Monografias.com > Sin categoría
Descargar Imprimir Comentar Ver trabajos relacionados

Las Siete Herramientas de la Calidad (página 2)




Enviado por celvir2001



Partes: 1, 2

La variabilidad de las características de
calidad es un efecto observado que tiene múltiples
causas. Cuando ocurre algún problema con la calidad
del producto, debemos investigar para identificar las causas
del mismo. Para ello nos sirven los Diagramas de
Causa – Efecto, conocidos también como Diagramas de
Espina de Pescado por la forma que tienen. Estos diagramas
fueron utilizados por primera vez por Kaoru
Ishikawa.

Para hacer un Diagrama
de Causa-Efecto seguimos estos pasos:

  • Diagramas de Dispersión

    Trazamos un flecha gruesa que representa el
    proceso y a la derecha escribimos la
    característica de calidad:

    Indicamos los factores causales más
    importantes y generales que puedan generar la
    fluctuación de la característica de calidad,
    trazando flechas secundarias hacia la principal. Por ejemplo,
    Materias Primas, Equipos, Operarios, Método de Medición, etc.:

    Incorporamos en cada rama factores más
    detallados que se puedan considerar causas de
    fluctuación. Para hacer esto, podemos formularnos
    estas preguntas:

  • Decidimos cual va a ser la característica de
    calidad que vamos a analizar. Por ejemplo, en el caso de la
    mayonesa podría ser el peso del frasco lleno, la
    densidad del
    producto, el porcentaje de aceite, etc.
  • ¿Por qué hay
    fluctuación o dispersión en los valores
    de la característica de calidad? Por la
    fluctuación de las Materias Primas. Se anota Materias
    Primas como una de las ramas principales.
  • ¿Qué Materias Primas
    producen fluctuación o dispersión en los valores de
    la característica de calidad? Aceite, Huevos, sal, otros
    condimentos. Se agrega Aceite como rama menor de la rama
    principal Materias Primas.
  • ¿Por qué hay
    fluctuación o dispersión en el aceite? Por la
    fluctuación de la cantidad agregada a la mezcla.
    Agregamos a Aceite la rama más pequeña
    Cantidad.
  • ¿Por qué hay variación en la
    cantidad agregada de aceite? Por funcionamiento irregular de
    la balanza. Se registra la rama Balanza.

    Así seguimos ampliando el Diagrama
    de Causa-Efecto hasta que contenga todas las causas posibles
    de dispersión.

  • ¿Por qué la balanza
    funciona en forma irregular? Por que necesita mantenimiento. En la rama Balanza colocamos la
    rama Mantenimiento.
  • Finalmente verificamos que todos
    los factores que puedan causar dispersión hayan sido
    incorporados al diagrama. Las relaciones Causa-Efecto deben
    quedar claramente establecidas y en ese caso, el diagrama
    está terminado.
  • Veamos un ejemplo de la Guía de Control de
    Calidad de Kaoru Ishikawa, publicada por UNIPUB (N. York). Se
    trata de una máquina en la cual se produce un defecto de
    rotación oscilante. La característica de calidad es
    la oscilación de un eje durante la
    rotación:

    Un diagrama de Causa-Efecto es de por si educativo,
    sirve para que la gente conozca en profundidad el proceso con que
    trabaja, visualizando con claridad las relaciones entre los
    Efectos y sus Causas. Sirve también para guiar las
    discusiones, al exponer con claridad los orígenes de un
    problema de calidad. Y permite encontrar más
    rápidamente las causas asignables cuando el proceso se
    aparta de su funcionamiento habitual.

    Un diagrama de Causa-Efecto es de por si educativo,
    sirve para que la gente conozca en profundidad el proceso con que
    trabaja, visualizando con claridad las relaciones entre los
    Efectos y sus Causas. Sirve también para guiar las
    discusiones, al exponer con claridad los orígenes de un
    problema de calidad. Y permite encontrar más
    rápidamente las causas asignables cuando el proceso se
    aparta de su funcionamiento habitual.

