ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

3
3.1

HERRAMIENTAS PARA CONTROL DE CALIDAD

HERAMIENTAS DE CONTROL

Es prctica habitual en todas las empresas fijar unos objetivos en cuanto a ventas, produccin, stocks, beneficios, etc., y peridicamente ir comprobando si los resultados obtenidos coinciden con las previsiones realizadas, para tomar las acciones correctoras oportunas en el caso de que las desviaciones respecto a lo previsto sean importantes. Sin embargo, las acciones en cuanto a la mejora de la calidad se toman en muchas ocasiones basndose en sensaciones, impresiones u opiniones, pero no en el anlisis cientfico de datos objetivos. Cada vez est ms extendida la idea de que los problemas de calidad deben ser atacados mediante la aplicacin de mtodos cientficos de recogida y anlisis de datos (estadstica). Pero el uso de esta prctica no debe quedar restringido a un grupo reducido de expertos en calidad sino que todo el personal puede (y debe!) participar en el proceso de control y mejora de la calidad. Naturalmente, no todos deben aplicar las mismas tcnicas. Por ejemplo, los planes de experimentacin para la optimizacin de productos exigen la utilizacin de importantes recursos materiales y requieren un cierto nivel de especializacin y conocimientos; por tanto, deben quedar en manos de los cuadros tcnicos. No obstante, existen otras tcnicas que s deben ser conocidas y utilizadas por todo el personal de la empresa. Estas tcnicas se conocen con el nombre de Las herramientas bsicas de Ishikawa, ya que ha sido este ingeniero japons el que ms ha promocionado su uso, primero en Japn, con notable xito, y despus en el resto del mundo. Existe unanimidad entre los expertos de ms prestigio en temas de calidad respecto a que estas sencillas herramientas, bien utilizadas por parte de todo el personal de la empresa, permiten solucionar en torno al 90 % de los problemas de calidad que se presentan. Conviene, por tanto, tenerlas presentes y fomentar su utilizacin.

CAP 3- 1

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Las herramientas son: Plantillas para la recogida de datos. Histogramas. Diagramas de Pareto. Diagramas causa-efecto. Diagramas bivariantes. Grficos de control.

3.1.1 PLANTILLAS PARA LA RECOGIDA DE DATOS No es difcil suponer que para mejorar la calidad se necesitan datos. Pero muchas veces los datos se toman de forma desordenada o mal documentada, haciendo imposible su anlisis posterior. Otras veces los datos son incorrectos porque se han tomado de forma distinta a la prevista, y las conclusiones que se obtienen a partir de stos carecen de sentido por mucho esmero que se ponga en su anlisis. Por tanto, la recoleccin de datos debe efectuarse de manera cuidadosa y exacta, y para ello nada mejor que utilizar plantillas especialmente diseadas para cada caso. Los objetivos que se pretenden con el uso de las plantillas son: Facilitar las tareas de recogida de la informacin, Evitar la posibilidad de errores o malos entendidos Permitir el anlisis rpido de los datos.

Las plantillas para la recogida de datos pueden tener distintas finalidades: controlar una variable de un proceso, llevar un control de productos defectuosos, estudiar la localizacin de defectos en un producto, estudiar las causas que originan los defectos o realizar la revisin global de un producto.

CAP 3- 2

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

CONTROL DE SERPENTINES Identificacin Tipo Lote Hoja Ruta Defectos Tipo Soldadura Peso Deformado Incompleto Otros Notas e Incidencias Fecha Lnea Operario Total Revisados Total

Figura 3.1

Planilla de control

La experiencia demuestra que en la recogida de datos conviene seguir algunas reglas, stas son: No tomar datos si despus no se van a utilizar. Puede parecer obvio pero es una costumbre bastante arraigada. Los datos intiles slo sirven para dificultar la localizacin de los tiles. Asegurarse de que los datos se toman de forma que se anlisis sea fcil, de lo contrario es probable que no se haga nunca. Entretenerse en el diseo de la plantilla de recogida de datos es una de las actividades ms rentables que pueden realizarse. No pasar los datos a limpio. Es una prdida de tiempo y una fuente de errores. Es necesario anotarlos de forma clara y ordenada a la primera.

CAP 3- 3

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Tabla 3.1
Semana Maquina

Planilla de control diaria

INSPECCIN FINAL - ACCESORIOS METALICOS Ao Realizados por: Operario Lun Mar Mier Juev Vier M T M T M T M T M

Total M T

Golpe Comentarios

Raya

Grieta

Rebaba

Otros

3.1.2.

HISTOGRAMAS

En muchos casos, si los datos han sido tomados de forma correcta, las conclusiones que se pueden obtener a partir de los mismos son inmediatas. Si no es as, raramente se precisan anlisis estadsticos complicados, suele bastar con una adecuada representacin grfica. La tabla de datos que figura a continuacin corresponde a una muestra, tomada aleatoriamente durante 20 das, del peso en gramos de cierto embutido que puede ser elaborado por dos mquinas distintas (1 y 2), que a su vez son atendidas indistintamente por dos operarios (A y B). Tabla 3.2 Datos de muestras
DIA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 OPERAR. A B B B A A A B B A B B B A A B B A A A MAQUINA 1 220.3 215.5 215.8 222.0 220.4 218.7 221.5 227.0 215.7 225.3 222.7 216.0 219.4 219.8 220.2 218.0 219.3 220.0 223.9 218.1 216.9 217.9 224.2 214.1 221.1 215.1 218.8 218.3 222.6 219.5 223.9 219.6 214.1 220.6 218.8 221.6 225.7 216.2 219.7 225.0 219.1 218.9 218.6 219.5 223.0 219.6 217.9 216.7 219.1 219.9 219.6 218.8 224.3 219.5 218.4 220.6 222.2 219.9 222.4 222.7 219.2 213.6 219.6 222.5 218.0 217.3 213.0 224.1 217.7 219.9 221.9 219.9 217.4 219.6 217.9 222.6 216.1 220.4 224.5 222.2 MAQUINA 2 220.3 208.0 216.9 213.4 222.9 219.7 223.1 215.3 216.0 210.9 212.1 216.9 216.2 216.2 222.9 214.9 219.0 218.0 211.8 214.6 215.6 212.5 215.8 213.7 212.5 213.0 216.0 218.4 212.2 214.3 212.6 216.7 219.5 218.2 215.7 220.4 214.6 219.9 209.7 217.5 214.4 217.7 209.4 220.4 221.4 218.0 213.5 216.6 216.9 219.1 219.4 216.4 219.5 218.3 218.0 217.3 209.7 216.5 216.9 217.4 219.2 217.7 221.6 215.6 210.9 216.5 219.2 214.9 214.9 216.7 212.3 213.5 222.3 217.4 216.4 216.2 211.3 211.9 213.1 215.7

