y gratificaciones, al gobierno porque recaud menos impuestos con lo cual tambin se afect a
la comunidad por haber menos recursos disponibles para beneficiarla, al medio ambiente porque el tranque
de relaves disminuy su capacidad y eso hace que a la larga se tenga que usar nuevos terrenos para
construir un nuevo tranque de relaves, etc.
Dnde deseamos que el proceso se encuentre
Disponer de la informacin necesaria en el momento oportuno es fundamental para saber dnde se
encuentra el proceso. Mientras esto no se tenga presente es poco probable llevar el proceso hacia las
mejores condiciones operacionales. El saber que est ocurriendo permite identificar con facilidad las causas
asignables de la variabilidad que una vez identificadas, es posible minimizarlas y/o eliminarlas. Como hemos
visto, el no saber que est ocurriendo puede tener consecuencias econmicas desastrosas para una
empresa. En el ejemplo anterior, el saber lo que est ocurriendo permite comenzar a tomar acciones para
mejorar la recuperacin metalrgica y reducir las prdidas de Cu fino en las colas.
Los sistemas de generacin de informacin de muchas empresas no siempre siguen la trayectoria de los
datos que mejor muestran la variabilidad de los procesos. Viviendo en la era de la informacin es curioso y
lamentable que se contine usando un sistema de control y de toma de decisiones que justamente oculta o
deforma dicha informacin, generando incertidumbre en vez de informacin.

En el grfico de la Figura 7 observamos que la variabilidad del Proceso B es bastante ms alta que la del
Proceso A. Al igual que el caso anterior, si slo nos quedamos en lo acostumbrado y continuamos midiendo
y controlando los procesos con la media, lo ms probable es que los resultados que se obtengan no sean
todo lo bueno que esperamos.
En el grfico de la Figura 8, correspondiente al proceso B vemos que el porcentaje de cumplimiento de las
especificaciones es slo de un 9,6%. Sin embargo, al igual que en el proceso A, la media se encuentra muy
prxima al TARGET, lo cual indicara que el proceso est bajo control, que por supuesto, dista bastante de
ser real. Por desgracia esto est sucediendo todos los das en muchas empresas.
Es rentable seguir haciendo siempre lo mismo o lleg el momento de innovar al respecto?
Esta pregunta nos lleva a las siguientes interrogantes a los responsables y administradores de procesos:
la situacin actual, pueden afirmar que saben dnde se encuentran sus procesos?
Dnde les gustara que se encontraran?
Qu han hecho para llegar hasta dnde estn ahora sus procesos?
Qu deberan hacer o dejar de hacer para llevar sus procesos desde dnde estn hasta donde quieren que
estn?
Tienen una fuerza laboral altamente capacitada para convertirlos en una empresa de bajo costo y alta
calidad?
Sus procesos tienen especificaciones?
Las especificaciones, si existen, fueron establecidas considerando la variabilidad de los procesos?

10

11

12

Los grficos de las Figuras 9 y 10 muestran el comportamiento del proceso D.

El proceso D en la prctica cumple en un 100% con las especificaciones. Se supone que con esto
deberamos darnos por satisfechos, pero si trabajamos bajo un sistema de Mejoramiento Continuo, esto no
basta y el mejoramiento debe continuar, e indudablemente, este proceso se puede mejorar aun ms tomando
acciones que lo centren con respecto al TARGET y disminuyendo su variabilidad (dispersin). No debemos
olvidar que los objetivos de mejora permanentes para cualquier proceso son:
Mantener el proceso dentro de las especificaciones.
Mantener el proceso centrado con respecto al TARGET.
Reducir la variabilidad.
Es importante tener presente que la variabilidad provoca prdidas aun manteniendo un proceso dentro de las
especificaciones. A menor dispersin menor prdida.
La pregunta es: Es usted de los que controlan sus procesos slo mediante la media? Si es as, la mala
noticia es que probablemente sus resultados econmicos no han sido todo lo bueno que podran haber sido y
que seguramente perdi buenas oportunidades de agregar valor. La buena noticia es que probablemente
tenga muchas oportunidades de mejoramiento que las puede traducir en beneficios econmicos para su
empresa.

13

ESPECIFICACIONES. CMO SE FIJAN?

Como sealamos antes, fijar Especificaciones reales para un proceso necesariamente pasa por el estudio
y comprensin de su variabilidad.
Vemoslo a travs del siguiente ejemplo: La administracin superior de una empresa, con el fin de mejorar
los indicadores de la molienda de mineral y mejorar el porcentaje de recuperacin metalrgica de cobre,
compra un nuevo sistema automtico de control para su divisin de molienda de mineral compuesta de 15
molinos de bolas. El mejor comportamiento de la molienda y del sistema automtico de control se obtiene
cuando el porcentaje +3 mallas del mineral chancado de alimentacin a los molinos se encuentra entre 50%
y 40%, con un ideal de 45%. De acuerdo a esto la administracin fija para la Planta de Chancado las
siguientes especificaciones:
Especificacin superior: 50% + 3 mallas
Target: 45% + 3 mallas
Especificacin inferior : 40% + 3 mallas
La administracin llega a un acuerdo con los trabajadores para el pago de un bono de produccin indexado a
la obtencin de un mnimo de 60% de cumplimiento de las especificaciones.
Las especificaciones tambin fueron incluidas como indicadores en el Cuadro de Mando Integral (Balanced
Scorecard) y las metas, al igual que en el caso del bono de produccin, corresponden al cumplimiento
mnimo del 60% de las especificaciones.
En los grficos de las figuras siguientes analizaremos el ejemplo anterior. El grfico de la Figura 11 nos
muestra los datos y la media del proceso de chancado. En la figura 12 se ha agregado la media mvil, la cual
se usa muy poco para el control de los procesos, y que sin embargo, es de gran ayuda puesto que sirve para
eliminar el ruido en los procesos que como el de este ejemplo, tienen mucha dispersin. Por medio de la
media mvil podemos ver otras situaciones que de otra forma quedaran ocultas en el ruido.

