Professional Documents
Culture Documents
Propósito
Definir las reglas básicas y pasos a seguir para la construcción, uso y la correcta
interpretación de las herramientas básicas de gestión de calidad, resaltando las situaciones
en que pueden, o deben, ser utilizadas siendo estas beneficiosas para el desarrollo de
proyectos abordados.
Alcance
Aplica para aquellos estudios en los que un equipo de mejora necesita conseguir un
conocimiento sobre el funcionamiento de un proceso determinado que sirva como base
común para todos sus componentes o se deba realizar un análisis sistemático del mismo.
Responsabilidades
HERRAMIENTAS
1. DIAGRAMA DE FLUJO
1.1 Generalidades
Definición
Capacidad de Comunicación
Permite la puesta en común de conocimientos individuales sobre un proceso, y
facilita la mejor comprensión global del mismo.
Claridad
Proporciona información sobre los procesos de forma clara, ordenada y concisa.
Símbolo
Definición
Imagen o figura con la que se representa un concepto.
Simbología
Con objeto de que el ritmo de la sesión de trabajo sea el adecuado se debe tener en cuenta
lo siguiente:
Dar la información necesaria a los participantes en la reunión sobre el objeto de la
misma.
Paso 3: Definir claramente la utilización del Diagrama de Flujo y el resultado que se espera
obtener de la sesión de trabajo.
La mejor forma de definir y clarificar dicha definición de los límites del proceso es decidir
cuáles son el primer y último pasos del Diagrama de Flujo
El primer paso es la respuesta a la pregunta: ¿Qué nos indica que empieza el proceso?,
mientras que el último paso debe contestar a la pregunta: ¿Cómo sabemos que el proceso
ha terminado?
Ejemplo:
Identificar los grupos de acciones más relevantes del proceso y establecer su secuencia
temporal.
Esta esquematización global del proceso a analizar servirá de ayuda para guiar el proceso
de construcción del diagrama.
Ejemplo:
Esta actividad puede comenzar, tanto por el primer paso del proceso, como por el último,
no existiendo ningún criterio que indique mayor eficacia en alguno de los dos enfoques. Sea
cual sea la dirección en que se realice, si se considera útil, realizar una revisión en la
dirección contraria.
Las preguntas a realizar para la identificación y documentación de los pasos del proceso son
las siguientes:
¿Existen entradas significativas asociadas con este paso, tales como documentos
críticos, información, entre otros?
Señalar estas entradas, por medio de los símbolos apropiados, en el diagrama.
Una vez realizado este paso, ¿cuál son las actividades inmediatamente siguientes
que debemos realizar?
Señalar estas actividades, mediante el símbolo apropiado, en el diagrama.
Partiendo del primer paso, realizar este proceso hasta alcanzar el último o viceversa.
Dibujar el proceso con exactitud disponiendo el flujo principal siempre de arriba abajo o de
izquierda a derecha.
Analiza
Iniciar documentación e Recibe Póliza
información
Recibe solicitud de
Devuelve
seguros junto con no Aprueba
información
información anexa
si
Realiza cotización
del seguro Elaboran Poliza
solicitado
Envía
documentación
junto con Envía poliza a
información a la asociado
aseguradora
Notifica a
asociado
resolución
Terminar
Comprobar que no se han omitido pasos, pequeños bucles, entre otros, y que el proceso
tiene una secuencia lógica.
En caso de que existan dudas sobre parte del proceso representado, realizar una
observación directa del proceso o contactar con expertos de esa área para su aclaración.
1.4 Interpretación
Esta herramienta posibilita un conocimiento común que sirva de base para un determinado
estudio, planificación, entre otros.
Otra de las aplicaciones del Diagrama de Flujo es como herramienta de análisis del proceso,
facilitando información sobre posibilidades de mejora del mismo.
Las comprobaciones dan lugar a bucles de reproceso y éstos siempre están asociados a
deficiencias, por tanto, el objetivo debe ser su eliminación u optimización.
Se examinarán las actividades del bucle como tales y la "longitud" del mismo (número de
operaciones que deben repetirse) planteándose cuestiones tales como:
¿Son necesarias todas las actividades dentro del bucle?
¿Se podrían detectar antes las deficiencias?
¿Evita el bucle que se repita el error?
¿Cuál es el coste del reproceso?
¿Cuál es la frecuencia de las distintas deficiencias detectadas?
Este examen puede poner de manifiesto las deficiencias que arrastra el diseño del proceso
mediante cuestiones tales como:
¿Es necesaria esta operación?
¿Cuál es la relación coste-valor añadido que aporta?
¿Es una operación redundante?
¿Es fuente de errores frecuente?
En general, en las empresas, la documentación y las bases de datos son fuentes de errores,
duplicación de tareas y realización de trabajo inútil, por ello deberá comprobarse para cada
uno de estos elementos si:
¿Es útil la información que contiene?
¿Es redundante dicha información?
¿Se mantiene al día?
¿Es la única fuente para esta información?
¿Cómo se puede utilizar para el seguimiento y mejora del proceso?
Cuanto más sistematizado sea el análisis del Diagrama de Flujo, más sencilla y eficaz puede
resultar la mejora del proceso en estudio.
Para evitar la aparición de estas situaciones se aconseja, siempre que sea posible, la
confrontación del diagrama con la realidad, siguiendo en la práctica la ejecución del
proceso. Cuando esto no sea posible, será útil la revisión del diagrama por personal
operativo del proceso.
1.5 Utilización
Debido a sus características principales, la utilización del Diagrama de Flujo será muy útil
cuando:
Se quiere conocer o mostrar de forma global un proceso.
Es necesario tener un conocimiento básico, común a un grupo de personas,
sobre el mismo.
Se deben comparar dos procesos o alternativas de uno dado.
Se necesita una guía que permita un análisis sistemático de un proceso.
Definición de Equipos
Formulación de Teorías Sobre las Causas
Evaluación de posibles soluciones
Evaluación de la solución implantada
2.1 Generalidades
Principio de Pareto
El Principio de Pareto afirma que en todo grupo de elementos o factores que contribuyen
a un mismo efecto, unos pocos son responsables de la mayor parte de dicho efecto.
PRINCIPIO DE PARETO
Pocos Vitales Muchos triviales
20
80
80
20
Análisis de Pareto
Características principales
Priorización
Identifica los elementos que más peso o importancia tienen dentro de un grupo.
Unificación de Criterios
Enfoca y dirige el esfuerzo de los componentes del grupo de trabajo hacia un
objetivo prioritario común.
Carácter objetivo
Su utilización fuerza al grupo de trabajo a tomar decisiones basadas en datos y
hechos objetivos y no en ideas subjetivas.
Características principales
Impacto visual
El Diagrama de Pareto comunica de forma clara, evidente y de un "vistazo", el
resultado del análisis de comparación y priorización.
Ejemplo
Número de %
Número de
Tipo de error errores % del total acumulado
errores
acumulados del total
Falta de información 45 45 48 48
Falta de documentos 25 70 27 75
Letra ilegible 8 78 9 84
Copia de documentos ilegibles 7 85 8 91
Tachaduras o enmendaduras 5 90 5 97
Datos con errores 3 93 3 100
Total 93 100
Procedimiento de elaboración del diagrama de Pareto
Como en todas las herramientas de análisis de datos, el primer paso consiste en recoger los
datos correctos o asegurarse de que los existentes lo son.
Ejemplo
Para cada elemento contribuyente sobre el efecto, anotar su magnitud. Ordenar dichos
elementos de mayor a menor, según la magnitud de su contribución.
Calcular la magnitud total del efecto como suma de las magnitudes parciales de cada uno
de los elementos contribuyentes.
