You are on page 1of 71

Control Estadstico

De la Calidad
Ingeniera Industrial
Grupo: 551

Asesor:
Jos Alfredo Leyva Astorga

Integrantes:
Bojrquez Mondaca Itzaiana
Cabrera Muoz Alejandro
Gerardo Manzanarez Luis Fdo.
Ham Galaviz Margarita Gpe.
Navarro Acosta Fernando

Unidad 1
Teora General y
Herramientas
Reporte de Prcticas Bsicas

Control Estadstico de la Calidad

ndice
Introduccin
1.1 Hoja de Verificacin
1.2 Ventajas
1.3 Desventajas
1.4 Ejemplo 1
1.5 Ejemplo 2
1.6 Ejemplo 3
1.4 Ejemplo 4
2.1 Diagrama de Pareto
2.2 Tablas y Diagramas de Pareto
2.3 Pasos Para la Construccin de un Diagrama
2.4 Proceso (Diagrama de Flujo)
2.5 Construccin
2.6 Interpretacin
2.7 Ejemplo 1
2.8 Ejemplo 2
2.9 Interpretacin
2.10 Ventajas
2.11 Desventajas
3.1 Estratificacin
3.2 Ventajas
3.3 Desventajas
3.4 Ejemplo 1
3.5 Ejemplo 2
4.1 Diagrama de Dispersin
4.2 Interpretacin del Diagrama
4.3 Construccin

4
6
7
7
8
9
10
11
13
14
15
16
17
21
24
25
27
28
28
30
31
31
32
33
36
36
37
2

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

4.4 Ventajas
4.5 Desventajas
4.6 Ejemplo 1
4.7 Ejemplo 2
5.1 Histograma
5.2 Interpretacin
5.3 Limitacines
6.1 Diagrama Causa-Efecto
6.2 Mtodo de las 6 Ms
6.2.1 Aspectos o Factores a Considerar
6.3 Ventajas
6.4 Desventajas
6.5 Mtodo Tipo Flujo del Proceso
6.5.1 Ventajas
6.5.2 Desventajas
6.6 Mtodo de Estratificacin o Enumeracin de Causas
6.6.1 Ventajas
6.6.2 Desventajas
6.7 Pasos Para la Construccin
7.1 Grficas de Control
7.2 Ventajas
7.3 Metodologa
7.4 Lmites de Control
7.5 Causas Comnes y Causas Asignables, Accidentales
7.6 Toma de Muestras
7.7 Grficas de Control Por Variabes
7.8 Grficas de Control Por Atributos
7.9 Ejemplo 1
7.10 Ejemplo 2
Conclusin
Bibliografa

38
38
39
40
44
45
49
51
51
52
53
54
54
55
55
55
56
56
56
59
60
60
62
64
64
65
65
66
68
71
71
3

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Introduccin
En los ltimos aos el termino de calidad, ha ido evolucionando y acaparando todas las miradas
del hombre a nivel mundial. Se le conoce como calidad al conjunto de propiedades inherentes
a un objeto que le confieren capacidad para satisfacer necesidades implcitas o explcitas.
Dentro del sector industrial el concepto de calidad viene definido y de la mano de todo sector
productivo. Como podramos ver en la calidad de un producto o servicio como una percepcin
que el cliente tiene del mismo, o bien una fijacin mental del consumidor que asume
conformidad con dicho producto o servicio y la capacidad del mismo para satisfacer sus
necesidades. Por tanto es muy importante que este se defina en el contexto que se est
considerando.
En la actualidad los directivos de toda organizacin, estn preocupados por implementar
procedimientos para mejorar la calidad en cada uno de sus procesos. Para as lograr enfrentar
la alta competencia, tanto a nivel nacional como internacional y poder seguir siendo
competitivos en el mercado. Convirtiendo a la calidad en la estrategia ms importante del sector
industrial, he ah la importancia de su estudio.
Por lo cual es muy importante establecer metodologas y tcnicas estadsticas para lograr
controlar la calidad en nuestras organizaciones, cumpliendo las normas y reglas necesarias
para satisfacer las necesidades del consumidor. Para lo cual se crearon las 7 herramientas
bsicas de la calidad, que son mtodos de solucin de problemas en los procesos de fabricacin
o produccin, medicin, anlisis y de mejora que en conjunto con la metodologa ayudan a
resolver problemas estadsticos dentro de las organizaciones, detectando as las fallas y errores
que se encuentran o como se encuentra nuestro sistema de produccin de manera ms clara y
precisa.
Dentro de las 7 herramientas de calidad podemos encontrar la lista de verificacin, los
diagramas de Pareto, los histogramas, los diagramas de causa-efecto, la estratificacin, los
grficos de control y los diagramas de dispersin. Estas tienen como propsito principal
organizar los datos numricos, facilitar la planeacin, mejorar el proceso de la toma de
decisiones, etc. Para as poder encontrar los distintos problemas o los principales causantes de
prdidas en una empresa u organizacin.
Es muy importante para el ingeniero industrial conocer y saber manejar a la perfeccin estas
herramientas, puesto que son las principales herramientas del sector productivo, las cuales
ayudaran al ingeniero a analizar, medir e interpretar situaciones coloquiales para posteriormente
pasar a la toma de decisiones y encontrar ciertas fallas que podamos notar durante el proceso.

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

1-Hoja de
Verificacin

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

1.1 - Hoja de Verificacin


La hoja de verificacin es un formato construido para colectar datos, de forma que su registro
sea sencillo, sistemtico y que sea fcil analizarlos. Una buena hoja de verificacin debe reunir
la caracterstica de que, visualmente, permita hacer un primer anlisis para apreciar las
principales caractersticas de la informacin buscada. Algunas de las situaciones en las que
resulta de utilidad obtener datos a travs de las hojas de verificacin son las siguientes:
Describir el desempeo o los resultados de un proceso.
Clasificar las fallas, quejas o defectos detectados, con el propsito de identificar sus
magnitudes, razones, tipos de fallas, reas de donde proceden, etctera.
Confirmar posibles causas de problemas de calidad.
Analizar o verificar operaciones y evaluar el efecto de los planes de mejora.
La finalidad de la hoja de verificacin es fortalecer el anlisis y la medicin del desempeo de
los diferentes procesos de la empresa, a fin de contar con informacin que permita orientar
esfuerzos, actuar y decidir objetivamente. Esto es de suma importancia, ya que en ocasiones
algunas reas o empresas no cuentan con datos ni informacin de nada. En otros casos, el
problema no es la escasez de datos; por el contrario, en ocasiones abundan (reportes, informes,
registros); el problema ms bien es que tales datos estn archivados, se registraron demasiado
tarde, se colectaron de manera inadecuada o no existe el hbito de analizarlos y utilizarlos de
manera sistemtica para tomar decisiones, por lo que en ambos casos el problema es el mismo:
no se tiene informacin para direccionar de forma objetiva y adecuada los esfuerzos y
actividades en una organizacin.
Se utiliza para reunir datos basados en la observacin del comportamiento de un proceso con
el fin de detectar tendencias, por medio de la captura, anlisis y control de informacin relativa
al proceso. Bsicamente es un formato que facilita que una persona pueda tomar datos en una
forma ordenada y de acuerdo al estndar requerido en el anlisis que se est realizando. Las
hojas de verificacin tambin conocidas como de comprobacin o de chequeo organizan los
datos de manera que puedan usarse con facilidad ms adelante.

Pasos para la elaboracin de una hoja de verificacin:


1. Determinar claramente el proceso sujeto a observacin. Los integrantes deben enfocar su
atencin hacia el anlisis de las caractersticas del proceso.
6

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


2. Definir el perodo de tiempo durante el cual sern recolectados los datos. Esto puede variar
de horas a semanas.
3. Disear una forma que sea clara y fcil de usar. Asegrese de que todas las columnas estn
claramente descritas y de que haya suficiente espacio para registrar los datos.
4. Obtener los datos de una manera consistente y honesta. Asegrese de que se dedique el
tiempo necesario para esta actividad.

1.2 Ventajas
Supone un mtodo que proporciona datos fciles de comprender y que son obtenidos mediante
un proceso simple y eficiente que puede ser aplicado a cualquier rea de la organizacin. Las
Hojas de Verificacin reflejan rpidamente las tendencias y patrones subyacentes en los datos.
En la mejora de la Calidad, se utiliza tanto en el estudio de los sntomas de un problema, como
en la investigacin de las causas o en la recogida y anlisis de datos para probar alguna
hiptesis.
Tambin se usa como punto de partida para la elaboracin de otras herramientas, como por
ejemplo los Grficos de Control.

1.3 Desventajas
Es importante considerar que el uso excesivo de la hoja de verificacin puede llevar a obtener
datos sin ningn objetivo concreto e importante. Para evitar esto, debe considerarse que cada
hoja con la que se obtienen datos en una empresa, tenga un objetivo claro y de importancia.

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

1.4 Ejemplo 1
Registro de defectos y posibles causas:

En una fbrica de piezas metlicas


se busca reducir la cantidad de vlvulas defectuosas. Cada molde est dividido en tres zonas,
cada una de las cuales incluye dos piezas. Como punto de partida se colectan datos mediante
una hoja de verificacin, en la cual se especifica el tipo de problemas, el producto y la zona del
molde. En la tabla 6.3 se muestran los datos obtenidos en dos semanas.
Una revisin rpida de los datos de la tabla 6.3 indica que el problema predominante en las
vlvulas es la porosidad, y que sta se presenta en la tercera zona del molde,
independientemente del modelo de producto. En efecto, el problema de porosidad en la zona
tres se da con una intensidad similar en los cuatro modelos de producto, ya que la cantidad de
10, 9, 8 y 13 defectos de porosidad por cada modelo es relativamente similar.

Disear formatos de registro de datos de forma adecuada, incluso en forma electrnica, ayuda
a entender mejor la regularidad estadstica de los problemas que se presentan; por ejemplo,
accidentes de trabajo, fallas de equipos y mantenimiento, fallas en trmites administrativos,
quejas y atencin a clientes, razones de incumplimiento de plazos de entrega, ausentismo,
inspeccin y supervisin de operaciones. En todos estos problemas se requiere informacin
que se puede obtener mediante un buen diseo de una hoja de verificacin.
8

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

1.5 Ejemplo 2
Hoja de verificacin para distribucin de procesos: Una caracterstica de
calidad muy importante en el tequila es el color, ya que eso le da identidad a la marca, entre
otros aspectos. En una empresa en particular se tienen como especificaciones para cierto
producto que su color debe estar entre 61 y 65% de transmisin. Para analizar el color, adems
de llevar una carta de control se dise la hoja de verificacin de la tabla 6.4, como una forma
de analizar la capacidad del proceso. De esta forma, al medir el color se hace una marca sobre
la columna cuyo valor est ms cercano al de la medicin. En particular, en la tabla 6.4 se
observa que el proceso cae justo dentro de especificaciones, por lo que se debe evaluar la
posibilidad y prioridad de generar un proyecto de mejora para reducir la variabilidad del color.

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

1.6 Ejemplo 3
Hoja de verificacin para productos defectuosos:

En la tabla 6.5 se
aprecia una hoja de verificacin para radiografas defectuosas en una clnica mdica. Este tipo
de hoja de registro es til cuando es necesario registrar el tipo de problemas y la frecuencia con
que se presentan.
Tiene la ventaja de la oportunidad, ya que al final de cierto periodo (semana, mes) permite
apreciar qu tipos de problemas se presentaron con mayor frecuencia. Adems, recuerda de
manera objetiva y permanente a la direccin cules son los principales problemas, lo cual puede
estimular la generacin de planes para reducirlos. Esta misma hoja de verificacin servira para
evaluar el impacto de los planes de mejora.

