You are on page 1of 81

8:00:38

8:00:42

LAS 7 HERRAMIENTAS TECNICAS PARA EL CONTROL DE CALIDAD


1. 2. 3. 4. 5. 6. 7. Grficos o Diagramas de Paretto. Brainstorming o lluvia de ideas Histogramas Grficos de Dispersin Diagrama de Ishikawa o Espina de Pescado o Causa-Efecto. Grficos de Control Estadstico. Listas de chequeo o verificacin de datos (CHECK LIST)

8:00:42

1.GRFICOS O DIAGRAMAS DE PARETTO.


Es una herramienta que se utiliza para priorizar los problemas o las causas que los genera. Segn este concepto, si se tiene un problema con muchas causas, podemos decir que el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo resuelven el 20% del problema.

8:00:43

El 80% de la situacin de anlisis se debe solo al 20% causas

8:00:43

PROCEDIMIENTOS PARA ELABORAR EL DIAGRAMA DE PARETO:


1. 2. 3. 4. Decidir el problema a analizar. Disear una tabla para conteo o verificacin de datos. Recoger los datos y efectuar el clculo de totales. Elaborar una tabla de datos para el diagrama de Pareto con la lista de tems, los totales individuales y la composicin porcentual. 5. Jerarquizar los tems por orden de cantidad llenando la tabla respectiva. 6. Construya un grfico de barras en base a las cantidades y porcentajes de cada tem. 7. Escribir cualquier informacin necesaria sobre el diagrama.
8:00:38

8:00:43

Se ha estudiado que las principales causas que se incremente el ndice de nios quemados durante el mes de Diciembre en la Costa Atlntica, se debe a las siguientes causas:
Bajo costo de los elementos pirotcnicos (accesibilidad) Desconocimiento del peligro Desconocimieto para la manipulacin de elementos pirotcnicos Falta de control por parte de las autoridades Falta de control por parte de los padres La cultura de la regin ha creado la necesidad de usar estos elementos Los elementos pirotecnicos manipulados son demasiado peligrosos

Se le ha encargado que priorice las distintas causas del problema y colabore con la alcalda a desarrollar campaas para evitar este problema.

CAUSAS DE LOS ALTOS INDICES DE NIOS QUEMADOS EN BARRANQUILLA


# de causa Descripcin de la Causa 1 Control Pad. 2 Control Aut. 3 Elem. Pelig. 4 Descon. Manip. 5 Cultura Regin 6 Bajo Costo 7 Descon. Del Pel.

TOTAL

CAUSAS DE LOS ALTOS INDICES DE NIOS QUEMADOS EN BARRANQUILLA


# de causa Descripcin de la Causa # de votos 1 Control Pad. 50 2 Control Aut. 40 3 Elem. Pelig. 15 4 Descon. Manip. 12 5 Cultura Regin 11 6 Bajo Costo 10 7 Descon. Del Pel. 5

TOTAL

143

CAUSAS DE LOS ALTOS INDICES DE NIOS QUEMADOS EN BARRANQUILLA


# de causa Descripcin de la Causa # de votos 1 Control Pad. 50 2 Control Aut. 40 3 Elem. Pelig. 15 4 Descon. Manip. 12 5 Cultura Regin 11 6 Bajo Costo 10 7 Descon. Del Pel. 5 % 34,97 27,97 10,49 8,39 7,69 6,99 3,50

TOTAL

143

El rea de mantenimiento desea conocer cual(es) de sus 6 equipos debe reparar con prioridad; para ello ha analizado las reparaciones que ha realizado durante el mes y los ha consolidado en la siguiente tabla:

ACUMULADO DE REPARACIONES EN EL MES


TIPO DE DAO FECHAS DEL MES EN QUE SE REPAR EL EQUIPO DIAS DEL MES EN QUE SE DA % MOTOR 1,2,3,7,11,15,18,20,23,30 TORNO 17,21,26 COMPRESOR 1 2 COMPRESOR 2 7,9,11,13,15,17,18,21,25,27,30 SELLADORA 1,2,3,4,5,6,7,8,11,17,18,19 SISTEMA ELECTR 1 21,24,26 SISTEMA ELECTR 2 5,9,23,27 DOSIFICADOR A 1,2,3,4,5,6,7,8,11,14,15,16,17,18,19,22,23,24,25,27,28,29,30 DOSIFICADOR B 3,9,17,19,21 EXTRUSORA 1 PULIDORA 7