Ejemplo
Tipo de error (elementos) Número de errores
(contribuciones)
Falta de información 45
Falta de documentos 25
Letra ilegible 8
Tachaduras o enmendaduras 5
Total 93
𝑚𝑎𝑔𝑛𝑖𝑡𝑢𝑑 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛
%= 𝑥 100
𝑚𝑎𝑔𝑛𝑖𝑡𝑢𝑑 𝑑𝑒𝑙 𝑒𝑓𝑒𝑐𝑡𝑜 𝑡𝑜𝑡𝑎𝑙
Falta de información 45 45 48 48
Falta de documentos 25 70 27 75
Letra ilegible 8 78 9 84
Copia de documentos ilegibles 7 85 8 91
Tachaduras o enmendaduras 5 90 5 97
Datos con errores 3 93 3 100
Total 93 100
Debe empezar en 0 e ir hasta el valor del efecto total, rotularlo con el efecto, la unidad de
medida y la escala; la escala debe ser consistente, es decir variar según intervalos
constantes. Las escalas de gráficos que se compararán entre sí, deben ser idénticas (Nota:
Prestar especial cuidado a las escalas automáticas de los gráficos por ordenador).
El eje horizontal contiene los distintos elementos o factores que contribuyen al efecto.
El eje vertical derecho representa la magnitud de los porcentajes acumulados del efecto
estudiado.
La escala de este eje va desde el 0 hasta el 100%. El cero coincidirá con el origen y el 100%
estará alineado con el punto, del eje vertical izquierdo, que representa la magnitud total
del efecto.
Ejemplo
Marcar los puntos del gráfico en la intersección de la prolongación del límite derecho de
cada barra con la magnitud del porcentaje acumulado correspondiente al elemento
representado en dicha barra.
Trazar una línea vertical que separa el Diagrama en dos partes y sirve para visualizar la
frontera entre los "Pocos Vitales" y los "Muchos Triviales", basándonos en el cambio de
inclinación entre los segmentos lineales correspondientes a cada elemento.
Rotular las dos secciones del Diagrama y rotular el porcentaje acumulado del efecto
correspondiente al último elemento incluido en la sección "Pocos Vitales".
2.3 Interpretación
El objetivo del Análisis de Pareto es utilizar los hechos para identificar la máxima
concentración de potencial del efecto en estudio (Magnitud del problema, costes, tiempo,
etc) en el número mínimo de elementos que a él contribuyen.
Con este análisis buscamos enfocar nuestro esfuerzo en las contribuciones más
importantes, con objeto de optimizar el beneficio obtenido del mismo.
En los pasos anteriores se Señala los elementos "Pocos Vitales" y los "Muchos Triviales" se
comenta que existe una frontera clara entre las dos categorías. En muchos casos no existe
esta frontera claramente visible. En realidad, se puede identificar generalmente una tercera
categoría que J.M. Juran llamó "Zona Dudosa".
Ejemplo
Una vez terminada esta labor, volver a realizar el Análisis de Pareto en las nuevas
condiciones y comprobar si los elementos incluidos en la anterior "Zona Dudosa" han
pasado a ser "Pocos Vitales" y si su tratamiento es rentable.
En general, una vez tratados los elementos que claramente pertenecen a los "Pocos Vitales"
tenemos un mejor conocimiento de lo que hay que hacer con los pertenecientes a la "Zona
Dudosa".
a) Al dibujar el Diagrama de Pareto, vemos que este no permite realizar una clara
distinción entre los diferentes elementos o categorías que contribuyen al efecto, por
los siguientes motivos:
Todas las barras del Diagrama son más o menos de la misma altura.
Se requieren más de la mitad de las categorías para tener en cuenta más del 60%
del efecto total.
c) Uno de los elementos "Pocos Vitales" es la categoría "Varios". En este caso se debe
replantear la clasificación de categorías realizada profundizando en el fenómeno o
efecto estudiado y repetir el análisis efectuado.
2.4 Utilización
El Análisis de Pareto sirve para establecer prioridades y para enfocar y dirigir las acciones a
desarrollar posteriormente.
Por otra parte permite basar la toma de decisiones en parámetros objetivos, por tanto,
permite unificar criterios y crear consenso.
Utilización en las fases del proceso de solución de problemas:
Este Análisis es aplicable en todos los casos en que se deban establecer prioridades para no
dispersar el esfuerzo y optimizar el resultado de dicha inversión. En particular:
Para asignar prioridades a los problemas durante la definición y selección de
proyectos.
Para identificar las causas claves de un problema.
Para comprobar los resultados de un grupo de trabajo una vez implantada la
solución propuesta por el mismo.
3.1 Generalidades
Definición
El Diagrama Causa-Efecto es una representación gráfica que muestra la relación cualitativa
e hipotética de los diversos factores que pueden contribuir a un efecto o fenómeno
determinado.
Características principales
Impacto visual
Muestra las interrelaciones entre un efecto y sus posibles causas de forma
ordenada, clara, precisa y de un solo golpe de vista.
Capacidad de comunicación
Muestra las posibles interrelaciones causa-efecto permitiendo una mejor
comprensión del fenómeno en estudio, incluso en situaciones muy complejas.
Políticas rigidas
Desmotivación Procedimientos de
Fatiga Trabajo inadecuados
Desconocimiento de
Productos y servicios Falta de planificación
Falta de
entrenamiento Deficiencia en la atención
a los asociados
Impresores mal
Temperaturas elevadas
ubicados
En la oficina
Equipos sin licencias
Poca iluminación de software
Exceso de ruido
Computadoras antiguas
Paso 1: Definir, sencilla y brevemente, el efecto o fenómeno cuyas causas han de ser
identificadas.
Específico
Para que no sea interpretado de diferente forma por los miembros del grupo de trabajo, y
para que las aportaciones se concentren sobre el auténtico efecto a estudiar.
No sesgado
Para no excluir posibles líneas de estudio sobre el efecto objeto del análisis.
Es conveniente definirlo por escrito especificando que es lo que incluye y lo que excluye.
Paso 2: Colocar el efecto dentro de un rectángulo a la derecha de la superficie de escritura
y dibujar una flecha, que corresponderá al eje central del diagrama, de izquierda a
derecha, apuntando hacia el efecto.
Ejemplo
Deficiencia en la atención
a los asociados
Paso 3: Identificar las posibles causas que contribuyen al efecto o fenómeno de estudio.
Atendiendo a las características y particularidades del grupo de trabajo y a las del problema
analizado, se decidirá cuál de los dos enfoques existentes para desarrollar este paso es el
más adecuado:
Tormenta de Ideas
Proceso lógico paso a paso
En el caso de utilizar un proceso lógico paso a paso, la fuente primaria serán los propios
componentes del grupo, aportando sus ideas según se va construyendo el diagrama.
Esta clasificación será tal que cualquier idea de los miembros del grupo podrá ser
asociada alguna de dichas causas.
Muchos grupos comienzan utilizando las "5M" o las "5P" y, después de analizar más en
detalle el resultado, agrupan las causas de forma más adecuada a su propio problema.
Fabricación Servicios
(5M) (5p)
Mano de obra Personal
Materiales Provisiones
Métodos Procedimientos
Máquinas Puestos
Medidas Clientes
Deficiencia en la atención
a los asociados
En este paso se rellenan cada una de las ramas principales con sus causas del efecto
enunciado, es decir con causas de las causas principales. Para incluir estas en el diagrama
se escriben al final de unas líneas, paralelas a la de la flecha central, conectadas con la línea
principal correspondiente.
Políticas rigidas
Desmotivación Procedimientos de
Fatiga Trabajo inadecuados
Desconocimiento de
Productos y servicios Falta de planificación
Falta de
entrenamiento Deficiencia en la atención
a los asociados
Impresores mal
Temperaturas elevadas
ubicados
En la oficina
Equipos sin licencias
Poca iluminación de software
Exceso de ruido
Computadoras antiguas
Este proceso continúa hasta que cada rama alcanza una causa raíz. Causa raíz es aquella
que:
Temperaturas elevadas
En la oficina
Poca iluminación
Exceso de ruido
Para cada causa raíz "leer" el diagrama en dirección al efecto analizado, asegurándose de
que cada cadena causal tiene sentido lógico y operativo.
3.3 Interpretación
b) Construcción del Diagrama sin un análisis previo de los síntomas del fenómeno
objeto de estudio.
En tales casos el efecto descrito puede ser muy general y estar mal definido por lo
que el diagrama resultante sería innecesariamente grande, complejo y difícil de
utilizar.
3.4 Utilización
Obtener una estructuración lógica de muchas ideas "dispersas", como una lista de
ideas resultado de una Tormenta de Ideas.