CAP 3- 4

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Las especificaciones del peso son 220 10 g, y ltimamente se han detectado ciertos problemas a este respecto. Veamos cul sera el diagnstico de la situacin y la propuesta de medidas a tomar a la vista de estos datos. Cuando se trata, como en este caso, de analizar la dispersin que presentan unos datos, la representacin grfica ms adecuada es el histograma. Para realizar un histograma se marcan una serie de intervalos sobre un eje horizontal, y sobre cada intervalo se coloca un rectngulo de altura proporcional al nmero de observaciones (frecuencia absoluta) que caen dentro de dicho intervalo. Si se pretende comparar varios histogramas construidos con distinto nmero de datos, es preferible que las alturas de los rectngulos sean proporcionales al porcentaje de observaciones en cada intervalo o al tanto por uno (frecuencia relativa). Utilizando la frecuencia relativa en el eje de ordenadas tambin se facilita la comparacin entre el histograma obtenido y un determinado modelo terico representado por una funcin densidad de probabilidad. En este caso se considera que la frecuencia relativa es proporcional al rea definida por cada columna. Puede interpretarse la funcin densidad de probabilidad como la representacin del histograma cuando el nmero de observaciones tiende a infinito y la anchura de los rectngulos tiende a cero. En la figura se han realizado dos histogramas con todos los datos (en total 160). En el histograma de la izquierda se ha colocado la frecuencia absoluta en el eje vertical y en el de la derecha la frecuencia relativa. La nica diferencia es la escala vertical, pero naturalmente las conclusiones que se pueden obtener son las mismas: El proceso est descentrado y se est produciendo un cierto porcentaje de unidades fuera de tolerancias (por defecto). A partir de estos histogramas no puede obtenerse ninguna otra conclusin, pero la forma en que se han anotado los datos permite construir histogramas para las unidades producidas por cada operario y tambin por cada mquina.

CAP 3- 5

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

40 F r ec uen c ia abs o l ut a

TI

D at o s g l o bal es

TF 0.4 F r ec uen c ia r el at iva

TI

D at o s g l o bal es

TF

30

0.3

20

0.2

10

0.1

0 204

208

212

216

220 P es o s

224

228

232

236

0.0 204

208

212

216

220 P es o s

224

228

232

236

Figura 3.2 Histograma de muestras Los histogramas realizados por operario no revelan nada til, pero los realizados por mquina (figura 3.2) ponen de manifiesto el origen del problema. Mientras que la mquina 1 est centrada y produce dentro de tolerancias, la mquina 2 est descentrada, y esto es lo que produce que un cierto porcentaje est por debajo del peso mnimo.

0.4

TI

M q uin a 1

TF

0.4

TI

M q uin a 2

TF

0.3

F r ec uen c ia r el at iva 208 212 216 220 P es o s 224 228 232 236

F r ec uen c ia r el at iva

0.3

0.2

0.2

0.1

0.1

0.0 204

0.0 204

208

212

216

220 P es o s

224

228

232

236

Figura 3.3 Histogramas

CAP 3- 6 HCTOR
REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Tambin pueden realizarse grficos por operario y mquina, pero no revelan nada que no sepamos ya. No hay diferencias entre operarios, la diferencia est en las mquinas. Los histogramas que se han presentado han sido elaborados con ayuda de un paquete de software estadstico. En algunos casos, especialmente si son los operarios los que analizan los datos que ellos mismos recogen, puede ser ms rpido y cmodo construir los histogramas a mano. En este caso, conviene seguir una sistemtica adecuada como la siguiente: Colocar los datos a representar en filas de aproximadamente 10 Identificar y sealar el mximo y el mnimo de cada fila. A partir del mximo y el mnimo de cada fila, localizar el mximo y el Calcular el rango (R) de los datos. Optar por un nmero de intervalos ( k), en primera aproximacin,
NUM. DE DATOS < 50 50 - 100 100 - 250 > 250 NUM. DE INTERVALOS 5 a7 6 a 10 7 a 12 10 a 20

nmeros.

mnimo globales.

utilizando la siguiente tabla:

Determinar la amplitud (h) de los intervalos, haciendo:

y redondeando el valor obtenido a un mltiplo exacto de la precisin de los datos. Fijar los lmites de los intervalos. Para evitar el problema que se presenta al asignar un valor a un intervalo cuando dicho valor coincide con el extremo superior de un intervalo y el extremo inferior del otro, conviene fijar dichos extremos con una precisin igual a la mitad de la precisin de los valores. As, si los datos se presentan con un solo decimal y los extremos de los intervalos son de la forma 2,15 - 2,35, est claro que los valores 2,2 y 2,3 debern situarse en este intervalo, 2,4 en el intervalo siguiente, etc.