14

15

Los grfico de las Figuras 13 y 14 nos muestran que las especificaciones fijadas por la Administracin estn
lejos de poder ser cumplidas en el proceso de chancado. La razn?, no tener en cuenta la variabilidad del
proceso para fijarlas. Los gerentes y niveles ms altos de la administracin no tienen claro el concepto de
variabilidad y tampoco le dan la importancia necesaria a la campana de Gauss, cuyo uso, como hemos visto,
es de gran utilidad y tan grfica que puede ser comprendida por todos los involucrados en la medicin y el
control de los procesos.
Otro error que se suele cometer es en relacin a la determinacin de la Capacidad de los Procesos. Se
encarga a personal interno o a empresas externas su determinacin olvidando que el objetivo del Anlisis de
Capacidad es determinar la variacin natural (causas aleatorias) de un proceso, una vez que se han
minimizado o eliminado los efectos de todos los factores ajenos que no contribuyen al mismo.
(Causas asignables o atribuibles). En muchas ocasiones se paga por conocer la Capacidad de un Proceso y
se recibe una Capacidad que no corresponde a la realidad puesto que antes no se han minimizado o
eliminado las causas asignables.

16

Otro hecho importante que se debe tener en cuenta es que muchas veces las especificaciones que se
establecen para la medicin y control de los procesos corresponden tambin a los lmites establecidos en las
fichas de calidad de las Normas ISO 9000. En el caso de la Figuras 14, adems de no cumplirse con las
especificaciones establecidas y las metas establecidas en el tablero de control del cuadro de mando integral,
tampoco se estara cumpliendo con lo establecido en la Norma ISO 9000, lo cual puede ser causa de no
conformidad que puede llegar a ser considerada mayor y poner en entredicho la certificacin. (Normalmente
lograda con mucho esfuerzo).
Hay empresas certificadoras cuyos auditores no verifican el cumplimiento de estas fichas. Esto, por
supuesto, contribuye a mantener el statu quo existente y esta causa (externa) tambin excluye la posibilidad
de obtener mejores resultados econmicos en las empresas y no asegura la calidad esperada por los clientes
que les compran sus productos. Estos pueden ser de mejor calidad.
Otro damnificado con esta situacin es el tablero de control del Balanced Scorecard debido a que cuando las
metas se fijan sin considerar la variabilidad del proceso se suele cometer el error de establecer metas
(especificaciones) que en la prctica son incumplibles. Esto, por supuesto, adems de hacer pensar a los
trabajadores que este sistema de administracin es inadecuado, crea problemas en todos los niveles de la
organizacin relacionados con el proceso:
La administracin superior no est contenta puesto que no se estn cumpliendo las metas.

17

Los responsables (dueos) de los procesos se sienten permanentemente cuestionados.

Los operadores de los procesos tambin se sienten cuestionados y permanentemente trabajan bajo una
presin que no corresponde.
Los representantes de los trabajadores (dirigentes sindicales) continuamente estn recibiendo quejas de los
trabajadores pues son incapaces de cumplir las metas y no reciben el pago esperado por sus bonos de
produccin.
En general hay descontento y esto no es sano para la buena marcha de la empresa.
Una de las muchas ventajas que tiene medir y controlar los procesos a travs del Porcentaje de
Cumplimiento de las Especificaciones es que permite focalizar el trabajo de todos los involucrados en un
proceso, desde el gerente general hasta el ltimo trabajador de primera lnea. Todos, dentro de sus
respectivos mbitos, tienen como responsabilidad mantener el proceso dentro de especificaciones y con baja
dispersin y centrado.

TRABAJADORES Y ESPECIFICACIONES
Qu problemas genera, en este caso, fijar especificaciones sin considerar la variabilidad del proceso?
Algunos de ellos son:
El cumplimiento real de las especificaciones es slo de un 25,13%. (Figura 14)
No hay pago de bono de produccin para los trabajadores. Esto crea insatisfaccin, frustracin y baja de la
moral y roces permanentes con los dirigentes sindicales.
Los trabajadores pueden realizar acciones destinadas a obtener de alguna forma el pago del bono por el
cumplimiento de las especificaciones: Esto puede ocurrir por medio de extraccin de muestras no
programadas cuyas granulometras cumplen con el porcentaje +3 Mallas requerido; la no extraccin de las
muestras programadas destinadas a la medicin de la granulometra en los horarios establecidos, sino que
cuando se cree que esta est ms cercana a la exigida; guardar muestras cuya granulometra corresponde a
la requerida y cambiarlas por aquellas muestras que no estn dentro de la establecida; manipulacin de los
pesmetros para aumentar el tonelaje procesado, etc.
Imposibilidad de cumplir en las condiciones actuales con las metas establecidas en el Cuadro de Mando
Integral. Esto se traduce en un ambiente de trabajo tenso entre todos los integrantes de la unidad. Cada vez
que se llega al momento de revisin de las metas se genera angustia entre los responsables de la unidad y
los trabajadores puesto que baja su calificacin semestral o anual y se sienten permanentemente
cuestionados.
Se genera incertidumbre ante la toma de decisiones. No se sabe bien qu es lo que est ocurriendo en el
proceso de chancado ni cules son los problemas reales. No debe haber nada ms intil que dar solucin al
problema errneo, adems esto impide ser proactivo y permanentemente se est slo reaccionando ante los
cambios (buenos o malos) del proceso de chancado.

