Las herramientas de gestin de calidad

ALBERTO BARBERO FERNNDEZ

Introduccin
A lo largo de los aos, se han ido implantando herramientas, mtodos, instrucciones para mejorar la calidad interna del producto (inspeccin, control de calidad, aseguramiento de la calidad, enfoque a procesos, gestin total de la calidad, etc.); es decir, una organizacin mediante el uso de diversas herramientas analiza e implanta acciones encaminadas a eliminar los costes de no calidad, y por lo tanto, para mejorar su producto. Se puede considerar, a grandes rasgos, que la evolucin de los sistemas de calidad han seguido las siguientes fases: 1. Etapa: Control de calidad de producto terminado (rechazado/aceptado). 2. Etapa: Control de aseguramiento de la produccin. 3 Etapa: Control de productos comprados (inspeccin en recepcin). 4. Etapa: Aseguramiento del sistema de calidad (factor humano). 5. Etapa: Gestin del sistema de calidad (satisfaccin del cliente). 6. Etapa: Gestin de la calidad total (orientacin a la calidad total). Cualquier organizacin debe tender hacia la gestin de la calidad total, es decir, debe estar orientada al cliente (tanto interno, como externo). Ahora bien, entender los requisitos del cliente y sus expectativas (anticiparnos a lo no especificado, pero deseado por ste) no es fcil, y su no consecucin nos trae gastos en garantas, reparaciones, prdida de su fidelidad, costes internos de planificacin y productos internos asociados, etc. Segn J.M. Juran, para llegar a la etapa de gestin de calidad total, se debe implantar en la empresa la cultura de costes de no calidad, e implicacin de la organizacin en dicha gestin.
Pero qu es la calidad?

produccin para asegurar la conformidad. W.E.Deming: grado predecible de uniformidad y fiabilidad a bajo costo y adecuado a las necesidades del mercado (se consigue si hay baja variabilidad de las caractersticas del producto). Geinichi Taguchi la prdida mnima para la sociedad en la vida del producto conlleva que con una mayor calidad no se aumentan los costes asociados. Ahora bien, hay aspectos en los cuales no es posible, o es muy difcil, cuantificar los costes asociados al incumplimiento de las expectativas del cliente (entrega en un plazo no deseado aunque menor del especificado, mal trato comercial, mala relacin laboral con los empleados en materia de seguridad laboral, producto poco respetuoso con el medio ambiente, etc.).
Conceptos de estadsitica

Recordemos, antes de continuar, los siguientes conceptos de calidad: Grado en el que un conjunto de caractersticas (rasgo diferenciador) cumple con los requisitos (necesidad o expectativa establecida, generalmente implcita u obligatoria) (ISO 9000:2005, AENOR 2005). Otros conceptos (Calidad, Salvador Oliva, 1999, Ed. ITP-Paraninfo): J.M. Juran: idoneidad o aptitud para el uso es lo que percibe el cliente, bueno o malo. Philip B. Crosby: cumplimiento de unas especificaciones o la conformidad de unos requisitos, planificar en todas las etapas de

Cuando calibramos un equipo o inspeccionamos lotes, utilizamos muestras. En las tcnicas de muestreo, se persigue como objetivo analizar estadsticamente las propiedades de una poblacin a partir del estudio de muestras representativas de todo el conjunto. La extrapolacin de las conclusiones obtenidas para las muestras a toda la poblacin se denomina inferencia estadstica. (http://www.hiru.com/matematika/matematika_06500.html) Por lo tanto, cuando las mediciones realizadas en una poblacin determinada tienen naturaleza estocstica (no determinista), las tcnicas estadsticas han sido utilizadas por las organizaciones como herramienta para entender y analizar la variabilidad de los datos obtenidos, y as para la ayuda en la toma de las decisiones. La variabilidad de una medida se puede cuantificar cuando se asocia a un conjunto de datos de una poblacin (conjunto de personas, tornillos, etc.) determinada, de tamao N (nmero de elementos que tiene la poblacin). Las variables estadsiticas asociadas a fenmenos aleatorios se pueden clasificar en variables cualitativas (describe cualidades de un objeto) y cuantitativas (se utilizan unidades de medida). Estas ltimas se pueden dividir, a su vez, en variables aleatorias discretas y variables aleatorias continuas. Recordemos que una variable aleatoria (v.a.) X es una funcin de un experimento estadstico con la que se obtienen valores reales (xiR) de un espacio mues-