CAP 3- 7

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Rellenar la tabla de frecuencias, indicando el nmero de veces que Construir el histograma.

aparecen datos dentro de cada uno de los intervalos definidos.

En la figura 3.4 se presentan varias formas de histograma que responden a patrones de comportamiento tpico. El histograma 1 corresponde a la forma de campana habitual que representa la variabilidad debida a causas aleatorias. El histograma 2, con dos mximos diferenciados, responde a una distribucin denominada bimodal y se presenta cuando estn mezclados datos de distinto origen centrados en valores distintos. El histograma 3 se denomina, por su forma, sesgado a la derecha, y responde a la variabilidad que presentan ciertas variables que no siguen una ley normal, como los tiempos de vida. Tambin puede representar una magnitud con un cero natural, como la tolerancia entre eje y cojinete. Al histograma 4 parece faltarle una parte y por ello se le llama censurado (en este caso, a la izquierda). No representa una variabilidad natural y por tanto hay que sospechar que se han eliminado algunos valores. Esto ocurre si despus de la produccin se realiza una inspeccin al 100 % para separar las unidades fuera de tolerancias. En los histogramas 5 y 6 aparecen datos que no siguen el patrn de comportamiento general (anomalas, errores, etc.). Su variabilidad puede atribuirse a alguna causa asignable que deber ser identificada y eliminada.

CAP 3- 8

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Figura 3.4 Formas de Histogramas 3.1.2 DIAGRAMAS DE PARETO

Existen muchos aspectos de cualquier actividad industrial (y tambin no industrial) susceptibles de mejora. En algunos casos, la mejora es obligada, pero el problema a abordar es de tal envergadura que parece imposible de resolver. Pensemos, por ejemplo, en una lnea de envasado que sufre frecuentes paradas por avera en alguno de los mdulos (no siempre el mismo) de que est compuesta. Puede plantearse la necesidad de cambiar la lnea entera, pero en muchas ocasiones sta es una inversin importante que se va postergando. Supongamos que despus de tomar datos durante seis meses, la informacin obtenida puede resumirse mediante la tabla 3.3 Tabla 3.3 Datos de muestras de proceso

CAP 3- 9

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

CALISA Rotura hilo (1) Cinta (2) Vibrador (3) Tornillo sin fin (4) Apalancamiento (5) Rotura saco (6) Otros (7)

NUM. DE PARADAS Ma Tar Total 18 24 42 15 10 25 92 88 180 1 6 7 0 1 1 2 1 3 1 0 1

TIEMPO DE PARADA Ma Tar Total 20 31 51 12 10 22 62 68 130 2 8 10 0 1 1 4 1 5 8 0 8

La informacin que contienen estos datos se manifiesta de forma ms clara construyendo unos grficos como los de la figura 3.5
N mer o de par adas 260 100 260 Tiempo de par adas (ho r as ) 100

208

80

208

80

156

60

156

60

104

40

104

40

52

20

52

20

(3)

(1)

(2)

(4) C aus as

(6)

(5)

(7)

(3)

(1)

(2)

(4) C aus as

(6)

(5)

(7)

Figura 3.5 Diagrama de Pareto

Estos grficos se denominan diagramas de Pareto y ponen de manifiesto que, cuando se analizan las causas de un problema, en general son unas pocas las responsables de su mayor parte. A estas pocas se les llama causas fundamentales, al resto, que son muchas pero ocasionan una pequea parte del problema se les denomina causas triviales. En el caso que estamos analizando, slo dos causas han ocasionado en torno al 80 % del problema (el 79,7 % del tiempo de parada y el 85,7 % del nmero de paradas). Por tanto, stas sern las primeras causas a atacar. Todo el esfuerzo debe concentrarse en la eliminacin de las causas fundamentales, ignorando en principio las triviales, que ya sern atacadas ms adelante.

CAP 3- 10

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Los diagramas de Pareto pueden aplicarse a situaciones muy distintas con el fin de establecer las prioridades de mejora, y siempre reflejan el mismo principio de pocas fundamentales y muchas triviales. La construccin de estos diagramas puede realizarse siguiendo los pasos que a continuacin se indican: Plantear exactamente cul es el problema que se desea investigar, qu datos sern necesarios, cmo recogerlos (no olvidar el diseo de la plantilla) y durante qu perodo. Tabular los datos recogidos. Si se trata de analizar las reclamaciones de clientes durante un ao, dicha tabulacin tendr el aspecto que se indica en la tabla 2.3. Tabla 3.4 Tabulacin de muestras de proceso
CAUSA A B C D E F Otros Total IIIII IIIII IIIII IIIII IIII IIIII IIIII TABULACION IIIII IIIII IIIII IIIII II I IIIII..IIIIII IIIII IIIII IIIII IIIII IIII TOTAL 10 42 6 104 4 20 14 200

Rellenar el formulario previo a la construccin del diagrama. Las

causas deben ordenarse de mayor a menor importancia, situando otras siempre al final. Para los datos de la tabla anterior, el formulario tiene el aspecto que se indica en la tabla 3.4. Iniciar la realizacin del diagrama dibujando los ejes. Se coloca un eje horizontal dividido en tantas partes como causas figuran en el formulario anterior, y dos ejes verticales. El eje de la izquierda se marca desde 0 hasta el total (de reclamaciones, en este caso) y el eje de la derecha, que sirve colocar los porcentajes, se marca del 0 al 100 %. Construir el diagrama de barras. La altura de cada barra debe corresponder al nmero de observaciones correspondientes a cada causa, de acuerdo con la graduacin del eje de la izquierda.