Tormenta de Ideas
Definición
Una Hoja de Comprobación es un impreso que se diseña como herramienta para la recogida
de datos, de forma que los resultados de la misma puedan ser más fáciles y rápidamente
interpretados a partir de dicho impreso.
Características principales
Sencillez
Una Hoja de Comprobación permite registrar los datos de forma simple y directa.
Comunicación de información
Permite ver si hay una tendencia en los datos según se va completando la hoja.
Permite un análisis visual de dichas tendencias o comportamientos.
De uso específico
Una Hoja de Comprobación se diseña para responder a preguntas concretas y por
tanto es poco flexible para su utilización en otros casos de recogida de datos.
Definición
Las Hojas de Recogida de Datos son impresos que se utilizan para reunir datos que, en
general, se anotan de forma tabular o en columnas. Normalmente requieren de un proceso
adicional, una vez recogidos los datos, utilizando una herramienta de análisis de los mismos.
Características principales
Flexibilidad
La forma en la que presentan los datos, permite utilizar, los mismos para múltiples
análisis posteriores y contestar diferentes preguntas.
Disponibilidad
Permiten tener los datos reunidos de forma ordenada y sencilla para su posterior
utilización.
Hoja de comprobación
Fecha:
Agencia:
Responsable:
Cada uno de estos tipos de hojas tiene particularidades que los hacen especialmente aptos
para un tipo de utilización:
Las Hojas de Recogida de Datos son especialmente aptas cuando se desea una
utilización múltiple del mismo conjunto de datos.
4.4 Elaboración
d) Presentar los datos de forma que dicha presentación sea capaz de comunicar
claramente la respuesta a dichas preguntas.
Aprender a hacer las preguntas precisas es la capacidad clave para la recogida de datos
eficaz.
Generación de información
Necesidad de formación
Comunicación Datos
Análisis
Formular las preguntas correctas es el primer paso clave para el éxito de la recogida de
datos.
Las preguntas correctas son concretas y específicas. El plantear preguntas de este tipo
favorece su labor en dos aspectos:
Cada una de las herramientas utilizadas en el análisis posterior de datos tiene sus
particularidades, ventajas, inconvenientes, y aplicaciones ligeramente diferentes. Algunas
de estas diferencias se traducen en diferentes requerimientos para los datos. (Volumen de
datos, exactitud, características, entre otros).
El objetivo de este paso es identificar un punto del proceso en estudio donde se pudiesen
recoger todos los datos necesarios sin introducir perturbaciones en el propio proceso.
A la hora de diseñar la recogida de datos hay que tener en cuenta que, en general, su
realización introduce factores que distorsionan el proceso.
El grupo de trabajo analizará tanto las actividades necesarias para la recogida de datos como
la asignación de responsabilidades para las mismas, de forma que el sesgo a introducir sea
el menor posible.
El tiempo disponible por este personal para dedicar a las tareas necesarias para la
recogida de datos.
El impacto de la toma de datos sobre el entorno de trabajo y/o bien el impacto del
entorno sobre la tarea de recogida de datos.
Una vez definida la pregunta o preguntas, el tipo de datos necesario, los puntos del proceso
y las condiciones de la recogida de datos, se decidirá, en base a estos factores y a las
características particulares de los dos tipos de Hojas, cual de ellos es el idóneo.
Atendiendo a las características del impreso, de las personas que realizarán las actividades
y de las condiciones de la recogida de datos se deben diseñar las instrucciones y la capacidad
para su puesta en práctica.
Es importante probar los impresos y sus instrucciones para evitar la aparición de problemas
imprevistos tales como:
Errores por malentendidos respecto a la forma de rellenar los impresos.
Pasar por alto información adicional importante, debido a que en la fase de diseño
no se conocían todas las variables del proceso.
Datos incompletos debido a impresos difíciles de rellenar en medio de la
problemática del proceso.
Datos incompletos o sesgados por temor a la utilización de la información obtenida.
4.5 Interpretación
Una vez obtenidos y validados los datos es hora de analizarlos y satisfacer las necesidades
de información respondiendo a las preguntas inicialmente formuladas.
Las Hojas de Comprobación, en general, están diseñadas para obtener respuestas rápidas a
preguntas simples.
Las Hojas de Datos, si están correctamente diseñadas, deben servir como base para
múltiples tipos de análisis posteriores.
Sesgos por exclusión: Los datos deben ser recogidos en todos los puntos, horas
y circunstancias en las que opera el proceso. Los datos deben ser representativos
del mismo.
Sesgos por interacción: Las condiciones del proceso se ven afectadas por la
propia recogida de datos.
Sesgos por falta de respuesta: Los datos omitidos pueden sesgar los resultados.
4.6 Utilización
Identificación de problemas
Análisis de síntomas
Determinación de causas
Evaluación de posibles soluciones
Diseño de soluciones y controles
Evaluación de la solución implantada
Histograma
Diagrama de Pareto
Gráficos de control por variables
Gráficos de control por atributos
Diagrama de dispersión
5. HISTOGRAMA
5.1 Generalidades
Variabilidad
Campo de variación en los valores numéricos de una magnitud.
Concepto
Generalmente en los procesos de producción y de prestación de servicios es imposible
mantener todos los factores que influyen en el resultado final, constantemente en el mismo
estado.
Este hecho da lugar a que las características representativas del producto o servicio final
presenten una determinada variación:
El numero de asociados que visitan una agencia sera diferente debido a variaciones que se
presentan debido a la fecha, el dia, la hora entre otros.
5.2 Histogramas
Definición
Es un resumen gráfico de los valores producidos por las variaciones de una determinada
característica, representando la frecuencia con que se presentandistintas categorías dentro
de dicho conjunto.
Ejemplo
Dias pasados hasta contestar una queja
Características principales
Síntesis
Permite resumir grandes cantidades de datos.
Análisis
Permite el análisis de los datos evidenciando esquemas de comportamiento y
pautas de variación que son difíciles de captar en una tabla numérica.
Capacidad de comunicación
Permite comunicar información de forma clara y sencilla sobre situaciones
complejas.
Estratificacion
Recorrido
5.3 Elaboracion
Ejemplo
Registro sobre el tiempo que se emplea en dar respuestas a las quejas recibidas en un mes.
Por políticas de la institución el tiempo máximo con el que se cuenta es de 15 días para la
resolución de las mismas.
15 11 14 17 15 18 14 15 15 17
14 13 11 19 18 17 13 14 18 16
15 16 14 16 16 18 15 13 19 17
16 14 13 18 17 16 12 12 18 16
16 15 17 20 14 15 15 14 17 15
14 15 18 16 16 14 15 16 16 15
12 12 16 15 17 12 12 18 15 14
17 10 15 13 13 11 11 15 19 18
18 13 17 12 14 10 15 14 18 17
17 14 12 10 15 11 13 12 18 15
15 18 18 13 12 13 14 11 15 16
15 14 13 15 17 19 19 15 17 16
𝑅𝑒𝑐𝑜𝑟𝑟𝑖𝑑𝑜 𝑡𝑜𝑡𝑎𝑙 = 𝑚𝑎𝑥𝑖𝑚𝑜 − 𝑚𝑖𝑛𝑖𝑚𝑜 = 20 − 10 = 10 𝑑𝑖𝑎𝑠
a) Definir el número de clases que debe tener el Histograma según la tabla siguiente:
Número de
Número de datos clases
recomendados
20 - 50 6
51 - 100 7
101 - 200 8
201 - 500 9
501 - 1000 10
Más de 1000 11 - 20
Dependiendo del número de clases en que agrupemos los datos perderemos más o
menos información tratando de identificar la pauta de comportamiento.
En el ejemplo de los días que se emplea en la resolución de quejas hay 120 datos,
necesitamos entonces aproximadamente 8 clases para el histograma.
Para evitar que algunos datos coincidan con los límites de los intervalos, definir éstos de
forma que tengan una cifra más detrás de la coma.
Si, por ejemplo, los datos tienen dos cifras detrás de la coma (3,55; 3,83; 3,64; 3,73; 3,78,
etc), se definirán las clases hasta la tercera cifra detrás de la coma (3,545-3,555; 3,555-
3,565, etc).
