Beruflich Dokumente
Kultur Dokumente
PIS02 SM-15
Tercer cuatrimestre
1.
Diagrama
de
Ishikawa
2.
Hoja de
verificacin
3. Grfico de
control
Los grficos de control tienen su origen al final de la dcada de 1920,
cuando Walter A. Shewhart analiz numerosos procesos de fabricacin concluyendo
que todos presentaban variaciones. Encontr que estas variaciones podan ser de
dos clases: una aleatoria, entendiendo por ella que su causa era insignificante o
desconocida, y otra imputable (tambin llamada asignable), cuyas causas podan
ser descubiertas y eliminadas tras un correcto diagnstico.
Los grficos de control constituyen una herramienta estadstica utilizada para
evaluar la estabilidad de un proceso. Permite distinguir entre las causas de
variacin. Todo proceso tendr variaciones, pudiendo estas agruparse en:
Causas aleatorias de variacin. Son causas desconocidas y con poca
significacin, debidas al azar y presentes en todo proceso.
Causas especficas (imputables o asignables). Normalmente no deben estar
presentes en el proceso. Provocan variaciones significativas.
Las causas aleatorias son de difcil identificacin y eliminacin. Las causas
especficas s pueden ser descubiertas y eliminadas, para alcanzar el objetivo de
estabilizar el proceso.
Existen diferentes tipos de grficos de control:
De datos por variables. Que a su vez pueden ser de media y rango, mediana
y rango, y valores medidos individuales.
De datos por atributos. Del estilo aceptable / inaceptable, s / no,
En la base de los grficos de control est la idea de que la variacin de una
caracterstica de calidad puede cuantificarse obteniendo muestras de las salidas de
un proceso y estimando los parmetros de su distribucin estadstica. La
representacin de esos parmetros en un grfico, en funcin del tiempo, permitir
la comprobacin de los cambios en la distribucin.
El grfico cuenta con una lnea central y con dos lmites de control, uno superior
(LCS) y otro inferior (LCI), que se establecen a 3 desviaciones tpicas (sigma) de
la media (la lnea central). El espacio entre ambos lmites define la variacin
aleatoria del proceso. Los puntos que exceden estos lmites indicaran la posible
presencia de causas especficas de variacin.
4. Histograma
5. Diagrama de Pareto
El Diagrama
de
Pareto
constituye un sencillo y
grfico mtodo de anlisis que permite discriminar entre las causas ms
importantes de un problema (los pocos y vitales) y las que lo son menos (los
muchos y triviales). En 1909 el economista y socilogo Vilfredo Pareto (1848
1923) public los resultados de sus estudios sobre la distribucin de la riqueza,
observando que el 80% de la misma se encontraba concentrada en el 20% de la
poblacin. A finales de los aos 30, durante una visita a la central de General
Motors Corporation para el intercambio de buenas prcticas de ingeniera industrial,
Juran tuvo la oportunidad de conocer los trabajos de Pareto sobre la distribucin de
la riqueza. Ms adelante Juran, mientras preparaba la primera edicin de su
obra Manual de Control de la Calidad, se vio ante la necesidad de dar un nombre
corto al principio de los pocos vitales los muchos triviales. Bajo el ttulo La mala
distribucin de las prdidas de calidad, en el que figuraban numerosos ejemplos de
mala distribucin, tambin seal que Pareto haba encontrado mal distribuida la
riqueza. Asimismo, mostr ejemplos de curvas acumulativas para la desigual
distribucin de la riqueza y la desigual distribucin de las prdidas de calidad. Titul
esas curvas como principio de Pareto de la distribucin desigual aplicado a la
distribucin de la riqueza y la distribucin de las prdidas de calidad. Este ttulo dio
a entender, de forma involuntaria, que el principio de los pocos vitales con
carcter universal fue formulado por Pareto. Como el mismo Juran reconoce en The
Non-Pareto Principle: Mea Culpa, esta implicacin es errnea, ya que la primera
exposicin del principio como universal corresponde al propio Juran, que no a
Pareto. Tambin reconoce que, si lo hubiera expuesto de otro modo, seguramente
se habra denominado principio de Juran, al que hoy se conoce como principio de
Pareto y, consecuentemente, hoy se denominara diagrama de Juran, al que se
utiliza bajo el nombre de diagrama de Pareto. Sin embargo, Juran tena necesidad
de una denominacin abreviada, y no tuvo reparos aplicar el nombre de principio de
Pareto.