18

Reclamo permanente del personal de molienda por no recibir por parte de la Planta de chancado el mineral
de la granulometra que les permite obtener los mejores resultados. Esta situacin tambin les afecta en el
cumplimiento de las metas de su Cuadro de Mando Integral.
Como vemos, en el cumplimiento de las metas tambin estn involucrados los trabajadores y sus sindicatos
a travs del pago de bonos de distintos tipos. Hay ocasiones en que el pago de bonos est asociado a una
meta de consumo de algn insumo, como por ejemplo, el consumo de cal viva o de cuarzo. En ambos casos
puede haber aumentos o disminucin de consumos que no dependen de la calidad del trabajo realizado por
los trabajadores sino que a las caractersticas reales con que llegan a sus lugares de usos. Por ejemplo, si
baja la ley de la cal se aumenta su consumo, ante esto, en condiciones normales de operacin, los
trabajadores no pueden hacer nada puesto que la ley no depende de lo que ellos hagan o dejen de hacer. Lo
mismo ocurre en el caso de incumplimiento por parte del proveedor de la granulometra especificada. Su no
cumplimiento tambin puede llevar tambin a aumentar su consumo y los trabajadores tampoco pueden
hacer nada. Ante situaciones de este tipo, los trabajadores y la administracin deben estudiar muy bien lo
que desean y acuerdan para no caer en conflictos que slo provocan problemas a ambos.
Para que todo esto funcione con eficacia los trabajadores deben disponer de la informacin necesaria en el
momento oportuno. Uno de los mayores problemas radica en que muchas veces se opera solamente en base
a datos individuales que se valoran slo en cuanto a que si cumplen o no con la media y, cualquier anlisis
de datos se ve slo en funcin de la tendencia en relacin a cuan cerca o lejos se est de la media del
proceso.
Muchos trabajadores no saben cmo usar la informacin y, por lo tanto, deben ser capacitados para hacerlos
competentes en la forma de usarla para hacerla productiva. Tambin deben tener claro cul es la informacin
que necesitan y cul es la que no necesitan. Esta capacitacin debe estar enfocada en prepararlos para
tomar decisiones, con ello deben ser capaces de reconocer los patrones que muestran que es lo que hay en
un proceso, no lo que se cree que hay. Tambin deben reconocer las oportunidades de crear valor en el
momento oportuno.

CULTURA DE AUTOCOMPLACENCIA
Normalmente en las reuniones se gasta mucho tiempo analizando un proceso desde el punto de vista de lo
que se cree que est ocurriendo en el proceso puesto que no hay respaldo que indique con claridad qu es
lo que est ocurriendo. Una de las ventajas de trabajar sobre la base del cumplimiento de las
especificaciones es que las reuniones se hacen ms productivas puesto que todos llegan a ella con
conocimiento acerca de lo que se debe tratar y lograr, adems todos vuelven a sus trabajos con una
responsabilidad asignada que deben cumplir. Esto tiene adems la particularidad de ser el primer paso en la
eliminacin de la cultura de la autocomplacencia que es uno de los principales obstculos para realizar los
cambios necesarios para mejorar el estado de resultados.
La cultura de la autocomplacencia se da a todo nivel y debido a ello siempre hay una resistencia subterrnea
de este tipo de trabajadores que se oponen a cualquier cambio que los saque de sus rutinas y/o que les
pueda generar situaciones indeseables e incmodas. Este tipo de trabajadores sobreviven ao tras ao en
las empresas, reciben sus sueldos a fines de mes y siguen viviendo as cmodamente hasta el prximo fin de
mes. Estos trabajadores son un lastre peligroso para las empresas, tienen gran poder y se mueven siempre
tratando de abortar cualquier cambio que no les sea satisfactorio y, definitivamente, no les es agrada que se