Si se obtiene una clase más o menos respecto del número recomendado, debido al
redondeo posteriormente efectuado, no existe deterioro ni en la sencillez ni en la
información.
Determinar el número de datos que están incluidos en cada una de las clases (frecuencia de
clase).
Comprobar que el número total de datos es igual a la suma de las frecuencias de cada clase.
Ejemplo
Límites de la clase Recuento
10,00 - 11,25 9
11,25 - 12,50 10
12,50 - 13,75 11
13,75 - 15,00 41
15,00 - 16,25 15
16,25 - 17,50 14
17,50 - 18,75 14
18,75 - 20,00 6
Total 120
Ejemplo
Dibujar las barras verticales correspondientes a cada clase. Su base está situada en el eje
horizontal y su altura corresponderá a la frecuencia de la clase representada.
Paso 8: Rotular el Gráfico
Cuando proceda, poner el título, las condiciones en que se han recogido los datos, los límites
de tolerancia nominales, etc. Estas notas ayudan a los demás a interpretar el gráfico y sirven
de recordatorio de la fuente de los datos.
Ejemplo: Resultados de las mediciones de los días en que se da resolución a una queja en
Comedica (120 resoluciones de quejas medidas)
5.4 Utilización
El resultado de este análisis es una teoría sobre el funcionamiento del proceso o sobre la
causa del problema que se está investigando.
Por ser una teoría es necesario confirmarla o rechazarla, recogiendo otros datos que nos
den información más específica sobre dicha teoría.
Sin embargo la forma de campana no asegura, por sí misma y sin analizar su valor medio y
el recorrido de los datos, que el proceso funcione de forma satisfactoria.
Distribución plana
Una gran parte plana, sin ningún pico y con dos ligeras colas a los lados.
Esta forma puede ser el resultado de varias distribuciones en campana con sus centros
distribuidos uniformemente a lo largo del recorrido de los datos.
Se deberán identificar los diferentes procesos que intervienen dentro del proceso básico.
Esta distribución es un caso típico de departamentos u organizaciones que no tienen el
trabajo bien definido y cada cual lo hace "a su manera".
Distribución en peine
Esta pauta de variación es típica de errores de medición, errores en la forma de agrupar los
datos para la construcción del Histograma o sesgos sistemáticos de redondeo.
En este caso revisar inicialmente los procesos de recogida de datos y construcción del
Histograma.
Como en el caso de la distribución de dos picos, esta forma sugiere la existencia de dos
procesos distintos.
El proceso con el pico pequeño será una anormalidad o deficiencia que no sucede a menudo
o regularmente.
Se deben analizar las condiciones en que se presenta el pico menor tratando de estratificar
los datos.
Estos picos unidos a distribuciones sesgadas o truncadas indican falta de eficacia en la
eliminación de elementos defectuosos.
Ejemplo:
Se ha encargado al empleado responsable de contestar a las quejas de los asociados que
registre, durante un mes, el tiempo que se emplea en dar respuesta a las mismas, para este
proceso el procedimiento establecía un tiempo máximo de cinco días.
Para evitar reproches, el empleado registraba cinco días en todas aquellas ocasiones en que
se superaba este límite, por lo que el Histograma correspondiente al tiempo de respuesta
mostraba una "distribución con un pico en el extremo".
Su forma es asimétrica, con un pico descentrado dentro del recorrido de los datos, las colas
descienden: bruscamente en un lado y suavemente en el otro.
Esta distribución es típica de procesos con límites prácticos a un lado del valor nominal o a
datos parciales de un proceso (distribuciones con parte de los datos suprimidos).
Ejemplo 1:
Al analizar el tiempo en que se tardan en gestionar las órdenes de compra una vez recibidas,
se observa que un gran porcentaje lo es en un día y el restotardan dos, tres y hasta cuatro
días debido a diferentes circunstancias.
Al representar el Histograma de los tiempos requeridos para cursar dichas órdenes
tendremos una "distribución truncada".
Ejemplo 2:
En los casos en que esto no sea posible se deberán utilizar otros tipos de
herramientas o consultar con un experto en estadística que diseñe un plan de
muestreo y comprobación de hipótesis adecuado.
5.7 Utilizacion
El Histograma es una herramienta muy útil cuando un equipo se enfrenta con la tarea de
analizar datos que presentan variaciones.
Ejemplo
Situación
En Agencia central se constituyó un equipo para examinar las quejas de los asociados sobre
la lentitud en el servicio en ventanilla y las largas colas en las horas punta.
Histograma y su análisis
El equipo midió los tiempos de las transacciones de cuatro cajeros duranteuna hora punta
típica y construyó con los datos obtenidos el siguiente Histograma:
Histograma
Tiempo para realizar una transacción en horas punta
El Histograma muestra claramente una distribución con dos picos. En consecuencia el
equipó formuló la teoría de que había dos procesos en marcha.
La primera teoría expuesta fue que los dos empleados nuevos eran simplemente más lentos
que los más experimentados pero los Histogramas estratificados por empleados mostraron
la misma distribución con dos picos, fuera cual fuera la experiencia. En otras palabras, la
estratificación por nivel de experiencia no sirvió para separar los datos en dos distribuciones
en campañas distintas.
El equipo había utilizado unos cuantos Histogramas para analizar los datos de forma más
eficaz y para centrarse en las verdaderas causas de los retrasos en el servicio a los clientes.
6.1 Generalidades
CORRELACIÓN
Definición
Se entiende por correlación el grado de relación existente entre dos variables.
Concepto
Cuando entre dos variables existe una correlación total, se cumple que a cada valor de una,
le corresponde un único valor de la otra (función matemática).
Es frecuente que dos variables estén relacionadas de forma que a cada valor de una de ellas
le correspondan varios valores de la otra.
Diagrama de Dispersión
Definición
Representación gráfica del grado de relación entre dos variables cuantitativas.
Características principales
Impacto visual
Un Diagrama de Dispersión muestra la posibilidad de la existencia de correlación
entre dos variables de un vistazo.
Comunicación
Simplifica el análisis de situaciones numéricas complejas.
Guía en la investigación
El análisis de datos mediante esta herramienta proporciona mayor información que
el simple análisis matemático de correlación, sugiriendo posibilidades y alternativas
de estudio, basadas en la necesidad de conjugar datos y procesos en su utilización.
Estratificación
Definición
Separar un conjunto de datos en diferentes grupos o categorías, de forma que los datos
pertenecientes a cada grupo comparten características comunes que definen la categoría.
Paso 1: Elaborar una teoría admisible y relevante sobre la supuesta relación entre dos
variables
Información completa: Anotar las condiciones en que han sido obtenidos los datos.
Paso 3: Determinar los valores máximo y mínimo para cada una de las variables
Paso 4: Decidir sobre qué eje representará a cada una de las variables
d) Los valores crecientes han de ir de abajo a arriba y de izquierda a derecha en los ejes
vertical y horizontal respectivamente.
Ejemplo
a) Para cada par de datos localizar la intersección de las lecturas de los ejes
correspondientes y señalarlo con un punto o símbolo. Si algún punto coincide con
otro ya existente, se traza un círculo concéntrico a este último.
Ejemplo
b) Cuando coinciden muchos pares de puntos, el Diagrama de Dispersión puede
hacerse confuso. En este caso es recomendable utilizar una "Tabla de Correlación"
para representar la correlación.
Ejemplo
Tabla de Correlación
7 4
Numero de errores por
6 1 5 3
5 1 4 4 2 5
4 3 3 4 3 2
página
3 2 4 4 5 2
2 3 4 2 1
1 6 2
10.00 11.00 12.00 13.00 14.00 15.00 16.00
Hora del día
Se rotula el título del gráfico y toda aquella información necesaria para su correcta
comprensión.
En general, es conveniente incluir una descripción adicional del objeto de las medidas y de
las condiciones en que se han realizado, ya que esta información puede ayudar en la
interpretación del diagrama.
Relaciones causa-efecto.
Sirve para contrastar la teoría de que ambos provienen de una causa común desconocida o
difícil de medir.
Se puede utilizar para controlar efectos difíciles o costosos de medir, a través de otros con
medición más simple.
Ejemplo: Estudiar la relación existente entre reducción de costes y satisfacción del cliente
para utilizar el parámetro de más fácil medición en la evaluación de las actividades de
planificación.
