Herramientas de la calidad (Diagrama de Pareto y estratificacin,

El diagrama de Pareto es utilizado para determinar prioridades para ciertas

actividades que impulsen el control total de la calidad.

Es una grfica de barra que muestra la frecuencia relativa de problemas en un

proceso.

Cmo preparar un diagrama de Pareto

La construccin del diagrama de Pareto resulta sencilla si se cumplen las

siguientes faces:

Fase1: Decidir Cmo clasificar los datos

Fase2: Elegir el periodo de observacin del fenmeno

Fase 3: Obtener los datos y ordenarlos

Fase 4: Preparar los ejes cartesianos del diagrama

Fase 5: Disear el diagrama

Fase 6: Construir la lnea acumulada

Fase 7: Aadir las informaciones bsicas.

Cada fase se va a explicar detenidamente para su comprensin:

Fase 1: Decidir cmo clasificar los datos

La primera fase consiste en la eleccin del mtodo mediante el que clasificar

los datos que deben recogerse. En nuestro caso, podremos clasificarlos por tipo
de defecto, por cadena de montaje, por fase del trabajo, por turno, etc.
Supongamos que hemos decidido clasificar los productos defectuosos por tipo
de defecto.

Fase 2: Elegir el perodo de observacin del fenmeno En la fase nmero 2 es

necesario decidir cundo y durante cunto tiempo recogeremos los datos. Si la
produccin diaria es elevada, ser suficiente un perodo de tiempo bastante
breve para poder contar con datos suficientes para el anlisis. Si, por el
contrario, el nmero de productos diarios es reducido, el tiempo de
observacin deber prolongarse proporcionalmente, pero de esos aspectos nos
hemos ocupado ya en el captulo destinado a Recogida de datos. Supongamos,
por hiptesis, que definimos un perodo de observacin de cuatro meses.

Fase 3: Obtener los datos y ordenarlos En la fase 3, ante todo, se debe preparar
la hoja de recogida de da-tos, que deber estructurarse respetando las
decisiones ya adoptadas, es decir: recogida de datos por tipo de defecto y
perodo de observacin de 4 meses consecutivos. Durante el perodo de toma
de datos, se cumplimentar la hoja de recogida marcando un trazo en
correspondencia con cada defecto detectado.

Una vez finalizado el perodo de obtencin de datos, se sumarn, respecto de

cada defecto, los diversos valores recogidos. Tendremos as el nmero total de
cada defecto detectado en el perodo objeto de examen y el total general. La
hoja as cumplimentada constituye la base para la construccin del diagrama
de Pareto, por lo que es sumamente importante su exacta preparacin y
cumplimentacin. Antes de construir el diagrama, reordenamos los conceptos
en una nueva tabla por orden de importancia, es decir, poniendo primero el
defecto ms numeroso, despus el siguiente y as sucesivamente.
Dado que los tipos de defecto son numerosos, conviene agrupar los menores
bajo el concepto varios u otras causas, que se situarn en la tabla en ltimo
lugar frecuente, es decir, piezas errneas, se ha detectado 147 veces. Por ello,
junto al eje vertical, construiremos una columna ancha que lle-gue hasta el
nivel 147.
El segundo defecto ms frecuente, es decir, revestimiento araa-do, se haba
detectado 112 veces. Al lado de la columna antes diseada, trazaremos otra
que llegue hasta el nivel 112 y que sea tan ancha como la primera. Siguiendo
el mismo criterio trazaremos las dems columnas, res-petando siempre el
orden decreciente del nmero de veces que se ha-ya detectado el defecto, con
la sola excepcin de los conceptos varios, columna que, como ya hemos visto,
debe situarse siempre la ltima de la derecha. Una vez diseadas todas las
columnas, a la derecha, en contacto con la ltima, se traza la denominada lnea
de los porcentajes. El 100% se define a la altura del 350, total de los defectos
detectados en los cuatro meses. El eje de la derecha, como se refleja en la
figura 49, permite valorar el peso porcentual de cada uno de los conceptos. En
nuestro caso, el primer defecto representa e142% de los defectos totales; los
dos primeros representan, a su vez, el 74%; los tres primeros, el 84%, y as
sucesivamente (Figura 50).
 Fase 7:
Ariadir las informaciones bisicas La fase 7 sirve para completar el diagrama
ariadiendo una tabla que aporte ciertos datos fundamentales para su
comprension, como el tftulo, el nombre de quien haya recogido los datos, la
fecha, el perfo-do analizado y algunas breves notas. El diagrama de Pareto
completo sera como el que se reproduce en la figura 50. Como se observa, esta
representacion pone de relieve los defectos mas importantes sobre los que
sera preciso actuar. En nuestro caso, los dos defectos mas graves son piezas
erroneas y re-vestimiento aranado, que representan casi las tres cuartas panes
de los defectos totales.