TOTAL
Construya el diagrama de pareto y determine cuales son los equipos que se deben cambiar

ACUMULADO DE REPARACIONES EN EL MES


DIAS DEL TIPO DE DAO FECHAS DEL MES EN QUE SE REPAR EL EQUIPO MES EN QUE SE DA MOTOR 1,2,3,7,11,15,18,20,23,30 10 TORNO 17,21,26 3 COMPRESOR 1 2 1 COMPRESOR 2 7,9,11,13,15,17,18,21,25,27,30 11 SELLADORA 1,2,3,4,5,6,7,8,11,17,18,19 12 SISTEMA ELECTR 1 21,24,26 3 SISTEMA ELECTR 2 5,9,23,27 4 DOSIFICADOR A 1,2,3,4,5,6,7,8,11,14,15,16,17,18,19,22,23,24,25,27,28,29,30 23 DOSIFICADOR B 3,9,17,19,21 5 EXTRUSORA 1 1 PULIDORA 7 1 % 13,51 4,05 1,35 14,86 16,22 4,05 5,41 31,08 6,76 1,35 1,35

TOTAL

74

Las causas/categoras de un problema puedan cuantificarse. Un equipo de trabajo necesite identificar las causas/categoras ms significativas de un problema. Un equipo de trabajo necesite decidir sobre cules causas trabajar primero.
8:00:44

Ayuda a priorizar y a sealar la importancia de cada una de las reas de oportunidad. Es el primer paso para la realizacin de mejoras. Se aplica en todas las situaciones en donde se pretende efectuar una mejora, en cualquiera de los componentes de la Calidad Total: la calidad del producto/servicio, costos, entrega, seguridad, y moral.

8:00:44

2. BRAINSTORMING (LLUVIA DE IDEAS)

8:00:44

QUE ES?
La "Lluvia de ideas" es una tcnica para generar muchas ideas en un grupo. Requiere la participacin espontnea de todos. Con la utilizacin de la "Lluvia de ideas" se alcanzan nuevas ideas y soluciones creativas e innovadoras, rompiendo paradigmas establecidos.

8:00:44

REGLAS PARA LA "LLUVIA DE IDEAS


Enfatizar la cantidad y no la calidad de las ideas.

Evitar crticas, evaluaciones o juzgamientos de las ideas presentadas.


Presentar las ideas que surgen en la mente, sin elaboraciones o censuras. Estimular todas las ideas, por muy "malas" que ellas puedan parecer. "Utilizar" las ideas de otros, creando a partir de ellas.
8:00:44

APLICACIONES
La "Lluvia de ideas" se usa para generar un gran nmero de ideas en un corto periodo de tiempo. Se puede aplicar en cualquier etapa de un proceso de solucin de problemas. Es fundamental para la identificacin y seleccin de las preguntas que sern tratadas en la generacin de posibles soluciones.

Es muy til cuando se desea la participacin de todo el grupo.


8:00:44

3. HISTOGRAMAS

8:00:44

3. HISTOGRAMAS
Un histograma es una descripcin grfica de los valores medidos individuales de un paquete de informacin y que est organizado de acuerdo a la frecuencia o relativa frecuencia de ocurrencia.
Los histogramas ilustran la forma de la distribucin de valores individuales en un paquete de datos en conjuncin con la informacin referente al promedio y variacin.

8:00:44

8:00:44

Muy sencillo, simplemente este tipo de grficos permiten establecer para cada dato, cuantas veces se repite; es decir cada evento cuantas veces aparece. Por ejemplo: De un grupo de 24 estudiantes se obtuvo informacin sobre sus respectivas estaturas; encontrndose los siguientes datos:

#
1 2 3 4 5 6 7 8 9 10 11 12
8:00:44

Nombre
Pedro Prez Juan Martnez Jorge Blanco Manuel Ortiz Bernardo Daz Yoimar Arango Vladimir Paz Carlos Polo Diana Daz Carlos Cardona Mileth Escalante Laura Montero

Estatura
1,60 1,60 1,75 1,70 1,60 1,65 1,60 1,65 1,55 1,65 1,65 1,70

Nombre

Estatura
1,60 1,55 1,55 1,65 1,60 1,62 1,60 1,65 1,70 1,70 1,50 1,55

13 Jos Daz 14 Yesid Melo 15 Luz Plazas 16 Carmen Paz 17 William Meza 18 Flix Garca 19 Jorge Pinzn 20 Adriana Rivero 21 Leonardo Bastidas 22 Karen Rojas 23 Wilson Len 24 Kelly Garca