10

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

1.4 Ejemplo 4
Hoja de verificacin para la localizacin de defectos:
Este tipo de hoja se disea de forma que permita identificar o localizar la zona del producto
donde ocurren los defectos. Por ejemplo, en la impresin de carteles es de utilidad saber en
qu zonas del cartel ocurren las manchas, o en un producto moldeado la zona en que ocurre la
porosidad y el problema de llenado. En ocasiones, esta hoja de verificacin consiste en un
dibujo o grfica del producto en el cual se registra la zona donde ocurre el defecto, como se
muestra en la fi gura 6.4. La idea de este tipo de hoja de registro es localizar las zonas de fallas,
de forma que sea fcil apreciar si en alguna de stas predomina determinada falla.

Recomendaciones para el uso de una hoja de verificacin


1. Determinar qu situacin es necesario evaluar, sus objetivos y el propsito que se persigue.
A partir de lo anterior, definir qu tipo de datos o informacin se requiere.
2. Establecer el periodo durante el cual se obtendrn los datos.
3. Disear el formato apropiado. Cada hoja de verificacin debe llevar la informacin completa
sobre el origen de los datos: fecha, turno, mquina, proceso, quin toma los datos. Una vez
obtenidos, se analizan e investigan las causas de su comportamiento. Para ello se deben utilizar
grficas.
Es necesario buscar la mejora de los formatos de registro de datos para que cada da sean ms
claros y tiles.

11

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

2 - Diagrama
de Pareto

12

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

2.1 Diagrama de Pareto


El Principio de Pareto afirma que en todo grupo de elementos o factores que contribuyen a un
mismo efecto, unos pocos son responsables de la mayor parte de dicho efecto como se muestra
en la figura anterior:

Se refiere a que pocos elementos (20%) generan la mayor parte del efecto. El nombre de este
principio se determin en honor al economista italiano Wilfredo Pareto (1843-1923).
Definicin
El Anlisis de Pareto es una comparacin cuantitativa y ordenada de elementos o factores
segn su contribucin a un determinado efecto.
El objetivo de esta comparacin es clasificar dichos elementos o factores en dos categoras:
Las "Pocas Vitales" (los elementos muy importantes en su contribucin) y los "Muchos Triviales"
(los elementos poco importantes en ella).
Caractersticas principales
Caractersticas que ayudan a comprender esta herramienta:
1) Priorizacin: Identifica los elementos que ms peso o importancia tienen dentro de un grupo.
2) Unificacin de Criterios: Enfoca y dirige el esfuerzo de los componentes del grupo de trabajo
hacia un objetivo prioritario comn.
3) Carcter objetivo: Su utilizacin fuerza al grupo de trabajo a tomar decisiones basadas en
datos y hechos objetivos y no en ideas subjetivas.

13

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


2.2 TABLAS Y DIAGRAMAS DE PARETO
Definicin
Las Tablas y Diagramas de Pareto son herramientas de representacin utilizadas para
visualizar el Anlisis de Pareto. El Diagrama de Pareto es la representacin grfica de la
Tabla de Pareto correspondiente.
El diagrama es un grfico de barras que ayuda a identificar prioridades y causas, ya que se
ordenan por orden de importancia a los diferentes problemas que se presentan en un proceso.
Tambin llamado curva 80-20 o distribucin A-B-C.
Se reconoce que ms del 80% de la problemtica en una organizacin es por causas comunes,
es decir, se debe a problemas o situaciones que actan de manera permanente sobre los
procesos. Pero, adems, en todo proceso son pocos los problemas o situaciones vitales que
contribuyen en gran medida a la problemtica global de un proceso o una empresa. Lo anterior
es la premisa del diagrama de Pareto, el cual como ya se explic anteriormente es un grfico
especial de barras cuyo campo de anlisis o aplicacin son los datos categricos, y tiene como
objetivo ayudar a localizar el o los problemas vitales, as como sus principales causas.
La idea es que cuando se quiere mejorar un proceso o atender sus problemas, no se den palos
de ciego y se trabaje en todos los problemas al mismo tiempo atacando todas sus causas a la
vez, sino que, con base en los datos e informacin aportados por un anlisis estadstico, se
establezcan prioridades y se enfoquen los esfuerzos donde stos tengan mayor impacto. La
viabilidad y utilidad general del diagrama est respaldada por el llamado principio de Pareto,
conocido como Ley 80-20 o Pocos vitales, muchos triviales la cual hablamos al principio, en
el cual se reconoce que pocos elementos (20%) generan la mayor parte del efecto (80%), y el
resto de los elementos propician muy poco del efecto total.
Caractersticas principales del diagrama de Pareto:
1) Simplicidad: Tanto la Tabla como el Diagrama de Pareto no requieren ni clculos complejos
ni tcnicas sofisticadas de representacin grfica.
2) Impacto visual: El Diagrama de Pareto comunica de forma clara, evidente y de un "vistazo",
el resultado del anlisis de comparacin y priorizacin.

14

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Tabla De Pareto

Diagrama De Pareto

2.3 Pasos para la construccin de un diagrama de Pareto:


1. Es necesario decidir y delimitar el problema o rea de mejora que se va a atender, as como
tener claro qu objetivo se persigue. A partir de lo anterior, se procede a visualizar o imaginar
qu tipo de diagrama de Pareto puede ser til para localizar prioridades o entender mejor el
problema.
2. Con base en lo anterior se discute y decide el tipo de datos que se van a necesitar, as como
los posibles factores que sera importante estratificar. Entonces, se construye una hoja de
verificacin bien diseada para la coleccin de datos que identifique tales factores.
3. Si la informacin se va a tomar de reportes anteriores o si se va a colectar, es preciso definir
el periodo del que se tomarn los datos y determinar a la persona responsable de ello.
4. Al terminar de obtener los datos se construye una tabla donde se cuantifique la frecuencia de
cada defecto, su porcentaje y dems informacin.
5. Se decide si el criterio con el que se van a jerarquizar las diferentes categoras ser
directamente la frecuencia o si ser necesario multiplicarla por su costo o intensidad
correspondiente. De ser as, es preciso multiplicarla. Despus de esto, se procede a realizar la
grfica.
6. Documentacin de referencias del DP, como son ttulos, periodo, rea de trabajo, etc.

15

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


7. Se realiza la interpretacin del DP y, si existe una categora que predomina, se hace un
anlisis de Pareto de segundo nivel para localizar los factores que ms influyen en el mismo
(vase ejemplo 6.1).
2.4 PROCESO (Diagrama De Flujo):

2.5 CONSTRUCCIN
Paso 1:
Preparacin de los datos Como en todas las herramientas de anlisis de datos, el primer paso
consiste en recoger los datos correctos o asegurarse de que los existentes lo son.
Para la construccin de un Diagrama de Pareto son necesarios:
a) Un efecto cuantificado y medible sobre el que se quiere priorizar (Costes, tiempo, nmero de
errores o defectos, porcentaje de clientes, etc).

16

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


b) Una lista completa de elementos o factores que contribuyen a dicho efecto (tipos de fallos o
errores, pasos de un proceso, tipos de problemas, productos, servicios, etc). Es importante
identificar todos los posibles elementos de contribucin al efecto antes de empezar la recogida
de datos. Esta condicin evitar que, al final del anlisis, la categora "Varios" resulte ser una
de las incluidas en los "Pocos Vitales".
Las herramientas de calidad ms tiles para obtener esta lista son: la Tormenta de Ideas, el
Diagrama de Flujo, el Diagrama de Causa-Efecto y sus similares, o los propios datos.

c) La magnitud de la contribucin de cada elemento o factor al efecto total.


Estos datos, bien existan o bien haya que recogerlos, debern ser:
- Objetivos: basados en hechos, no en opiniones.
- Consistentes: debe utilizarse la misma medida para todos los elementos contribuyentes y los
mismos supuestos y clculos a lo largo del estudio, ya que el Anlisis de Pareto es un anlisis
de comparacin.
- Representativos: deben reflejar toda la variedad de hechos que se producen en la realidad. Verosmiles: evitar clculos o suposiciones controvertidas, ya que buscamos un soporte para la
toma de decisiones, si no se cree en los datos, no apoyarn las decisiones.
Paso 2:
Clculo de las contribuciones parciales y totales. Ordenacin de los elementos o factores
incluidos en el anlisis
Para cada elemento contribuyente sobre el efecto, anotar su magnitud. Ordenar dichos
elementos de mayor a menor, segn la magnitud de su contribucin.
Calcular la magnitud total del efecto como suma de las magnitudes parciales de cada uno de
los elementos contribuyentes.

17

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Paso 3:
Calcular el porcentaje y el porcentaje acumulado, para cada elemento de la lista ordenada
El porcentaje de la contribucin de cada elemento se calcula:
% = (magnitud de la contribucin /magnitud del efecto total) x 100
El porcentaje acumulado para cada elemento de la lista ordenada se calcula: - Por suma de
contribuciones de cada uno de los elementos anteriores en la tabla, ms el elemento en cuestin
como magnitud de la contribucin, y aplicando la frmula anterior.
- Por suma de porcentajes de contribucin de cada uno de los elementos anteriores ms el
porcentaje del elemento en cuestin. En este caso habr que tener en cuenta el que estos
porcentajes, en general, han sido redondeados.
Una vez completado este paso tenemos construida la Tabla de Pareto.

Paso 4:
Trazar y rotular los ejes del Diagrama El eje vertical izquierdo representa la magnitud del efecto
estudiado.
18

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Debe empezar en 0 e ir hasta el valor del efecto total.
Rotularlo con el efecto, la unidad de medida y la escala.
La escala debe ser consistente, es decir variar segn intervalos constantes. Las escalas de
grficos que se compararn entre s, deben ser idnticas (Nota: Prestar especial cuidado a las
escalas automticas de los grficos por ordenador).
El eje horizontal contiene los distintos elementos o factores que contribuyen al efecto.
Dividirlo en tantas partes como factores existan y rotular su identificacin de izquierda a
derecha segn el orden establecido en la Tabla de Pareto.
El eje vertical derecho representa la magnitud de los porcentajes acumulados del efecto
estudiado.
La escala de este eje va desde el 0 hasta el 100%. El cero coincidir con el origen y el 100%
estar alineado con el punto, del eje vertical izquierdo, que representa la magnitud total del
efecto.
Ejemplo:

Paso 5: Dibujar un Grfico de Barras que representa el efecto de cada uno de los elementos
contribuyentes
La altura de cada barra es igual a la contribucin de cada elemento tanto medida en magnitud
por medio del eje vertical izquierdo, como en porcentaje por medio del eje vertical derecho.
Ejemplo

19

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Paso 6: Trazar un Grfico Lineal cuyos puntos representan el porcentaje acumulado de la Tabla
de Pareto
Marcar los puntos del grfico en la interseccin de la prolongacin del lmite derecho de cada
barra con la magnitud del porcentaje acumulado correspondiente al elemento representado en
dicha barra.