Sirve para actuar sobre efectos de forma más simple o adecuada y para analizar procesos
complejos.
El Diagrama de Dispersión expresa el grado de relación entre dos variables, y dicha relación
no necesariamente significa que una de ellas es la causa de la otra.
Ejemplo:
Suponiendo, que haya sido identificada una fuerte correlación entre las aperturas
de depósito a plazo fijo y las promociones realizadas por mercadeo para incentivar
las aperturas de dichos depósitos, permanecen todavía sin contestar las
siguientes preguntas
¿Qué relación existe entre los dos?
¿Influye las tasas de interés en la apertura de los depósitos a plazo fijo?
¿Dependen los dos de una tercera variable, por ejemplo, el gremio médico ha
recibido alguna bonificación en el periodo estudiado?
Primero: Elaborar una teoría admisible y relevante sobre la supuesta relación entre dos
variables.
Segundo: Recoger datos y construir el Diagrama.
Tercero: Identificar y clasificar la pauta de correlación.
Cuarto: Discutir la teoría original y considerar otras explicaciones.
Correlación Fuerte
Los puntos se agrupan claramente alrededor de una línea imaginaria que pasa por el centro
de la masa de los mismos. Estos casos sugieren que el control de una de las variables lleva
al control de la otra.
Los datos parecen confirmar la teoría estudiada, pero hay que analizar la existencia de otras
posibles explicaciones admisibles y relevantes para dicha relación.
Correlación Débil
Los puntos no están suficientemente agrupados, como para asegurar que existe la relación.
El control de una de las variables no necesariamente nos llevará al control de la otra.
Si lo que se busca es determinar las causas de un problema, se deben buscar otras variables
con una relación mayor o más relevante sobre el efecto.
Correlación Débil, Positiva: El valor de la variable "Y" (eje vertical) tiende a aumentar
cuando aumenta el valor de la variable "X" (eje horizontal).
Ejemplo:
Correlación débil
Correlación compleja
El valor de la variable "Y" parece estar relacionado con el de la variable "X", pero esta
relación no es simple o lineal.
En este caso se estudia la relación más profundamente (¿Hay alguna ley no lineal que
explique esta relación ?. ¿ Es esta relación el resultado de componer varias relaciones ?).
Sin correlación
Para cualquier valor de la variable "X", "Y" puede tener cualquier valor. No aparece ninguna
relación especial entre ambas variables.
En este caso, nuestra teoría no es correcta y se deben buscar otros tipos de relaciones.
Ejemplo:
Ejemplo:
El examen de los datos relativos al campo “A” (Correlación positiva) no nos permite
extraer conclusiones sobre el comportamiento de las variables para otros valores,
por ejemplo en el campo “D” (Correlación negativa)
c) Efecto de la escala
Las escalas de los dos ejes influyen notablemente sobre la interpretación del
Diagrama de Dispersión.
Escalas deficientes en alguno de los ejes puede enmascarar una relación o hacer ver
relaciones inexistentes.
Ejemplo:
La fuerte correlación existente entre las dos variables casi desaparece óptimamente,
dando la impresión de no existir, al disminuir exageradamente la escala del eje
vertical.
d) Factores de confusión
Con el Diagrama de Dispersión tratamos de estudiar una relación entre dos
variables. Debemos asegurarnos de que la correlación que observamos no sea
debida a una variable distinta de la que estamos registrando.
La forma ideal para tratar los factores de confusión es antes de la recogida de datos.
Identificar los posibles factores de confusión y disponer la toma de datos de forma
que se mantengan razonablemente constantes.
6.6 Utilización
7.1 Generalidades
Variabilidad
Definición
Campo de variación en los valores numéricos de una magnitud.
Causas de la Variabilidad
Proceso
Definición
Combinación única de máquina, herramienta, materiales, temperatura, método, hombre y
todo aquello necesario para la obtención de un determinado producto o servicio.
Definición
Se dice que un proceso se encuentra bajo control cuando su variabilidad es debida
únicamente a causas comunes.
Concepto
Ningún proceso se encuentra espontáneamente bajo control, es necesario un esfuerzo
sistemático para eliminar las causas asignables que actúan sobre él.
La ventaja de tener un proceso bajo control es que su resultado es estable y predecible.
Gráficos de control
Definición
Los Gráficos de Control son representaciones gráficas de los valores de una característica
resultado de un proceso, que permiten identificar la aparición de causas especiales en el
mismo.
Definición
Son Gráficos de Control basados en la observación de la variación de características
medibles del producto o del servicio.
Características principales
Comunicación
Simplifican el análisis de situaciones numéricas complejas.
Impacto visual
Muestran de forma clara y de un "vistazo" la variabilidad del resultado de un
proceso, respecto a una determinada característica, con el tiempo.
Guía en la investigación
El análisis de datos mediante esta herramienta proporciona mayor información que
el simple control de los resultados de un proceso, sugiriendo posibilidades de
corrección preventiva y alternativas de investigación.
Muestra, "n"
Definición
Uno o varios elementos tomados de un conjunto más amplio para proporcionar información
sobre el mismo y, eventualmente, para tomar una decisión relativa o al colectivo o al
proceso que lo ha producido.
Tendencia central
Definición
Característica típica de la mayoría de las distribuciones de frecuencia, por lo cual el grueso
de las observaciones se agrupa en una zona determinada de las mismas.
̅"
Media aritmética, " 𝒙
Definición
Medida de la tendencia central, correspondiente a la suma de todos los valores, dividida
por el número de los mismos.
Dispersión
Definición
Alcance de la diseminación con la que los datos de una distribución de frecuencia se
distribuyen alrededor de la zona de tendencia central.
Recorrido, "R"
Definición
Medida de la dispersión, correspondiente a la diferencia entre el valor máximo y el valor
mínimo de un conjunto de datos.
Definición
Es una medida de la dispersión de una distribución de frecuencia, correspondiente a la raíz
cuadrada del cociente entre la suma de los cuadrados de las distancias de cada valor a la
media aritmética y el número de valores. En general este parámetro se estima a través del
cálculo de la desviación típica de los valores de una muestra (desviación típica muestral, s),
siendo esta:
(𝑥𝑖 − 𝑥̅ )2
𝑠 = √∑ ⁄(𝑛
− 1), o bien
(𝑥𝑖 2 − 𝑥̅ 2 )
𝑠 = √∑ ⁄(𝑛
− 1)
Donde:
Constan de dos gráficos, uno para el control de las medidas de tendencia central
(media 𝑥̅ ) y otro para el control de la variabilidad.
Utilizan la desviación típica (s) como medida de la variabilidad del proceso.
Mayor dificultad de cálculo.
Mejor indicador estadístico de variabilidad.
Válido para cualquier tamaño de muestra.
b) La frecuencia de muestreo será tal que recoja los cambios en el proceso entre las
muestras debidos a causas internas y, al mismo tiempo, permita detectar la
aparición de causas externas.
Las muestras deben recogerse con la frecuencia, y en los tiempos oportunos para
que puedan reflejar dichas oportunidades de cambio. (Por ejemplo: frecuencias
horarias, diarias, por turno, por lote de material, etc).
Las unidades de cada muestra serán recogidas de forma consecutiva para que ésta sea
homogénea y representativa del momento de la toma de datos.
Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que
sean relevantes en la toma de los mismos.
Ejemplo:
Donde
xi = valor de la característica medida
n = tamaño de la muestra.
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Suma
Media 4.1 5.1 4.1 4.2 4.5 4.4 4.4 4.2 4.2 4.2 5.1 5.1 4.6 4.6 4.7 4.8 5.1 5.0 5.1 4.9 92.4
R 0.7 1.0 0.5 1.2 0.9 1.0 0.9 1.1 1.3 1.4 1.5 1.2 1.1 0.8 0.9 0.8 1.3 1.4 1.5 1.5 22.0
Paso 7: Calcular los Límites de Control para cada uno de los gráficos
𝑅̅ = (𝑅1 + ⋯ + 𝑅𝑛 ) / 𝑁
Donde
Ri = recorrido de la muestra i
N = número de muestras
c) Calcular el Límite de Control Superior (𝐿𝐶𝑆𝑥̅ ) y el Límite de Control Inferior ( 𝐿𝐶𝐼𝑥̅ )
𝐿𝐶𝑆𝑥̅ = 𝑥̿ + A2 𝑅̅
𝐿𝐶𝐼𝑥̅ = 𝑥̿ - A2 𝑅̅
𝐿𝐶𝑆𝑅 = 𝐷4 𝑅̅
𝐿𝐶𝐼𝑅 = 𝐷3 𝑅̅
Donde
Ejemplo:
Se dibujarán dos gráficos en la misma hoja, uno para representar la medida de tendencia
central (𝑥̅ ) y otro para representar la medida de variabilidad o dispersión (R).