Nombre

Estatura
1,60 1,60 1,75 1,70 1,60 1,65 1,60 1,65 1,55 1,65 1,65 1,70 1,60 1,55 1,55 1,65 1,60 1,65 1,60 1,65 1,70 1,70 1,50 1,55

1 Pedro Prez 2 Juan Martnez 3 Jorge Blanco 4 Manuel Ortiz 5 Bernardo Daz 6 Yoimar Arango 7 Vladimir Paz 8 Carlos Polo 9 Diana Daz 10 Carlos Cardona 11 Mileth Escalante 12 Laura Montero 13 Jos Daz 14 Yesid Melo 15 Luz Plazas 16 Carmen Paz 17 William Meza 18 Flix Garca 19 Jorge Pinzn 20 Adriana Rivero 21 Leonardo Bastidas 22 Karen Rojas 23 Wilson Len 24 Kelly Garca

Valores de Referencia
1,50 1,55 1,60 1,65 1,70 1,75

8:00:44

8:00:44

4. GRFICOS DE DISPERSIN
Los Diagramas de Dispersin o Grficos de Correlacin permiten estudiar la relacin entre 2 variables.

Dadas 2 variables X e Y, se dice que existe una correlacin entre ambas si cada vez que aumenta el valor de X aumenta proporcionalmente el valor de Y (Correlacin positiva) o si cada vez que aumenta el valor de X disminuye en igual proporcin el valor de Y (Correlacin negativa).

8:00:44

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

8:00:44

Hombres #
1

Mujeres Peso (Kg)


90
70 78,2 77,4 82,6 87,8 67,6

Altura (m)
1,94
1,82 1,79 1,69 1,8 1,88 1,57

#
1
2 3 4 5 6 7

Altura (m)
1,66
1,96 1,56 1,55 1,71 1,9 1,7

Peso (Kg)
69,9
83,1 60,3 59,5 70,5 86,3 70,5

Suponga que se desea conocer si existe alguna relacin entre la estatura de una persona y su peso. Adems, verificar que esta relacin se observa en mas ocasiones cuando se refiere a mujeres
8:00:44

2 3 4 5 6 7

8
9 10 11 12 13 14 15 16 17

1,81
1,76 1,63 1,59 1,84 1,92 1,84 1,88 1,62 1,86

82,5
82,5 65,8 67,3 88,8 93,7 82,9 88,4 69 83,4

8
9 10 11 12 13 14 15 16 17

1,78
1,83 1,98 1,67 1,53 1,96 1,66 1,62 1,89 1,53

71,8
78,2 92,6 71 53 90,2 69,5 66,8 86 57,1

18
19 20

1,91
1,99 1,76

89,1
95,2 79,1

18
19 20

1,59
1,55 1,97

64,8
59,6 85

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

Una vez que representamos a las 20 Hombres quedar un grfico como el siguiente:

8:00:44

De igual forma se realiza el mismo procedimiento para los datos de las mujeres, al final quedar un grfico como el siguiente:

8:00:44

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.
8:00:44

Qu nos muestra este grfico?


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. Puede observarse tambin, que existe menos dispersin para los datos de las mujeres; es decir que para este grupo de datos existe una Correlacin Positiva ms fuerte.

8:00:44

La correlacin que existe entre dos grupos de datos, puede ser positiva o negativa. Es positiva cuando las variables son Directamente Proporcionales y es negativa cuando las variables son Inversamente Proporcionales.