CAP 3- 11

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Construir el polgono de frecuencias acumulado y aadir toda la

informacin relativa al grfico para que pueda ser fcilmente interpretado. El resultado final tiene el aspecto que se presenta en la figura 3.6 Tabla 3.5 Frecuencias
CAUSA D B F A C E Otros Total NUM. DE RECLAMOS 104 42 20 10 6 4 14 200 TOTAL ACUM. PORCENTAJE PORCENT.ACUM. 104 52 52 146 21 73 166 10 83 176 5 88 182 3 91 186 2 93 200 7 100 100

200 180 N mer o de r ec l amo s 160 140 120 100 80 60 40 20 0

C aus as de r ec l amo s de mo del o ITS -2 3 2 a o 1 9 9 2

100 90 80 70 60 50 40 30 20 10 P o r c en t aj e ac umul ado

Otros

Figura 3.6 Diagrama de Pareto de frecuencias

Siempre que sea posible, es conveniente utilizar unidades monetarias en el eje vertical izquierdo. Consideremos, por ejemplo, que se ha realizado una auditora final a un lote de productos y se han detectado 200 defectos por causa sindicadas en la tabla 3.5 Con esta informacin, y realizando el diagrama de Pareto por nmero de defectos, se llegara a la conclusin de que la primera causa a atacar es la A. Sin embargo, considerando los costes que origina cada tipo de defecto, la tabla podra ser la 2.6 y, por tanto, vista la situacin de esta forma, la causa que tendra un inters prioritario sera la B.

CAP 3- 12

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Otra recomendacin importante es recoger los datos de forma que puedan ser fcilmente estratificados segn su origen (turno, operario, mquina, da de la semana, tipo de materia prima, etc.). No hay que conformarse con un diagrama de Pareto global, sino estratificar segn el origen de los datos, comparar los diagramas y sacar conclusiones. Tabla 3.6 frecuencia de sucesos
TIPO DE CAUSA NUM. DE DEFECTOS PROPORCION PROPORCION ACUM. A 110 0.55 0.55 B 45 0.23 0.78 C 22 0.11 0.89 D 6 0.03 0.92 Otras 17 0.08 1.00

3.1.3

DIAGRAMAS CAUSA-EFECTO

En muchas ocasiones, cuando se presenta un problema, se confunde su resolucin con la eliminacin de los efectos que produce, y esta prctica suele traer consigo malas consecuencias. Ishikawa, en su libro Qu es el control total de calidad?, presenta un caso de su propia experiencia. Explica que cierto dispositivo iba unido a una mquina por medio de cuatro pernos. El perno 1 se rompa con frecuencia por lo que se decidi sustituirlo por otro de mayor dimetro. A partir del cambio no se volvi a romper el perno 1, pero empez a romperse el perno 2. Ante la nueva situacin se decidi que los cuatro pernos deberan ser ms grandes y se procedi al cambio. Ya no se volvi a romper ningn perno, pero empezaron a aparecer fracturas en la placa de hierro en la que estaba situado el dispositivo. Se cambi la placa de hierro por otra ms gruesa y se anunci que el problema haba quedado resuelto definitivamente. Un estudio ms profundo realizado posteriormente puso de manifiesto que una vibracin que llegaba al dispositivo era lo que ocasionaba los fenmenos de ruptura, y que si no se eliminaba acabara rompiendo la nueva placa metlica o inutilizando el dispositivo con graves consecuencias.

CAP 3- 13

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Figura 3.7 Pieza de estudio Lo que se haba hecho era intentar evitar el efecto del problema, pero sin eliminar su causa, y si la causa permanece, el efecto vuelve a manifestarse, de forma an todava ms perjudicial. Para solucionar un problema deben estudiarse sus causas y eliminarlas (en el caso de Ishikawa la causa era la vibracin, aunque tambin debera haberse investigado el origen de la misma). La idea est clara, para solucionar un problema: atacar las causas, no los efectos! Pero descubrir el entramado de posibles causas que hay detrs de un efecto no es fcil. Para hacerlo es conveniente seguir una determinada metodologa y construir el llamado diagrama causa-efecto. Una buena forma de hacerlo es siguiendo los puntos que ha continuacin se describen: Determinar e identificar claramente cul es el efecto (el problema, la Reunir a las personas que puedan aportar ideas sobre el origen del caracterstica de calidad, etc.) a estudiar. problema y realizar un brainstorming de posibles causas. Existen distintas formas de organizar este tipo de reuniones, pero el objetivo bsico es siempre asegurarse de que cada participante aporta todo lo que lleva dentro. Una posibilidad es establecer rondas de intervenciones en las que todos participen siguiendo un orden establecido. Cada persona deber ir aportando posibles causas hasta que las ideas se hayan agotado totalmente. Realizar una seleccin de las causas aportadas. Seguramente algunas de las causas que aparecen en el brainstorming son descabelladas o estn repetidas. Es necesario, por tanto, realizar una
CAP 3- 14 HCTOR D.

REYES

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

seleccin acordada de cules son las causas que deben aparecer en el diagrama. Construir el diagrama. Con todas las causas aportadas, una sola persona, especialista en estas tareas y con un buen conocimiento del problema estudiado, debe ser la responsable de construir el diagrama. En el diagrama las causas se presentan de forma jerarquizada y agrupadas en unos cuatro o seis grandes grupos denominados causas primarias, las cuales suelen ser: mano de obra, maquinaria, materiales, mtodos, medio ambiente y mantenimiento (conocidas como las seis M). Cada causa primaria est integrada por varias secundarias, estas ltimas por terciarias, y as sucesivamente, tal como se indica en la figura 2.11.