As, a primera vista, el rea de intervencin se encuentra clara-mente

identificada: ser preciso estudiar cmo reducir el nmero de soldaduras
defectuosas. Pero, cunto cuesta la reparacin de las pie-zas defectuosas?
Podra ocurrir que la reparacin de la soldadura fuera una opera-cin fcil,
rpida y poco costosa y que, por el contrario, la presencia de araazos obligara
a desmontar y repetir el ciclo de barnizado, con un coste mayor. Por ello es
muy importante e incluso necesario repetir el anlisis de Pareto utilizando
como criterio de clasificacin no el nmero de defectos sino su coste. El grfico
resultante de ese nuevo anlisis es el que se ilustra en la figura 52.

En este grfico, cada columna representa el coste de reparacin por tipo de

defecto. Observamos que la eliminacin de los araazos, defecto que en el
grfico precedente era el tercero en cuanto a su nmero, es mucho ms
costosa que la eliminacin de los dems defectos. Ser, por consiguiente,
prioritario estudiar cmo prevenir los ara-azos, mientras que la prevencin de
la soldadura defectuosa, a la

EL DIAGRAMA DE PARETO

125

que el grfico precedente sealaba como el defecto ms frecuente, pasa a un

segundo plano en trminos de coste de reparacin. El ejemplo que acabamos
de exponer nos muestra que no debe-mos limitarnos a los primeros resultados,
ni siquiera si parecen bue-nos, sino que debemos profundizar en el estudio
para descubrir los verdaderos puntos de intervencin y los ms convenientes.
De eso depende el xito de todo el estudio.
Ejemplo: Suponga que se analizan los accidentes ocurridos durante un ao en
un determinado tramo de carretera, clasificndolos por su causa principal, el
cuadro nmero de accidentes en un tramo de carretera muestra los resultados
del anlisis.

La representacin grfica sera la que aparece en el Diagrama de Pareto de los

accidentes en un tramo de carretera.

El Diagrama de Pareto ordena las causas segn su importancia de mayor a

menor, lo que muestra claramente que algunas destacan mucho ms que las
otras. As, el 80% de los accidentes, en el ejemplo, estaran provocados por dos
causas.

Tambin en este caso, la ventaja de esta sencilla tcnica de presentar los datos
se halla en su rpida visualizacin y comprensin.
Estratificacin

Qu es la estratificacin?

La estratiicacin es una herramienta que permite despejar esa nube para

llegar al fondo del problema y destacar sus causas.

En qu consiste la estratificacin?

Para la solucin de un problema de calidad es necesario organizar la multitud

de datos que usualmente aparecen como parte de los sntomas o de sus
causas reales. La estratiicacin consiste en agrupar las observaciones de
acuerdo con su naturaleza o con otros factores que inluyen en el problema,
como pueden ser: los tipos de fallas, la frecuencia con que se presentan, los
lugares donde aparecen, las personas o situaciones involucradas, los
proveedores, las mquinas, etctera.

La estratiicacin es una estrategia inicial, no es por s misma una herramienta

que permita solucionar un problema, sino que es una representacin para
comprenderlo mejor, mediante la separacin y clasiicacin de los datos
disponibles. Un mismo conjunto de datos puede ser agrupado de diferentes
maneras y su interpretacin puede variar segn el punto de vista de la
clasiicacin.

Supongamos que en una fbrica se analiza un problema de puntualidad. Los

datos iniciales podran presentarse mediante una lista como la de la tabla 4.1.

Al analizarlo se observa que Krueger destaca por su promedio de 5.1 minutos

de retraso diario, seguido por Takima con 3.6. La impuntualidad parece estar
localizada en estas dos personas; sin embargo, la estratiicacin puede ser
aplicada en forma sucesiva. Como primer paso se organizan los datos conforme
a un criterio y como segundo, la misma organizacin podra ser reinada de
acuerdo con un segundo criterio. En nuestro caso, una vez detectado el
fenmeno de impuntualidad destacada en dos personas, se podra reinar la
tabla comparando el promedio de retrasos por da de la semana de todas las
personas, con el in de buscar algn patrn de conducta.