El eje vertical del gráfico "R" representa los valores del recorrido. Los valores de su escala
irán desde cero hasta dos veces el valor máximo de R.
Ejemplo:
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Suma
Media 4.1 5.1 4.1 4.2 4.5 4.4 4.4 4.2 4.2 4.2 5.1 5.1 4.6 4.6 4.7 4.8 5.1 5.0 5.1 4.9 92.4
R 0.7 1.0 0.5 1.2 0.9 1.0 0.9 1.1 1.3 1.4 1.5 1.2 1.1 0.8 0.9 0.8 1.3 1.4 1.5 1.5 22.0
Gráfico X
3.8
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico R
0.2
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Paso 9: Representar en el gráfico la Línea Central y los Límites de Control
Línea Central.
Marcar en el eje vertical, correspondiente a las 𝑥̅ , el valor de la media de las medias
𝑥̿ . A partir de este punto trazar una recta horizontal. Identificarla con 𝑥̿ .
Línea Central.
Marcar en el eje vertical, correspondiente a las R, el valor del recorrido medio 𝑅̅ . A
partir de este punto trazar una recta horizontal. Identificarla con 𝑅̅ .
Nota: Usualmente las líneas que representan los valores centrales ̿𝑥 y 𝑅̅ se dibujan
de color azul y las líneas correspondientes a los límites de control de color rojo.
Cuando LCIR es cero, no se suele representar en el gráfico.
Gráfico X
LCS
LCS= 5.2
X
X= 4.6
LCI= 4
LCIx
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico R
LCSR
LCS= 2.3
R= 1.1 R
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Para el gráfico "𝑥̅ " se representará cada muestra con un punto, buscando la intersección
entre el número de la muestra (eje horizontal) y el valor de su media (eje vertical).
Para el gráfico "R" se representará cada muestra con un punto, buscando la intersección
entre el número de la muestra (eje horizontal) y el valor de su recorrido (eje vertical).
Ejemplo:
Gráfico X
LCS
LCS= 5.2
X
X= 4.6
LCI= 4
LCIx
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico R
LCSR
LCS= 2.3
R= 1.1 R
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Paso 11: Comprobación de los datos de construcción del Gráfico de Control "𝐱̅, R"
Se comprobará que:
Todas las medias de las muestras utilizadas para la construcción del gráfico “𝑥̅ ” están
dentro de sus Límites de Control.
Todos los recorridos de las muestras utilizadas para la construcción del gráfico "R" están
dentro de sus Límites de Control.
𝐿𝐶𝐼𝑅 < 𝑅𝑖 < 𝐿𝐶𝑆𝑅
Si alguna de estas dos condiciones no se cumple para alguna de las muestras, esta deberá
ser desechada para el cálculo de los Límites de Control.
Se repetirán todos los cálculos realizados hasta el momento sin tener en cuenta la muestra
o muestras anteriormente señaladas.
Este proceso se repetirá hasta que todas las muestras utilizadas para el cálculo de los Límites
de Control muestren un proceso dentro de control.
Los Límites, finalmente así obtenidos, son los definitivos que se utilizarán para la
construcción de los Gráficos de Control.
Ejemplo:
Comprobación de los datos de
construcción
Todas las medias de las muestras están
dentro de sus límites de control (4< 𝑥̅ <
5.2).
̅, s".
7.2.3 Construcción de los Gráficos de Control por Variables "𝒙
b) La frecuencia de muestreo será tal que recoja los cambios en el proceso entre las
muestras debidos a causas internas y, al mismo tiempo, permita detectar la
aparición de causas externas.
Las muestras deben recogerse con la frecuencia, y en los tiempos oportunos para
que puedan reflejar dichas oportunidades de cambio. (Por ejemplo: frecuencias
horarias, diarias por turno, por lote de material, etc).
Las unidades de cada muestra serán recogidas de forma consecutiva para que ésta sea
homogénea y representativa del momento de la toma de datos. Se indicarán en las hojas
de recogida de datos todas las informaciones y circunstancias que sean relevantes en la
toma de los mismos.
Ejemplo:
Cálculo de la media:
𝑥̅ = (x1 + x2 +.... + xn) / n
Donde
(𝑥𝑖 − 𝑥̅ )2
𝑠 = √∑ ⁄(𝑛
− 1), o bien
(𝑥𝑖 2 − 𝑥̅ 2 )
𝑠 = √∑ ⁄(𝑛
− 1)
Ejemplo:
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Suma
Media 4.1 5.1 4.1 4.2 4.5 4.4 4.4 4.2 4.2 4.2 5.1 5.1 4.6 4.6 4.7 4.8 5.1 5.0 5.1 4.9 92.4
S 0.28 0.38 0.23 0.35 0.37 0.25 0.24 0.22 0.26 0.25 0.38 0.37 0.29 0.28 0.23 0.22 0.35 0.34 0.32 0.33 5.9
Paso 7: Calcular los Límites de Control para cada uno de los gráficos
Donde
𝐿𝐶𝑆𝑥̅ = 𝑥̅ + A3 S
𝐿𝐶𝐼𝑥̅ = 𝑥̅ – A3 S
𝐿𝐶𝑆𝑆 = 𝐵4 𝑆̅
𝐿𝐶𝐼𝑆 = 𝐵3 𝑆̅
El valor de B3 para tamaños de muestra menores o iguales a 5 es cero, eso implica que el
Límite de Control Inferior es cero.
Ejemplo:
Se dibujarán dos Gráficos en la misma hoja, uno para representar la medida de tendencia
central ( 𝑥̅ ) y otro para representar la medida de variabilidad o dispersión (s).
El eje vertical del Gráfico " 𝑥̅ " representa los valores de la media. La diferencia entre el valor
máximo y el mínimo de la escala será por lo menos dos veces la diferencia entre el valor
máximo y el mínimo de 𝑥̅ .
El eje vertical del Gráfico "S" representa los valores de la desviación. Los valores de su escala
irán desde cero hasta dos veces el valor máximo de "S".
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Suma
Media 4.1 5.1 4.1 4.2 4.5 4.4 4.4 4.2 4.2 4.2 5.1 5.1 4.6 4.6 4.7 4.8 5.1 5.0 5.1 4.9 92.4
S 0.28 0.38 0.23 0.35 0.37 0.25 0.24 0.22 0.26 0.25 0.38 0.37 0.29 0.28 0.23 0.22 0.35 0.34 0.32 0.33 5.9
Gráfico X
3.8
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico S
0.7
0.5
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Línea Central.
Marcar en el eje vertical, correspondiente a las 𝑥̅ , el valor de la media de las medias
𝑥̿ . A partir de este punto trazar una recta horizontal. Identificarla con 𝑥̿ .
Límite de Control Superior.
Marcar en el eje vertical correspondiente a las 𝑥̅ , el valor de 𝐿𝐶𝑆𝑥̅ A partir de este
punto trazar una recta horizontal discontinua (a trazos). Identificarla con 𝐿𝐶𝑆𝑥̅ .
Línea Central.
Marcar en el eje vertical, correspondiente a las S, el valor de la desviación típica
media 𝑆̅. A partir de este punto trazar una recta horizontal. Identificarla con 𝑆̅.
Nota: Usualmente las líneas que representan los valores centrales ̅𝑥 y 𝑠 se dibujan
de color azul y las líneas correspondientes a los límites de control de color rojo.
Cuando LCI es cero, no se suele representar en el gráfico.