Figura 3.8 Ejemplo de diagrama Causa -Efecto En la figura 3.8 se reproduce un diagrama en el que slo se han considerado cuatro causas primarias. No debe perderse de vista que las causas anotadas en el diagrama son causas potenciales. Por tanto, ser necesaria recoger datos para confirmar que las relaciones causa-efecto realmente existen. Como consecuencia de lo anterior, el diagrama causa-efecto debe ser considerado un diagrama vivo. Es decir, un diagrama que va cambiando a medida que se van adquiriendo nuevos conocimientos sobre el fenmeno estudiado. Algunas causas desaparecen porque se han logrado eliminar, otras porque se ha constatado que no influyen. Cuando una causa deja de ser considerada, debe tacharse, ms que borrarse, para dejar constancia de
CAP 3- 15 HCTOR
REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

que ya se ha estudiado. Tambin pueden aparecer nuevas causas potenciales que en un primer momento no se haban considerado.

Figura 3.9 Causa-Efectos 3.1.4 DIAGRAMAS BIVARIANTES

Una forma de comprobar si existe relacin entre una caracterstica de calidad y un factor que puede afectarle es la construccin de diagramas bivariantes. El profesor Hajime Karatsu, en su libro CTC. La sabidura japonesa, explica un interesante caso en el que la utilizacin de este tipo de diagramas permiti resolver un importante problema. Dice as: El sintonizador suele ser lo primero que se estropea en un televisor. Actualmente los botones electrnicos son algo corriente, pero en el pasado todos los selectores de canal tenan que girarse manualmente y podan funcionar mal si el sintonizador tena un contacto pobre. El sintonizador es el punto en que las ondas magnticas se captan por primera vez. Los sintonizadores estandarizados se producan en masa y se empleaban en distintos modelos de televisor. Hace algn tiempo, un experto en control de calidad investig el nivel de mal funcionamiento de los sintonizadores. Descubri que, aunque se utilizaban sintonizadores idnticos, la proporcin de mal funcionamiento era muy distinta de un modelo de televisor a otro. Se dio cuenta de que el problema debera estar relacionado con alguna cosa que no fuera el propio
CAP 3- 16 HCTOR
REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

sintonizador; no obstante, segua teniendo el problema de descubrir el verdadero factor entre varias alternativas posibles. La gente utiliza sus televisores de distinta manera; algunos los colocan en rincones polvorientos, otros los tienen en el saln, ms o menos como un objeto decorativo. La frecuencia de uso y la fuente de electricidad tambin pueden ser distintas. En consecuencia, la avera de un televisor poda estar causada por el entorno o por un simple error en el proceso de fabricacin. Los datos reunidos en cientos y cientos de televisores revelaron, sin embargo, que los sintonizadores se estropeaban en funcin del tipo de televisor en que haban sido instalados. El experto en control de calidad analiz los datos desde distintos ngulos y descompuso en factores cada una de las condiciones concebibles y su relacin con la proporcin de averas: Estaba relacionada con el tamao de la caja, o con un aumento de la temperatura? Se trataba de la longitud del eje del sintonizador o de la diferencia en unidades de corriente elctrica? Durante bastante tiempo, pareca que no haba ninguna correlacin entre ninguno de los factores, pero al final surgi la causa. La correlacin resida en la distancia entre el sintonizador y el altavoz. Cuanto ms cerca estaba el sintonizador del altavoz, con ms frecuencia se averiaba; cuanto ms lejos, menor era la proporcin de mal funcionamiento. Una vez establecida esta correlacin, los fabricantes empezaron a colocar los altavoces tan lejos de los sintonizadores como permitan los cajas, y el resultado fue que las quejas de los consumidores se redujeron drsticamente.

Figura 3.10

Grafico Bivariante

La construccin de un diagrama bivariante puede realizarse de la siguiente forma:

CAP 3- 17 HCTOR D.

REYES

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Reunir pares de datos de las variables cuya relacin se desea investigar. Con menos de 30 pares es difcil sacar conclusiones. En torno a 50 suele ser suficiente.

Trazar los ejes. Decidir las escalas de forma que ambos ejes tengan aproximadamente la misma longitud. Marcar los ejes con valores fciles de leer. Si una variable es una caracterstica de calidad y la otra un factor (de diseo o de produccin), se sita la primera en el eje vertical.

Situar los puntos en el grfico. Si dos o ms puntos coinciden, se seala marcando crculos concntricos. Incorporar toda la informacin pertinente que ayude a interpretar el grfico (ttulo del diagrama, nmero de pares de datos, ttulo y unidades de cada eje, identificacin del autor, etc.).

Tabla 3.7 Datos de mediciones

OBS. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 TEMP. 162 154 148 116 152 136 158 126 140 160 160 144 120 126 134 164 162 132 130 138 170 148 144 112 126 REND 94.6 93.0 93.9 92.7 92.8 92.5 93.5 91.5 93.8 93.6 92.6 94.1 92.9 91.0 92.0 92.4 93.4 93.6 92.3 91.1 93.0 91.4 93.0 91.6 92.0 OBS. 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 TEMP 160 110 138 140 150 134 162 180 142 152 170 150 160 104 130 160 138 152 130 110 120 110 152 172 126 REND 94.0 91.3 92.5 92.0 92.2 92.0 93.5 95.2 92.1 92.4 92.9 91.5 93.0 91.0 92.5 93.1 93.0 93.4 93.4 92.0 92.5 92.3 92.8 92.0 92.6

Los datos de la tabla 3.7 indican la temperatura a que se ha realizado cierta reaccin qumica y el rendimiento que se ha obtenido en la misma. A partir de esta tabla se obtiene el grfico de la figura 3.11 Los diagramas bivariantes pueden presentar distintos aspectos segn el tipo de relacin que exista entre las variables.
CAP 3- 18 HCTOR
REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Figura 3.11 3.1.5

Grafico Bivariante de Temperatura vs. Rendimiento

GRFICOS DE CONTROL

Bsicamente, una Carta de Control es un grfico en el cual se representan los valores de algn tipo de medicin realizada durante el funcionamiento de un proceso continu, y que sirve para controlar dicho proceso.