La estratiicacin del problema nos indica que los martes hay otro patrn en los
retrasos repetitivos de todos los trabajadores; adems de los retrasos de
Krueger y Takima el promedio de impuntualidad de todas las personas se
incrementa los martes casi al doble. Es probable que sean dos fenmenos
separados, pero si no se hubiera analizado el conjunto de datos desde dos
ngulos diferentes, no se hubiera detectado esta dualidad. La estratiicacin es
un instrumento que se aplica en problemas, especialmente en aquellos que son
complejos, que tienen muchas causas que se relacionan unas con otras. Se
utiliza en la solucin de problemas de calidad para separar los factores tcnicos
como la maquinaria, la herramienta y la materia prima, de los factores
humanos como el diseo o la ejecucin del trabajo. Algunas clasiicaciones que
pueden ayudar a organizar la estratiicacin son: Los tipos de materiales y
proveedores. El momento de la produccin: turno, da u hora. Las variables
de proceso: temperatura, presin, caudal o nivel. El departamento: el rea, la
seccin o la lnea. Los operarios: experiencia, edad, gnero o turno. La
maquinaria: tipo, antigedad, herramienta, molde o cavidad. Proceso de
estratiicacin 1. Recolectar datos con un objetivo. No basta acumular mucha
informacin, que con frecuencia es costosa, hay que investigar con propsitos
deinidos. Las variables y los puntos de vista deben seleccionarse antes de
iniciar el acopio de datos. 2. Representar gricamente los datos y los puntos de
vista. Las gricas y las tablas ayudan a descubrir patrones y relaciones que a
veces resultan difciles de ver cuando se representan slo con nmeros. Los
diagramas ms comunes son las gricas de pastel, los histogramas y los
diagramas de Pareto, pero no son los nicos, ya que hay otras formas
ingeniosas para representar datos y destacar relaciones de causa y efecto. 3.
Determinar las causas posibles de la variacin en los datos obtenidos y las
desviaciones de lo normal. Esto a veces lleva a nuevas investigaciones; por
ejemplo, en el ejercicio anterior surge la siguiente pregunta: la impuntualidad
no es un fenmeno generalizado sino localizado en dos personas, pero por
qu los martes todas las personas son impuntuales? 4. Profundizar en la
estratiicacin. Hay que examinar las diferencias entre los valores promedio y
las variaciones entre clases o individuos.1 Detectar nuevas diferencias o
relaciones. 5. Sacar conclusiones. Una vez que se establecen y se comprueban
relaciones claras de causas y efectos se pueden emitir conclusiones y formular
hiptesis para la solucin de problemas. La estratiicacin es un recurso
preliminar que sirve para descubrir variaciones; cuando se profundiza en ella
se adquiere un mejor conocimiento del problema y se acumulan datos para su
solucin.

ejercicio resuelto

Una empresa fabricante de accesorios para cortinas inici un proceso para

mejorar la calidad de sus productos y recopil datos (primer paso) acerca de
las fallas y los departamentos que las originan. Los resultados se presentan en
la tabla 4.3 (paso 2).

La tabla nos indica dos hallazgos: que las fallas ms frecuentes son los poros y
que el departamento de fundicin produce el triple de fallas que los dems
(paso 3). Dentro de este departamento se produce la mayora de los poros,
pero tambin la mayora de las roturas de esquinas (paso 4). Lo primero
sugiere un problema de proceso o de materiales de fundicin, pero lo segundo
podra ser un error de diseo (paso 5).
Hojas de Verificacin