19

sepa, con respaldo, qu es lo que est ocurriendo en sus procesos puesto que bajo estas circunstancias
aparecen problemas que han permanecido ocultos (costos ocultos) durante mucho tiempo. Saben de la
existencia de problemas en sus reas de responsabilidad y en las reas vecinas, pero prefieren no hacerse
problemas ni hacerles problemas a sus vecinos y as continan viviendo cmodamente.
Su filosofa del trabajo es Yo no te doy problemas ni t me los das a m. No soportan que se sepa que en
sus reas de responsabilidad existen problemas y tratan a toda costa de mantenerlos ocultos. Trabajar bajo
el concepto del porcentaje de cumplimiento los obliga a realizar los trabajos asignados y a hacerse
responsables por ellos puesto que en las reuniones deben dar cuenta de dichos trabajos.
Es comn que en muchas reuniones los participantes lleguen con actitudes reactivas a defender lo que
hacen en sus trabajos y el trabajo que se hace en sus respectivas reas. Como no se tiene bien claro lo que
ocurre en los procesos se dan muchas situaciones ambiguas que crean confusiones y divergencias de
opiniones que se traducen en constantes desencuentros y recriminaciones mutuas que no conducen a nada.
Cuando la informacin existe, es clara y respaldada, se terminan la ambigedad y la confusin y de ser
reactivo se pasa a ser proactivo, todos enfocados en obtener la misma meta, cada uno desde sus respectivos
puestos de trabajo.
Desde este punto de vista las reuniones por rea productiva debieran comenzar con cuatro grficos:
Cumplimiento real actualizado de la unidad o rea
Cumplimiento requerido o esperado a la fecha de la unidad o rea
Cumplimiento general de la empresa actualizado
Cumplimiento esperado de la empresa a la fecha.
Los cuatros grficos deben estar ubicados en un lugar principal y bien visibles para todos los asistentes. De
esta forma los anlisis, ideas y decisiones estarn todas enfocadas en las variaciones que expliquen las
diferencias entre el cumplimiento esperado y el cumplimiento real a la fecha. Cada trabajador debe tener muy
clara su responsabilidad en cuanto a lo que debe hacer, cmo debe hacerlo y cmo influye lo que hace en las
ganancias o prdidas de su empresa. Con esto se evita dirigir los esfuerzos a solucionar problemas
equivocados o que aportan muy poco a los resultados econmicos de la empresa. No debe haber nada ms
intil que dar la solucin equivocada al problema equivocado.
En la INTRANET de cada empresa debieran de estar en forma permanente los grficos por rea del
cumplimiento esperado, el del cumplimiento realmente logrado y el listado de las acciones acordadas en las
reuniones destinadas a reducir esta brecha. Tambin debiera estar en pantalla el cumplimiento general de la
empresa para que todos conozcan lo que est ocurriendo y tengan claro qu es lo que deben hacer o no
hacer para lograr los resultados esperados.
Se deben dejar de lado las creencias, el conocimiento aparente y las peligrosas medias verdades que se
adoptan en muchas situaciones. La respuesta a la siguiente pregunta: creemos que esto es verdad o
sabemos que lo es? debiera pasar siempre por lo siguiente:
NADA DE PRESUMIR, SLO HECHOS

20

MUESTREO Y VARIABILIDAD
Todo lo que hemos visto hasta el momento funciona slo s los datos son representativos de lo que
realmente est ocurriendo en el proceso, o sea, si su contenido de error es bajo. Esto nos lleva a hacer ver la
importancia del muestreo, originador de los datos. Cuando hablamos de muestreo representativo nos
referimos a que las muestras extradas deben representar al proceso (una pulpa, por ejemplo) en cuanto a
sus propiedades qumicas, fsicas y mineralgicas.
Veamos algunos conceptos en relacin al muestreo:
A travs del muestreo se obtienen los datos que una vez analizados entregan la informacin necesaria para
identificar qu es lo que est ocurriendo en un proceso. Desde este punto de vista se entiende por muestreo
la extraccin de las muestras, su preparacin y anlisis qumico o instrumental.

21

La extraccin de las muestras debe cumplir con las normas de muestreo establecidas por Pier Gy que
aseguran la extraccin de muestras con bajo contenido de error. A menor error mayor precisin y menor
incertidumbre, lo cual mejora la calidad de las decisiones tomadas a todo nivel de responsabilidad.
Los componentes de la variabilidad de los procesos son:
Error de Muestreo
Variabilidad Natural del proceso
Variabilidad generada por ciclos
Tendencia del proceso
Una breve descripcin de los componentes de la variabilidad nos dice que:
Error de Muestreo (Error de extraccin de la muestra + error de preparacin de la muestra + error de
anlisis qumico o instrumental de la muestra): Cualquier medicin est sujeta a errores y, por consiguiente,
la credibilidad de los datos puede ser sospechosa. Cuando el error de muestreo es muy alto se pierde la
informacin del proceso y se introduce una variabilidad que no existe en el, es decir, en un momento dado
podemos estar tratando de reducir una variabilidad que slo est en los anlisis de los datos de las muestras
extradas, procesadas y analizadas, y no en el proceso mismo.
Variabilidad natural o normal del proceso: Corresponde slo a causas aleatorias (causas naturales o no
asignables). Se deben a una amplia variedad de causas que estn presentes en forma permanente y son de
difcil identificacin. Cada una de estas causas es un componente muy pequeo en la variabilidad total del
proceso y la suma de su contribucin es medible. Son inherentes al proceso y poco controlables por los
operadores de los procesos. Su eliminacin o reduccin requiere de una decisin gerencial para la
asignacin de recursos para mejorar el sistema. (Reemplazo de equipos, nuevas tecnologas, etc.)
La variabilidad generada por Ciclos y la Tendencia del proceso junto con el Error de Muestreo
corresponden a variabilidad atribuible a causas identificables, no al azar (causas asignables). Se pueden
individualizar y controlar hasta un mnimo valor econmico. Se dice que un proceso est bajo control
estadstico cuando su variabilidad es solamente el resultado de causas aleatorias.
Veamos el siguiente ejemplo basado en el contenido de Fierro en un concentrado de cobre (Figura 17):
Error de muestreo (en rojo) es alto