Ejemplo:
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Suma
Media 4.1 5.1 4.1 4.2 4.5 4.4 4.4 4.2 4.2 4.2 5.1 5.1 4.6 4.6 4.7 4.8 5.1 5.0 5.1 4.9 92.4
S 0.28 0.38 0.23 0.35 0.37 0.25 0.24 0.22 0.26 0.25 0.38 0.37 0.29 0.28 0.23 0.22 0.35 0.34 0.32 0.33 5.9
Gráfico X
LCS
LCS= 5.02
X
X= 4.6
LCI= 4.17
LCIx
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico S
LCSS
LCS= 0.63
S= 0.3 S
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Para el Gráfico "𝑋̅ " se representará cada muestra con un punto, buscando la intersección
entre el número de la muestra (eje horizontal) y el valor de su media (eje vertical).
Para el Gráfico "𝑆̅" se representará cada muestra con un punto, buscando la intersección
entre el número de la muestra (eje horizontal) y el valor de su desviación típica (eje vertical).
Unir, en cada gráfico, los puntos por medio de trazos rectos.
Ejemplo:
Gráfico X
LCS
LCS= 5.02
- - - - -
-
-
- X
X= 4.6 -
-
-
- -
- - - -
LCI= 4.17
LCIx
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Gráfico S
LCSS
LCS= 0.63
S= 0.3 S
- -
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
̅ , S"
Paso 11: Comprobación de los datos de construcción del Gráfico de Control " 𝑿
Se comprobará que:
Todas las medias de las muestras utilizadas para la construcción del gráfico “𝑥̅ ” están
dentro de sus Límites de Control.
Todas las desviaciones típicas de las muestras utilizadas para la construcción del gráfico "S"
están dentro de sus Límites de Control.
𝐿𝐶𝐼𝑆 < 𝑆𝑖 < 𝐿𝐶𝑆𝑆
Si alguna de estas dos condiciones no se cumple para alguna de las muestras, esta deberá
ser desechada para el cálculo de los Límites de Control.
Se repetirán todos los cálculos realizados hasta el momento sin tener en cuenta la muestra
o muestras anteriormente señaladas.
Este proceso se repetirá hasta que todas las muestras utilizadas para el cálculo de los Límites
de Control muestren un proceso dentro de control.
Los Límites, finalmente así obtenidos, son los definitivos que se utilizarán para la
construcción de los Gráficos de Control.
Ejemplo:
7.2.4 Interpretación
f) Los dos tercios centrales contienen bastante más del 66% de los puntos.
Examinar esta conducta puesto que posiblemente existen causas especiales no
identificadas, actuando sobre el proceso.
g) Los dos tercios centrales contienen bastante menos del 66% de los puntos.
Investigar las causas de este comportamiento anómalo.
Cuando se utilizan los Gráficos de Control por Variables como herramienta de análisis se
tendrán en cuenta las siguientes consideraciones:
a) Los errores de los datos o los cálculos utilizados para su construcción pueden pasar
inadvertidos durante su utilización y provocar interpretaciones totalmente
erróneas.
b) El hecho de que un proceso se mantenga bajo control no significa que sea un buen
proceso, puede estar produciendo fuera de los límites de especificación. Hacer un
Estudio de Capacidad Potencial de Calidad para comprobar esto último.
7.2.6 Utilización
Los Gráficos de Control se pueden utilizar para cualquier tipo de proceso, sea de producción
o no.
Para utilizarlos de esta forma es necesario, una vez construidos los gráficos básicos,
preparar nuevos gráficos, en los que se incluirán las medias y los límites de control
aceptados en el paso 11 del proceso de elaboración.
Nótese que puede haber cambios del proceso de carácter beneficioso. En estos casos se
estudiarán también sus causas para poder realizar mejoras en el proceso.
7.2.7 Anexos
Tablas de constantes
Determinación de causas
Diseño de soluciones y controles
Evaluación de la solución implantada
Definición
Son Gráficos de Control basados en la observación de la presencia o ausencia de una
determinada característica, o de cualquier tipo de defecto en el producto, servicio o proceso
en estudio.
Características principales
Comunicación
Simplifican el análisis de situaciones numéricas complejas.
Impacto visual
Muestran de forma clara y de un "vistazo" la variabilidad del resultado de un
proceso, respecto a una determinada característica, con el tiempo.
Sencillez
La naturaleza de los datos necesitados permite recogerlos y tratarlos de forma
simple y rápida.
Aplicabilidad
Los Gráficos de Control por Atributos se pueden utilizar para cualquier tipo de
proceso, producto o servicio y característica de los mismos, sea esa medible o no.
Muestra, "n"
Definición
Uno o varios elementos tomados de un conjunto más amplio para proporcionar información
sobre el mismo y, eventualmente, para tomar una decisión relativa o al colectivo o al
proceso que lo ha producido.
Tendencia central
Definición
Característica típica de la mayoría de las distribuciones de frecuencia, por lo cual el grueso
de las observaciones se agrupa en una zona determinada de las mismas.
̅"
Media aritmética, " 𝒙
Definición
Medida de la tendencia central, correspondiente a la suma de todos los valores, dividida
por el número de los mismos.
Disconformidad (defecto)
Definición
Estado, modo o condición con que se presenta una cualidad (atributo) con una gravedad,
cuantía o intensidad suficientes para que el producto que la posee no cumpla con los
requisitos de la especificación.
Definición
Unidad de producto o servicio que contiene una o varias disconformidades.
Para que el gráfico pueda mostrar pautas analizables, el tamaño de muestra, será lo
suficientemente grande (entre 50 y 200 unidades e incluso superior) para tener
varias unidades no conformes por muestra, de forma que puedan evidenciarse
cambios significativamente favorables (por ejemplo, aparición de muestras con cero
unidades no conformes).
El tamaño de cada muestra oscilará entre +/- 20% respecto al tamaño medio de
las muestras
Donde
N = Número de muestras
Cada unidad de la muestra se tomará de forma que todas las unidades del periodo de
producción o lote tengan la misma probabilidad de ser extraídas. (Toma de muestras al
azar).
Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que
sean relevantes en la toma de los mismos.
Ejemplo:
Unidades Unidades % Unidades Unidades Unidades % Unidades
Muestra Muestra
verificadas no no verificadas no no
Número Número
"n" coformes conformes "n" coformes conformes
1 95 8 8 14 106 10 9
2 90 10 11 15 100 18 18
3 92 7 8 16 102 12 12
4 86 5 6 17 105 13 12
5 98 4 4 18 106 13 12
6 100 8 8 19 107 12 11
7 110 6 5 20 104 12 12
8 120 4 3 21 99 8 8
9 122 7 6 22 88 14 16
10 115 3 3 23 87 9 10
11 123 8 7 24 89 4 4
12 80 9 11 25 109 7 6
13 82 10 12 TOTAL 2515 221 224
Donde
pi = fracción de unidades no conformes de la muestra i
N = número de muestras
La escala de este eje irá desde cero hasta dos veces la fracción de unidades no conformes
máxima.
Ejemplo
Fracción de
unidades no
conformes
30%
20%
10%
Muestra 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
Línea de Control Superior.
Marcar en el eje vertical, correspondiente a las ”p”, el valor de LCSP. A partir de este
punto trazar una recta horizontal discontinua (a trazos). Identificarla con LCSP.
Nota: Usualmente la línea que representa el valor central p se dibuja de color azul y
las líneas correspondientes a los límites de control de color rojo. Cuando LCI es cero,
no se suele representar en el gráfico.
Ejemplo:
Fracción de
unidades no
conformes
LCSp= 17.54%
LCS
P= 9%
P
LCIp
LCIp=0.46%
Muestra 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
LCSp= 17.54%
LCS
P= 9%
P
LCIp
LCIp=0.46%
Muestra 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
Paso 11: Comprobación de los datos de construcción del Gráfico de Control "p"
Si esta condición no se cumple para alguna muestra, esta deberá ser desechada para el
cálculo de los Límites de Control.
Se repetirán todos los cálculos realizados hasta el momento, sin tener en cuenta los valores
de las muestras anteriormente señaladas.
Este proceso se repetirá hasta que todas las muestras utilizadas para el cálculo de los Límites
de Control muestren un proceso dentro de control.