Numero de errores Porcentaje acumulado Tipo de error


Paso 7: Sealar los elementos "Pocos Vitales" y los "Muchos Triviales"
Trazar una lnea vertical que separa el Diagrama en dos partes y sirve para visualizar la frontera
entre los "Pocos Vitales" y los "Muchos Triviales", basndonos en el cambio de inclinacin entre
los segmentos lineales correspondientes a cada elemento.
Rotular las dos secciones del Diagrama. Rotular el porcentaje acumulado del efecto
correspondiente al ltimo elemento incluido en la seccin "Pocos Vitales".
Paso 8: Rotular el ttulo del Diagrama de Pareto

20

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


2.6 INTERPRETACIN
El objetivo del Anlisis de Pareto es utilizar los hechos para identificar la mxima concentracin
de potencial del efecto en estudio (Magnitud del problema, costes, tiempo, etc) en el nmero
mnimo de elementos que a l contribuyen.
Con este anlisis buscamos enfocar nuestro esfuerzo en las contribuciones ms importantes,
con objeto de optimizar el beneficio obtenido del mismo.
En el Paso 7: Sealar los elementos "Pocos Vitales" y los "Muchos Triviales" se comenta que
existe una frontera clara entre las dos categoras.
En muchos casos no existe esta frontera claramente visible. En realidad se puede identificar
generalmente una tercera categora que J.M. Juran llam "Zona Dudosa".
Ejemplo

La estrategia de interpretacin a seguir en estos casos ser:


a) Identificar los elementos que tienen una pendiente muy inclinada en su representacin lineal
y que en general representan aproximadamente el 60% del efecto total.
b) Enfocar el trabajo a desarrollar en estos elementos como los "Pocos Vitales".
c) Una vez terminada esta labor, volver a realizar el Anlisis de Pareto en las nuevas
condiciones y comprobar si los elementos incluidos en la anterior "Zona Dudosa" han pasado a
ser "Pocos Vitales" y si su tratamiento es rentable.

21

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


En general, una vez tratados los elementos que claramente pertenecen a los "Pocos Vitales"
tenemos un mejor conocimiento de lo que hay que hacer con los pertenecientes a la "Zona
Dudosa".
Posibles problemas y deficiencias de interpretacin
a) Al dibujar el Diagrama de Pareto, vemos que este no permite realizar una clara distincin
entre los diferentes elementos o categoras que contribuyen al efecto, por los siguientes motivos:
- Todas las barras del Diagrama son ms o menos de la misma altura.
- Se requieren ms de la mitad de las categoras para tener en cuenta ms del 60% del efecto
total.
En cualquier caso, parece que el Principio de Pareto no es aplicable al caso en estudio. Esta
circunstancia es altamente improbable ya que dicho principio ha demostrado su validez en miles
de casos. En general, estas circunstancias son debidas a una eleccin deficiente de los
elementos o categoras utilizados para el anlisis.
Debe probarse una nueva estratificacin de los datos y repetirse en base a esta ltima el anlisis.
Ejemplo
1. Problema: Gran numero de errores en las facturas emitidas
2. Asignacin a un grupo de trabajo su solucin
3. Posible causa: Los empleados nuevos son los causantes
4. Comprobacin de la posible causa: Recogida de datos nmero de errores por empleado

5. Nueva estratificacin de los datos

22

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Principalmente los errores se concentran en la hora antes de la pausa para la comida y la hora
antes de la finalizacin de la jornada.
b) Obtencin de priorizaciones errneas debido a deficiencias en los datos iniciales (Los datos
no eran objetivos, consistentes, representativos y/o verosmiles).
Debern conseguirse nuevos datos sujetos a dichas condiciones.
c) Uno de los elementos "Pocos Vitales" es la categora "Varios". En este caso se debe
replantear la clasificacin de categoras realizada profundizando en el fenmeno o efecto
estudiado y repetir el anlisis efectuado.
UTILIZACIN:
El Diagrama de Pareto sirve para establecer prioridades y para enfocar y dirigir las acciones a
desarrollar posteriormente.
Por otra parte permite basar la toma de decisiones en parmetros objetivos, por tanto, permite
unificar criterios y crear consenso.
Utilizacin en las fases del proceso de solucin de problemas:
Este Anlisis es aplicable en todos los casos en que se deban establecer prioridades para no
dispersar el esfuerzo y optimizar el resultado de dicha inversin. En particular:
- Para asignar prioridades a los problemas durante la definicin y seleccin de proyectos.
- Para identificar las causas claves de un problema.
- Para comprobar los resultados de un grupo de trabajo una vez implantada la solucin
propuesta por el mismo.
A este fin se compara el Diagrama de Pareto de la situacin inicial con el de la situacin actual
y se comprueba que la contribucin de los elementos inicialmente ms importantes haya
disminuido notablemente.

23

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

2.7 Ejemplo 1 Hurtos en un almacn


Un gran almacn, que registraba elevados costes por hurtos, encarg a un grupo de trabajo
resolver el problema. Como el almacn dispona de varias plantas y ofreca mercanca de
naturaleza muy diferente, el equipo decidi empezar las investigaciones recogiendo datos sobre
los costes por hurtos en varias secciones y realizar un Anlisis de Pareto.

En las primeras cuatro secciones se registran el 77% de los costes totales por hurtos. Estas son
las "pocas vitales". El equipo tendr que concentrar sus esfuerzos en buscar soluciones que
evitan los hurtos en estas cuatro secciones. De esta manera obtendr una mejora significativa
con una accin ms centrada en el problema.

24

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Atacando slo 4 de las 23 causas, haba un potencial de mejora de la satisfaccin de los clientes
de ms del 50%. Este caso matiza adems la importancia de basarse en datos y no en
suposiciones u opiniones internas, puesto que la clasificacin de "facilidad acceso ciudad" como
la principal causa de insatisfaccin era absolutamente inesperada por el equipo.

2.8 Ejemplo 2 Defectos en los tejidos de una empresa


Ejemplo #2 Defectos en los tejidos de una empresa textil
En una empresa textil se desea analizar el nmero de defectos en los tejidos que fabrica. En la
tabla siguiente se muestran los factores que se han identificado como causantes de los mismos
as como el nmero de defectos asociado a ellos:

25

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Recordemos que primero debemos ordenar en forma decreciente el n de defectos:

Enseguida debemos calcular los porcentajes relativos y acumulados.

Una vez elaborada la tabla de Pareto procedemos a: Dibujar dos ejes verticales y un eje
horizontal. Situar en el eje vertical izquierdo la magnitud de cada factor. La escala del eje est
comprendida entre cero y la magnitud total de los factores. En el derecho se representan el
porcentaje acumulado de los factores, por tanto, la escala es de cero a 100.El punto que
representa a 100 en el eje derecho est alineado con el que muestra la magnitud total de los
factores detectados en el eje izquierdo. Por ltimo, el eje horizontal muestra los factores
empezando por el de mayor importancia.

26

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

En seguida se trazan las barras correspondientes a cada factor, tal como se muestra en el
siguiente diagrama. La altura de cada barra representa su magnitud por medio del eje vertical
izquierdo. Se representa el grfico lineal que representa el porcentaje acumulado calculado
anteriormente. Este grfico se rige por el eje vertical derecho.

2.9 Interpretacin:
En el grfico obtenido se observa que un 20% de los tejidos (Algodn y Tul) representan
aproximadamente un 80% de los defectos, por lo tanto centrndose la empresa solo en esos
2productos reducira en un 80% el nmero de defectos.

27

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


2.10 Ventajas de esta herramienta:
1-Ayuda a concentrarse en las causas que tendrn mayor impacto en caso de ser resueltas.
2-Proporciona una visin simple y rpida de la importancia relativa de los problemas. Impacto
visual: comunica de forma clara, evidente y deun "vistazo", el resultado del anlisis de
comparacin y priorizacin.
3-Ayuda a evitar que se empeoren algunas causas al tratar de solucionar otras y ser resueltas.
4-Su formato altamente visible proporciona un incentivo para seguir luchando por ms mejoras.
Simplicidad:
5-No se requieren clculos complejos ni tcnicas sofisticadas de representacin grfica.
6-Unificacin de Criterios: Enfoca y dirige el esfuerzo de los componentes del grupo de trabajo
hacia un objetivo prioritario comn.
7-Carcter objetivo: Las decisiones a tomar son basadas en datos y hechos objetivos y no en
ideas subjetivas.

2.11 Desventajas:
1-Los datos no indican una clara distincin entre las categoras ya que todas las barras son ms
o menos de la misma altura.
2- Tiene como desventajas que la seleccin, confiabilidad y consistencia de las categoras
depende de la experticia de quien haga el estudio; es probable que aparezcan barras de la
misma altura o que se requiera ms de la mitad de las categoras para obtener ms del 60%
del efecto.
3- Internet y el entorno digital han cambiado las leyes de distribucin y las reglas del mercado;
Ahora existen dos mercados: uno centrado en el alto rendimiento de pocos productos y otro
nuevo, basado en la suma o acumulacin de todas las pequeas ventas de muchos productos,
que puede igualar o superar al primero.

28

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

3 Estratificacin

29

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

3.1 - Estratificacin
Estratificar es analizar problemas, fallas, quejas o datos, clasificndolos o agrupndolos de
acuerdo con los factores que se cree pueden influir en la magnitud de los mismos, a fin de
localizar las mejores pistas para resolver los problemas de un proceso. Por ejemplo, los
problemas pueden analizarse de acuerdo con tipo de fallas, mtodos de trabajo, maquinaria,
turnos, obreros, materiales o cualquier otro factor que proporcione una pista acerca de dnde
centrar los esfuerzos de mejora y cules son las causas vitales.
La estratificacin es una poderosa estrategia de bsqueda que facilita entender cmo influyen
los diversos factores o variantes que intervienen en una situacin problemtica, de forma que
sea posible localizar diferencias, prioridades y pistas que permitan profundizar en la bsqueda
de las verdaderas causas de un problema. La estratificacin recoge la idea del diagrama de
Pareto y la generaliza como una estrategia de anlisis y bsqueda. No slo se aplica en el
contexto del diagrama de Pareto, ms bien, es una estrategia comn a todas las herramientas
bsicas.
En todas las reas o tipos de proceso resulta de utilidad clasificar los problemas o las
mediciones de desempeo, de acuerdo con los factores que ayuden a direccionar mejor la
accin de mejora; por ejemplo, para disminuir el ausentismo en una empresa, en lugar de dirigir
campaas o programas generalizados sera mejor centrarlos en los trabajadores,
departamentos o turnos con mayor porcentaje de ausencias, lo cual se podra encontrar
agrupando (estratificando) a trabajadores, departamentos o turnos de acuerdo con su
porcentaje de faltas. Algo similar puede aplicarse a problemas como accidentes de trabajo,
rotacin, etc.
En general, es til estratificar por:
Departamentos, reas, secciones o lneas de produccin.
Operarios, y stos a su vez por experiencia, edad, sexo o turno.
Maquinaria o equipo; la clasificacin puede ser por mquina, modelo, tipo, vida o
condicin de operacin.
Tiempo de produccin: turno, da, semana, noche, mes.
Proceso: procedimiento, condiciones de operacin.
Materiales y proveedores.
Recomendaciones para estraticar:
1. A partir de un objetivo claro e importante, determine con discusin y anlisis las
caractersticas o factores a estratificar.
30

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


2. Mediante la coleccin de datos, evale la situacin actual de las caractersticas seleccionadas.
Exprese de manera grfica la evaluacin de las caractersticas (diagrama de Pareto, histograma,
cartas de control, diagrama de caja, etctera).
3. Determine las posibles causas de la variacin en los datos obtenidos con la estratificacin.
Esto puede llevar a estratificar una caracterstica ms especfica, como en los ejemplos.
4. Ir ms a fondo en alguna caracterstica y estratificarla.
5. Estratifique hasta donde sea posible y obtenga conclusiones de todo el anlisis realizado.

3.2 Ventajas

Permite aislar la causa de un problema, identificando el grado de influencia de ciertos


factores en el resultado de un proceso

La estratificacin puede apoyarse y servir de base en distintas herramientas de calidad,


si bien el histograma es el modo ms habitual de presentarla

Destaca que la comprensin de un fenmeno resulta ms completa.

3.3 Desventajas

Puede ocurrir que los miembros de una unidad superior se parezcan, reduciendo la
representatividad de otros en la muestra final.

Necesita ms tiempo

Es complicado

Caro.