8:00:44

Veamos ejemplos de Correlaciones Positivas (DIRECTAMENTE PROPORCIONALES) y correlaciones negativas (INVERSAMENTE PROPORCIONALES): 1. Correlacin NEGATIVA: Todos sabemos que la proporcional al Volumen:

Densidad

es

inversamente

Densidad = Masa / Volumen A medida que el volumen aumenta, la densidad se vuelve menor para un mismo valor de masa. As que se tomarn 20 datos de volumen y sus respectivos valores de densidad, como se muestra en la tabla:
8:00:45

Dato # Volumen Densidad 1 35 25,71 2 43 20,93 3 40 22,50 4 37 24,32 5 38 23,68 6 41 21,95 7 39 23,08 8 34 26,47 9 35 25,71 10 41 21,95 11 40 22,50 12 42 21,43 13 40 22,50 14 40 22,50 15 39 23,08 16 38 23,68 17 35 25,71 18 36 25,00 19 33 27,27 20 36 25,00 21 35 25,71
8:00:45

Se observa una correlacin Negativa y Fuerte

Ejemplo 1:

Ejemplo 2:
Un jugador de ftbol desea saber si hay alguna relacin entre el da del mes en el que juega con la cantidad de goles que anota, para ello cada da escribe en un cuaderno la cantidad de goles que anot ese da y realiza un diagrama de dispersin, obteniendo el siguiente resultado:

8:00:45

Dato # Dia del mes Goles 1 1 1 2 2 2 3 3 1 4 4 4 5 5 5 6 6 3 7 7 2 8 8 1 9 9 4 10 10 2 11 11 3 12 12 5 13 13 6 14 14 1 15 15 0 16 16 3 17 17 5 18 18 4 19 19 1 20 20 4 21 21 2 22 22 5 23 23 6 24 24 1 25 25 3 26 26 5 27 27 6 28 28 1 29 29 0 8:00:45 30 30 5

No se observa ningn tipo de correlacin

Ventajas de los Diagramas de Dispersin


Impacto visual Un Diagrama de Dispersin muestra la posibilidad de la existencia de correlacin entre dos variables de un vistazo. Comunicacin Simplifica el anlisis de situaciones numricas complejas. Gua en la investigacin El anlisis de datos mediante esta herramienta proporciona mayor informacin que el simple anlisis matemtico de correlacin, sugiriendo posibilidades y alternativas de estudio, basadas en la necesidad de conjugar datos y procesos en su utilizacin.

8:00:45

Desventajas de los Diagramas de Dispersin


La principal desventaja de esta herramienta, es que solo permite conjugar o comparar dos variables y es bien sabido por todos que en el mbito industrial se manejas decenas o cientos de variables; lo que la hace una herramienta limitada si se desea analizar una situacin compleja.

8:00:45

4. DIAGRAMA DE ISHIKAWA O ESPINA DE PESCADO O CAUSA-EFECTO QUE ES?


El Diagrama de causa y Efecto (o Espina de Pescado) es una tcnica grfica ampliamente utilizada, que permite apreciar con claridad las relaciones entre un tema o problema y las posibles causas que pueden estar contribuyendo para que l ocurra.

SE USA PARA
Visualizar, en equipo, las causas principales y secundarias de un problema. Ampliar la visin de las posibles causas de un problema, enriqueciendo su anlisis y la identificacin de soluciones. Analizar procesos en bsqueda de mejoras.
8:00:45

Conduce a modificar procedimientos, mtodos, costumbres, actitudes o hbitos, con soluciones - muchas veces - sencillas y baratas. Educa sobre la comprensin de un problema. Sirve de gua objetiva para la discusin y la motiva. Muestra el nivel de conocimientos tcnicos que existe en la empresa sobre un determinado problema. Prev los problemas y ayuda a controlarlos, no slo al final, sino durante cada etapa del proceso. 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.
8:00:45

CONSTRUCCIN DEL DIAGRAMA


Paso 1: Definir, sencilla y brevemente, el efecto o fenmeno cuyas causas han de ser identificadas
Paso 2: Colocar el efecto dentro de un rectngulo o crculo a la derecha de la superficie de escritura y dibujar una flecha, que corresponder al eje central del diagrama. Paso 3: Identificar las posibles causas que contribuyen al efecto o fenmeno de estudio. Paso 4: Identificar las causas principales e incluirlas en el diagrama. Paso 5: Identificar sub causas (causas secundarias) y posibles causas terciarias o de tercer nivel
8:00:45

Mano de Obra Sub causa Sub causa Sub causa

Mquinas

Medio Ambiente Sub causa Sub causa

Sub causa

Problema o Situacin a Analizar


Sub causa Sub causa Sub causa

Sub causa Sub causa

Sub causa

Material

Mtodos

Otro

6. GRFICOS DE CONTROL ESTADSTICO


Un proceso de control es aquel cuyo comportamiento con respecto a variaciones es estable en el tiempo.
Las graficas de control se utilizan en la industria como tcnica de diagnsticos para supervisar procesos de produccin e identificar inestabilidad y circunstancias anormales.