: 61,6%

Variabilidad natural del proceso (en azul) : 3,7%

Variabilidad cclica (en amarillo)
Tendencia del proceso

: 12,7%
: 22,0%

22

23

Hemos dicho que un error de muestreo muy alto oculta informacin de lo que realmente est ocurriendo en el
proceso. Si reducimos el error de muestreo qu va a ocurrir con los otros componentes de la variabilidad,
como cambiarn su composicin porcentual? Veamos qu es lo que ocurre en los grficos de las Figuras 16
y 17.
Vemos que al reducir el error de muestreo desde 61,6% hasta slo 1,% aumentan su porcentaje la
variabilidad natural del proceso desde 3,67% hasta 37,15% y la tendencia del proceso aumenta desde 22%
hasta 47,84%. La variacin por ciclos tambin tiene un ligero aumento.
Est claro que si seguimos manteniendo un error de muestreo tan alto va a ser muy difcil que podamos
mantener bajo control el proceso. En el grfico de la Figura 16 se nos presenta una variabilidad que no es la
real del proceso, entonces sobre qu actuamos para reducir la variabilidad?. En el grfico de la Figura 17
queda claro que las dos causas principales de variabilidad son la tendencia del proceso y la variabilidad
natural del proceso. Sobre esta ltima causa los operadores pueden hacer muy poco pues, como hemos
mencionado antes, no depende de ellos, pero s pueden actuar para determinar qu es lo que est causando
una variabilidad tan alta en la tendencia del proceso y reducirla.
Recordemos que la variabilidad es inversamente proporcional a la calidad y que los resultados estn tambin
en relacin inversa a los costos y, indudablemente, el actuar a ciegas como ocurre en el grfico de la Figura
16 va a afectar los costos y el estado de resultados. Todos los ejecutivos de las empresas desean caminar
exactamente en el sentido contrario, quieren bajos costos y un excelente estado de resultados. Para ello,

24

como camino principal buscan innovar, pero ser fcil innovar en estas condiciones en que ni siquiera se
sabe bien qu est ocuriendo en el proceso?
En ocasiones el error de muestreo es tn alto que sera mejor no tomar muestras ya que lo nico que se
consigue es confundir ms a los operadores de los procesos. Por supuesto que se puede decidir no extraer
muestras y vivir sin informacin, pero qu sucede con los resultados econmicos..?. Cunto tiempo
y dinero se ha desperdiciado realizando investigaciones y trabajos con datos que no dan ninguna garanta de
su calidad y su representatividad?.
Es difcil entender cmo las empresas, sobre todo las grandes y medianas, que han invertido muchas veces
millones de dlares en adquirir costosos sistema de informacin en lnea y estaciones de muestreo
automticas no les sacan todo el potencial de posibilidades de uso que tienen. Muchas veces los sistemas de
extraccin de muestras quedan abandonados en cuanto a su mantencin y adems los encargados de su
operacin muchas veces son trabajadores que no tiene las competencias necesarias y, por lo tanto, no
entienden la importancia que tiene generar informacin de calidad para los resultados de la empresa. Debe
quedar claro que no basta con tener y cumplir una lista de chequeo para mantener el cortador de muestras
en norma, aseado y con la mantencin al da. Lo anterior debe complementarse con la frecuencia de
muestreo adecuada y la cantidad de muestra necesaria que se debe extraer para asegurar la
representatividad de los procesos. Muchas veces tambin se da la paradoja de que la supervisin gasta
tiempo y dinero en reuniones tratando de buscar la explicacin a un cambio brusco de algn indicador sin
saber que un operador de una estacin de muestreo, que por encontrar muy pesado el balde receptor de la
muestra que deba trasladar, bot parte de ella para hacer su traslado ms cmodo.
Lo primero que un ingeniero debiera averiguar antes de encargar o iniciar un trabajo de anlisis o
investigacin es:
Las muestras provienen de un muestreo automtico o manual? (El muestreo manual por definicin es malo)
Estn en norma (bajo porcentaje de error) los sistemas automticos de muestreo utilizados?
Cul es la frecuencia de muestreo y la cantidad de muestra que se utiliz?
Quin prepara y qu protocolo usa en la preparacin de las muestras?
Los anlisis son qumicos o instrumentales?
En la Figura 18 vemos el Variograma de un proceso cclico. Al analizar el variograma (ejemplo real) vemos
que con el intervalo de muestreo actual (frecuencia de muestreo) jams vamos a darnos cuenta que tenemos
ciclos en este proceso. Los ciclos por definicin son malos pues provocan prdidas. Desde este punto de
vista, si no sabemos que los tenemos, cmo podemos minimizarlos o eliminarlos?

25

TOMA DE DECISIONES
La figura 19 muestra un diagrama de un muestreo normal, con bajo error de muestreo, en que cada una de
las operaciones en forma individual aporta un error normal al error total de muestreo. La toma de decisiones
en este caso es ms eficaz que en el diagrama de la Figura 20, en que el error de muestreo y de
manipulacin de la muestra es alto. En este caso el error total es alto y puede afectar negativamente la toma
de decisiones.