Realizacin De Un Estudio De Estratificacin


Un estudio de estratificacin consiste en comparar medias y comparar varianzas. Ms
exactamente el mtodo consiste en contrastar, por una parte, la H 0 de igualdad de medias de
los estratos y, por otra, la H0 de igualdad de varianzas de los estratos.
El mtodo a utilizar consiste en calcular el intervalo de confianza de la media para el nivel de
confianza de, aproximadamente, 1-=95%. Para ello, se calcula para cada estrato el intervalo:
n

31

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Para cada estrato se representa mediante un segmento su intervalo de confianza anteriormente
calculado. Si dos intervalos se solapan aceptamos que sus medias no difieren
significativamente, mientras que si no se solapan es ndice de que existen diferencias
significativas.
Para contrastar la igualdad de varianzas aplicaremos el Test de Hartley. Si designamos por s max
y smin a la mayor y la menor, respectivamente, de las desviaciones tpicas, se calcula el
estadstico H definido por:
H= S2max
S2min
Si el valor de H obtenido supera al correspondiente, en la que N es el tamao de muestra y k el
de estratos o varianzas a comprar, aceptaremos que existen diferencias significativas entre las
varianzas.
Si la diferencia entre el menor y el mayor es significativa, se elimina uno de ellos y se sigue con
el anlisis con las restantes varianzas.

3.4 Ejemplo 1
Un gerente utiliza una grfica lineal para ver el nmero total de quejas o fallas en la empresa y
nota que algo raro pas en abril: hubo un incremento muy marcado de errores.

En virtud de que son tres los departamentos involucrados, decide construir grficas separadas
para cada uno. Los departamentos 1 y 2 estn bien pues no hay incremento en los defectos.
Vemos que es el departamento 3 el que ha incrementado sus errores.
Qu hacer? Valdra la pena iniciar un anlisis en este departamento.

32

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

3.5 Ejemplo 2
En una empresa del ramo metal-mecnico se tiene inters en evaluar cules son los problemas
ms importantes por los que las piezas metlicas son rechazadas cuando se inspeccionan. Este
rechazo se da en diversas fases del proceso y en distintos departamentos. Para realizar tal
evaluacin se estratican los rechazos por tipo y por departamento que produjo la pieza. Los
resultados obtenidos en dos semanas se aprecian en la tabla, donde se ven los diferentes tipos
de problemas, la frecuencia con que han ocurrido y el departamento donde se originaron.
Enseguida se analizarn estos datos aplicando la estratificacin.

Dpto. de
Piezas
Medianas
16

Dpto. de
Piezas
Grandes
10

Llenado

12

33

15

60

Maquinado

Molde

16

Ensamble

Total

26

58

36

120

Razn de
Rechazo

Dpto. de
Piezas Chicas

Porosidad

Total
33

Problema ms importante (primer nivel de estraticacin). En la tabla se observa que el


problema principal es el llenado de las piezas (50% del total de rechazos, 60 de 120); por lo
tanto, debe atenderse de manera prioritaria y analizar con detalle sus causas.
Causas (segundo nivel de estraticacin). Para el problema principal se aplica una segunda
estraticacin, bien pensada y discutida, que ayude a conocer la manera en que inuyen los
diversos factores que intervienen en el problema de llenado; tales factores podran ser
33

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


departamento, turno, tipo de producto, mtodo de fabricacin, materiales, etc. Pero como en la
tabla slo se tiene la informacin del departamento, entonces se procede a realizar la
estraticacin del problema de llenado por departamento, lo que permite apreciar que esta falla
se da principalmente en el departamento de piezas medianas (58%, 32 de 60). Si al clasicar
el problema de llenado por otros factores no se encuentra ninguna otra pista importante,
entonces el equipo de mejora tiene que centrarse en el problema de llenado en el departamento
de piezas medianas y, por el momento, debe olvidarse de los otros problemas y los dems
departamentos.
Causas (tercer nivel). Dentro del departamento de piezas medianas se podra discutir, pensar
y reexionar cmo estraticar el problema de llenado por otras fuentes de variabilidad, como
podran ser turnos, productos, mquinas, etc. Si en alguna de estas clasicaciones se determina
dnde se localiza principalmente la falla, ah se debe centrar la accin de mejora. En los casos
que mediante la estraticacin ya no se encuentre ninguna pista ms, entonces se toma en
cuenta todo el anlisis hecho para tratar de establecer la verdadera causa del problema, una
labor que es ms sencilla porque ya se tienen varias pistas acerca de dnde, cmo y cundo
se presenta el problema principal.
Se concluye que tratar de encontrar la causa raz antes de las estratificaciones es trabajar sin
sentido, con el consecuente desperdicio de energa y recursos, y el riesgo de que se ataquen
efectos y no las verdaderas causas. Sin embargo, es necesario sealar que la velocidad con la
que se obtienen los datos limita hasta dnde seguir estratificando, ya que si un proceso los
genera con lentitud, entonces ser difcil esperar a que se generen los datos de inters para
identificar pistas que ayuden a la localizacin de las causas principales. En estos casos es
preciso tomar mayores riesgos en las decisiones con respecto a cules son las causas
principales y esperar a ver si, efectivamente, las acciones tomadas dieron resultado. Otra
posibilidad es aplicar una estrategia ms activa, como el diseo de experimentos, a fin de
corroborar conjeturas o sospechas ms rpido.

34

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

4 Diagrama de
Dispersin

35

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

4.1 Diagrama de Dispersin


El diagrama de dispersin es una grfica del tipo X-Y, donde cada elemento de la muestra es
representado por un par de valores (Xi,Yi) y el punto correspondiente en el plano cartesiano XY. Las parejas de datos obtenidos se representan a travs de un punto en una grfica de tipo
X-Y y a la figura resultante se le conoce como diagrama de dispersin.
El objetivo de esta grfica es analizar la forma en que estas dos variables estn relacionadas.
4.2 INTERPRETACIN DE UN DIAGRAMA DE DISPERSIN
Para saber identificar los tipos de diagramas, se puede mencionar lo siguiente:

Si los puntos estn dispersos dentro de una banda horizontal sin ningn orden aparente
(figura C), entonces no existe ninguna relacin entre las dos variables.

Si los puntos siguen algn patrn bien definido, es probable que exista una relacin entre
ellas (figuras A, B y D).

36

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Algunos patrones tpicos de correlacin y aspectos a considerar en la interpretacin de un
diagrama de dispersin es la Correlacin Positiva (Figura A), cuando X crece, tambin lo hace
Y en forma lineal, por lo que se habla de una correlacin lineal positiva. Si los puntos siguen la
tendencia de una lnea pero menos definida (con dispersin en sentido vertical), entonces se
habla de una correlacin positiva dbil.
La Correlacin Negativa (Figura B), se puede ver que cuando X crece, Y disminuye en forma
lineal, y viceversa, por lo que se habla de una correlacin negativa.
Existe No correlacin (Figura C) donde los puntos estn dispersos en la grfica sin ningn
patrn u orden aparente a lo largo del eje horizontal, ya que para valores grandes o pequeos
de X lo mismo se dan valores grandes de Y que pequeos; en estos casos se dice que X y Y
no estn correlacionadas.
4.3 CONSTRUCCIN DE UN DIAGRAMA DE DISPERSIN
1.- Obtencin de datos. Una vez que se han seleccionado las variables que se desea investigar,
se colectan los valores de stas parejas, es decir, reunir para cada valor de una variable el
correspondiente de la otra. Entre ms sea el nmero de puntos con el que se construye un
diagrama de dispersin es mejor.
2.- Elegir ejes. Generalmente si se trata de descubrir una relacin Causa-Efecto, la posible
causa se representa en el eje X y el probable efecto en el eje Y. Generalmente en el eje X se
representa una variable de entrada de un proceso alguna otra variable que se cree puede influir
sobre la otra, mientras que en el eje Y se representa alguna variable de salida que se cree
puede ser afectada por la variable X.
3.- Construir escalas. Los ejes deben ser tan largos como sea posible, pero de longitud similar.
Para construir una escala se sugiere encontrar el valor mximo y el mnimo de ambas variables.
4.- Graficar los datos. Con base a las coordenadas en el eje X y en el eje Y, representar con
un punto cada pareja de valores de las variables. Cuando existen parejas de datos repetidos
(con los mismos valores en ambos ejes), en el momento de estar graficando se detectar un
punto que ya est graficado, y entonces se traza un crculo sobre el punto para indicar que est
repetido una vez. Si se vuelve a repetir, se traza otro crculo concntrico, y as sucesivamente.
37

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


5.- Documentar el diagrama. Registrar en el diagrama toda la informacin que sea de utilidad
para identificarlo, como son ttulos, periodo que cubren los datos, ttulos y unidades de cada eje,
rea o departamento, y persona responsable de colectar datos.
Para hacerlo de una manera ms sencilla y concreta, debemos realizar los siguientes pasos:
Paso 1) Recopilar los pares de datos X e Y en una tabla.
Paso 2) Determinar las escalas de tal forma que, aproximadamente, la amplitud de los ejes sea
la misma. Si una de las variables es una causa y la otra un efecto, colocar aqulla en el eje de
abscisas y sta en el de ordenadas.
Paso 3) Colocar los puntos en el grfico. Si dos o ms puntos coinciden colocar crculos
concntricos.
Paso 4) Escribir cuantos aspectos sean de inters, de tal forma que cualquier persona que
utilice ese diagrama, lo interprete fcilmente.

4.4 Ventajas
-Es una herramienta especialmente til para estudiar e identificar las posibles relaciones entre
los cambios observados entre dos conjuntos diferentes de variable.
-Le permitir a la empresa analizar los resultados de la grfica identificando el porqu del
problema, sirviendo as como reto para innovar el proceso de produccin.
-Suministra los datos para confirmar hiptesis acerca de si las dos variables estn relacionadas.
-Proporciona un medio visual para probar la fuerza de una posible relacin.

4.5 Desventajas
-No funciona si sucede que una dupla se repita.
-Solo se emplea cuando existe una variable que est bajo el control del experimentador.
- Un diagrama de Dispersin puede sugerir varios tipos de correlaciones entre las variables.
38

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

4.6 Ejemplo 1
En una fbrica de pintura se desea investigar la relacin que existe entre la velocidad de
agitacin en el proceso de mezclado y el porcentaje de impurezas en la pintura. Mediante
pruebas experimentales se obtienen los datos de la tabla 6.6. Mientras que en la fi gura 6.9 se
muestra el diagrama de dispersin para estos datos, en donde se ve que hay una relacin o
correlacin lineal positiva, ya que a medida que aumenta la velocidad de agitacin se
incrementa el porcentaje de impurezas.

39

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

4.7 Ejemplo 2
Supongamos que tenemos un grupo de personas adultas de sexo masculino. Para cada
persona se mide la altura en metros (Variable X) y el peso en kilogramos (Variable Y). Es decir,
para cada persona tendremos un par de valores X, Y que son la altura y el peso de dicha
persona:

40

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Entonces, para cada persona representamos su altura y su peso con un punto en un grfico.
Una vez que representamos a las 50 personas quedar un grfico como el siguiente:

41

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Qu nos muestra este grfico? En primer lugar podemos observar que las personas de
mayor altura tienen mayor peso, es decir parece haber una correlacin positiva entre altura y
peso. Pero un hombre bajito y gordo puede pesar ms que otro alto y flaco. Esto es as
porque no hay una correlacin total y absoluta entre las variables altura y peso. Para cada
altura hay personas de distinto peso:

Sin embargo podemos afirmar que existe cierto grado de correlacin entre la altura y el peso
de las personas. Cuando se trata de dos variables cualesquiera, puede no haber ninguna
correlacin o puede existir alguna correlacin en mayor o menor grado.