Una grfica de control es una comparacin grfica de los datos de desempeo de proceso con los lmites de control estadstico calculados, dibujados como rectas limitantes sobre la grfica.
8:00:45

La idea tradicional de inspeccionar el producto final, se reemplaza. Prevencin antes y durante el proceso industrial.. Producto sin defectos. Segn este nuevo enfoque, existen dos tipos de variabilidad. El primer tipo es una variabilidad aleatoria debido a "causas al azar" o tambin conocida como "causas comunes". El segundo tipo de variabilidad, en cambio, representa un cambio real en el proceso atribuible a "causas especiales", las cuales, por lo menos tericamente, pueden ser identificadas y eliminadas.

8:00:45

Los grficos de control ayudan en la deteccin de modelos no naturales de variacin en los datos que resultan de procesos repetitivos y dan criterios para detectar una falta de control estadstico. Un proceso se encuentra bajo control estadstico cuando la variabilidad se debe slo a "causas comunes".

8:00:45

Los grficos de control de Shewart son bsicamente de dos tipos; grficos de control por variables y grficos de control por atributos. Para cada uno de los grficos de control, existen dos situaciones diferentes; a) cuando no existen valores especificados y b) cuando existen valores especificados. Se denominan "por variables" cuando las medidas pueden adoptar un intervalo continuo de valores; por ejemplo, la longitud, el peso, la concentracin, etc. Se denomina "por atributos" cuando las medidas adoptadas no son continuas; ejemplo, tres tornillos defectuosos cada cien, 3 paradas en un mes en la fbrica, seis personas cada 300, etc.

8:00:45

Antes de utilizar las Grficas de Control por variables, debe tenerse en consideracin lo siguiente: a.- El proceso debe ser estable b.- Los datos del proceso deben obedecer a una distribucin normal

c.- El nmero de datos a considerar debe ser de aproximadamente 20 a 25 subgrupos con un tamao de muestras de 4 a 5, para que las muestras consideradas sean representativas de la poblacin. d.- Los datos deben ser clasificados teniendo en cuenta que, la dispersin debe ser mnima dentro de cada subgrupo y mxima entre subgrupos
e.- Se deben disponer de tablas estadsticas

8:00:45

Para las variables: X - R Promedios y rangos X-S Promedios y desviacin estndar X - R Medianas y rangos X - R Lecturas individuales

Para los atributos: p Porcentaje de unidades, trabajos defectuosos np Nmero de unidades, trabajos defectuosos c Nmero de defectos por unidad, u Proporcin de defectos por unidad p np c u

8:00:45

8:00:45

Supongamos que tenemos una mquina inyectora que produce piezas de plstico, por ejemplo de PVC.

8:00:45

8:00:45

8:00:45

8:00:45

Pieza: 1 2 3 4 5

55,1 gr.

57,1 gr.

53,3 gr.

53,9 gr.

55,9 gr.

8:00:45

Pieza:

....ETC. 53,2 gr. 55,8 gr. 55,3 gr.

8:00:45

8:00:45

Grfico de las observaciones


60

Peso de las piezas (Gr.)

58 56 54 52 50 48

11

13

15

17

N de pieza

8:00:45

19

8:00:45

8:00:45

8:00:45

Registrar el nmero de unidades no conformes, "np" Para cada muestra se registran el siguiente dato: - El nmero de unidades no conformes "np". Ejemplo:

8:00:45

Calcular los Lmites de Control a) Calcular el nmero medio de unidades no conformes np. n p = (np1 + ... + npN)/N npi = nmero de unidades no conformes de la muestra i N = nmero de muestras n = Tamao de la muestra b) Calcular el Lmite de Control Superior LCSnp segn la frmula:

c) Calcular el Lmite de Control Inferior LCInp segn la frmula:

8:00:45

Ejemplo:

Definir las escalas del grfico El eje horizontal representa el nmero de la muestra en el orden en que ha sido tomada.

El eje vertical representa el nmero de unidades no conformes, "np".


La escala de este eje ir desde cero hasta dos veces el nmero de unidades no conformes mximo.

8:00:45

Ejemplo:

Representar en el grfico la Lnea Central y los Lmites de Control

- Lnea Central. - Lnea de Control Superior. - Lmite de Control Inferior.

