7 Herramientas bsicas para la mejora de la calidad.

(Herramientas de Ishikawa)

Mtodos de Mejora de la Calidad

Prof. Alfonso Raso
Alfonso Raso

Las 7 herramientas bsicas de la calidad

Como ya se ha comentado en otras ocasiones el trabajador es el: Maximo experto de la actividad y procesos que le han sido encomendados. Para utilizar al mximo su experiencia es necesario que cada trabajador se transforme en un pequeo cientifico (alguien que toma sus decisiones apoyadas en datos) Las 7 herramientas bsicas constituyen la base del trabajo del pequeo cientifico. Fueron desarrolladas en Japn, por el prof. Ishikawa, para hacer ms eficaz la solucin de los problemas por parte de todos los trabajadores
Alfonso Raso

Las 7 herramientas bsicas de la calidad

Declaracin del prof. Ishikawa: Despus de los seminarios de Deming y de otros expertos americanos,
celebrados a principios de los 50s, habiamos empezado a ensear en nuestras empresas tcnicas estadsticas. Transcurridos dos o tres aos, observamos que esas enseanzas no proporcionaban resultados y estabamos enseando a los hombres de la empresa un mtodo estadstico excesivamente complejo, demasiado difcil de comprender. Los empleados empezaron a pensar que el mtodo estadstico era algo muy difcil y que, por consiguiente, tambin el control de calidad resultara de difcil implementar. Para correguir esos errores enseamos el mtodo estadstico siguiendo dos enfoques diferentes. En cuanto se refiere al primero, desde la alta direccin hasta los operarios, decidimos ensaar el mtodo estadstico ms sencillo, desarrollando as las 7 herramientas bsicas. Con ese sencillo mtodo se podia resolver el 95% de los probelmas de la empresa

Alfonso Raso

Las 7 Herramientas bsicas

Podemos establecer tres partes a la hora de presentar las 7 herramientas bsicas cuando se utilizar en los proyectos de mejora, por parte del pequeo cientifico
Etapa Fundamentos Actividad Recoger datos Interpretar datos Estudiar relacin causa-efecto Pilares Fijar prioridades Estratificar datos Instrumentos auxiliares Determinar las correlacin Control del proceso Instrumento Hoja de recogida de datos Histograma Diagrama causa-efecto Diagrama de Pareto Estratificacin Diagrama de correlacin Grficos de control

Alfonso Raso

1. Hoja de recogida de datos

Resulta imposible plantear un proyecto de mejora sin una recogida de datos y sin utilizar los datos ya recogidos. Ello es as porque, sin datos, no existe ciencia sino tan solo aproximaciones.

Solo en Dios creo... Todos los dams traigan datos

OBTENER DATOS CON FACILIDAD Y PRECISION

Alfonso Raso

1. Hoja de recogida de datos

Ejemplo: Hoja de registro de Defectos por mquina
Maquina defecto Lunes
2 3 1 0 6 1 1 1 3 6

Martes Miercoles Jueves Viernes Total

3 4 3 1 11 2 3 3 0 8 2 1 4 1 8 4 4 2 1 11 1 2 2 0 5 1 5 1 3 10 4 5 0 1 10 2 4 4 2 12 12 15 10 3 40 10 17 11 9 47

Tipo 1 Tipo 2 maquina 1 Tipo 3 Tipo 4 Total Tipo 1 Tipo 2 maquina 2 Tipo 3 Tipo 4 Total

Alfonso Raso

2. Histograma
Una vez recogido los datos, varias decenas, cientos e incluso miles. Qu debe hacer para leerlos e interpretarlos? La ciencia a ideado el histograma (y otros mtodos graficos). Representacin grfica que permite obtener una visin completa y sinttica de los datos recogidos.
Valores ms frecuentes?
40 30 20 10 0 2,9 2,93 2,96 2,99 3,02 3,05 3,08

Dispersin? Cumple especificaciones?

Se precisa estratificacin?
Atpicos? , Distribucin? ....

Peso

Alfonso Raso

2. Histograma

60 50 40 30 20 10 0 2,8 2,9 3 3,1 3,2 3,3

Peso

Alfonso Raso

2. Histograma

400 300 200 100 0 0 5 10 15 20 25 30

Peso

Alfonso Raso

2. Histograma

40 30 20 10 0 2,7 2,8 2,9 3 3,1 3,2

Peso

Alfonso Raso

3. Diagrama causa-efecto
La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto. Por lo tanto, el operario o el grupo de operarios que desee llevar a cabo un proyecto de mejora debe estudiar obligatoriamente las relaciones de causa-efecto En el diagrama de causa-efecto representamos todas las causas que originan el efecto.
CAUSA MAYOR CAUSA MAYOR

Subcausa
Causa menor

Causa menor

IDENTIFICAR, ANALIZAR Y SELECCIONAR CAUSAS DE UN PROBLEMA.