Figura 3.12

Grafico de Control

CAP 3- 19

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

3.2 CONTROL CUANTITATIVO DE PROCESOS Las empresas de nuestro pas estn viviendo profundos y bruscos cambios. Como parte de estas transformaciones, se ha impuesto el anlisis de los procesos de la empresa. Esta tarea implica relevar, cuantificar y evaluar los procesos de trabajo. Esta necesidad surge generalmente por implementacin de mtodos de: Cursogramas o Mapas de procesos. Para analizar un proceso, es indispensable documentar los diferentes procedimientos que forman parte de l. La documentacin se incluye en un Manual de Procedimientos, que explicita todas las tareas y los diferentes casos que pueden presentarse en la ejecucin de un proceso. Es tambin muy til representarlos en forma grfica, de modo de obtener un mapa de proceso, diagrama de proceso o cursograma. Los mapas de procesos no se diferencian mucho de los diagramas de flujo que utilizan los programadores de software para representar la lgica de un programa. Existe una norma para la creacin de diagramas llamada IDEF0 (Integration Definition for Function Modeling: Definicin de Integracin para Modelado de Funciones), creadas por el National Institute of Standards and Technology de los Estados Unidos. Se utilizan smbolos estndares para cada clase de operacin, y dentro del smbolo se describe la operacin. Los ms importantes son:

Inicio o Fin

Accin

Decisin

Documento

Y, desde luego, lneas de conexin que nos indican la secuencia o el orden en que las tareas se realizan. Se diferencian los cursogramas con los diagramas de flujo en que se suelen incorporar los distintos departamentos o personas que realizan cada operacin o tarea.

CAP 3- 20

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Por ejemplo, un proceso de venta de un comercio minorista podra describirse:

Client e

Inicio

F in

No Ventas Muest ra el product o compra ? Si lleva a caja

Caja

E labora la fact ura y cobra

E mpaque

E nvuelve y entrega

Figura 3.13

Cursograma proceso de venta comercial

Este cursograma, a pesar de ser de un proceso muy sencillo, est incompleto para la mayora de las necesidades reales. Por ejemplo, se podra considerar que si no hay el producto que el cliente quiere, se deber llamar a depsito o a otra sucursal para verificar si hay existencia, de modo de no perder la venta. Tambin sera deseable incluir, en el caso de cobro, las polticas adoptadas por el comercio frente a distintas modalidades de pago: cheque personal, tarjetas de crdito, tarjeta de la casa, efectivo, que pueden variar segn los montos de la venta. En definitiva, el cursograma debe incluir todas las posibilidades, de modo que los empleados sepan qu hacer frente a cada eventualidad.
CAP 3- 21 HCTOR
REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Recomendaciones para elaborar cursogramas La creacin de un cursograma es la actividad ms subjetiva y creativa del proceso de modelizacin. Aunque no hay un conjunto de etapas estandarizadas para todos los autores, las siguientes pueden resultar una gua til para los no experimentados: Haga una lista de los datos relevantes. Pngale nombre a las actividades relacionadas con la lista de datos y

dibuje rectngulos alrededor de los nombres. Los nombres deben ser verbos o frases verbales. Dibuje las flechas necesarias para relacionar los rectngulos. Agrupe elementos si la estructura es demasiado detallada. Deje slo Escriba texto explicativo y un glosario.

los elementos esenciales y modifique el diagrama si es necesario.

Enfoque cuantitativo del proceso El cursograma permite visualizar mejor al proceso como transacciones que circulan o fluyen a lo largo de distintas actividades. Pero el cursograma por s slo no responde a muchas preguntas importantes, como por ejemplo: Cuntos clientes se pueden atender por da? Cunto demora un cliente en completar su compra? Qu porcentaje de su tiempo est cada empleado dedicado a la actividad Hay asignados recursos (empleados o mquinas) que estn

del proceso? sobrecargados o, por el contrario, que prcticamente no se utilizan? Entre una actividad y otra, se producen colas de espera demasiado largas?
CAP 3- 22 HCTOR D.

REYES

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Y muchas preguntas ms, que tienen en cuenta los aspectos cuantitativos del proceso. Para contestar a estas preguntas, es indispensable conocer los tiempos asociados a cada actividad y a la llegada de las transacciones. Si tanto los tiempos de cada actividad como los tiempos entre llegadas fueran constantes, no habr problemas para tomar los datos: bastar con medir un solo caso. Esto ocurre, por ejemplo, en un equipo que embotella vino, donde las botellas van en una cinta transportadora, a velocidad constante, y las actividades de llenar, poner corcho, colocar etiqueta, etc., son constantes. En cambio, en actividades o llegadas de transacciones que involucren a seres humanos, necesariamente los tiempos sern variables, y habr que utilizar tcnicas estadsticas de muestreo para relevar los datos.