tral determinado (S). El espacio S es un subconjunto de R. Se puede decir que la probabilidad de que la v.a. X tome el valor x, como P(X=x) y se representa como p(x). Por ejemplo, nmero de tornillos defectuosos en un lote, nmero de bacterias por centmetro cuadrado, etc., son variables aleatorias discretas. Las magnitudes fsicas, la presin de un mbolo, el voltaje de una batera, etc., son v.a. contnuas Dos de los trminos que ms se utilizan cuando tenemos una funcin de densidad de probabilidad, p(x) son la esperanza matemtica o media (E(X) o ) y la varianza (Var(X)) y/o desviacin tpica () (la varianza es igual al cuadrado de la desviacin tpica). La esperanza matemtica es una medida de la posicin (el valor medio) que toman los valores de una variable, y la varianza es una medida de la dispersin de los valores de dicha variable con respecto a la media. Podemos ver un ejemplo: supongamos que en una fbrica que inspeccionan por lotes, deducen que la probabilidad de que el producto sea defectuoso es del 0,2. Si suponemos que el coste de produccin son 12 y la venta del producto es de 17, el valor esperado del beneficio ser el siguiente: Si la v.a. es X= Beneficio esperado, cuya P(X) = 0,8; la esperanza matemtica E(X) = X * P(X) = 5 * 0,8 + (-12) * 0,2 = 1,6. Luego considerando las prdidas en produccin, tenemos que el beneficio por unidad es de 1,6. (Probabilidad y Estadsitica, Elisa Pardo Ruiz, Servicio Editorial de la UPV).
Tcnicas estadsiticas

Podemos citar entre otras Tcnicas para orientar a la organizacin a la gestin de la calidad total (la cultura de la calidad en toda la organizacin o cliente interno) las siete herramientas bsicas (histogramas, diagramas de dispersin, diagrama de causa-efecto, etc.), SPC (control estadstica de procesos), DOE, AMFE, tormenta de ideas, despliegue de la funcin de calidad (QFD), gestin del conocimiento, mejora continua, etc. En cuanto a las tcnicas estadsticas en particular, su utilizacin puede abarcar toda la vida del producto (desde su planificacin y desarrollo hasta su disposicin final) ayudando a descubrir y prevenir problemas que mejoren la eficacia y la eficiencia en los procesos de una organizacin. Los requisitos del cliente y la percep-

PICTELIA

Tcnica Industrial 284 / Noviembre - Diciembre 2009

61

RESUMEN
Cuando hablamos de calidad de un producto, debemos saber lo que entiende y espera el destinatario de lo que le ofrecemos. Si preguntamos a diversos compradores, puede que nos digan que los productos comprados son de gran calidad, aunque uno de ellos sea mucho ms caro y tenga mayores prestaciones. Si esto es as, probablemente obedece a que todos los compradores han obtenido las prestaciones que esperaban. El cumplimiento de los requisitos esperados, la percepcin del cliente de haberlos conseguido, y haber superado sus expectativas, son los objetivos (targets) que toda organizacin debe conseguir. El uso de herramientas de la gestin de la calidad, utilizando tcnicas estadsticas, puede ayudar a conseguirlo.