Los Límites, finalmente así obtenidos, son los definitivos que se utilizarán para la
construcción de los Gráficos de Control.
Ejemplo:
Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que
sean relevantes en la toma de las mismas.
Ejemplo:
Unidades Unidades
Muestra no Muestra no
Número coformes Número coformes
"np" "np"
1 7 14 4
2 8 15 7
3 5 16 5
4 6 17 5
5 5 18 8
6 8 19 4
7 4 20 6
8 7 21 8
9 4 22 5
10 6 23 5
11 5 24 4
12 6 25 7
13 6 TOTAL 145
Tamaño de muestra n=50
Donde
npi = número de unidades no conformes de la muestra i
N = número de muestras
Ejemplo:
Cálculo de los límites de control para el grafico “np”
La escala de este eje irá desde cero hasta dos veces el número de unidades no conformes
máximos.
Ejemplo:
Fracción de
unidades no
conformes
15
10
Muestra 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
Paso 9: Representar en el gráfico la Línea Central y los Límites de Control
Línea Central.
Marcar en el eje vertical, correspondiente a las "np", el valor del número medio de unidades
no conformes n𝑝̅ . A partir de este punto trazar una recta horizontal. Identificarla con n𝑝̅ .
Nota: Usualmente la línea que representa el valor central n p se dibuja de color azul y las
líneas correspondientes a los límites de control de color rojo.
Ejemplo:
Fracción de
unidades no
conformes
LCSnp
LCSnp= 12.6
np= 5.8
np
Muestra 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
Ejemplo:
Fracción de
unidades no
conformes
LCSnp
LCSnp= 12.6
np= 5.8
np
LCIp
Muestra 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
Paso 11: Comprobación de los datos de construcción del Gráfico de Control "np"
Se comprobará que todos los valores del número unidades no conformes de las muestras
utilizadas para la construcción del gráfico correspondiente están dentro de sus Límites de
Control.
Si esta condición no se cumple para alguna muestra, esta deberá ser desechada para el
cálculo de los Límites de Control.
Se repetirán todos los cálculos realizados hasta el momento, sin tener en cuenta los valores
de las muestras anteriormente señaladas.
Este proceso se repetirá hasta que todas las muestras utilizadas para el cálculo de los Límites
de Control muestren un proceso dentro de control.
Los Límites, finalmente así obtenidos, son los definitivos que se utilizarán para la
construcción de los Gráficos de Control
Ejemplo:
Comprobación de los datos de construcción
a) Para que el gráfico pueda mostrar pautas analizables, el tamaño de muestra será lo
suficientemente grande como para tener varias disconformidades por muestra, de
forma que puedan evidenciarse cambios significativamente favorables (por
ejemplo, aparición de muestras con cero disconformidades).
El tamaño de cada muestra oscilará entre +/- 20% respecto al tamaño medio de las
muestras.
Donde
N = Número de muestras.
Cada unidad de la muestra se tomará de forma que todas las unidades del periodo de
producción o lote tengan la misma probabilidad de ser extraídas. (Toma de muestras al
azar).
Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que
sean relevantes en la toma de las mismas.
Paso 6: Calcular el número de disconformidades por unidad, "u"
Ejemplo:
Ejemplo:
Cálculo de los límites de control para
el gráfico “u”
𝑈̅= 49.1/25= 2.0
𝑛̅= 754/25= 30.2
2
LCSu= 2 + 3√30.2= 2.8
2
LCIu=2 - 3√30.2= 1.2
Ejemplo:
Disconformidades
por unidad
1
Muestra 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
Línea Central.
Marcar en el eje vertical, correspondiente a las "u", el valor del número medio de
disconformidades por unidad u. A partir de este punto trazar una recta horizontal.
Identificarla con u.
Línea de Control Superior.
Marcar en el eje vertical, correspondiente a las "u", el valor de LCSu. A partir de este
punto trazar una recta horizontal discontinua (a trazos). Identificarla con LCSu.
Nota: Usualmente la línea que representa el valor central u se dibuja de color azul y
las líneas correspondientes a los límites de control de color rojo.
Cuando LCI es cero, no se suele representar en el gráfico.
Ejemplo:
Disconformidades
por unidad
LCS
LCSu=2.8
U=2.0
U
LCIu=1.2
LCIu
Muestra 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
Disconformidades
por unidad
LCS
LCSu=2.8
U=2.0
U
LCIu=1.2
LCIu
Muestra 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
Paso 11: Comprobación de los datos de construcción del Gráfico de Control "u"
Se comprobará que todos los valores del número de disconformidades por unidad de las
muestras utilizadas para la construcción del gráfico correspondiente, están dentro de sus
Límites de Control.
Si esta condición no se cumple para alguna muestra, esta deberá ser desechada para el
cálculo de los Límites de Control.
Se repetirán todos los cálculos realizados hasta el momento, sin tener en cuenta los valores
de las muestras anteriormente señaladas.
Este proceso se repetirá hasta que todas las muestras utilizadas para el cálculo de los Límites
de Control muestren un proceso dentro de control.
Los Límites, finalmente así obtenidos, son los definitivos que se utilizarán para la
construcción de los Gráficos de Control.
Ejemplo:
a) Como para tener varias disconformidades por muestra, de forma que puedan
evidenciarse cambios significativamente favorables (por ejemplo, aparición de
muestras con cero disconformidades). El tamaño de muestra será constante.
Cada unidad de la muestra se tomará de forma que todas las unidades del periodo de
producción o lote tengan la misma probabilidad de ser extraídas. (Toma de muestras al
azar).
Se indicarán en las hojas de recogida de datos todas las informaciones y circunstancias que
sean relevantes en la toma de las mismas.
Ejemplo:
Ejemplo:
Ejemplo:
Numero de
disconformidades
50
40
30
20
10
Muestra 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
Nota: Usualmente la línea que representa el valor central c se dibuja de color azul y
las líneas correspondientes a los límites de control de color rojo. Cuando LCI es cero,
no se suele representar en el gráfico.
Ejemplo:
Numero de
disconformidades
LCSc
LCSc= 26.4
C
C=14.84
LCIc
LCIc= 3.3
Muestra 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
Ejemplo:
Numero de
disconformidades
LCSc
LCSc= 26.4
C
C=14.84
LCIc
LCIc= 3.3
Muestra 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
Paso 11: Comprobación de los datos de construcción del Gráfico de Control "c"
Se comprobará que todos los valores del número de disconformidades de las muestras
utilizadas para la construcción del gráfico correspondiente, están dentro de sus Límites de
Control.
𝐿𝐶𝐼𝑐 < 𝑐𝑖 < 𝐿𝐶𝑆𝑐
Si esta condición no se cumple para alguna muestra, esta deberá ser desechada para el
cálculo de los Límites de Control.
Se repetirán todos los cálculos realizados hasta el momento, sin tener en cuenta los valores
de las muestras anteriormente señaladas.
Este proceso se repetirá hasta que todas las muestras utilizadas para el cálculo de los Límites
de Control muestren un proceso dentro de control.
Los Límites, finalmente así obtenidos, son los definitivos que se utilizarán para la
construcción de los Gráficos de Control.
Ejemplo:
Cuando se utilizan los Gráficos de Control por Atributos como herramienta de análisis se
tendrán en cuenta las siguientes consideraciones:
a) Los errores de los datos o los cálculos utilizados para su construcción pueden pasar
inadvertidos durante su utilización y provocar interpretaciones totalmente
erróneas.
b) El hecho de que un proceso se mantenga bajo control no significa que sea un buen
proceso, puede estar produciendo constantemente un gran número de no
conformidades.
c) Controlar una característica de un proceso no significa necesariamente controlar el
proceso. Si no se define bien la información necesaria y las características del
proceso que, en consecuencia, deben ser controladas, tendremos interpretaciones
erróneas debido a informaciones incompletas.
7.3.9 Utilización
Los Gráficos de Control se pueden utilizar para cualquier tipo de proceso, sea de producción
o no.
Para utilizarlos de esta forma es necesario, una vez construidos los Gráficos básicos,
preparar nuevos Gráficos, en los que se incluirán las medias y los límites de control
aceptados en el paso 11 del proceso de construcción.
Determinación de causas
Diseño de soluciones y controles
Evaluación de la solución implantada