42

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

5 Histograma

43

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

5.1 - Histograma
Es una representacin grfica, en forma de barras, de la distribucin de un conjunto de datos o
una variable, donde los datos se clasifican por su magnitud en cierto nmero de grupos o clases,
y cada clase es representada por una barra, cuya longitud es proporcional a la frecuencia de
los valores representados. Por lo general, el eje horizontal est formado por una escala
numrica para mostrar la magnitud de los datos; mientras que en el eje vertical se representan
las frecuencias.
Comnmente el histograma se obtiene a partir de la tabla de frecuencias. Para obtener sta,
primero se divide el rango de variacin de los datos en cierta cantidad de intervalos que cubren
todo el rango, y despus se determina cuntos datos caen en cada intervalo. Se recomienda
que el nmero de intervalos o clases sea de 5 a 15. Para decidir un valor entre este rango
existen varios criterios; por ejemplo, uno de ellos dice que el nmero de clases debe ser
aproximadamente igual a la raz cuadrada del nmero de datos. Otro criterio, conocido como la
regla de Sturgess, seala que el nmero de clases es igual a 1 + 3.3*log10 (nmero de datos).
En la tabla 2.2 se aprecia la tabla de frecuencias para los datos del grosor de los discos del
ejemplo 2.1. Ah vemos que al aplicar la regla de Strugles (1 + 3.3*log10(125) = 7.9), se decidi
formar ocho clases; la primera clase representa a los datos con magnitud entre 1.10 y 1.12, y
la ltima clase es para los datos entre 1.24 y 1.26. En el intervalo de la primera clase hay tres
datos que corresponden a 2.4% del total; la clase 5 es la de mayor frecuencia e indica que entre
1.18 y 1.20 hay 39 datos (31.2%). Por otro lado, en la figura 2.1 se muestra el histograma
correspondiente, en el cual se toma como eje vertical a la frecuencia, aunque tambin podra
haberse usado una frecuencia relativa o porcentual. En el histograma se aprecia que la
tendencia central de los datos se ubica alrededor de 1.18, no se observan datos raros o atpicos
y la distribucin de los datos tiene una forma similar a una campana.
Si en el histograma de la figura 2.1 se insertan las especificaciones (1.10 y 1.30) para el grosor
del disco, se observa que la variacin de los datos (amplitud del histograma) es un poco menor
que las especificaciones. Pero, con respecto a 1.20, que es el grosor ptimo, el proceso est
moderadamente descentrado a la izquierda, como ya se haba visto cuando se calcul la media.
Adems, el grosor de los discos no es satisfactorio, ya que la orilla izquierda del histograma
debera estar alejada de la especificacin inferior (EI = 1.10), lo cual no ocurre. Cabe comentar
que aunque no hay ningn dato por debajo de la EI, no se debe perder de vista que el estudio
se hace a partir de una muestra, por lo tanto, si se contina tomando datos es casi seguro que
se encontrarn mediciones fuera, como lo sugiere la prolongacin de la cola izquierda de la
curva imaginaria que suaviza al histograma. Con base en lo anterior, la primera accin que se

44

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


habra de ejecutar para mejorar la capacidad del proceso de inyeccin de discos es mejorar su
centrado.
A travs del ejemplo anterior queda claro que el histograma ayuda a ver la tendencia central de
los datos, facilita el entendimiento de la variabilidad y favorece el pensamiento estadstico, ya
que de un solo vistazo se logra tener una idea acerca de la capacidad de un proceso, se evitan
tomar decisiones slo apoyndose en la media y se detectan datos raros y formas especiales
de la distribucin de los datos. Estos detalles de la interpretacin del histograma los veremos
con mayor profundidad a continuacin.

5.2 Interpretacin del histograma


Cuando un histograma se construye de manera correcta, es resultado de un nmero suficiente
de datos (de preferencia ms de 100), y stos son representativos del estado del proceso
45

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


durante el periodo de inters; entonces, se recomienda considerar los siguientes puntos en la
interpretacin del histograma.
1. Observar la tendencia central de los datos. Localizar en el eje horizontal o escala de
medicin las barras con mayores frecuencias. En el histograma de la figura 2.1, una parte
sustancial de las mediciones se localiza entre 1.14 y 1.20 mm.
2. Estudiar el centrado del proceso. Para ello, es necesario apoyarse en el punto anterior y
observar la posicin central del cuerpo del histograma con respecto a la calidad ptima y a las
especificaciones. Por ejemplo, en la figura 2.2 incisos a) y c) se muestran procesos centrados,
el primero presenta poca variabilidad, pero en el segundo ocurre lo contrario. Mientras que en
los incisos b) y d) se observan procesos descentrados, el primero con poca variabilidad y el
segundo con mucha. Aun cuando se cumplan las especificaciones, si el proceso no est
centrado, la calidad que se produce no es adecuada, ya que entre ms se aleje del ptimo ms
mala calidad se tendr. Por ello, en caso de tener un proceso descentrado se procede a realizar
los ajustes o cambios necesarios para centrar el proceso.
3. Examinar la variabilidad del proceso. Consiste en comparar la amplitud de las
especificaciones con el ancho del histograma. Para considerar que la dispersin no es
demasiada, el ancho del histograma debe caber de forma holgada en las especificaciones. En
la figura 2.2 incisos a) y b) hay poca variacin, mientras que en los incisos c) y d) ocurre lo
contrario.

46

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

4. Analizar la forma del histograma. Al observar un histograma considerar que la forma de


distribucin de campana es la que ms se da en salidas de proceso y tiene caractersticas
similares a la distribucin normal (vase captulo 3 y figura 2.2 a), b), c) y d). Es frecuente que
cuando la distribucin no es de este tipo sea la seal de un hecho importante que est
ocurriendo en el proceso y que tiene un efecto negativo en la calidad. Por ello, es necesario
revisar si la forma del histograma es muy diferente a la de campana. Algunas de las formas
tpicas que no coinciden con una distribucin de campana, son las siguientes:
Distribucin sesgada. En la figura 2.2e) se aprecia un histograma con una distribucin sesgada
a la derecha, ya que la cola derecha es ms grande que la izquierda. En trminos generales,
un sesgo en una variable de salida refleja el desplazamiento paulatino de un proceso debido a
desgastes o desajustes; asimismo, puede indicar procedimientos viciados en la forma de
obtener las mediciones o un desempeo especial del proceso, en el sentido que aparecen
algunos valores inusualmente altos de un solo lado de la distribucin (izquierdo o derecho).
Cabe aclarar que existen caractersticas de calidad que, por su naturaleza, tienen sesgo, como
son tiempos de vida y resistencias a la fatiga. Una forma de decidir si una distribucin sesgada
indica una situacin especial a corregir, consiste en comparar sta con la distribucin de la
47

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


misma caracterstica o de variables similares para datos obtenidos en otro periodo de tiempo.
La recomendacin general es que ante la sospecha de que hay algo especial atrs de una
distribucin con sesgo se debe investigar si efectivamente es as.
Distribucin multimodal. En la figura 2.2f se aprecia un histograma en el que claramente se
notan dos modas o picos que muestran dos tendencias centrales diferentes. Este tipo de
distribuciones con dos o ms modas reflejan la presencia de dos o ms realidades o condiciones
diferentes. Algunas situaciones que originan una distribucin multimodal son:
a) Diferencias importantes de lote a lote en la materia prima que utiliza el proceso, debido a que
proceden de diferentes proveedores o al exceso de variacin de un mismo proveedor.
b) Cuando en el proceso intervienen varios operadores, con criterios o mtodos de trabajo
diferentes.
c) Las mediciones de la variable de salida que estn representadas en el histograma fueron
realizadas por personas o instrumentos diferentes; por lo tanto, se utilizaron distintos criterios o
instrumentos mal calibrados (vase captulo 11).
d) El proceso, cuando gener los resultados de la distribucin multimodal, fue operando en
condiciones diferentes (una condicin para cada moda). e) En general, una distribucin
multimodal se debe a la presencia de fuentes de variacin bien definidas que deben ser
identificadas y corregidas, a fin de mejorar la capacidad del proceso correspondiente. Una forma
de identificarlas es analizar por separado los datos en funcin de diferentes lotes de materia
prima, operadores, instrumentos de medicin, turnos o das de produccin, etc., para as
comparar los resultados y ver si hay diferencias significativas.
Distribucin muy plana. En la figura 2.2g se aprecia un histograma que muestra una
distribucin muy chata o plana y que est lejos de tener forma de campana. Las situaciones
que pueden causar esto son las mismas que las de la distribucin multimodal, pero con la
particularidad de que las diferencias son menos fuertes; sin embargo, afectan de manera seria
la capacidad de un proceso. Por lo tanto, tambin deben ser identificadas y corregidas mediante
la estrategia recomendada antes.
Distribucin con acantilados. En el histograma de la figura 2.2h se observa un acantilado
derecho, que es una suspensin o corte muy brusco en la cada de la distribucin. Algunas de
las posibles causas que motivan la presencia de un acantilado son: un lote de artculos
previamente inspeccionados al 100% donde se excluy a los artculos que no cumplen con
alguna medida mnima o que exceden una medida mxima (como en la figura), problemas con
el equipo de medicin, errores en la medicin o inspeccin (cuando el inspector est
predispuesto a no rechazar un artculo y observa que ste casi cumpla con los requisitos,
registra la medida mnima aceptable). En general, un acantilado es anormal y, por lo tanto, se
debe buscar la causa del mismo.
48

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


5. Datos raros o atpicos. Una pequea cantidad de mediciones muy extremas o atpicas son
identificadas con facilidad mediante un histograma, debido a que aparecen una o ms barras
pequeas bastante separadas o aisladas del resto. Un dato raro refleja una situacin especial
que se debe investigar, y entre las posibles causas estn las siguientes:
El dato es incorrecto, ya sea por error de medicin, de registro o de dedo cuando fue
introducido a la computadora.
La medicin fue realizada sobre un artculo o individuo que no forma parte del proceso o
poblacin a la que pertenece el resto.
Si han sido descartadas las dos situaciones anteriores, entonces la medicin se debe a un
evento raro o especial. Es decir, cuando se hizo la medicin, en el proceso estaba ocurriendo
una situacin especial o fuera de lo comn (en el captulo 7 se tratan con mayor detalle las
situaciones especiales).
6. Estratificar. En ocasiones, en el histograma no se observa ninguna forma particular pero
existe mucha variacin y, en consecuencia, la capacidad del proceso es baja. Cuando los datos
proceden de distintas mquinas, proveedores, lotes, turnos u operadores, puede encontrarse
informacin valiosa si se hace un histograma por cada fuente (estratificar), con lo que se podr
determinar cul es la mquina o el proveedor ms problemtico. De acuerdo con los puntos
anteriores, es recomendable que siempre que se realice un estudio de la salida de un proceso
se utilice el histograma y ste se interprete a detalle. De esa manera ser posible detectar
situaciones problemticas y posibles soluciones para las mismas. Adems, ser una forma
concreta de que los datos y mediciones sobre los procesos, que en ocasiones abundan, se
conviertan en informacin til para la toma de decisiones y acciones. Ser necesario tener la
precaucin de que el histograma se haya obtenido de manera correcta, sobre todo en lo
referente al nmero de clases y a la cantidad de datos.

5.3 Limitaciones del histograma


Aunque el histograma es una herramienta fundamental para analizar el desempeo de un
proceso, tiene algunas limitaciones:
1. No considera el tiempo en el que se obtuvieron los datos; por lo tanto, con el histograma es
difcil detectar tendencias que ocurren a travs del tiempo. Por tal razn, no ayuda a estudiar la
estabilidad del proceso en el tiempo, lo cual se analiza por medio de cartas de control (ver
captulo 7).
2. No es la tcnica ms apropiada para comparar de manera prctica varios procesos o grupos
de datos; en esos casos, el diagrama de caja o la grfica de medias son ms apropiados.
3. La cantidad de clases o barras influye en la forma del histograma, por lo que una buena
prctica es que a partir de la cantidad de clases que de manera inicial sugiere un software.
49

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

6 Diagrama
Causa-Efecto

50

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

6.1 Diagrama Causa-Efecto


El diagrama de causa-efecto o de Ishikawa es un mtodo grfico que relaciona un problema o
efecto con los factores o causas que posiblemente lo generan. La importancia de este diagrama
radica en que obliga a buscar las diferentes causas que afectan el problema bajo anlisis y, de
esta forma, se evita el error de buscar de manera directa las soluciones sin cuestionar cules
son las verdaderas causas. El uso del diagrama de Ishikawa (DI), con las tres herramientas que
hemos visto en las secciones anteriores, ayudar a no dar por obvias las causas, sino que se
trate de ver el problema desde diferentes perspectivas. Existen tres tipos bsicos de diagramas
de Ishikawa, los cuales dependen de cmo se buscan y se organizan las causas en la grfica.
A continuacin veremos un ejemplo de cada uno.