26

27

(Ejemplos: Aumento del tonelaje de mineral tratado, cambio en la composicin mineralgica o qumica,
cambio de tecnologa o de equipos, etc.)
La toma de decisiones es uno de los aspectos ms importantes en el control de los procesos. Los pasos
crticos en la toma de decisiones son definir bien el problema y la oportunidad de innovar. A menor
incertidumbre en la informacin mayor probabilidad de que la decisin que se tome sea cualitativamente
mejor y ms eficaz. Las decisiones implican riesgos, pero estos disminuyen cuando la incertidumbre
disminuye. Se debe recordar que en muchos procesos productivos cuando se toma una decisin se debe
implementar de inmediato.
Las decisiones que se toman en todos los niveles de una organizacin se traducen en acciones que tienen
consecuencias en el desempeo de la organizacin. Recordemos que el objetivo ltimo de toda organizacin

28

es crear valor econmico. Las malas decisiones destruyen valor y afectan ms a las organizaciones
pequeas por tener menor capacidad para resistir una prdida de valor econmico. Los buenos negocios que
crean valor son el resultado de buenas decisiones y el uso eficiente y eficaz de los recursos y capacidades.
BUENOS NEGOCIOS = BUENAS DECISIONES + RECURSOS Y CAPACIDADES
La informacin de calidad no slo genera respaldo para la toma de decisiones, sino que tambin sirve para
justificar cambios de tecnologa, solicitar reemplazo de equipos, capacitar, innovar, negociar, etc.
La incertidumbre es el grado de incerteza que acompaa a la toma de decisiones debido a que el
conocimiento es incompleto, y hace ms difcil y de mayor riesgo la decisin (Figura 21). La incertidumbre se
deriva fundamentalmente de informacin incompleta, fuentes poco confiables y hechos imprecisos, vagos o
difusos. Por ltimo recordemos cul es la diferencia entre incertidumbre y certidumbre.
Certidumbre: Condicin que predomina cuando se est plenamente informado acerca de un problema, se
conocen soluciones alternativas y se sabe cuales sern los resultados de cada solucin. Esto significa que se
conoce a fondo el problema y las soluciones alternativas lo cual facilita la toma de decisiones en el momento
oportuno.

Recordemos como es el flujo de la informacin y a qu debe conducirnos:

29

ERROR DE MUESTREO
En los grficos de las figuras 23 y 24 muestra la determinacin del error de muestreo por turno en una
estacin de muestreo de pulpa de un sistema de molienda de mineral de cobre.

30

En el eje de la ordenada se encuentra el porcentaje de error por turno. En el eje de la abcisa se encuentra el
tiempo en relacin a la frecuencia de muestreo. La curva horizontal roja nos indica el error de muestreo
terico mximo (1%). (Esto es vlido para la compra o venta de productos o insumos y de balance
metalrgico. Para el control de procesos es conveniente trabajar con un error de no ms de un 8%).

31

En el grfico de la Figura 24 se ven dos curvas verticales, la primera de color negro ubicada en el minuto 5, la
segunda de color rojo ubicada en el minuto 20. Lo que aqu se muestra es qu ocurre con el porcentaje de
error de muestreo por turno a la frecuencia de 5 minutos y a la frecuencia de 20 minutos. Este grfico
considera errores de muestreo con frecuencias de muestreo entre 1 minuto y 29 minutos. El resto de las
curvas corresponden al Cu, Mo oxidado, +100 mallas, CuNS, Fe y Mo contenidos en la pulpa y su
comportamiento en cuanto al error de muestreo por turno, dependiendo del tiempo de extraccin entre
muestra y muestra (Frecuencia de muestreo). Se observa claramente en el grfico como el error de muestreo
por turno crece en la medida en que el tiempo de extraccin de muestras va aumentando.
Las empresas pueden mantener sus sistemas de muestreo en esta forma o seguir hacindolo como hasta la
fecha, sin darle mayor importancia a la frecuencia de muestreo y cantidad de muestra correctas, sin
embargo, debe quedar muy claro que trabajar de esta forma tiene costos importantes asociados. Los
ejemplos de las pginas 20 y 41 muestran algunas de las consecuencias de no trabajar con los sistemas de
muestreo en condiciones ptimas. Es fundamental en la obtencin de muestras representativas el estado de
los sistemas de muestreo, a los cuales se les debe determinar el error de muestreo por turno para dejarlos en
condiciones de extraer muestras representativas de los procesos.
El error de muestreo por turno se determina en forma experimental de tal forma que la variabilidad del
proceso no interfiera con la variabilidad del muestreo. Esta determinacin experimental permite dejar el
sistema de extraccin de muestras operando con la frecuencia de muestreo correcta y la cantidad de muestra
necesaria, de esta forma las muestras extradas sern representativas de los procesos, obtenindose as
despus del anlisis de datos, la informacin necesaria para saber qu es lo que realmente est ocurriendo y
as poder tomar las decisiones correctas. Esta determinacin debe hacerce por lo menos dos veces al ao y
cada vez que ocurra un cambio relevante en el proceso. (Ejemplos: Aumento del tonelaje de mineral tratado,
cambio en la composicin mineralgica o qumica, cambio de tecnologa o de equipos, etc.)
LO QUE SE PUEDE MEDIR BIEN, SE PUEDE ADMINISTRAR

COSTOS OCULTOS
Se supone que todos y cada uno de los integrantes de una empresa tiene como tarea alcanzar los mejores
resultados econmicos posibles con los recursos actualmente empleados o disponibles, sin embargo, hay
baches importantes en esta tarea. Se trabaja con mucha ms incertidumbre de la que se debiera. Disminuir
esta incertidumbre pasa por medir y controlar los procesos de otra forma. Si se desea obtener mejores
resultados no se puede seguir haciendo lo mismo puesto que se va a seguir obteniendo lo mismo, es por ello
que no se debe seguir usando la media para medir y controlar los procesos.
Normalmente las empresas consideran como prdidas slo las producidas por detenciones no programadas
de produccin, prdidas de material por roturas de caeras o desastres naturales y otras causas
semejantes. Trabajando con el cumplimiento de las especificaciones aparecen los denominados costos
ocultos, que corresponden a todos aquellos eventos que no son medidos ni considerados en ningn
balance contable ni metalrgico y que sin embargo estn presentes. Aparecen slo cuando se miden o se
cambia el sistema de medir por otro que es capaz de extraer muestras representativas. Estos costos suelen
ocasionar desastres financieros en las empresas.