DEFECTO

Subcausa
Causa menor

CAUSA MAYOR

CAUSA MAYOR

Alfonso Raso

3. Diagrama causa-efecto
CAUSA MAYOR

Bombilla

CAUSA MAYOR

Corriente

Subcausa

Falta

Inadcuada

Causa menor

Insuficiente inexistente

Causa menor

Fundida

La luz no DEFECTO funciona

Subcausa

Causa menor

CAUSA MAYOR

Interructor

CAUSA MAYOR

Averia instalacin
Alfonso Raso

4. Diagrama de pareto
Es el intrumento que se utiliza para definir las cosas ms importantes. En cualquier situacin existen siempre poquisimos factores importantes y muchisimos factores de escasa importancia Principio de pareto:
"Si hacemos una lista con todas las causas que contribuyen en la obtencin o aparicin de cualquier efecto que nos interese analizar, ordenndolas de mayor a menor segn la magnitud de la contribucin de cada una, encontraremos que la importancia relativa de las primeras es tan grande en comparacin con las ltimas, que aproximadamente el 20 por ciento de ellas son responsables del 80 por ciento del efecto total y el 80 por ciento restante de causas es responsable solamente del 20 por ciento restante del efecto".
Alfonso Raso

4. Diagrama de pareto
Tipo de defecto
400 300 200 42,00 100 0 piezas erroneas Revestimiento araad Montaje defectuoso Piezas faltants Otras causas Rugosidad superfi cia 83,71 74,00 90,00 95,43 100,00

frequency

Alfonso Raso

5. estratificacin
Este instrumento consiste en agrupar los datos segn diferentes conceptos o reas. De esta forma es posible descibrir las reas ms problematicas y, por consiguiente, donde es ms importante concentrar la atencin

SEPARAR, CONFIRMAR CAUSAS DE PROBLEMAS EN BASE A DATOS CONTINUOS O DISCRETOS DE ACUERDO A GRUPOS O FAMILIAS.

Alfonso Raso

5. estratificacin
Histograma
500 400 300 200 100 0 2,9 2,95 3 3,05 3,1

frequency

Peso piezas
Peso

Histograma
500 400 300 200 100 0 2,9 2,95 3 3,05 3,1

frequency

Peso maquina 1
Peso

Histograma
250 200 150 100 50 0 2,9 2,95 3 3,05 3,1

frequency

Peso maquina 2
Peso

Alfonso Raso

5. estratificacin
Histograma
800 600 400 200 0 2,9 2,95 3 3,05 3,1

frequency

Peso piezas
Peso

Histograma
500 400 300 200 100 0 2,9 2,95 3 3,05 3,1

frequency

Peso maquina 1
Peso

Histograma
240 200

frequency

160 120 80 40 0 2,9 2,95 3 3,05 3,1

Peso maquina 2
Peso

Alfonso Raso

6. Diagrama de correlacin
Este instrumento es utilizado para verificar si dos variables se encuentran relacionadas, y en que medida. Su campo de aplicacin es la verificacin de las relaciones entre una causa y un efecto.

CONFIRMAR LAS RELACION ENTRE CAUSA Y EFECTO EN BASE A DATOS CONTINUOS.

Alfonso Raso

6. Correlacin
63,1 62,9

Consumo

62,7 62,5 62,3 62,1 61,9 2,95 2,96 2,97 2,98 2,99 3

Carga

Observaciones: Correlaciones espureas

Estratificacin

Alfonso Raso

6. correlacin
24 22

Consumo

20 18 16 14 1,4 1,9 2,4 2,9 3,4 3,9 4,4 4,9

Carga

Alfonso Raso

7. Grficas de control
Se utiliza para verificar si un proceso se encuentra bajo control o no. Esta herramienta ser estudiada con profundida en el captulo III del curso.

DETECTAR ANORMALIDADES EN UN PROCESO, E IDENTIFICAR CAUSAS ESPECIALES DE VARIACION.

Alfonso Raso

Proyecto de mejora personal.

Mantener el peso ideal

Alfonso Raso

Proyecto de mejora personal

Hoja de registro de datos
Peso Mes:
1 semana Lunes Martes Miercoles Jueves Viernes Sabado Domingo 2 semana Lunes Martes Miercoles Jueves Viernes Sabado Domingo 3 semana Lunes Martes Miercoles Jueves Viernes Sabado Domingo 4 semana Lunes Martes Miercoles Jueves Viernes Sabado Domingo 5 semana Lunes Martes Miercoles Jueves Viernes Sabado Domingo

Alfonso Raso

Proyecto de mejora
Peso (datos de 1 ao)
40 30 20 10 0 70 71 72 73 74 75 76

Peso

Peso ideal El 10% de las observaciones estan fuera del peso ideal

Alfonso Raso

Proyecto de mejora
Causa - efecto
Enfermedad Costipado No Deporte

Bodas Cumpleaos Fiestas Comidas exporadicas

Hidratos de carbono grasas

10% Fuera de peso ideal

Comidas habitual

Alfonso Raso

Proyecto de mejora personal

Establezco un plan de accin para eliminar excesos
Peso (datos de 1 ao)
40

Peso (datos de 1 ao)

40

30

30
20 10 0 70 71 72 73 74 75 76

20 10 0 71 71,4 71,8 72,2 72,6 73 73,4

Peso

Peso

antes

Despus

Alfonso Raso

Proyecto de mejora personal

Graficos de control
75 74
X-b ar

X-bar Chart for RAND1

UCL =73,09 CTR =72,28 LCL= 71,47

73 72 71 0 10 20 30 40 50

Subgroup

Range Chart for RAND1

2,4 2
Range

UCL = 2,04 CTR = 0,79 LCL = 0,00

1,6 1,2 0,8 0,4 0 0 10 20 30 40 50

Subgroup

Alfonso Raso