Duracin de las tareas: Estudios de tiempos Los mtodos de estudio de tiempos fueron originalmente

desarrollados por Taylor y continan siendo la tcnica ms ampliamente utilizada para medir las actividades que constan de tareas breves y repetitivas. La actividad correspondiente se descompone en tareas bsicas, y cada tarea es medida con un cronmetro o filmada, para calcular los tiempos de cada tarea elemental. Tamao de la muestra Para determinar cuntas veces debe cronometrarse una actividad, es decir, decidir el tamao de la muestra, se siguen los siguientes pasos: Se especifica el error, en porcentaje, que se est dispuesto a admitir en la Se especifica el nivel de confianza, que representa la probabilidad de que estimacin del tiempo. Por ejemplo, e = 5%. la estimacin est dentro del intervalo de error, y se calcula o busca en una tabla de la distribucin normal el cuantil z correspondiente. Generalmente se trabaja con un nivel de confianza del 95%, para el que resulta z=1.96.
CAP 3- 23 HCTOR
REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Se toman algunos tiempos (muestra piloto). Se calcula el tiempo promedio con la frmula

x=

x
i =1

Se calcula la desviacin estndar con la frmula:

s=

(x
i =1

x)

n 1

Donde xi es el tiempo que llev la i-sima medicin. Luego se calcula el coeficiente de variabilidad, que representa la variabilidad relativa a la media, y se calcula como el cociente entre la desviacin estndar y el tiempo promedio:
CV = s ; x

Por ltimo, se utiliza la frmula:

CV n = z e
2

As, para un coeficiente de confianza del 95%, resulta z=1.96 y se construy la siguiente tabla: Tabla 3.8 Ponderacin de Error Error CV 1% 2% 5% 1% 15* 15* 15* 2% 15 15* 15* 3% 35 15* 15* 5% 96 24 15* 10% 384 96 15 15% 864 216 35 20% 1537 384 61 30% 3457 864 138 40% 6147 1537 246

CAP 3- 24

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

(*): la frmula da por resultado nmeros inferiores a 15, pero no es confiable trabajar con muestras tan pequeas. Luego se toma la muestra, con la que puede hacerse un anlisis estadstico de los datos: calcular el promedio, la desviacin estndar, el coeficiente de variabilidad del tiempo necesario para realizar la actividad, un intervalo de confianza para el tiempo medio.

3.2.1 DESCRIPCIN MTODO ASARCO: La administracin actual de las Empresas Mineras busca maximizar el uso de instalaciones y equipos a travs de un mtodo objetivo. Con este fin, se ha generalizado el empleo del mtodo conocido como ASARCO (American Smelting & Refinering Co.), el cual pondera una serie de variables para proporcionar una serie de valiosos ndices mecnicos del comportamiento y rendimiento de las instalaciones y equipos empleados en el proceso productivo. Cada uno de estos ndices mecnicos permiten a la administracin tomar acciones dirigidas a optimizar la seleccin, us y mantencin de las instalaciones y equipos. El mtodo consiste en computar y confrontar el total de horas de actividad y, paralizacin de cada instalacin o equipo, durante un determinado perodo normal de trabajo. De los reports emitidos por los Jefes de Turno y/o usuarios de instalaciones y/o equipos, se obtendrn los siguientes ndices Mecnicos: Disponibilidad Fsica, Disponibilidad Mecnica, Aprovechamiento, Utilizacin y Factor operacional. Objetivos: Los ndices mecnicos son producto de la informacin obtenida a travs de los reports, con el fin de optimizar los siguientes aspectos relacionados con equipos e instalaciones: Su uso, operacin y financiamiento. Su mantencin electromecnica. Su reemplazo oportuno y adecuado. La optimizacin debe entenderse como mxima disponibilidad operativa y rendimiento al mnimo costo de inversin, operacin y mantencin.

CAP 3- 25

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Definicin De Los ndices Mecnicos Los ndices Mecnicos son deducidos matemticamente de las medidas de tiempo en horas, definidas a continuacin. Definicin de Tiempo: a) Tiempo cronolgico o calendario (TCR) Son las horas correspondientes al tiempo calendario natural (das, meses y aos) Programado o Real.

Se dividen en:

- Tiempo Hbil - Tiempo Inhbil

b) Tiempo Hbil (HH) Son las horas en que la faena est en actividad productiva y/o en tareas de mantencin de sus elementos de produccin y/o infraestructura. En el Tiempo Hbil, cada instalacin o unidad de una de las siguientes condiciones: - En Operacin. - En Reserva. - En Mantencin. c) Tiempo Inhbil (HIN) Son las horas en que la faena suspende sus actividades productivas y/o de mantencin de sus elementos y/o infraestructura por: Paralizacin Programada: que incluye domingo, festivos, vacaciones colectivas, etc. Imprevistos: Considerando como tales las. paralizaciones originadas y obligadas por causas naturales (lluvias, temblores, sequas, etc..) y otras ajenas a control, como falta energa elctrica (comprada), atrasos en' la llegada de transporte de personal, ausentismo colectivo por epidemias, etc. equipo est en

CAP 3- 26

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Cuando en horas o tiempo programado como Inhbil un equipo o instalacin es operado y/o sometido a mantencin y/o reparacin, o se dispone de personal asignado para ello, el tiempo real es computado como Tiempo Hbil y clasificado en una de sus tres condiciones

d) Tiempo de operacin (HOP) Son las horas en que la unidad de equipo (o la instalacin) se encuentra entregada a sus operadores), en condiciones electromecnicas de cumplir su objetivo o funcin de diseo y con una tarea o cometido asignado. Este tiempo se subdivide en: - Tiempo Efectivo. - Prdida Operacional.

e) Tiempo Efectivo (HEF) Son las horas en que la unidad de equipo o la instalacin est funcionando y cumpliendo su objetivo de diseo.

f) Tiempo de Perdida operacional (HPE) Son las horas en que la unidad de equipo (o la instalacin), estando en condiciones electromecnicas de cumplir su objetivo de diseo, a cargo de su (s) operador (es) y con una tarea o cometido asignado, no puede realizarla por motivos ajenos a su funcionamiento intrnseco, como son los traslados, las esperas de equipo complementario y en general por razones originadas en la coordinacin de las operaciones.

g) Tiempo de Reserva (HRE) Son las horas hbiles en que la unidad de equipo (o instalacin), estando en condiciones electromecnicas de cumplir su funcin u objetivo de diseo, no lo realiza por motivos originados en una o ms de las siguientes razones: Esperas en general.
HCTOR
REYES

CAP 3- 27

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Falta de capacidad (prevista) de equipo complementario y/o accesorio. No requerirlo el Programa o Plan de Trabajo. No permitirlo (previsto) el rea donde debera cumplir su funcin.