    Un diagrama de Causa-Efecto es de por si educativo,
    sirve para que la gente conozca en profundidad el proceso con que
    trabaja, visualizando con claridad las relaciones entre los
    Efectos y sus Causas. Sirve también para guiar las
    discusiones, al exponer con claridad los orígenes de un
    problema de calidad. Y permite encontrar más
    rápidamente las causas asignables cuando el proceso se
    aparta de su funcionamiento habitual.

    Planillas de Inspección

    Los datos que se obtienen al medir una
    característica de calidad pueden recolectarse utilizando
    Planillas de Inspección. Las Planillas de
    Inspección sirven para anotar los resultados a medida que
    se obtienen y al mismo tiempo observar cual es la tendencia
    central y la dispersión de los mismos. Es decir, no es
    necesario esperar a recoger todos los datos para disponer de
    información estadística.

    ¿Cómo realizamos las anotaciones? En
    lugar de anotar los números, hacemos una marca de
    algún tipo (*, +, raya, etc.) en la columna
    correspondiente al resultado que obtuvimos.

    Vamos a suponer que tenemos un lote de artículos
    y realizamos algún tipo de medición. En primer
    lugar, registramos en el encabezado de la planilla la
    información general: Nº de Planilla, Nombre del
    Producto, Fecha, Nombre del Inspector, Nº de Lote, etc. Esto
    es muy importante porque permitirá identificar nuestro
    trabajo de medición en el futuro.

    Luego realizamos las mediciones y las vamos anotando en
    la Planilla. Por ejemplo, si obtuvimos los tres valores
    siguientes 1.8, 2.6, 2.6 y los registramos con un signo +
    quedaría así:

    Después de muchas mediciones, nuestra planilla
    quedaría como sigue:

    Para cada columna contamos el total de resultados
    obtenidos y lo anotamos al pié. Esta es la Frecuencia de
    cada resultado, que nos dice cuáles mediciones se
    repitieron más veces.

    Para ver el grafico seleccione la
    opción "Descargar" del menú superior

    ¿Qué información nos brinda la
    Planilla de Inspección? Al mismo tiempo que medimos y
    registramos los resultados, nos va mostrando cual es la Tendencia
    Central de las mediciones. En nuestro caso, vemos que las mismas
    están agrupadas alrededor de 2.3 aproximadamente, con un
    pico en 2.1 y otro en 2.5 . Habría que investigar por que
    la distribución de los datos tiene esa forma.
    Además podemos ver la Dispersión de los datos. En
    este caso vemos que los datos están dentro de un rango que
    comienza en 1.5 y termina en 3.3 . Nos muestra entonces
    una información acerca de nuestros datos que no
    sería fácil de ver si sólo tuvieramos una
    larga lista con los resultados de las mediciones.

     Y
    además, si marcamos en la planilla los valores
    mínimo y máximo especificados para la
    característica de calidad que estamos midiendo (LIE y LSE)
    podemos ver que porcentaje de nuestro producto cumple con las
    especificaciones.

    Gráficos de Control

    Un gráfico de control es una
    carta o
    diagrama especialmente preparado donde se van anotando los
    valores sucesivos de la característica de calidad que se
    está controlando. Los datos se registran durante el
    funcionamiento del proceso de fabricación y a medida que
    se obtienen.

    El gráfico de control tiene una Línea
    Central
    que representa el promedio histórico de la
    característica que se está controlando y
    Límites Superior e Inferior que
    también se calculan con datos
    históricos.

    Por
    ejemplo, supongamos que se tiene un proceso de fabricación
    de anillos de pistón para motor de
    automóvil y a la salida del proceso se toman las piezas y
    se mide el diámetro. Las mediciones sucesivas del
    diámetro de los anillos se pueden anotar en una carta como la
    siguiente:

    Por ejemplo, si las 15 últimas mediciones fueron
    las siguientes:

    Entonces tendríamos un Gráfico de Control
    como este:

    Podemos observar en este gráfico que los valores
    fluctúan al azar alrededor del valor central (Promedio
    histórico) y dentro de los límites de
    control superior e inferior. A medida que se fabrican, se toman
    muestras de los anillos, se mide el diámetro y el
    resultado se anota en el gráfico, por ejemplo, cada media
    hora.