32

El Porcentaje de Cumplimiento de las Especificaciones se puede aplicar adems a la compra de insumos y

se debera estudiar su aplicacin en los contratos de sus adquisiciones. Por ejemplo en el caso de la compra
de cal o cuarzo:
Cul es el porcentaje de cumplimiento de las especificaciones en cuanto a su ley?
Cul es el porcentaje de cumplimiento en cuanto al contenido de otros elementos?
Cul es el porcentaje de cumplimiento en cuanto a las granulometras solicitadas?
Qu significa un bajo Porcentaje de Cumplimiento de las Especificaciones?
Veamos el siguiente ejemplo: En la Figura 26 aparece representada la Razn Fe/SiO2 de una escoria de
convertidores en una fundicin de cobre. La especificacin que se debe cumplir es que la razn debe ser
menor a 1,6. En el grfico de la figura vemos que esta razn se cumple slo en 17,87%. Preguntas que nos
podemos hacer ante esta situacin:
Cules son las consecuencias de no cumplir las especificaciones?
Cmo afecta los costos este bajo cumplimiento?
Cmo afecta al proceso siguiente?
Cmo afecta la recuperacin metalrgica de la fundicin?
Est includo dentro de las prdidas el consumo excesivo de SiO2 (fundente)?

33

Como ejemplo de costos ocultos y mal uso de la media veamos el siguiente caso:
La granulometra de la pulpa de alimentacin a una planta de flotacin tiene una media de 66% bajo malla
200 Tyler. Con esta granulometra se considera que la liberacin de las partculas de inters es del orden del
95 96%. La pulpa proviene de dos molinos de bolas, N 1 y N 2, de igual capacidad de molienda. Se
efecta control granulomtrico cada dos horas, por separado en ambos molinos. La recuperacin metalrgica
de la planta de flotacin es de 66%. Como consecuencia de un plan de ahorro de costos se suprime el
control granulomtrico por separado por cada molino y se efecta un slo control en la alimentacin comn a
la planta de flotacin. Adems, la muestra de control, siempre con el afn de ahorrar costos, se efecta cada
4 horas y no cada 2 horas como se vena realizando.
Transcurrido algunos meses la recuperacin metalrgica de la planta de flotacin comenz a bajar en forma
paulatina, llegando a un mximo de 64,5%. En busca de las causas de esta baja se descubri (despus de
realizar una serie de estudios, internos y externos) que la causa principal era que, a pesar de que la media
segua siendo del orden del 66% bajo malla 200, la granulometra de la molienda de ambos molinos haba
variado. El molino N 1 estaba moliendo a 70% bajo malla 200 y el molino N 2 estaba moliendo a 62% bajo
malla 200.
Con la falta de control generada por el ahorro de costos, una parte del fino producido por la sobremolienda
del molino N 1 se fue junto con la ganga en los relaves de la planta. Por su parte el molino N 2, al moler
ms grueso gener partculas con sobre tamao que no estaban dentro del rango de liberacin necesario
para ser recuperadas en el proceso de la flotacin, las que tambin se fueron con la ganga en los relaves.

34

En este caso, como en muchos otros, con una visin de disminucin de costos equivocada, el remedio fue
mucho peor que la enfermedad. Siempre que se queda sin la informacin necesaria para mantener el control
de sus procesos, el costo generado (en este caso una disminucin del porcentaje de recuperacin) es
mucho ms alto que el escaso ahorro producido por eliminar controles (informacin) a travs de suprimir
muestreos y anlisis qumicos. A esta prdida hay que agregar el costo que significa el estar derivando hacia
el tranque de relaves materiales que se supone no deberan ir, consiguiendo con ello que la capacidad del
tranque se agote antes del tiempo programado.

FUNCIN DE PRDIDA. GENECHI TAGUCHI.

El ingeniero japons Dr. Genichi Taguchi, estableci por medio de la Funcin de Prdida que un punto
clave para mantener el equilibrio entre el costo de produccin y el valor del producto para el cliente es
controlar la variabilidad del proceso. Utilizando la Funcin de Prdida, expresa que al desviarse con respecto
al resultado objetivo (TARGET) se incurre en un costo, el cual se incrementa en forma exponencial, a medida
que la variabilidad aumenta.
La variabiliadad es un factor que impacta directamente a los niveles de satisfaccin ya que su presencia no
controlada incrementa los costos, los cuales son absorbidos por el cliente final disminuyendo el valor que
este recibe a travs del producto.
La filosofa de Taguchi puede resumirse en tres enunciados:
No podemos reducir el costo sin afectar la calidad.
Podemos mejorar la calidad sin afectar el costo.
Podemos disminuir los costos si mejoramos la calidad.
Taguchi rechaza el mtodo de la calidad basado en la conformidad con los lmites de las especificaciones.
Segn l se debe alcanzar la variacin mnima, en torno a los valores deseados (TARGET), sin aumentar el
costo. La finalidad es reducir la variabilidad alrededor del TARGET. Taguchi considera que la inconsistencia
en la calidad del producto o servicio resulta en gastos, desperdicios y prdidas de oportunidad, cuando los
objetivos de calidad no se alcancen exactamente.
En la Figura 27 y 28 vemos la Funcin de Prdida de Taguchi. La variacin mnima se obtiene cuando el
proceso baja su variabilidad hasta estar 100% en el TARGET y lo observamos en la Figura 29
En las Figuras 29 a 35 vemos el caso de un proceso que reduce su variabilidad y su prdida al cambiar su
protocolo operacional desde A a B.