6.2 Mtodo de las 6 Ms


El mtodo de las 6 M es el ms comn y consiste en agrupar las causas potenciales en seis
ramas principales (6 M): mtodos de trabajo, mano o mente de obra, materiales, maquinaria,
medicin y medio ambiente. Como se vio en el captulo 1, estos seis elementos definen de
manera global todo proceso y cada uno aporta parte de la variabilidad del producto final, por lo
que es natural esperar que las causas de un problema estn relacionadas con alguna de las 6
M. La pregunta bsica para este tipo de construccin es: qu aspecto de esta M se refleja en
el problema bajo anlisis? Ms adelante se da una lista de posibles aspectos para cada una de
las 6 M que pueden ser causas potenciales de problemas en manufactura.

51

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


6.2.1 Aspectos o factores a considerar en las 6 M
Mano de obra o gente
Conocimiento (la gente conoce su trabajo?).
Entrenamiento (los operadores estn entrenados?).
Habilidad (los operadores han demostrado tener habilidad para el trabajo que realizan?).
Capacidad (se espera que cualquier trabajador lleve a cabo su labor de manera eficiente?).
La gente est motivada? Conoce la importancia de su trabajo por la calidad?
Mtodos
Estandarizacin (las responsabilidades y los procedimientos de trabajo estn definidos de
manera clara y adecuada o dependen del criterio de cada persona?).
Excepciones (cundo el procedimiento estndar no se puede llevar a cabo existe un
procedimiento alternativo definido claramente?).
Definicin de operaciones (estn definidas las operaciones que constituyen los
procedimientos?, cmo se decide si la operacin fue realizada de manera correcta?).
La contribucin a la calidad por parte de esta rama es fundamental, ya que por un lado cuestiona
si estn definidos los mtodos de trabajo, las operaciones y las responsabilidades; por el otro,
en caso de que s estn definidas, cuestiona si son adecuados.
Mquinas o equipos
Capacidad (las mquinas han demostrado ser capaces de dar la calidad que se requiere?).
Condiciones de operacin (las condiciones de operacin en trminos de las variables de
entrada son las adecuadas?, se ha realizado algn estudio que lo respalde?)
. Hay diferencias? (hacer comparaciones entre mquinas, cadenas, estaciones, instalaciones,
etc. Se identificaron grandes diferencias?).
Herramientas (hay cambios de herramientas peridicamente?, son adecuados?).
Ajustes (los criterios para ajustar las mquinas son claros y han sido determinados de forma
adecuada?).
Mantenimiento (hay programas de mantenimiento preventivo?, son adecuados?).

52

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Material
Variabilidad (se conoce cmo influye la variabilidad de los materiales o materia prima sobre
el problema?).
Cambios (ha habido algn cambio reciente en los materiales?)
Proveedores (cul es la influencia de mltiples proveedores?, se sabe si hay diferencias
significativas y cmo influyen stas?).
Tipos (se sabe cmo influyen los distintos tipos de materiales?).
Mediciones
Disponibilidad (se dispone de las mediciones requeridas para detectar o prevenir el
problema?).
Definiciones (estn definidas de manera operacional las caractersticas que son medidas?).
Tamao de la muestra (han sido medidas suficientes piezas?, son representativas de tal
forma que las decisiones tengan sustento?).
Repetibilidad (se tiene evidencia de que el instrumento de medicin es capaz de repetir la
medida con la precisin requerida?).
Reproducibilidad (se tiene evidencia de que los mtodos y criterios usados por los
operadores para tomar mediciones son adecuados?)
Calibracin o sesgo (existe algn sesgo en las medidas generadas por el sistema de
medicin?).
Esta rama destaca la importancia que tiene el sistema de medicin para la calidad, ya que las
mediciones a lo largo del proceso son la base para tomar decisiones y acciones; por lo tanto,
debemos preguntarnos si estas mediciones son representativas y correctas, es decir, si en el
contexto del problema que se est analizando, las mediciones son de calidad, y si los resultados
de medicin, las pruebas y la inspeccin son fiables.
Medio ambiente
Ciclos (existen patrones o ciclos en los procesos que dependen de condiciones del medio
ambiente?).
Temperatura (la temperatura ambiental influye en las operaciones?).
6.3 Ventajas del mtodo 6 M
Obliga a considerar una gran cantidad de elementos asociados con el problema.
53

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Es posible usarlo cuando el proceso no se conoce a detalle.
Se concentra en el proceso y no en el producto.
6.4 Desventajas del mtodo 6 M
En una sola rama se identifican demasiadas causas potenciales.
Se tiende a concentrar en pequeos detalles del proceso.
No es ilustrativo para quienes desconocen el proceso.

6.5 Mtodo tipo flujo del proceso


Con el mtodo flujo del proceso de construccin, la lnea principal del diagrama de Ishikawa
sigue la secuencia normal del proceso de produccin o de administracin. Los factores que
pueden afectar la caracterstica de calidad se agregan en el orden que les corresponde, segn
el proceso. La figura 6.7 muestra un diagrama construido con este mtodo. Para ir agregando,
en el orden del proceso, las causas potenciales, se realiza la siguiente pregunta: qu factor o
situacin en esta parte del proceso puede tener un efecto sobre el problema especificado? Este
mtodo permite explorar formas alternativas de trabajo, detectar cuellos de botella, descubrir
problemas ocultos, etc. Algunas de las ventajas y desventajas del diagrama de Ishikawa,
construido segn el flujo del proceso, se presentan a continuacin.

54

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


6.5.1 Ventajas
Obliga a preparar el diagrama de flujo del proceso.
Se considera al proceso completo como una causa potencial del problema.
Identifica procedimientos alternativos de trabajo.
Hace posible descubrir otros problemas no considerados al inicio.
Permite que las personas que desconocen el proceso se familiaricen con l, lo que facilita su
uso.
Se emplea para predecir problemas del proceso poniendo atencin especial en las fuentes de
variabilidad.
6.5.2 Desventajas
Es fcil no detectar las causas potenciales, puesto que las personas quizs estn muy
familiarizadas con el proceso y todo se les haga normal.
Es difcil usarlo por mucho tiempo, sobre todo en procesos complejos.
Algunas causas potenciales pueden aparecer muchas veces

6.6 Mtodo de estratificacin o enumeracin de causas


La idea de este mtodo de estratificacin de construccin del diagrama de Ishikawa es ir
directamente a las principales causas potenciales, pero sin agrupar de acuerdo a las 6 M. La
55

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


seleccin de estas causas muchas veces se hace a travs de una sesin de lluvia de ideas.
Con el objetivo de atacar causas reales y no consecuencias o reflejos, es importante
preguntarse un mnimo de cinco veces el porqu del problema, a fin de profundizar en la
bsqueda de las causas. La construccin del diagrama de Ishikawa partir de este anlisis
previo, con lo que el abanico de bsqueda ser ms reducido y es probable que los resultados
sean ms positivos. Esta manera de construir el diagrama de Ishikawa es natural cuando las
categoras de las causas potenciales no necesariamente coinciden con las 6 M. En la figura 6.8
se muestra un diagrama de Ishikawa construido con este mtodo.
El mtodo de estratificacin contrasta con el mtodo 6 M, ya que en este ltimo va de lo general
a lo particular, mientras que en el primero se va directamente a las causas potenciales del
problema. Algunas de las ventajas y desventajas del mtodo de estratificacin para construir un
diagrama de Ishikawa se presentan a continuacin.
6.6.1 Ventajas
Proporciona un agrupamiento claro de las causas potenciales del problema, lo cual permite
centrarse directamente en el anlisis del problema.
Este diagrama es menos complejo que los obtenidos con los otros procedimientos.
6.6.2 Desventajas
Es posible dejar de contemplar algunas causas potenciales importantes.
Puede ser difcil definir subdivisiones principales.
Se requiere mayor conocimiento del producto o del proceso.
Se requiere gran conocimiento de las causas potenciales.

6.7 Pasos para la construccin de un diagrama de Ishikawa


1. Especificar el problema a analizar. Se recomienda que sea un problema importante y, de ser
posible, que ya est delimitado mediante la aplicacin de herramientas como Pareto y
estratificacin. Tambin es importante que se tenga la cuantificacin objetiva de la magnitud del
problema.
2. Seleccionar el tipo de DI que se va a usar. Esta decisin se toma con base en las ventajas
y desventajas que tiene cada mtodo.
3. Buscar todas las probables causas, lo ms concretas posible, que pueden tener algn efecto
sobre el problema. En esta etapa no se debe discutir cules causas son ms importantes; por
el momento, el objetivo es generar las posibles causas. La estrategia para la bsqueda es

56

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


diferente segn el tipo de diagrama elegido, por lo que se debe proceder de acuerdo con las
siguientes recomendaciones:
Para el mtodo 6 M: trazar el diagrama de acuerdo con la estructura base para este mtodo e
ir preguntndose y reflexionando acerca de cmo los diferentes factores o situaciones de cada
M pueden afectar el problema bajo anlisis.
Mtodo flujo del proceso: construir un diagrama de flujo en el que se muestre la secuencia y
el nombre de las principales operaciones del proceso que estn antes del problema, e iniciando
de atrs hacia delante. Es preciso preguntarse: qu aspectos o factores en esta parte del
proceso afectan al problema especificado?
Mtodo enumeracin de causas: mediante una lluvia de ideas generar una lista de las posibles
causas y despus agruparlas por afinidad. Es preciso representarlas en el diagrama,
considerando que para cada grupo corresponder una rama principal del diagrama; tambin,
se asigna un ttulo representativo del tipo de causas en tal grupo. Lluvia de ideas 159
4. Una vez representadas las ideas obtenidas, es necesario preguntarse si faltan algunas otras
causas an no consideradas; si es as, es preciso agregarlas. 5. Decidir cules son las causas
ms importantes mediante dilogo y discusin respetuosa y con apoyo de datos, conocimientos,
consenso o votacin del tipo 5,3,1. En este tipo de votacin cada participante asigna
5 puntos a la causa que considera ms importante, 3 a la que le sigue, y 1 a la tercera en
importancia; despus de la votacin se suman los puntos, y el grupo deber enfocarse en las
causas que recibieron ms puntos.
6. Decidir sobre cules causas se va a actuar. Para ello se toma en consideracin el punto
anterior y lo factible que resulta corregir cada una de las causas ms importantes. Con respecto
a las causas que no se decida actuar debido a que es imposible por distintas circunstancias, es
importante reportarlas a la alta direccin.
7. Preparar un plan de accin para cada una de las causas a ser investigadas o corregidas, de
tal forma que determine las acciones que se deben realizar; para ello se puede usar nuevamente
el DI. Una vez determinadas las causas, se debe insistir en las acciones para no caer en slo
debatir los problemas y en no acordar acciones de solucin.