CPK = Min ([USL /3*], [ LSL/3*]) CP = (USL LS/6*) donde es el valor medio de las mediciones, y la desviacin tpica. (http://www.isixsigma.com) 6. Anlisis de la medicin: Conjunto de procedimientos para evaluar la incertidumbre de sistemas de medicin en el rango de condiciones en los que se trabaja. Un ejemplo sera el de la determinacin de la incertidumbre de la medicin La desviacin tpica, es utilizada para calcular la incertidumbre asociada en los equipos de medicin (se utiliza normalmente la incertidumbre expandida de medida, U= *U(y), que se calcula multiplicando la incertidumbre tpica u(y) de la estimacin de salida y por un factor de cobertura . Cuando se puede atribuir una distribucin normal (gausiana) al mensurando y la incertidumbre tpica asociada a la estimacin de salida tiene la suficiente fiabilidad, debe utilizarse. Si el factor de cobertura es = 2, la incertidumbre expandida asociada corresponde a una probabilidad de cobertura de, aproximadamente, un 95%. Estas condiciones se cumplen en la mayora de los casos encontrados en los trabajos de calibracin de equipos de medicin. (Expresin de la incertidumbre de medida en las calibraciones; CEA-ENAC-LC/02; Rev. 1 Enero 98).
La funcin de prdida

cin por parte del cliente de haberlos conseguido, as como los de la organizacin de haberlos alcanzado, son conceptos diferentes a la hora de afrontar la consecucin de un producto/servicio de calidad (apartado 2.10, UNE EN ISO 9000:2005, AENOR 2005). Otras tcnicas estadsticas aplicables en los sistemas de gestin de calidad son los siguientes (UNE ISO/TR 10017, Orientacin sobre las tcnicas estadsticas para la norma ISO 9001:2000, AENOR 2004.): 1. Estadsticas descriptivas: Procedimientos para resumir y presentar datos cuantitativos de manera que revelen las caractersticas de la distribucin de los datos. Ejemplo: Grfico de dispersin de datos para evaluar la relacin entre dos variables; histogramas, etc. Suministran informacin acerca de un producto, proceso (por ejemplo el tiempo y temperatura de un horno). 2. Diseo de experimentos: Investigaciones realizadas de forma planificada para alcanzar un nivel de confianza establecido, evaluando estadsticamente los resultados. El objetivo consiste en validar alguna caracterstica de un producto, proceso o sistema, o investigar la influencia que uno o ms factores afectan a un producto, proceso o sistema. Los hallazgos obtenidos se pueden utilizar como elementos de entrada para el desarrollo o diseo de un producto o proceso, o para controlar o mejorar uno existente. 3. Prueba de hiptesis: Si partimos de una muestra (conjunto de datos), debemos decidir si, a raz de los valores obtenidos de esa muestra, es compatible con una hiptesis dada con respecto a un modelo o parmetro estadstico. Es decir, si la hiptesis de un nuevo modelo o procedimiento estadstico debera ser rechazado, o no.

Un ejemplo de esto sera comprobar si de los datos obtenidos de una poblacin determinada la distribucin de esta poblacin es normal. 4. Anlisis de regresin: El anlisis de regresin se utiliza para predecir los resultados de un experimento. Se consigue analizar la variacin de la respuesta de un proceso en funcin de las variables que lo producen. Por ejemplo, en modelos de regresin no lineal podramos predecir el volumen de una concentracin (variable de respuesta), al someterla a una presin determinada (variable explicativa). 5. Grficos de control: Grfico de datos derivados de muestras que se extraen peridicamente de un proceso. Su funcin se describe para detectar cambios en un proceso. Se distingue por definirse los lmites de control y as identificar si algn punto sale de esos lmites, y as hacer ajustes y mejorar los procesos. En el control estadstico de procesos, SPC (mtodo utilizado en el cual una variable aleatoria cuantitativa, cuya funcin de densidad de probabilidad p(x) sigue una distribucin normal (ej.: longitud de un tornillo en una lnea de produccin), es medida en diferentes lotes, y as detectar las variaciones que afectan a la calidad del producto o servicio. Se identifican el valor lmite superior (USL) y valor lmite inferior (LSL), para acotar el intervalo de tolerancia de una especificacin de un producto (es decir, si el 99,8% de las observaciones estn dentro del intervalo de aceptacin de la especificacin del producto). Para saber si un proceso es fiable y est bajo control, y si la variable cumple con las especificaciones determinadas, se utilizan los ndices de capacidad de proceso C PK y/o C P; donde:

En los aos ochenta, Taguchi defini la calidad como la prdida que un producto experimenta cuando se expide a la sociedad, es decir, mientras ms calidad tenga un producto menor ser la prdida. Esta definicin nos recuerda lo que hoy se conoce como responsabilidad social de las empresas (Libro Verde, fomentar un marco europeo para la responsabilidad social de las empresas, Comisin de las Comunidades Europeas). La funcin de prdida de Taguchi cuantifica los costes de un producto que es liberado en la sociedad. La funcin se expresa de la siguiente manera: L(x) = k*(x-T)2 donde k es una constante dependiente de la caracterstica a considerar, y T, el valor medio objetivo. A medida que nos alejamos de ese valor objetivo, mayor prdida, segn dicha funcin cuadrtica.

62

Tcnica Industrial 284 / Noviembre - Diciembre 2009

La funcin de prdida viene a decir lo siguiente: Supongamos un estado que representa un estado de la naturaleza que no responde a las leyes deterministas, por lo que tan slo podemos conocer una serie de caractersticas mediante una serie de experimentos que nos darn informacin sobre ese estado. Donde X (v.a. continua), (x1, x2, x3, xn). Es decir, lo que nosotros podemos saber de ese estado lo realizaremos mediante la eleccin de un sistema de medicin d(X), funcin de decisin. La eleccin de una funcin de decisin determinada genera prdida, por lo que la funcin de prdida ser: F(, d[X]) = L(X) La eleccin de una funcin de decisin est asociada a una funcin de prdida. De todas las decisiones posibles, habr una que nos genere una funcin de prdida menor (menor error, menor coste), que tenga un riesgo menor.
Diseo de experimentos

H(X) = k*P(Xi)*log(P[Xi]) Cuyo significado, a grandes rasgos, sera el mximo nivel de codificacin de datos de un mensaje entre un emisor y un receptor determinado. A la funcin H(X) se la conoce como entropa de la informacin. Las propiedades ms importantes son: 1. Si H(X) = 0, entonces es cuando P(Xi) = 1(certeza de configuracin o de estado) 2. Si H(X) es mx., cuando P(Xi) = 1/n (estados equiprobables)(mxima interteza o falta de informacin). ( Orden y caos en sistemas complejos, Ricard V. Sol Susana C. Manrubia, Edicions UPC). El concepto de entropa ha ido ligado desde mediados del siglo XX a varias ramas de la ciencia y tecnologa, aparte de la termodinmica (biologa, geologa, ciencias sociales, incluso la economa [Fsica, teora de la informacin y economa: Tres lugares comunes para la entropa. Jos Luis Cuenca Tadeo]). (Metodologa de los Sistemas de produccin para criptografiado ptimo, Tesis Doctoral, Vicente Martnez Orga). Aunque no todos han compartido esta visin globadizadora (entropa negativa como conocimiento, etc.) (Entropa, hacia el Mundo Invernadero, Jeremy Riffkin. Eplogo de Nicols Georgescu-Roegen). Luego podramos considerar que, si tenemos una variable aleatoria X: Producto con la calidad esperada, y sabemos que tenemos una P(X) = 0,95 (95%), la entropa ser casi nula, ya que nos aporta bastante informacin: sabemos que un 95% de nuestros clientes estn satisfechos con el producto recibido. En cambio, si P(X) = 0,5, H(X) es mxima, estado de mxima incertidumbre. En una organizacin, lo que se busca es obtener informacin del entorno (cliente, sociedad, usuario, etc.), y la funcin H(X) viene a especificar que, mientras mayor sea sta, menor informacin tenemos y, por lo tanto, menor capacidad en las decisiones y eficiencia en las actuaciones posteriores. Asimismo, es importante analizar el flujo de obtencin de dicha informacin, identificar las variables aleatorias que consideremos necesarias para conocer si cumplimos los requisitos y expectativas del cliente, y analizar las relaciones entre ellas (informacin mutua). Al carecer de informacin, no tenemos certeza de haber alcanzado su cumplimiento. Un mtodo para obtener informacin sobre los procesos de una empresa sera