    Pero ¿Qué ocurre cuando un punto se va
    fuera de los límites?
    Eso es lo que ocurre con el último valor en el siguiente
    gráfico:

    Esa circunstancia puede ser un indicio de que algo anda
    mal en el proceso. Entonces, es necesario investigar para
    encontrar el problema (Causa Asignable) y corregirla. Si
    no se hace esto el proceso estará funcionando a un nivel
    de calidad menor que originalmente.

    Existen diferentes tipos de Gráficos de Control: Gráficos X-R, Gráficos C,
    Gráficos np, Gráficos Cusum, y otros. Cuando se
    mide una característica de calidad que es una variable
    continua se utilizan en general los Gráficos X-R. Estos en
    realidad son dos gráficos que se utilizan juntos, el de
    X (promedio del subgrupo) y el de R (rango del
    subgrupo). En este caso se toman muestras de varias piezas, por
    ejemplo 5 y esto es un subgrupo. En cada subgrupo se calcula el
    promedio X y el rango R (Diferencia entre el
    máximo y el mínimo).

    A continuación podemos observar un típico
    gráfico de X:

    Y lo que sigue es un gráfico de R:

    Diagramas de Flujo

    Diagrama de Flujo es una representación
    gráfica de la secuencia de etapas, operaciones,
    movimientos, decisiones y otros eventos que
    ocurren en un proceso. Esta representación se
    efectúa a través de formas y símbolos
    gráficos utilizados usualmente:

    Los símbolos gráficos para dibujar un
    diagrama de
    flujo están más o menos
    normalizados:

     

    Existen otros símbolos que se pueden utilizar. Lo
    importante es que su significado se entienda claramente a primera
    vista. En el ejemplo siguiente, vemos un diagrama de flujo
    para representar el proceso de fabricación de una resina
    (Reacción de Polimerización):

     

    Algunas recomendaciones para construir Diagramas de
    Flujo son las siguientes:

    • Conviene realizar un Diagrama de Flujo que describa
      el proceso real y no lo que está escrito sobre el mismo
      (lo que se supone debería ser el proceso).
    • Si hay operaciones que
      no siempre se realizan como está en el diagrama, anotar
      las excepciones en el diagrama.
    • Probar el Diagrama de Flujo tratando de realizar el
      proceso como está descripto en el mismo, para verificar
      que todas las operaciones son posibles tal cual figuran en el
      diagrama.
    • Si se piensa en realizar cambios al proceso, entonces
      se debe hacer un diagrama adicional con los cambios
      propuestos.

    Histogramas

    Un histograma es un gráfico o diagrama que
    muestra el
    número de veces que se repiten cada uno de los resultados
    cuando se realizan mediciones sucesivas. Esto permite ver
    alrededor de que valor se agrupan las mediciones (Tendencia
    central) y cual es la dispersión alrededor de ese valor
    central.

    Supongamos que un médico dietista desea estudiar
    el peso de personas adultas de sexo masculino
    y recopila una gran cantidad de datos midiendo el peso en
    kilogramos de sus pacientes varones:

    74.6

    74.6

    81.6

    75.4

    69.8

    68.4

    74.5

    85.9

    65.8

    63.5

    95.7

    69.4

    77.0

    113.7

    57.8

    69.9

    74.5

    74.3

    70.7

    77.9

    74.5

    63.7

    77.0

    63.2

    79.4

    76.4

    77.0

    72.1

    70.7

    68.4

    74.6

    95.7

    70.7

    71.6

    79.4

    76.9

    85.2

    78.4

    79.4

    69.4

    74.6

    75.4

    81.6

    84.6

    74.6

    69.8

    85.2

    74.8

    67.9

    97.4

    85.2

    83.5

    81.6

    78.9

    63.7

    74.5

    81.6

    69.7

    67.9

    77.0

    72.1

    77.0

    67.9

    68.4

    63.7

    76.7

    71.6

    70.7

    63.7

    70.7

    72.1

    77.0

    69.4

    79.4

    72.1

    79.4

    71.6

    70.7

    69.8

    74.6

    71.6

    74.6

    69.4

    79.4

    83.5

    85.2

    69.4

    85.2

    69.8

    74.6

    83.5

    81.6

    69.8

    81.6

    83.5

    85.2

    74.9

    67.9

    83.5

    67.9

    79.3

    81.6

    73.2

    63.7

    74.9

    63.7

    76.3

    67.9

    70.7

    70.7

    73.2

    67.5

    79.8

    63.7

    79.4

    79.4

    70.7

    85.3

    70.7

    72.1

    88.6

    74.6

    79.4

    88.6

    79.4

    71.6

    70.7

    85.2

    74.6

    70.7

    74.6

    69.4

    79.4

    81.6

    85.2

    79.4

    85.2

    69.8

    70.7

    67.9

    81.6

    74.6

    81.6

    83.5

    79.4

    63.7

    67.9

    85.2

    67.9

    67.9

    74.6

    72.1

    63.7

    81.6

    63.7

    63.7

    85.2

    71.6

    72.1

    67.9

    72.1

    70.7

    81.6

    69.4

    71.6

    63.7

    71.6

    73.2

    67.9

    69.8

    69.4

    72.1

    69.4

    70.7

    63.7

    83.5

    69.8

    71.6

    69.8

    79.4

    72.1

    83.5

    83.5

    69.4

    83.5

    74.6

    71.6

    69.7

    85.2

    69.8

    69.8

    63.7

    69.4

    68.4

    81.6

    83.5

    83.5

    72.1

    69.8

    70.7

    63.7

    72.1

    83.5

    71.6

    83.5

    79.4

    72.1

    71.6

    72.1

    69.4

    67.9

    71.6

    71.6

    69.4

    71.6

    69.8

    Así como están los datos es muy
    difícil sacar conclusiones acerca de ellos.

    Entonces, lo primero que hace el médico es
    agrupar los datos en intervalos contando cuantos resultados de
    mediciones de peso hay dentro de cada intervalo (Esta es la
    frecuencia). Por ejemplo, ¿Cuántos pacientes pesan
    entre 60 y 65 kilos? ¿Cuántos pacientes pesan entre
    65 y 70 kilos?:

    Intervalos

    Nº Pacientes (Frecuencia)

    <50

    0

    50-55

    0

    55-60

    1

    60-65

    17

    65-70

    48

    70-75

    70

    75-80

    32

    80-85

    28

    85-90

    16

    90-95

    0

    95-100

    3

    100-105

    0

    105-110

    0

    >110

    1

    Ahora se pueden representar las frecuencias en un
    gráfico como el siguiente:

    Por ejemplo, la tabla nos dice que hay 48 pacientes que
    pesan entre 65 y 70 kilogramos. Por lo tanto, levantamos una
    columna de altura proporcional a 48 en el
    gráfico:

    Y
    agregando el resto de las frecuencias nos queda el histograma
    siguiente:

    ¿Qué utilidad nos
    presta el histograma? Permite visualizar rápidamente
    información que estaba oculta en la tabla original de
    datos. Por ejemplo, nos permite apreciar que el peso de los
    pacientes se agrupa alrededor de los 70-75 kilos. Esta es la
    Tendencia Central de las mediciones. Además podemos
    observar que los pesos de todos los pacientes están en un
    rango desde 55 a 100 kilogramos. Esta es la
    Dispersión de las mediciones. También
    podemos observar que hay muy pocos pacientes por encima de 90
    kilogramos o por debajo de 60 kilogramos.

    Ahora el médico puede extraer toda la
    información relevante de las mediciones que realizó
    y puede utilizarlas para su trabajo en el terreno de la medicina.