57

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

7 Grficas de
Control

58

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

7.1 Grficas de Control


Algunos consideran que el uso de los grficos de control o cartas de control, son el verdadero
Control Estadstico de Proceso debido a que es un mtodo efectivo para monitorear un proceso,
basado en tcnicas estadsticas, que permiten usar criterios objetivos para distinguir variaciones
de fondo de eventos de importancia, con ellas se puede observar que las variaciones de un
proceso pueden ser descritas por una distribucin estadstica. Casi todo su poder est en la
capacidad de monitorear el centro del proceso y su variacin alrededor del centro. Recopilando
datos de mediciones en diferentes estados del proceso, se pueden detectar y corregir
variaciones que pueden afectar a la calidad del producto o servicio final, reduciendo desechos
y evitando que los problemas lleguen al cliente final.
Con su nfasis en la deteccin precoz y prevencin de problemas, los grficos de control tienen
una clara ventaja frente a los mtodos de calidad como inspeccin, que aplican recursos para
detectar y corregir problemas al final del producto o servicio, cuando ya es demasiado tarde.
Adems de reducir desechos, como consecuencia de esta aplicacin, est la reduccin del
tiempo necesario para producir el producto o servicio.
Esto es debido parcialmente a que la probabilidad de que en el producto final se tenga que retrabajar es menor, pero tambin puede ocurrir que al usar grficos de control identifiquemos los
cuellos de botella, paradas y otros tipos de esperas dentro del proceso. Reducciones del tiempo
de ciclo del proceso relacionado con mejoras de rentabilidad han hecho de los grficos de
control la herramienta valiosa del CEP, desde el punto de vista de la reduccin de costos y de
la satisfaccin del cliente final.
Adems las cartas de control son la herramienta ms poderosa para analizar la variacin en la
mayora de los procesos, han sido difundidas exitosamente en varios pases dentro de una
amplia variedad de situaciones para el control de procesos, enfocan la atencin hacia las causas
especiales de variacin cuando estas aparecen y reflejan la magnitud de la variacin debida a
las causas comunes o aleatorias que se deben a la variacin natural del proceso, y las causas
especiales o atribuibles; se dice que un proceso determinado est bajo Control Estadstico
cuando presenta causas comunes nicamente.
Al ocurrir esto tenemos un proceso estable y predecible, que es en ltima instancia lo que
buscamos cuando queremos controlar los procesos. Cuando existen causas especiales el
proceso est fuera de Control Estadstico, y son las grficas de control las que mejor detectan
la existencia de estas causas en el momento en que se dan, lo cual permite que podamos tomar
acciones al momento.

59

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

7.2 Ventajas
Son mltiples las ventajas que nos da el uso de estos grficos, ya que si lo utilizamos en nuestro
proceso como control estadstico tendr mejor calidad en el cumplimiento de especificaciones
del producto.
Entre sus ventajas se puede decir que:
Es una herramienta simple y efectiva para lograr un control estadstico.
El operario puede manejar las cartas en su propia rea de trabajo, por lo cual puede dar
informacin confiable de la operacin en el momento en que se deben de tomar ciertas acciones.
Cuando un proceso est en control estadstico puede predecirse su desempeo respecto a
las especificaciones. En consecuencia, se puede contar con niveles consistentes de calidad y
contar con costos estables para lograr ese nivel de calidad.
Una vez que un proceso se encuentra en control estadstico, su comportamiento puede ser
mejorado posteriormente reduciendo la variacin.
Al distinguir ente las causas especiales y las causas comunes de variacin, dan una buena
indicacin de cundo una situacin debe ser corregida localmente y cuando se requiere de una
accin ms colectiva.
7.3 METODOLOGA
Los grficos de control fueron ideados por Shewhart durante el desarrollo del control estadstico
de la calidad. Han tenido una gran difusin siendo ampliamente utilizados en el control de
procesos industriales. Sin embargo, con la reformulacin del concepto de Calidad y su extensin
a las empresas de servicios y a las unidades administrativas y auxiliares, se han convertido en
mtodos de control aplicables a procesos llevados a cabo en estos mbitos.
Un grfico de control es una carta o diagrama especialmente preparado donde se van anotando
los valores sucesivos de la caracterstica de calidad que se est controlando. Los datos se
registran durante el funcionamiento del proceso de fabricacin y a medida que se obtienen. El
grfico de control tiene una Lnea Central que representa el promedio histrico de la
caracterstica que se est controlando y Lmites Superior e Inferior que tambin se calculan con
datos histricos.

60

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


En los grficos de control se puede observar que los valores fluctan al azar alrededor del valor
central (Promedio histrico) y dentro de los lmites de control superior e inferior. A medida que
se monitoriza el proceso los datos o las muestras segn se d el caso y el resultado se anota
en el grfico, por ejemplo, cada da o dependiendo como se est analizando la situacin.
Pero Qu ocurre cuando un punto se va fuera de los lmites? Esta circunstancia puede ser
una seal de que hay confusin en el proceso. Entonces, es necesario investigar para encontrar
el problema (Causa Asignable) y corregirla. Si no se hace esto el proceso estar funcionando a
un nivel de calidad menor que originalmente.
La variabilidad en la calidad de un producto o el resultado de un proceso puede ser debida a
causas aleatorias, sobre las cuales poco o nada se puede hacer o, a causas especiales o
causas asignables sobre las que se puede tener algn grado de control. Una de las ventajas
de las cartas de control es su capacidad para diferenciar las causas asignables de las no
asignables, permitiendo un mejoramiento continuo al combinar el rigor de los mtodos
estadsticos clsicos (la significancia estadstica) con el anlisis cronolgico de grficas.
Los principios fundamentales de las cartas de control estadstico de procesos son:

Hay variacin en las medidas individuales de los procesos.

Los datos provienen de un proceso en estudio con causas comunes y estables, su


variabilidad es predecible dentro de un rango determinado que puede ser calculado por
un modelo estadstico de distribucin como la normal.

En un proceso que produce datos con causas especiales, las medidas se comportan de
alguna forma especfica observable, diferente de las distribuciones pre-establecidas.

Asumiendo que los datos se encuentran bajo control, se pueden determinar las pruebas
y los lmites estadsticos para las desviaciones de los pronsticos, suministrando
evidencia estadstica de los cambios.

El objetivo bsico de un grfico de control es observar y analizar el comportamiento de un


proceso a travs del tiempo. As, es posible distinguir entre variaciones por causas comunes y
especiales (atribuibles), lo que ayudar a caracterizar el funcionamiento del proceso y decidir
las mejores acciones de control y de mejora. Cuando se habla de analizar el proceso nos
referimos principalmente a las variables de salida (caractersticas de calidad), pero los grficos
de control tambin pueden aplicarse para analizar la variabilidad de variables de entrada o de
control del proceso mismo.

61

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Los lmites de control, inferior y


superior, definen el inicio y final del
rango de variacin de W, de forma
que cuando el proceso est en
control estadstico existe una alta
probabilidad de que prcticamente
todos los valores de W caigan dentro
de los lmites. Por ello, si se observa
un punto fuera de los lmites de
control, es seal de que ocurri algo
fuera de lo usual en el proceso. Por
el contrario, si todos los puntos estn
dentro de los lmites y no tienen
algunos patrones no aleatorios de comportamiento, que veremos ms adelante, entonces ser
seal de que en el proceso no ha ocurrido ningn cambio fuera de lo comn, y funciona de
manera estable (que est en control estadstico). As, la carta se convierte en una herramienta
para detectar cambios en los procesos.
7.4 LMITES DE CONTROL
Lo primero que debe quedar claro con respecto a los lmites de una carta de control es que
stos no son las especificaciones, tolerancias o deseos para el proceso. Por el contrario, se
calculan a partir de la variacin del estadstico (datos) que se representa en la carta. De esta
forma, la clave est en establecer los lmites para cubrir cierto porcentaje de la variacin natural
del proceso, pero se debe tener cuidado de que tal porcentaje sea el adecuado, ya que si es
demasiado alto (99.999999%) los lmites sern muy amplios y ser ms difcil detectar los
cambios en el proceso; mientras que si el porcentaje es pequeo, los lmites sern demasiado
estrechos y con ello se incrementar el error tipo 1 (decir que se present un cambio cuando
en realidad no lo hubo).
Para calcular los lmites de control se debe actuar de forma que, bajo condiciones de control
estadstico, los datos que se grafican en la carta tengan una alta probabilidad de caer dentro de
tales lmites. Por lo tanto, una forma de proceder es encontrar la distribucin de probabilidades
de la variable, estimar sus parmetros y ubicar los lmites de manera que un alto porcentaje
(99.73%) de la distribucin est dentro de ellos (vase Duncan, 1989). Esta forma de proceder
se conoce como lmites de probabilidad.
Una forma ms sencilla y usual se obtiene a partir de la relacin entre la media y la desviacin
estndar de W, que para el caso que W se distribuye normal con media w y desviacin estndar
w, y bajo condiciones de control estadstico se tiene que entre w 3 w y w + 3 w se
62

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


encuentra 99.73% de los posibles valores de W (vase captulo 3). En el caso de que no se
tenga una distribucin normal, pero se cuente con una distribucin unimodal con forma no muy
distinta a la normal, entonces se aplica la regla emprica o la extensin del teorema de
Chebyshev (vase captulo 2). Bajo estas condiciones, un modelo general para una carta de
control es el siguiente: sea W el estadstico que se va a graficar en la carta, supongamos que
su media es w y su desviacin estndar w, entonces el lmite de control inferior (LCI), la lnea
central y el lmite de control superior (LCS) estn dados por
LCI = w 3 w
Lnea central = w
LCS = w + 3 w
Con estos lmites y bajo condiciones de control estadstico se tendr una alta probabilidad de
que los valores de W estn dentro de ellos. En particular, si W tiene distribucin normal, tal
probabilidad ser de 0.9973, con lo que se espera que bajo condiciones de control slo 27
puntos de 10 000 caigan fuera de los lmites. Este tipo de cartas de control fueron propuestas
originalmente por el doctor Walter A. Shewhart, y por eso se les conoce como Grficos de
control Shewhart. La forma de estimar la media y la desviacin estndar de W a partir de las
observaciones del proceso depender del tipo de estadstico que sea W, ya sea un promedio,
un rango o un porcentaje.
Los objetivos fundamentales de los grficos de control se pueden concretar en:
A) Vigilancia y control de proceso con el fin de conseguir que este sea estable evitando la
produccin de defectos. Este objetivo corresponde a la filosofa hgalo bien a la primera.
Consecuentemente, una buena planificacin y aplicacin de los grficos de control, al
evitar producir defectos, reducir el rechazo y el reprocesado, mejorando la calidad y
producindose la reaccin en cadena, disminuyendo los costes, aumentando la
produccin por unidad de tiempo, mejorando la productividad y la competitividad de la
empresa.
B) Aumento de la homogeneidad de la produccin mediante la disminucin de la variabilidad
del proceso y, de esta forma, conseguir una mejora continuada de la calidad.
C) Los grficos de control son una norma clara de actuacin sobre el proceso, por lo que se
evitan ajustes innecesarios (sobre control) que tanto dao pueden causar a la
homogeneidad del producto. Este hecho corresponde a la filosofa si no est roto no lo
repares.
D) Los grficos de control suministran a informacin necesaria para la determinacin,
mediante la correspondiente estimacin estadstica, de los parmetros del producto y del
proceso, lo que permitir conocer mejor nuestra actividad productiva.