conocer la entropa condicionada de una variable X, conocida Y, para as decidir entre varias una serie de variables Y1, Y2, , y as decidir cul de ellas aporta ms informacin a la variable X, por ser la que minimiza H(X/Yi). Un ejemplo de esto sera el estado del tiempo: conociendo el de hoy, podemos predecir con ms exactitud el de maana, con lo que la funcin H(X/Yi) se minimiza. (Orden y caos en sistemas complejos, Ricard V. Sol Susana C. Manrubia, Edicions UPC).
Bibliografa Oliva, Salvador (1999). Calidad, Ed. ITP-Paraninfo. Libro Verde, Fomentar un marco europeo para la responsabilidad social de las empresas. Comisin de las Comunidades Europeas. Elisa Pardo Ruiz. Probabilidad y Estadstica, Servicio Editorial de la UPV. Jos Luis Cuenca Tadeo. Fsica, teora de la informacin y economa: Tres lugares comunes para la entropa. Ricard V. Sol y Susana C. Manrubia. Orden y Caos en sistemas complejos, Edicions UPC. TQM, ASI Edicin. Metodologa de los Sistemas de produccin para criptografiado ptimo (Tesis Doctoral, Vicente Martnez Orga, UPM.) Expresin de la incertidumbre de medida en las calibraciones; CEA-ENAC-LC/02; Rev. 1 Enero 98 UNE en ISO 9000:2005, AENOR 2005 UNE ISO/TR 10017, Orientacin sobre las tcnicas estadsticas para la norma ISO 9001: 2000, AENOR 2004. Jeremy Riffkin (1990). Entropa, hacia el Mundo Invernadero, Editorial Urano. h t t p : / / w w w. h i r u . c o m / m a t e m a t i k a / m a t e m a tika_06500.html http://www.ine.es http://www.isixsigma.com

Otro de los conceptos en los que trabaj Taguchi, fue el diseo de experimentos. Esta tcnica de gestin hacia la calidad total fue desarrollada en los aos 20 por Sir Ronald A. Fisher en Inglaterra. Se fundamenta en realizar experimentos, introduciendo variables (seal de ruido), que asemejen condiciones reales de funcionamiento, que lleve a diseos robustos, es decir, productos que, sometidos a diversas variables o ruidos (variaciones de temperatura, deterioro, etc.), se consigue que no manifiesten altas variabilidades. Por lo tanto, se deben analizar las variables que influyen en un proceso determinado en el que se produzca o se vaya a producir un problema o error, y analizar el resultado. Volviendo a la funcin de prdida antes referenciada L(x)= k*(x-T)2, identificaremos qu variables influyen ms en la variabilidad (dispersin) del output, centrando el resultado en la media; es decir, que minimice k*(xT)2; y a su vez aumentar las tolerancias de las variables que no influyen o ms bien poco en el resultado final, y as reducir costes (TQM, ASI Edicin).
Entropa de la informacin

AUTOR
Alberto Barbero Fernndez. alberto_barbero_1@hotmail.com Ingeniero tcnico industrial en febrero de 1995, por la Escuela Universitaria Politcnica de Burgos, especialidad en Electrnica. Trabaja como auditor de Sistemas de Gestin de la Calidad, por la Entidad de Certificacin SGS ICS. Anteriormente, fue auditor de Sistemas de Gestin de la Calidad s./ISO 9000:2000, por la Entidad de Certificacin BVQI; Coordinador de la Calidad en Hispanofil, S.A; Jefe de Aseguramiento de la Calidad, en la empresa de SAVAL de VLVULAS, S.A.L. Tcnico superior en Prevencin de Riesgos Laborales, en Seguridad Industrial e Higiene Industrial.

En 1948, Claude E. Shannon en su trabajo A Mathematical Theory of Communication (Una teora matemtica de la comunicacin) desarroll la teora de la informacin en la computacin cientfica, y dedujo la siguiente frmula:

Tcnica Industrial 284 / Noviembre - Diciembre 2009

63