4.

1 Recoleccin de Datos

TCNI CAS DE RECOLECCI N DE DATOS

La recoleccin de datos es un proceso meticuloso y difcil, pues requiere un instrumento de
medicin que sirva para obtener la informacin necesaria para estudiar un aspecto o el
conjunto de aspectos de un problema. Para el diseo del instrumento hay que tomar en
cuenta:

El objetivo de la investigacin. Este determina cuales datos se solicitarn del informante.
Permite evitar la inclusin de preguntas innecesarias y establecer otras para efectuar
algn tipo de control.

Caractersticas del informante: Conocerlas permitir adecuar el contenido y redaccin
de las preguntas a su nivel cultural, grado de cooperacin e informacin que est en
condiciones de proporcionar.

Tiempo disponible para efectuar la recoleccin: El tiempo disponible para efectuar la
recoleccin puede influir en la extensin del instrumento y el grado de control que se
pueda realizar sobre la calidad de los datos que se obtengan.
Para decidir qu instrumento se va a utilizar se consideran tres aspectos fundamentales:

I. Fuente de origen de los datos

II. Tcnica de recoleccin a utilizar

III. Control de los errores que se puedan cometer.

4.2 hojas de Inspeccin


Hoja de Recoleccin de Datos. En el control estadstico de la calidad se hace
uso con mucha frecuencia de las hojas de verificacin, ya que es necesario
comprobar constantemente si se han recabado los datos solicitados o si se hace
efectuando determinados trabajos.

El esquema general de estas hojas es la siguiente: En la parte superior se anotan
los datos generales a los que se refiere las observaciones o verificaciones a hacer
en la parte inferior se transcribe el resultado de dichas observaciones y
verificaciones.


La Hoja de Control u hoja de recogida de datos, tambin llamada de Registro,
sirve para reunir y clasificar las informaciones segn determinadas categoras,
mediante la anotacin y registro de sus frecuencias bajo la forma de datos. Una
vez que se ha establecido el fenmeno que se requiere estudiar e identificadas las
categoras que los caracterizan, se registran estas en una hoja, indicando la
frecuencia de observacin. Lo esencial de los datos es que el propsito este claro
y que los datos reflejen la verdad. Estas hojas de recopilacin tienen muchas
funciones, pero la principal es hacer fcil la recopilacin de datos y realizarla de
forma que puedan ser usadas fcilmente y analizarlos automticamente.

De modo general las hojas de recogida de datos tienen las siguientes
funciones:


De distribucin de variaciones de variables de los artculos producidos (peso,
volumen, longitud, talla, clase, calidad, etc) De clasificacin de artculos
defectuosos De localizacin de defectos en las piezas De causas de los defectos

De verificacin de chequeo o tareas de mantenimiento. Una vez que se ha fijado
las razones para recopilar los datos, es importante que se analice las siguientes
cuestiones:

La informacin es cualitativa o cuantitativa. Como, se recogern los datos y en que
tipo de documento se har Cmo se utiliza la informacin recopilada Cmo de
analizar Quin se encargar de la recogida de datos Con qu frecuencia se va a
analizar Dnde se va a efectuar Esta es una herramienta manual, en la que
clasifican datos a travs de marcas sobre la lectura realizadas en lugar de
escribirlas, para estos propsitos son utilizados algunos formatos impresos, los
objetivos mas importantes de la hoja de control son:

Investigar procesos de distribucin Artculos defectuosos Localizacin de defectos
Causas de efectos Una secuencia de pasos tiles para aplicar esta hoja en un
Taller es la siguiente:

Identificar el elemento de seguimiento Definir el alcance de los datos a recoger
Fijar la periodicidad de los datos a recolectar Disear el formato de la hoja de
recogida de datos, de acuerdo con la cantidad de informacin a recoger, dejando
un espacio para totalizar los datos, que permita conocer: las fechas de inicio y
termino, las probables interrupciones, la persona que recoge la informacin,
fuente, etc

HOJAS DE INSPECCION
Es una herramienta que permite reunir informacin observando muestras para
empezar a detectar patrones o tendencias. Es un punto lgico para empezar los
ciclos que solucionan problemas. La hoja de datos es simple y fcil de entender y
es una manera de contestar la pregunta con que frecuencia estn ocurriendo
ciertos eventos? Pasos para construir una hoja de inspeccin: a) Defina
concretamente que evento se observar b) Decida el periodo durante el cual se
tomaran los datos. Pueden ser horas, das, turnos, etc. c) Disee un formato claro
y asegrese de que las columnas tengan encabezados y espacios para datos d)
Rena los datos consistentemente y sin trampas. Tome el tiempo necesario
Observe estos puntos para construir una hoja de inspeccin: - Asegrese de que
las observaciones sean tomadas al azar. - Verifique que se haya dado tiempo
suficiente para llevar a cabo el muestreo. - El universo muestreado debe ser
homogneo.