La mejora de la calidad implica acciones y decisiones sobre materiales,

artculos, lotes, procesos y personal. Para que resulten acertadas y oportunas,
es necesario contar con informacin veraz. Por ello es necesario obtener datos
de tal forma que se puedan analizar fcilmente. Una hoja o lista de verificacin
es un formato construido especialmente para recolectar datos en la que se
especifican todos los factores o variantes de inters de alguna situacin.
Algunas de sus aplicaciones son el describir resultados de operaciones o
inspecciones, examinar artculos defectuosos, confirmar posibles causas de
problemas de calidad, analizar o verificar operaciones, entre otras. Al disear
una hoja de verificacin se debe tener muy claro su propsito. Los mejores
diseos incluyen espacios e instrucciones para que el personal pueda marcar
tanto la conclusin de cada etapa como la conclusin de la actividad en su
conjunto. Las hojas de verificacin para actividades individuales o funciones
especficas deben incluir todas las acciones clave en una secuencia temporal
lgica para el desarrollo y adecuado cumplimiento de cada tarea. El grado de
detalle de cada hoja de verificacin debe adecuarse a la experiencia y la
oportunidad de la revisin. Es muy importante realizar hojas de verificacin lo
ms cortas y sencillas posible restringidas a una sola funcin o actividad por
hoja.. Las hojas de verificacin para monitorear la conclusin de actividades no
necesariamente requieren incluir todas las etapas ya que se volveran difciles
de manejar. A continuacin, mostraremos un ejemplo del uso de hojas de
verificacin utilizada en el curso de coaching de la Unin Argentina de Rugby.

Diagrama

de

Ishikawa
El diagrama de Ishikawa es un esquema que muestra las posibles causas cla-
sificadas de un problema. El objetivo de este tipo de diagrama es encontrar las
posibles causas de un problema.

La tcnica es bastante sencilla:

1) En la cabeza del pescado escribimos el efecto o sntoma que pretendemos analizar. La

espina central del pescado, agrupar las causas que segn nuestro anlisis producen
dicho efecto.

2) Las diferentes categoras en que podemos agrupar las causas conforman las
espinas que se desprenden de la horizontal principal. Escribimos el nombre de
la categora en el extremo de cada nueva lnea

3) Cada causa concreta que vayamos encontrando (simplemente mediante la

reflexin o mediante sesiones conjuntas de brainstorming) las vamos
aadiendo en la categora bajo las que consideramos que mejor encaja.

En un proceso productivo (manufactura), el diagrama de Ishikawa pue-de estar

relacionado con uno o ms de los factores (6 Ms) que intervienen en cualquier
proceso de fabricacin:

1. Mtodos: procedimientos por usar en la realizacin de actividades.

2. Mano de obra: la gente que realiza las actividades.

3. Materia prima: el material que se usa para producir.

4. Medicin: los instrumentos empleados paro evaluar procesos y pro-ductos.

5. Medio: las condiciones del lugar de trabajo. 6. Maquinaria y equipo: los
equipos y perifricos usados paro pro-ducir.

El diagrama de Ishikawo se basa en un proceso de generacin de ideas lla-

mado lluvia de ideas", que puede realizarse de la siguiente manera:

1 . Coda miembro del equipo asignado al anlisis de algn problema genera

una sola idea cada vuelta, de manera gil, ordenado y sin discusiones. Un
miembro del equipo, asignado como secretario, to-ma nota numerando cada
una de las ideas expresadas.

2. Uno vez finalizada la lluvia de ideas se procede a descartar las ideas

repetidas.

3. Se verifico que las ideas restantes tengan relacin con el problema por
analizar.
 4. Se clasifican las ideas resultantes en el diagrama de Ishikawa. Una manera
ms directa de hacer el diagrama es realizar una lluvia de ideas para cada una
de las diferentes ramas y colocar los ideas resultantes ah mismo.

diagrama

Al diagrama de Ishikawa tambin se le conoce como efecto y diagrama de

pescado.

de causa-efecto.
Los grficos de control o diagramas de control

Los grficos de control o diagramas de control se utilizan para controlar el

desarrollo de los procesos de produccin e identificar posibles inestabilidades y
circunstancias anmalas.

En resumen, lo que se pretende con este tipo de anlisis es controlar los procesos
para asegurarse de que funcionan correctamente. Si la gran mayora de los
puntos mostrados de la grfica estn dentro de los limites se considera que el
proceso est controlado. En el momento en el que uno o varios puntos aparecen
fuera de los lmites establecidos o no representan una distribucin estadstica
gaussiana, se considera que el proceso est descontrolado y comienza la
bsqueda de la causa de su mal funcionamiento.

Cmo interpretar una grfica de control

En la grfica se muestran datos del desempeo de un proceso.

Estos datos pueden ser continuos (ej: las medidas de una pieza, o el nmero de
piezas conformes respecto de cada lote de X unidades) o bien tambin se
pueden mostrar datos discretos (ej: pieza conforme o pieza no conforme) . En
el caso de ser datos continuos, se suele incluir una linea horizontal con el valor
medio de referencia y dos lineas ms con los limites de control estadstico,
superior e inferior, en la grfica.