35

En la Figura 29 observamos un proceso con un protocolo A, que est fuera de ambas especificaciones. (En
rojo)
En la Figura 30 se cambi el protocolo del proceso a B y con ello se consigui quedar dentro de ambas
especificaciones.

36

La

Figura

31

muestra

los

dos

estados

del

37

proceso

con

los

protocolos

En la Figura 32 se han agregado las curvas de Funcin de Prdida y del valor econmico de la prdida (En
negro).

38

La Figura 33 muestra donde el proceso con el protocolo A corta la curva de Funcin de Prdida y la
correspondiente prdida registrada en la curva del valor de la prdida.
La Figura 34 muestra donde el proceso con el protocolo B corta la curva de Funcin de Prdida y su
correspondiente prdida.

39

Por ltimo, la Figura 35 nos muestra la disminucin de la prdida, equivalente a la disminucin de la

variabilidad representada por el lugar donde el proceso con el protocolo B cort la curva de Funcin de
Prdida. Por supuesto, esto tambin funciona en sentido inverso, se puede aumentar la variabilidad y la
prdida del proceso pasando desde el protocolo B al protocolo A.

BENEFICIOS DE LA EMPRESA
Hacer los cambios necesarios para realizar las mejoras correspondientes al cambio de la media por el
porcentaje de cumplimiento de especificaciones, aprovechar todo el potencial que tienen los sistemas de
muestreo y sentar las bases para realizar la capacitacin necesaria con el fin de cambiar la forma de hacer
las cosas, requiere por parte de la alta administracin tomar la decisin de hacerlo y controlarlo y el
compromiso de todos para implementarlo y tambin controlarlo. Se dice que los beneficios de una empresa
se encuentran sobre la cubierta de una mesa de tres patas, una pata corresponde a una gerencia
comprometida, la segunda pata corresponde a un muestreo correcto y la tercera a la comprensin de la
variabilidad.
Si se desea realmente hacer cambios para mejorar el estado de resultados debe quedar claro que sin el
compromiso total de la gerencia es mejor hacer nada y continuar marcando el paso como hasta ahora,
haciendo lo mismo, lo que todos hacen. Ya hemos visto algunas de las situaciones que pueden ocurrir si el
muestreo no es el correcto. Si lo anterior no va acompaado de la comprensin de la variabilidad se puede
perder lo que significa el compromiso de la gerencia y lo que involucra trabajar con un muestreo correcto. La
comprensin de la variabilidad corresponde al anlisis de los datos y al uso del Control Estadstico de
Procesos u otra herramienta de este tipo para su mejor utilizacin.
En la Figura 36 se muestra la mesa de tres patas.
Se habla de Excelencia Operacional, pero esta no basta si no va acompaada de resultados positivos.

40

Para obtener algo extraordinario no se puede seguir haciendo slo lo ordinario.

MODELO OPERACIONAL PREVENTIVO

En la Figura 37 se muestra el diagrama de un Modelo Operacional Preventivo, que contempla todo lo que es
un sistema productivo y que debiera ser implementado por todas aquellas empresas que desean hacer algo
distinto para obtener resultados extraordinarios. Para ello deben alejarse de lo que todos hacen.

41

En el grfico de la Figura 15 la Medicin y el Anlisis de Datos van en rojo con el objeto de hacer ver que
TODO modelo operacional, que TODO lo relacionado con el control de un proceso comienza con la Medicin
(Muestreo, Preparacin de Muestras y Anlisis Qumico o Instrumental) y sigue con el Anlisis de los Datos.
En muchas empresas el muestreo y la preparacin de las muestras son los parientes pobres en cuanto a la
preocupacin de la administracin por su mantencin, operacin o modernizacin. En ocasiones los sistemas
de muestreo automticos (Estaciones de Muestreo) son de excelente calidad pero lentamente van quedando
en el olvido y la despreocupacin, las mantenciones se van espaciando en el tiempo y el personal que los
opera en la mayor parte de los casos no tiene las competencias necesarias para hacerlo bien. Se da la
paradoja de que existen Laboratorios Qumicos completsimos, con ambientes controlados para asegurar la
mejor precisin de los anlisis qumicos y sin embargo las muestras que reciben para sus anlisis provienen
de sistemas de muestreos automticos y muestreos manuales que tienen un alto error de muestreo, con lo
cual la precisin de los anlisis qumicos pierde sentido. Hay muestras que pueden llegar a los Laboratorios
Qumicos con errores de hasta 30, 40 o 50%. Mientras las empresas no entiendan esto las decisiones que
tomen siempre van a tener un alto grado de incertidumbre

42