4.3 Diagrama de Pareto.

Diagrama de Pareto.-

El Diagrama de Pareto es una forma especial de grfico de barras verticales el cual
ayuda a determinar que problemas resolver y en que orden. El hecho de hacer un
Diagrama de Pareto basado en Hojas de Inspeccin o en otras formas de
recoleccin de datos nos ayuda a dirigir nuestra atencin y esfuerzos a los
problemas realmente importantes. Obtendremos mejores resultados al analizar los
problemas en orden de importancia.

Vemoslo con un ejemplo donde se cuentan los nmeros de defectos antes del
retrabado de unas piezas encontradas en un proceso, podemos armar un cuadro
como el que sigue:

Tipo de Defectos N de Defectos Porcentaje Porcentaje Acumulado
Aislamiento 150 38,36 38,36
Perfil 95 24,30 62,66
Contorno 55 14,07 76,73
Acabado 40 10,23 86,96
Radio 10 2,56 89,51
Dimetro I 9 2,30 91,82
Dimetro II 7 1,79 93,61
Dimetro III 5 1,28 94,88
Otros 20 5,12 100,00
Total 391 100

Pasos para la elaboracin de un Grfico de Pareto.-

1. Seleccione los problemas a ser comparados y ordnelos por categora de
acuerdo a lo siguiente:
a. Lluvia de Ideas, por ejemplo: Cules son los principales problemas en el
Departamento A?.-
b. Utilizando los Datos Existentes, por ejemplo: Para establecer las reas
problemticas ms importantes veamos los reportes de calidad generados durante
el mes pasado por el departamento A.-
2. Seleccione la unidad de medicin del patrn de comparacin, por ejemplo, el
costo anual, la frecuencia, etc.;
3. Seleccione el perodo de tiempo a ser estudiado, por ejemplo: 8 horas, 5 das, 4
semanas, etc.;
4. Rena los datos necesarios de cada categora, por ejemplo: El defecto A
ocurri X veces en los ltimos 6 meses, o bien, El defecto B cost X dinero en los
ltimos 6 meses, etc.;
5. Compare la frecuencia o costo de cada categora respecto de las dems, por
ejemplo: El defecto A ocurri 75 veces; el defecto B ocurri 107 veces; el defecto
C ocurri 35 veces, o bien, El costo anual del defecto A es de $ 750.000 y el del
defecto B es de $ 535.000;
6. Enumere en orden decreciente de frecuencia o costo y de izquierda a derecha
sobre el eje horizontal las diferentes categoras; las categoras que contengan
menos artculos pueden ser combinadas con el nombre Otros la cual es colocada
al extremo derecho;

Observaciones:

El graficar el % Acumulado de cada dato, en el caso del ejemplo de los nmeros
de defectos, nos ayuda a observar de manera rpida a qu se debe el 80 % de los
problemas, que suponen ser los ms importantes sobre los dems; quizs sea
conveniente magnificar el problema como un costo, pues los problemas ms
frecuentes a veces no son los ms costosos, es claro que depender del tipo
proceso y de las variable involucradas en el caso.-

Usos diversos de un Diagrama de Pareto.-

1. Identifica los problemas ms importantes a travs del uso de diferentes escalas
de medicin, por ejemplo, tiempo, dinero, frecuencia; etc. Los problemas ms
frecuentes no son siempre los ms costosos.-
2. Analiza los diferentes grupos de datos, por ejemplo, por producto, por mquina,
por turno, etc. Si no surgen diferencias claras, reagrupe los datos. Use su
imaginacin.-
3. Mide el impacto de los cambios hechos en un proceso, por ejemplo, antes y
despus de las comparaciones. Usted no sabe que tan mejor est actualmente si
no saba donde estaba antes del cambio.-
4. Desglosa ampliamente las causas en ms y ms partes especficas. Elimine la
causa, no el sntoma.-

Consejos: Utilice el sentido comn los eventos ms frecuentes o ms costosos no
son siempre los ms importantes, por ejemplo, dos accidentes fatales requieren
ms atencin que 100 cortaduras de dedos (aunque aparentemente para la SRT el
ndice de accidentes se compone de otra forma, para la SRT no importa la
gravedad del accidente al momento de contabilizarlos para incluir o no a la
empresa dentro de las se deben incluir en lo que llaman Resolucin 700 / 2000).-
Marque el diagrama claramente para mostrar el patrn de medicin ($, n, %,
etc.)