Incluso las curvas acumulativas caractersticas del diagrama de Pareto, no se deben
a l, sino al economista norteamericano Max Otto Lorenz (1905), quien dedujo la
curva de Lorenz: una medida de la
desigualdad en los ingresos de una
sociedad.
La relacin 80/20 ha sido encontrada
en distintos campos. Por ejemplo, el
80% de los problemas de una
organizacin son debidos a un 20%
de las causas posibles. El 80% de los
defectos de un producto se debe al
20% de causas potenciales, el 80%
del absentismo es causado por un
20% de empleados Evidentemente,
la relacin no debe ser exactamente
80/20, pero s se puede aventurar
que
unas
pocas
causas
son
responsables de la mayor parte de los problemas.
Una importante aplicacin del Principio de Juran (o de Pareto) est en el diseo de
programas de mejora de la Calidad de modo que una mejora deber tener como
objetivo a los pocos vitales.
6. Diagrama de dispersin
El diagrama
de
dispersin permite analizar si
existe algn tipo de relacin entre dos variables. Por ejemplo, puede ocurrir que
dos variables estn relacionadas de manera que, al aumentar el valor de una, se
incremente el de la otra. En este caso hablaramos de la existencia de una
correlacin positiva. Tambin podra ocurrir que al producirse una en un sentido, la
otra derive en el sentido contrario; por ejemplo, al aumentar el valor de la variable
x, se reduzca el de la variable y. Entonces, se estara ante una correlacin negativa.
Si los valores de ambas variables se revelan independientes entre s, se afirmara
que no existe correlacin.
El diagrama de dispersin es una herramienta grfica que ayuda a identificar la
posible relacin entre dos variables. Representa la relacin entre dos variables de
forma grfica, lo que hace ms fcil visualizar e interpretar los datos.
De otro lado, calculando el coeficiente de correlacin entre dos variables, permite
cuantificar el grado de relacin entre ambas, as como su signo. El valor de este
coeficiente puede estar comprendido entre 1 y 1.
Cuando toma un valor prximo a 1, la correlacin es fuerte y negativa. Si el valor
es cercano a +1, la correlacin es fuerte y positiva.
Si el coeficiente de correlacin lineal presenta un valor prximo a 0, la correlacin
es dbil.
Un coeficiente de 0 indicara independencia total entre ambas variables. A su vez,
un coeficiente de correlacin lineal de 1 o de -1 sealara que entre ambas variables
hay dependencia funcional, positiva o negativa segn el signo del coeficiente.
Esta correlacin puede sealar, pero no por ello probar, una relacin causal, es
decir, no predice relaciones causa efecto, sino que muestra la intensidad de la
relacin entre dos variables. Por lo tanto, es importante no apresurarse a obtener
conclusiones sobre la relacin entre las variables, ya que puede ser otra tercera que
afecte a la relacin.
7. Muestreo
estratificado
Tambin conocida como estratificacin, es una herramienta estadstica que clasifica
los elementos de una poblacin que tiene afinidad para as analizarlos y determinar
causas comunes de su comportamiento. La estratificacin contribuye a identificar
las causas que hacen mayor parte de la variabilidad, de esta forma se puede
obtener una comprensin detallada de la estructura de una poblacin de datos,
examinando as la diferencia en los valores promedio y la variacin en los diferentes
estratos.
TIPOS
Muestreo aleatorio estratificado proporcionado
En esta tcnica, el tamao de la muestra de cada estrato es proporcional al tamao
de la poblacin del estrato si se compara con la poblacin total. Esto significa que el
cada estrato tiene la misma fraccin de muestreo.
En esta tcnica, lo importante es recordar el uso de la misma fraccin de muestreo
en cada estrato, independientemente de las diferencias en el tamao de la
poblacin de los estratos. Es muy parecido a reunir una poblacin ms pequea que
sea especfica de las proporciones relativas de los subgrupos dentro de la poblacin.