Los lmites de control se sitan de forma que un porcentaje fijado de los puntos
estn dentro de ellos. Estos lmites suelen calcularse para incluir o bien el 75%
o el 95% de los datos:

Lmites que incluyen el 75% de los datos: En este caso, un proceso que
funcione correctamente deber mostrar un 75% de los valores dentro de los
lmites superior e inferior, un 12,5% de los valores por encima del lmite
superior y otro 12.5% por debajo del lmite inferior. Si se aprecia un punto
fuera de estos lmites se considera como normal, pero si aparecen varios
puntos seguidos por encima o por debajo de los lmites probablemente sea una
situacin inusual, e indique que el proceso est descontrolado.

Limites que incluyen el 95% de los datos: En este caso slo el 2,5% de los
valores deben dar por encima o por debajo de los lmites. Al ser tan restrictivo,
en esta situacin si un dato sale fuera de los lmites significar que ha habido
una circunstancia inusual en el proceso.
Este tipo de diagramas de control son un mecanismo para detectar si el
proceso est funcionando correctamente, o si se estn produciendo situaciones
anmalas. Cuando una grfica muestra una situacin fuera de control, se
puede iniciar una investigacin para identificar las causas y tomar una decisin
que corrija las desviaciones.

Los valores mostrados en el diagrama, deben ser aleatorios y seguir una

distribucin estadstica normal, estando centrados en el la linea del punto
medio y teniendo una variabilidad que puede deberse a dos factores:

Comn: que es inherente al proceso, y por lo tanto no podemos evitar.

Especial: que causa una variacin excesiva, y debe ser corregida.

Cundo el proceso est funcionando mal?

Se dice que un proceso est fuera de control, y por lo tanto debe corregirse, en
las siguientes situaciones:

Cuando hay un punto fuera de los lmites del 95%.

Cuando hay ms de 3 puntos seguidos fuera de los lmites del 75%.

Cuando se aprecian tendencias crecientes o decrecientes en ms de 4 puntos

seguidos.

Cuando ms de 6 puntos seguidos se encuentran en la mitad superior o

inferior del grfico (en este caso, el proceso est descentrado y habra que
recalibrarlo).

Cuando se aprecia que los valores siguen un patrn, no siento estos

aleatorios.

Cmo realizar una grfica de control?

Lo ms frecuente es que en procesos continuos automatizados, las mquinas
incluyan su propio software que nos d ya hechos los diagramas de control a
medida que se van realizando las tareas. No obstante si no disponemos de
esto, tambin podemos realizar nosotros manualmente un diagrama de control
usando una Hoja de Clculo para as poder conocer mejor el funcionamiento
del proceso en un momento dado.

Crear una grfica de control requiere los siguientes pasos:

1) Elegir la caracterstica a estudio. Debe medir la variable que queremos

controlar: la longitud de una pieza, la temperatura de una mquina, etc.

2) Tomar los datos. Deberemos recoger los valores durante un periodo de

tiempo suficiente que nos permita obtener una visin representativa del
desarrollo del proceso.

3) Introducir os datos en la hoja de clculo, y calcular la cul es la lnea

central (valor medio de los datos) y los lmites superior e inferior.

4) Representar los datos en la grfica, y estudiar si el funcionamiento es el

correcto. Si no no fuera por estar el proceso descentrado (la media de los datos
no es la medida que nos pide las especificaciones) habra que recalibrar las
mquinas. O bien, si la variabilidad es demasiado alta y los productos se salen
de las tolerancias demasiado frecuentemente, habra que estudiar las causas
para afinar los resultados.

5) Volver a realizar el estudio cada cierto tiempo para comprobar que el

funcionamiento sigue siendo el correcto.
Qu es un histograma?
Un histograma es una grfica que puede utilizar para evaluar la forma y
dispersin de datos de muestra continuos. Puede crear un histograma antes
o durante un anlisis para ayudar a confirmar supuestos y orientar anlisis
posteriores.

Para dibujar un histograma, Minitab divide los valores de muestra en

intervalos llamados secciones. Por opcin predeterminada, cada barra en el
histograma representa el nmero de observaciones incluidas en cada
seccin (la frecuencia). Minitab determina automticamente un nmero
ptimo de secciones, pero usted puede editar el nmero de secciones, as
como los intervalos que cubre cada una.