En las unidades de equipo (o instalacin) que detienen sus funciones por falta de operador (es) en el tiempo de colacin se computa dicha hora como Inhbil. Si la unidad de equipo (o instalacin) sigue funcionando o se asigna a otro(s) operadores) para ello, se considera dicho tiempo como Tiempo de Operacin

h) Tiempo de Mantenimiento (HMT) Son las horas hbiles comprendidas desde el momento en que la unidad de equipo (o instalacin) no es operable en su funcin objetiva o de diseo por defecto o falla en. sus sistemas electromecnicos o por haber sido entregada a reparacin y/o mantencin, hasta que ha terminado dicha reparacin y/o mantencin y el equipo est en su rea de trabajo o estacionamiento y en condiciones fsicas de operacin normal.El tiempo de mantenimiento se divide en tiempos de reparacin y mantencin programada que incluyen: Esperas de personal y/o equipos de apoyo y/o repuestos. Traslados a/y desde talleres o estacin de mantencin o reparacin. Tiempo real de reparacin y/o mantencin (Preventiva o Reparativa) Movimiento y/o esperas de stos en lugares de reparacin y/o

mantencin.

CAP 3- 28

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Tabla 3.9 Datos de mediciones

TIEMPO CRONOLOGICO (TCR) TIEMPO HABIL (HH) TIEMPO DE OPERACIN (HOP) TIEMPO EFECTIVO (HEF) TIEMPO OPERACIONAL (HPE) TIEMPO DE RESERVA (HRE) TIEMPO DE MANTENCION (HMT) TIEMPO INHABIL (HIN)

Definicin de los ndices Mecnicos a) Disponibilidad Fsica (DF) Es la fraccin del total de horas hbiles, expresada en porcentaje, en la cual el equipo est en condiciones fsicas de cumplir su objetivo de diseo
DF (%) = ( HOP + HRE ) TRASLADOS ) 100 HH

Donde: DF(%)

Disponibilidad fsica, en porcentaje

Este ndice es directamente proporcional a la calidad del equipo y a la eficiencia de su mantencin y/o reparacin e inversamente proporcional a su antigedad y a las condiciones adversas existentes en su operacin y/o manejo. b) Disponibilidad Mecnica (DM)
DM = ( HH HMT ) 100 HH

Es el tiempo expresado en porcentaje, en que el equipo est en condiciones fsicas de cumplir su objetivo. de diseo por cada hora invertida en su mantencin y/o reparacin. Donde: DM: Disponibilidad Mecnica, en porcentaje. Al igual que el indicador anterior, el valor del guarismo que presenta este ndice es proporcional a la calidad del equipo controlado y a la eficiencia

CAP 3- 29

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

de su mantencin y/o reparacin e inversamente proporcional a su antigedad y a las condiciones adversas en su operacin o manejo.

c) Aprovechamiento (A) Es la fraccin de tiempo, expresada- en porcentaje, en la cual el equipo es operado por cada hora en que ste est en condiciones de cumplir su objetivo de diseo o fsicamente disponible. A (%) = FORMULA HOP 100 ( HMT + HRE )

Donde A (%): Aprovechamiento, en porcentaje. El valor del guarismo informado por este indicador es directamente proporcional a la demanda o necesidad de la operacin de utilizar el equipo e inversamente proporcional a su Disponibilidad Fsica y a su Rendimiento

d) Utilizacin (UT) HOP 100 HH Es la fraccin del total de Horas Hbiles expresada en porcentaje, en la cual el equipo, fsicamente disponible, es operado en su funcin de diseo (incluye prdidas operacionales). UT (%) = Donde UT(%): Utilizacin, en porcentaje. El valor del guarismo informado por este indicador es directamente proporcional a la demanda o necesidad de la operacin de utilizar el equipo, dentro del lmite impuesto por Disponibilidad Fsica del mismo e inversamente proporcional al rendimiento del equipo.

e) Factor Operacional (F.O.)

CAP 3- 30

HCTOR

REYES

D.

ESTADSTICA

APLICADA AL CONTROL DE CALIDAD

Es la fraccin de tiempo, expresada en porcentaje, en que el equipo HEF 100 HOP realiza efectivamente su funcin de diseo por cada hora en que es operado.. FO (%) = Donde FO(%): Factor Operacional, en porcentaje. El valor de la cifra informada por este indicador es inversamente proporcional al tiempo de operacin durante el cual el equipo no realiza su funcin de diseo: por traslados, esperas de equipo complementario, revisiones y otros definidos como Prdida operacional.

f) Rendimiento (REND.)
REND. = TOTAL UNIDADES PRODUCIDAS HEF

Es el promedio de unidades de produccin realizadas por el equipo por cada hora de efectiva de operacin. Donde REND. Rendimiento horario del equipo, en la unidad que corresponda. El valor de este indicador es directamente proporcional a la velocidad de produccin de equipo e inversamente proporcional al tiempo de operacin durante el cual el equipo no realiza su funcin de diseo por traslados, esperas de equipos complementarios y otros definidos como Perdida operacional.

CAP 3- 31

HCTOR

REYES

D.