63

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


7.5 CAUSAS COMUNES Y CAUSAS ASIGNABLES, ACCIDENTALES O ESPECIALES.
Aun cuando los operarios trabajan cuidadosamente, aunque tanto el producto como el proceso
hayan sido juiciosamente concebidos, aunque el mantenimiento funcione perfectamente, dos
piezas de un mismo producto fabricado bajo las misma condiciones no son idnticas, es decir,
que existir siempre un cierto grado de variabilidad que llamaremos variabilidad natural del
proceso.
Esta variabilidad natural es el efecto conjunto de numerosas y pequeas causas difcilmente( o
al menos, costosamente) eliminables( heterogeneidad en a materia prima, cansancio en algn
operario, pequeas oscilaciones de la tensin elctrica que originan imperfecciones en el
trabajo de determinadas maquinas, ligeros desgastes de la maquinaria, iluminacin irregular,
variaciones en la temperatura y en la humedad ambiental, imprecisiones de los aparatos de
medida y del operario que mide, etc.) que hacen que los resultado de la produccin no sean
totalmente idnticos en todas sus unidades. Estas causas que originan la variabilidad natural
del proceso se conocen bajo la denominacin de causas comunes.
Existen otro tipo de causas que originan aumento del sesgo y/o la variabilidad y que , en
contraposicin a las causas comunes, tienen carcter puntual pues se presentan de forma
accidental son , en general, fcilmente eliminables y cuyo efecto se traduce en una variabilidad
que destaca claramente del ruido de fondo generado por la variabilidad natural. Ejemplos de
estas causas son errores de los operarios, defectos en la materia prima, desajuste de mquinas,
etc. A estas causas se les denomina causas asignables, accidentales o especiales.
El objeto fundamental de los grficos de control consiste en la deteccin de las causas
especiales.
CAUSAS COMUNES

CAUSAS ESPECIALES

Originadas por muchas fuentes de poca


importancia.
Tienen carcter permanente.
Dan lugar a una distribucin estable y,
por tanto, previsible.
Son las nicas presentes cuando el
proceso est bajo control.
Su correccin exige actuaciones a nivel
de direccin.

Originadas por pocas fuentes


individualmente importantes.
Tienen carcter puntual e irregular.
Modifican la distribucin de la
produccin. El proceso es imprevisible.
Determinan que el proceso est fuera
de control.
Se corrigen mediante actuaciones
locales.

7.6 TOMA DE MUESTRAS


Generalmente la muestra se toma de tal forma que las diferencias de las medidas dentro de
cada muestra sean lo ms pequeas posible para que se manifieste con mayor facilidad las
diferencias entre muestras. De esta forma, aumentaremos la eficacia del grafico al distinguir
64

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


fcilmente entre el ruido de fondo y una causa especial. Esto se consigue configurando la
muestra mediante la toma de n piezas fabricadas consecutivamente, es decir, sin dar tiempo a
que dentro de ella se manifiesta ninguna causa especial. El carcter aleatorio de la muestra
radica en el momento de la toma de la muestra y en la variabilidad natural de proceso.
El tamao de la muestra y la frecuencia de muestreo pueden ser analizados separadamente.
El primero se puede determinar definiendo la eficacia que deseamos que tenga el grafico de
control mediante la fijacin de dos puntos de la curva caracterstica.
La frecuencia de muestreo puede ser determinada por mtodos heursticos basados en la
capacidad del proceso, el volumen de la produccin y la probabilidad de salida de control del
proceso.
7.7 GRAFICOS DE CONTROL POR VARIABLES
En control de calidad mediante el termino variable se designa a cualquier caracterstica de la
calidad medible tal como una longitud, un voltaje, un peso, una resistencia a la rotura, un
volumen, etc., Mientras que se denomina atributo a las caractersticas de calidad que no son
medibles y que presentan diferentes estados tales como conforme y disconforme o defectuoso
y no defectuoso.
Segn sea el tipo de la caracterstica de calidad a controlar as ser el correspondiente Grafico
de Control que, por tanto, se clasifican en Grficos de Control por Variables y Grficos de
Control por Atributos.
Cuando la caracterstica de calidad es una variable, controlar el proceso es equivalente a
controlar la media y la desviacin tpica de esta variable aleatoria. Por ello, existen dos tipos
de Grficos de Control por Variables: los que controlan la posicin de la distribucin de la
variable (Grafico de la Media y Grafico de la Mediana) y los que controlan la dispersin (Grafico
del Rango, Grafico de la Desviacin Tpica y grafico de la Varianza).
7.8 GRFICOS DE CONTROL POR ATRIBUTOS
Hemos utilizado el trmino variable para designar a las caractersticas de calidad cuantitativas
que podan ser expresadas mediante un nmero real como, por ejemplo, una longitud, la
resistencia a la rotura de un pasador, un peso, un voltaje, el contenido de un producto alimenticio
envasado etc., Existen otras caractersticas de calidad que, por el contrario, no pueden ser
representadas mediante un numero por tratarse de caractersticas cualitativas, por ejemplo, la
existencia o no de poros en una pieza metlica, el funcionamiento o no de un transistor la
aparicin o no de burbujas o crteres en la pintura del cap de un automvil,. A estas
caractersticas de calidad se les denomina atributos.
A veces, caractersticas cuantitativas, a efectos del control de la calidad, pueden ser
consideradas como atributos cuando solo consideramos si se cumplen o no las especificaciones
65

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


de calidad sin importarnos cul es el valor de dicha variable, lo que ocurre, por ejemplo, cuando
utilizamos un calibre pasa o no pasa. El conocimiento de si una caracterstica cumple o no las
especificaciones para ella establecidas es ms pobre y, por tanto, contiene menos informacin,
que el conocimiento el valor exacto de esa magnitud cuantitativa, por lo que para tomar una
decisin con el mismo riesgo de error hace falta un tamao de muestra mayor en el primer caso
que en segundo.
Se suele utilizar el trmino de pieza defectuosa para aquella pieza que incumple alguna
prescripcin de calidad y que, por tanto, tiene al menos un defecto. As una puerta de un
automvil que presenta en su pintura una raya es una pieza que por poseer un defecto o
disconformidad se clasifica como defectuosa o disconforme.
Cualquier caracterstica de calidad que pueda ser clasificada de forma binaria: hay o no hay,
cumple o no cumple, funciona o no funciona, pasa o no pasa, si o no, etc., a los efectos
de control se utilizar un Grfico de Control por Atributos.
Existen 4 tipos de Grficos de Control por Atributos. Los grficos np y p se utilizan para
controlar la proporcin de piezas defectuosas que genera el proceso; el primero exige que el
tamao de muestra sea constante mientras que el segundo no. Los grficos c y u sirven para
controlar el nmero de defectos; el primero requiere que el tamao de muestra sea constante
mientras que esta exigencia no es necesaria en el grfico u.

7.9 Ejemplo 1
Despus de analizar a travs de las herramientas estadsticas anteriores, Control estadstico
de procesos, la situacin del proceso determinado tiempo causado por el alta hospitalaria una
vez el mdico tratante da de alta al paciente, se encuentra que muchas de ellas aportan
soluciones prcticas y eficaces para solucionar o impactar sobre esta situacin que ha generado
la insatisfaccin en la familia y los pacientes.
La Institucin determin que el tiempo de promedio o el tiempo estandarizado para cerrar la
factura y emitir la orden de salida sta en 50 min, debido a su nivel de complejidad y al tiempo
de estancia de sus pacientes, y se aceptaran los siguientes rangos mnimo de 20 y mximo de
80 min. Esta decisin de los rangos puede ser administrativa, dado el conocimiento del proceso
o puede ser estadstica, teniendo en cuenta que el tiempo promedio se extrae del conocimiento
previo de los histogramas o de un estudio anterior con cartas de control o un estndar en otras
Instituciones, a travs un muestreo pertinente y validado con las desviaciones estndar
halladas para tal fin, con un intervalo del 95 %, se decide despus de un anlisis concienzudo
y de un estndar que se quiere mantener o disminuir con ms estudios.

66

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


Se decide realizar un monitoreo a travs de un estudio prospectivo con una muestra
representativa para ver como se est comportando el proceso, controlando los sesgos posibles
y con unos formato de recoleccin estandarizado de pacientes que van a egresar de la
institucin.
Se tomaron 22 das de una muestra de 5 pacientes diarios tomado al azar.(ver tabla siguiente)
Tabla de Recoleccin de los Datos
TIEMPO
DAS DEL
PROMEDIO
MUESTREO
DE LOS 5
PACIENTES
1
40
2
42
3
45
4
34
5
38
6
45
7
56
8
67
9
56
10
67
11
70
El

grfico

de

control

despus

de

DAS DEL
MUESTREO

analizar

12
13
14
15
16
17
18
19
20
21
22
los

TIEMPO
PROMEDIO
DE LOS 5
PACIENTES
65
87
54
56
45
48
26
67
56
58
55

datos

seguir

los

pasos

es:

Una vez realizado el grafico de control del proceso, teniendo en cuenta que el promedio de
tiempo es 50 minutos y este, est denotado con un trazo continuo, y los limites superior de 80
(trazo discontinuo) y lmite inferior 20 minutos (trazo discontinuo inferior), se observa que hubo
67

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


un solo da (da 13 del muestreo) que el proceso estuvo fuera de control, este da se debe
analizar con ms detenimiento, pero se observa tambin que el proceso se encuentra dentro
de los limites. Con estos datos se puede saber si fue significativo o no este hallazgo.
Las decisiones de acortar el tiempo se deben tomar de acuerdo a los estudios que se realicen
de los seguimientos o desde la parte administrativa y teniendo en cuenta el nivel de
insatisfaccin de los pacientes y sus acompaantes.

7.10 Ejemplo 2
Se han observado los defectos de 24 muestras sucesivas de artculos producidos en 24
turnos sucesivos. Los datos se muestran en la siguiente tabla:

Figura 1

68

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad


En la columna E, tenemos la variable U, el nmero promedio de defectos por unidad de cada
muestra, se calcula dividiendo el nmero total de defectos de la muestra (columna D) por el
nmero de productos de la muestra (columna B).
Por otra parte el valor de lo podemos calcular mediante:

Figura 2
La frmula anterior nos dice que se calcula como el cociente de dividir el nmero total de
defectos en las muestras (434 en la columna D de la Figura 1) por el nmero total de productos
en las muestras (2356 en la columna B de la Figura 1).
Entonces tenemos que:

Figura 3
En el post que mencionamos al inicio y que usted puede encontrar aqu, se muestra que los
lmites de control de un grfico con tamao de muestra variable vienen dados por la frmula:

Figura 4
Entonces tenemos ya el valor de . Y tenemos los valores ni que son los tamaos de cada
muestra (columna B de la Figura 1). Esa informacin es suficiente para calcular los lmites de
control. En la siguiente figura se muestra la informacin necesaria para la construccin del
grfico de control.

69

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Figura 5
Con los datos de la Figura 5, el grfico de control nos quedara as:

70

Las 7 Herramientas Bsicas

Control Estadstico de la Calidad

Conclusin
Con la realizacin de este trabajo llegamos a la conclusin que este tema es muy importante
para nosotros como ingenieros industriales, ya que vamos a trabajar con estas herramientas y
mtodos de trabajo por todo el resto de nuestros das al momento de ejercer nuestra profesin,
ya que es un sustento base de los conocimientos que vamos a adquirir en nuestra educacin.
As como tambin aprendimos las definiciones bsicas de cada herramienta y los pasos de
cmo poder resolverla, as como tambin en que campo la vamos a aplicar en las reas de
alguna empresa o industria.
Este tema es muy importante ya que nos habla sobre la calidad de los productos y servicios, el
cual todas las empresas deben de tener en cuenta para poder que sus clientes y consumidores
queden satisfechos y sigan invirtiendo en ello, y as poder seguir teniendo ganancias para la
empresa y esta siga funcionando correctamente.

Bibliografa
Control Estadstico de la Calidad
Vicente Carot Alonso
Primera Edicin, Alfaomega, Grupo Editor
Mxico, Febrero del 2001
Control Estadstico de la Calidad y Seis Sigma
Humberto Gutierrez Pulido, Romn de la Bara Salazar
Editorial Mc Graw Hill, Mxico

71

Las 7 Herramientas Bsicas

You might also like