En este histograma, hay una observacin entre 0 y 12, cuatro observaciones entre 12 y
16, y as sucesivamente.
Un histograma puede ayudar a responder las siguientes interrogantes:

Normal
Asimtrico hacia la izquierda

Forma
Parecen estar distribuidos normalmente los datos? Estn sesgados hacia la izquierda
o hacia la derecha?

Conglomerados ajustadamente

Dentro de los lmites

Dispersin
Estn los datos conglomerados ajustadamente alrededor de cierto valor? Se
mantienen los datos dentro de los lmites establecidos?
Qu es una grfica de corridas?
Una grfica de corridas representa los datos del proceso en el tiempo.
Utilice una grfica de corridas para buscar evidencia de variacin por
causas especiales en su proceso.

Ejemplo de una grfica de corridas

Un ingeniero de manufactura quiere evaluar el proceso de produccin de un
nuevo producto elaborado en plstico. El ingeniero toma 5 muestras del
producto cada hora durante 20 horas para probar la resistencia del plstico
y genera esta grfica de corridas.

A excepcin de una observacin, los puntos varan en forma aleatoria alrededor de la

lnea central (mediana). Los valores aproximados de p para los conglomerados, las
mezclas, las tendencias y la oscilacin son mayores que el nivel de significancia de
0.05. Por consiguiente, no existe ninguna indicacin de variacin por causas especiales
ni de no aleatoriedad.

Qu significan los puntos y la lnea central en

una grfica de corridas?
 Una grfica de corridas representa las observaciones individuales en el
orden en que se recolectaron. Los puntos negros representan los valores
individuales. Los puntos rojos representan las medias del subgrupo o las
medianas del subgrupo.

La lnea central horizontal se traza dependiendo de qu opcin escoja usted

en el cuadro de dilogo de la Grfica de corridas. (Para abrir el cuadro de
dilogo de la Grfica de corrida, elija Estadsticas >Herramientas de
calidad > Grfica de corridas). Si elije:

Graficar medias de subgrupo, la lnea central es la mediana de

todas las medias del subgrupo y los puntos rojos en la grfica son las
medias del subgrupo.

Graficar medianas de subgrupo, la lnea central es la mediana de

todas las medianas del subgrupo y los puntos rojos en la grfica son las
medianas del subgrupo.
NOTA
Si el tamao del subgrupo es = 1, la lnea central es la mediana de todos
los datos, independientemente de la opcin que seleccione para los puntos
graficados.

Incluso con datos asimtricos, la mediana de las medias del subgrupo por lo
general est cercana a la mediana de las medianas del subgrupo. El eje y
tiene un rango amplio porque los datos sin procesar tambin estn
graficados, por lo tanto, la diferencia por lo general no es notable.

Las grficas de corridas ayudan a detectar la

variacin por causas especiales
La variacin ocurre en todos los procesos. La variacin de causa comn es
una parte natural del proceso. La variacin por causas especiales se origina
fuera del sistema y produce patrones, cambios o tendencias que se pueden
identificar en los datos. La grfica de corridas muestra grficamente si las
causas especiales estn afectando su proceso.

Las grficas de corridas tambin proporcionan dos pruebas para determinar

la aleatoriedad, las cuales suministran informacin sobre la variacin no
aleatoria ocasionada por tendencias, oscilaciones, mezclas y
conglomerados en los datos. Estos patrones indican que la variacin
observada es originada por causas especiales.

Patrones no aleatorios que puede identificar una

grfica de corridas
Hay cuatro patrones bsicos de no aleatoriedad que podrn ser detectados
por una grfica de corridas.

Patrones de mezcla
Una mezcla se caracteriza por la ausencia de puntos cerca de la lnea
central. Normalmente, una mezcla indica datos combinados a partir de dos
poblaciones o de dos procesos operando a diferentes niveles.

Si el valor de p para mezclas es menor que 0.05, usted puede tener mezclas en sus
datos. En este caso, los datos encerrados en crculo pueden indicar que los datos se
originan en procesos diferentes.

Patrones de conglomerados
Los conglomerados pueden indicar variacin por causas especiales, tales
como problemas de medicin, variabilidad de lote a lote o de configuracin
o muestreo de un grupo de partes defectuosas. Los conglomerados son

grupos de puntos en un rea de la grfica.