    Diagramas de Dispersión

    Los Diagramas de Dispersión o Gráficos de
    Correlación permiten estudiar la relación entre 2
    variables. Dadas 2 variables X e Y, se dice que existe una
    correlación entre ambas si cada vez que aumenta el valor
    de X aumenta proporcionalmente el valor de Y (Correlación
    positiva) o si cada vez que aumenta el valor de X disminuye en
    igual proporción el valor de Y (Correlación
    negativa).

    En un gráfico de correlación representamos
    cada par X, Y como un punto donde se cortan las coordenadas de X
    e Y:

    Veamos un ejemplo. 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:


    Persona

    Altura
    (m)

    Peso
    (Kg.)


    Persona

    Altura
    (m)

    Peso
    (Kg.)

    001

    1.94

    95.8

    026

    1.66

    74.9

    002

    1.82

    80.5

    027

    1.96

    88.1

    003

    1.79

    78.2

    028

    1.56

    65.3

    004

    1.69

    77.4

    029

    1.55

    64.5

    005

    1.80

    82.6

    030

    1.71

    75.5

    006

    1.88

    87.8

    031

    1.90

    91.3

    007

    1.57

    67.6

    032

    1.65

    66.6

    008

    1.81

    82.5

    033

    1.78

    76.8

    009

    1.76

    82.5

    034

    1.83

    80.2

    010

    1.63

    65.8

    035

    1.98

    97.6

    011

    1.59

    67.3

    036

    1.67

    76.0

    012

    1.84

    88.8

    037

    1.53

    58.0

    013

    1.92

    93.7

    038

    1.96

    95.2

    014

    1.84

    82.9

    039

    1.66

    74.5

    015

    1.88

    88.4

    040

    1.62

    71.8

    016

    1.62

    69.0

    041

    1.89

    91.0

    017

    1.86

    83.4

    042

    1.53

    62.1

    018

    1.91

    89.1

    043

    1.59

    69.8

    019

    1.99

    95.2

    044

    1.55

    64.6

    020

    1.76

    79.1

    045

    1.97

    90.0

    021

    1.55

    61.6

    046

    1.51

    63.8

    022

    1.71

    70.6

    047

    1.59

    62.6

    023

    1.75

    79.4

    048

    1.60

    67.8

    024

    1.76

    78.1

    049

    1.57

    63.3

    025

    2.00

    90.6

    050

    1.61

    65.2

    Entonces, para cada persona representamos su altura y su
    peso con un punto en un gráfico:

    Una vez que representamos a las 50 personas
    quedará un gráfico como el siguiente:

    Qué nos muestra este gráfico? En primer
    lugar podemos observar que las personas de mayor altura tienen
    mayor peso, es decir parece haber una correlación positiva
    entre altura y peso. Pero un hombre bajito
    y gordo puede pesar más que otro alto y flaco. Esto es
    así porque no hay una correlación 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
    correlación entre la altura y el peso de las
    personas.

    Cuando se trata de dos variables cualesquiera, puede no
    haber ninguna correlación o puede existir alguna
    correlación en mayor o menor grado, como podemos ver en
    los gráficos siguientes:

    Por ejemplo, en el siguiente gráfico podemos ver
    la relación entre el contenido de Humedad de hilos de
    algodón y su estiramiento:

     

     

     

     

     

    Presentado Por:

    CARLOS RENE ELVIR

    Partes: 1, 2
     Página anterior Volver al principio del trabajoPágina siguiente 

    Nota al lector: es posible que esta página no contenga todos los componentes del trabajo original (pies de página, avanzadas formulas matemáticas, esquemas o tablas complejas, etc.). Recuerde que para ver el trabajo en su versión original completa, puede descargarlo desde el menú superior.

    Todos los documentos disponibles en este sitio expresan los puntos de vista de sus respectivos autores y no de Monografias.com. El objetivo de Monografias.com es poner el conocimiento a disposición de toda su comunidad. Queda bajo la responsabilidad de cada lector el eventual uso que se le de a esta información. Asimismo, es obligatoria la cita del autor del contenido y de Monografias.com como fuentes de información.

    Categorias
    Newsletter