Se recomienda el uso del diagrama de Pareto:

Para identificar oportunidades para mejorar
Para identificar un producto o servicio para el anlisis de mejora de la
calidad.
Cuando existe la necesidad de llamar la atencin a los problemas o causas
de una forma sistemtica.
Para analizar las diferentes agrupaciones de datos.
Al buscar las causas principales de los problemas y establecer la prioridad
de las soluciones
Para evaluar los resultados de los cambos efectuados a un proceso
comparando sucesivos diagramas obtenidos en momentos diferentes,
(antes y despus)
Cuando los datos puedan clasificarse en categoras
Cuando el rango de cada categora es importante




Para comunicar fcilmente a otros miembros de la organizacin las
conclusiones sobre causas, efectos y costes de los errores.


Los propsitos generales del diagrama de Pareto:
Analizar las causas
Estudiar los resultados
Planear una mejora continua




La Grfica de Pareto es una herramienta sencilla pero poderosa al permitir
identificar visualmente en una sola revisin las minoras de caractersticas vitales
a las que es importante prestar atencin y de esta manera utilizar todos los
recursos necesarios para llevar a cabo una accin de mejora sin malgastar
esfuerzos ya que con el anlisis descartamos las mayoras triviales.

Algunos ejemplos de tales minoras vitales seran:

La minora de clientes que representen la mayora de las ventas.
La minora de productos, procesos, o caractersticas de la calidad
causantes del grueso de desperdicio o de los costos de retrabajos.
La minora de rechazos que representa la mayora de quejas de los
clientes.
La minora de vendedores que esta vinculada a la mayora de partes
rechazadas.
La minora de problemas causantes del grueso del retraso de un proceso.
La minora de productos que representan la mayora de las ganancias
obtenidas.
La minora de elementos que representan la mayor parte del costo de un
inventario etc.

Ejemplo de aplicacin del diagrama de Pareto:

Veamos en una aplicacin prctica el trazado de la grfica de Pareto:

Un fabricante de accesorios plsticos desea analizar cules son los defectos ms
frecuentes que aparecen en las unidades al salir de la lnea de produccin. Para
esto, empez por clasificar todos los defectos posibles en sus diversos tipos:





Posteriormente, un inspector revisa cada accesorio a medida que sale de
produccin registrando sus defectos de acuerdo con dichos tipos. Al finalizar la
jornada, se obtuvo una tabla como esta:





La tercer columna muestra el nmero de accesorios que presentaban cada tipo de
defecto, es decir, la frecuencia con que se presenta cada defecto. En lugar de la
frecuencia numrica podemos utilizar la frecuencia porcentual, es decir, el
porcentaje de accesorios en cada tipo de defecto, lo cual se indica en la cuarta
columna. En la ltima columna vamos acumulando los porcentajes

Para hacer ms evidente los defectos que aparecen con mayor frecuencia hemos
ordenado los datos de la tabla en orden decreciente de frecuencia.
Vemos que la categora otros siempre debe ir al final, sin importar su valor. De
esta manera, si hubiese tenido un valor ms alto, igual debera haberse ubicado
en la ltima fila.

Podemos ahora representar los datos en un histograma como el siguiente:



Ahora resulta evidente cuales son los tipos de defectos ms frecuentes. Podemos observar que
los 2 primeros tipos de defectos se presentan en el 79,8 % de los accesorios con fallas. Por el
Principio de Pareto, concluimos que: La mayor parte de los defectos encontrados en el lote
pertenece slo a 2 tipos de defectos (los pocos vitales), de manera que si se eliminan las
causas que los provocan desaparecera la mayor parte de los defectos.

Otro anlisis complementario y sumamente til e interesante, es calcular los costos de cada
problema, con lo cual podramos construir un diagrama similar a partir de ordenar las causas
por sus costos.

Este anlisis combinado de causas y costos permite obtener la mayor efectividad en la solucin
de problemas, aplicando recursos en aquellos temas que son relevantes y alcanzando una
mejora significativa.