Si el valor p para los conglomerados es menor que 0.05, usted puede tener
conglomerados en sus datos. En este caso, los datos encerrados en crculo pueden
representar conglomerados de datos.
Patrones de oscilacin
La oscilacin ocurre cuando los datos fluctan hacia arriba y hacia abajo, lo

que indica que el proceso no es estable.

Si el valor p para la oscilacin es menor que 0.05, usted puede tener oscilacin en sus
datos. En este caso, los datos encerrados en crculo parecen variar hacia arriba y hacia
abajo con frecuencia.

Patrones de tendencias
Una tendencia es un cambio gradual sostenido en los datos, bien sea hacia
arriba o hacia abajo. Una tendencia puede advertir que un proceso est por
salirse de control y que puede deberse a factores tales como herramientas
desgastadas, una mquina que no mantenga los valores de configuracin o

perodos de rotacin de los operadores.

Si el valor p para las tendencias es menor que 0.05, usted puede tener una tendencia
en sus datos. En este caso, la tendencia hacia arriba se encuentra encerrada en un
crculo, lo que la hace claramente visible.
Diagrama de procesos

Un proceso se puede definir como "un conjunto de actividades, acciones o toma de decisiones
interrelacionadas, caracterizadas por inputs y outputs, orientadas a obtener un resultado
especfico como consecuencia del valor aadido aportado por cada una de las actividades que
se llevan a cabo en las diferentes etapas de dicho proceso".

Los diagramas de procesos son la representacin grfica de los procesos y son una
herramienta de gran valor para analizar los mismos y ver en que aspectos se pueden
introducir mejoras.

Lo ms importante para representar grficamente un proceso es identificar el Inicio y el Fin

del proceso. Esto debe ser acordado por el grupo de trabajo. Generalmente el inicio y el fin se
representan con el icono

Entre inicio y fin se suceden una serie de acciones o actividades que integran el proceso. Las
actividades se vinculan unas a otras mediante lneas conectoras que "indican" la siguiente
secuencia

Hay determinadas actividades o acciones que implican una decisin y que hacen que el
camino seguido por el proceso se bifurque.
Qu es ANOVA?

Un anlisis de varianza (ANOVA) prueba la hiptesis de que las medias de

dos o ms poblaciones son iguales. Los ANOVA evalan la importancia de
uno o ms factores al comparar las medias de la variable de respuesta en
los diferentes niveles de los factores. La hiptesis nula establece que todas
las medias de la poblacin (medias de los niveles de los factores) son
iguales mientras que la hiptesis alternativa establece que al menos una es
diferente.

Para ejecutar un ANOVA, debe tener una variable de respuesta continua y al

menos un factor categrico con dos o ms niveles. Los anlisis ANOVA
requieren datos de poblaciones que sigan una distribucin
aproximadamente normal con varianzas iguales entre los niveles de
factores. Sin embargo, los procedimientos de ANOVA funcionan bastante
bien incluso cuando se viola el supuesto de normalidad, a menos que una o
ms de las distribuciones sean muy asimtricas o si las varianzas son
bastante diferentes. Las transformaciones del conjunto de datos original
pueden corregir estas violaciones.
Por ejemplo, usted disea un experimento para evaluar la durabilidad de
cuatro productos de alfombra experimentales. Usted coloca una muestra de
cada tipo de alfombra en diez hogares y mide la durabilidad despus de 60
das. Debido a que est examinando un factor (tipo de alfombra), usted
utiliza un ANOVA de un solo factor.

Si el valor p es menor que el nivel de significancia, entonces usted concluye

que al menos una media de durabilidad es diferente. Para informacin ms
detallada sobre las diferencias entre medias especficas, utilice un mtodo
de comparaciones mltiples como el de Tukey.

El nombre "anlisis de varianza" se basa en el enfoque en el cual el

procedimiento utiliza las varianzas para determinar si las medias son
diferentes. El procedimiento funciona comparando la varianza entre las
medias de los grupos y la varianza dentro de los grupos como una manera
de determinar si los grupos son todos parte de una poblacin ms grande o
poblaciones separadas con caractersticas diferentes.

Minitab tiene diferentes tipos de ANOVA que permiten factores adicionales,

tipos de factores y diseos diferentes que se ajustan a sus necesidades
especficas.

Tipo de ANOVA

De un solo factor

Balanceado

Modelo lineal general

Minitab.com