8:00:46

Incluir los datos pertenecientes a las muestras en el grfico Representar cada muestra con un punto, buscando la interseccin entre el nmero de la muestra (eje horizontal) y el valor de su nmero de unidades no conformes (eje vertical).

Unir los puntos representados por medio de trazos rectos.


Ejemplo

8:00:46

Se escogieron 70 cursos diferentes en el centro INCA, cada curso tiene en promedio 40 estudiantes. De cada curso se contabilizaron los estudiantes que perdieron el modulo. Halle los limites de control. (Utilice el grfico np)

8:00:46

8:00:46

GRFICO DE CONTROL (ESTUDIANTES QUE PIERDEN MDULO)

8:00:46

7. LISTAS DE CHEQUEO O VERIFICACION DE DATOS (CHECK LIST)

8:00:46

LISTAS DE CHEQUEO O VERIFICACION DE DATOS (CHECK LIST)


La lista de chequeo, tambin conocida como CHECK LIST, sirve para reunir y clasificar las informaciones segn determinadas categoras, mediante la anotacin y registro de sus frecuencias bajo la forma de datos.
Una vez que se ha establecido el fenmeno que se requiere estudiar e identificadas las categoras que los caracterizan, se registran stas en una hoja, indicando la frecuencia de observacin.

8:00:46

Una vez que se han fijado las razones para recopilar los datos, es importante que se analicen las siguientes cuestiones:
La informacin es cualitativa o cuantitativa. Cmo se recogern los datos y en qu tipo de documento. Cmo se utiliza la informacin recopilada. Cmo se analizar. Quin se encargar de la recogida de datos. Con qu frecuencia se va a analizar. Dnde se va a efectuar. sta es una herramienta manual, en la que clasifican datos a travs de marcas (X, SI, -, *, /, o, entre otras) sobre la lectura realizadas en lugar de escribirlas, para estos propsitos son utilizados algunos formatos impresos.

8:00:46

Los objetivos ms importantes de la hoja de control son:

Investigar procesos de distribucin. Acciones defectuosas. Localizacin de defectos. Causas de errores o No conformidades. Una secuencia de pasos tiles para aplicar esta hoja en un negocio es la siguiente:
1. Identificar el elemento de seguimiento. 2. Definir el alcance de los datos a recoger. 3. Fijar la periodicidad de los datos a recolectar. 4. Disear el formato de la hoja de recogida de datos, de acuerdo con la cantidad de informacin a recoger, dejando un espacio para totalizar los datos, que permita conocer: las fechas de inicio y trmino, la persona que recoge la informacin, fuente, etc.

8:00:46

LISTAS DE CHEQUEO CUALITATIVAS:


Son comnmente utilizadas para revisar las condiciones, la apariencia, el orden y aseo, el estado, y funcionamiento de los equipos, personas, instalaciones, etc. Generalmente no se calculan cifras, cantidades, magnitudes, ni se toma como dato un nmero (aunque en ocasiones si se usan nmeros); simplemente se realiza una observacin directa o una inspeccin visual en el rea y se verifica el cumplimiento de los estndares planteados en la lista. A continuacin se muestran algunos ejemplos de listas de chequeo cualitativas:
8:00:46

8:00:46

8:00:46

Por ejemplo, el Instituto Nacional de Vigilancia de Medicamentos y Alimentos (INVIMA), utiliza como apoyo tcnico para las inspecciones en las empresas que audita, una lista de chequeo cualitativa; para la cual se tienen una serie de tems (de acuerdo al Decreto 3075/1997) con los cuales basan su evaluacin. En la columna izquierda colocan un numero segn la calificacin obtenida, con base en lo cual la empresa que fue visitada, deber tomar las medidas correctivas.

8:00:46

LISTAS DE CHEQUEO CUANTITATIVAS:


Son comnmente utilizadas para monitorear variables de control, como lo pueden ser: la presin, temperatura, densidad, humedad, concentracin, etc. Generalmente se coloca una cifra o dato en la casilla correspondiente al intervalo o rango de confianza definido para la variable a analizar. A continuacin se muestran algunos ejemplos de listas de chequeo cualitativas:

8:00:46

Muestra en forma clara cual es el evento que se va a observar

Muestra los comparativos de: Valor estndar (el que debe tener) y valor observado: el real)

Describe de forma precisa el equipo analizado

8:00:46

You might also like