4.3.1 Histogramas

Histograma.
El histograma ordena las muestras, tomadas de un conjunto, en tal forma
que se vea de inmediato con qu frecuencia ocurren determinadas
caractersticas que son objeto de observacin.
El histograma en el control estadstico de calidad se utiliza para visualizar el
comportamiento del proceso con respecto a determinados lmites y no involucra el
tiempo. El nmero de datos que se necesitan es relativamente grande. La cantidad
de datos depende de la situacin particular, pero cantidades tpicas son de 50, 100
ms. El histograma resulta incapaz de mostrar si el proceso exhibe inestabilidad
estadstica.


Diagrama de Causa - Efecto. Tambin conocido como Esqueleto de pescado o
Diagrama de Ishikawa: Es una herramienta sistmica para la resolucin de
problemas que permiten apreciar la relacin existente entre una caracterstica de
calidad (efecto) y los factores (causas) que la afectan, para as poder definir las
causas principales de un problema existente en un proceso. Las causas son
determinadas pensando en el efecto que tiene sobre el resultado, indicando por
medio de flechas la relacin lgica entre la causa y el efecto.

La primera seccin est constituida por una flecha principal hacia la que
convergen otras flechas, consideradas como ramas del tronco principal, y sobre
las que indiquen nuevamente flechas ms pequeas, las subramas. En esta
primera seccin quedan, pues, organizados los factores casuales.

La segunda seccin est constituida por el nombre de la caracterstica de calidad.

La flecha principal de la primera seccin apunta precisamente hacia este nombre,
indicando con ello la relacin casual que se da entre el conjunto de factores con
respecto a la caracterstica de calidad.

El diagrama de causa-efecto es aplicable en cualquier proceso (administrativo,
productivo, etc.) en donde se requiera solucionar un problema o en donde se
desee implementar una mejora.

QUE ES?
El Diagrama de causa y Efecto (o Espina de Pescado) es una tcnica grfica
ampliamente utilizada, que permite apreciar con claridad las relaciones entre un
tema o problema y las posibles causas que pueden estar contribuyendo para que
l ocurra.
Construido con la apariencia de una espina de pescado, esta herramienta fue
aplicada por primera vez en 1953, en el Japn, por el profesor de la Universidad
de Tokio, Kaoru Ishikawa, para sintetizar las opiniones de los ingenieros de una
fbrica, cuando discutan problemas de calidad.

SE USA PARA:
Visualizar, en equipo, las causas principales y secundarias de un problema.
Ampliar la visin de las posibles causas de un problema, enriqueciendo su
anlisis y la identificacin de soluciones.
Analizar procesos en bsqueda de mejoras.
Conduce a modificar procedimientos, mtodos, costumbres, actitudes o
hbitos, con soluciones - muchas veces - sencillas y baratas.
Educa sobre la comprensin de un problema.
Sirve de gua objetiva para la discusin y la motiva.
Muestra el nivel de conocimientos tcnicos que existe en la empresa sobre
un determinado problema.
Prev los problemas y ayuda a controlarlos, no slo al final, sino durante
cada etapa del proceso.
No basta con decir "trabajen ms", "esfurcense!!!" Hay que sealar pasos, y
valorar las causas de los problemas. Ordenarlas para poder tratarlas.

CMO CONSTRUIRLA?
Establezca claramente el problema (efecto) que va a ser analizado.
Disee una flecha horizontal apuntando a la derecha y escriba el problema
al interior de un rectngulo localizado en la punta de la flecha.

Haga una "Lluvia de ideas" para identificar el mayor nmero posible de causas
que pueda estar contribuyendo para generar el problema, preguntando "Por qu
est sucediendo?".
Agrupe las causas en categoras.
Una forma muy utilizada de agrupamiento es la 4M: mquina, mano de obra,
mtodo y materiales.
Para comprender mejor el problema, busque las subcausas o haga otros
diagramas de causa y efecto para cada una de las causas encontradas.
Escriba cada categora dentro de los rectngulos paralelos a la flecha principal.
Los rectngulos quedarn entonces, unidos por lneas inclinadas que convergen
hacia la flecha principal.
Se pueden aadir la causas y subcausas de cada categora a lo largo de su lnea
inclinada, si es necesario.





















DIAGRAMA CAUSA-EFECTO
Los DiagramasCausa-Efecto ayudan a los estudiantes a pensar sobre todas
las causas reales y potenciales de un suceso o problema, y no solamente en
las ms obvias o simples. Adems, son idneos para motivar el anlisisy la
discusin grupal, de manera que cada equipo de trabajo pueda ampliar su
comprensin del problema, visualizar las razones, motivos o factores
principales y secundarios, identificar posibles soluciones, tomar decisiones y,
organizar planes de accin.

Est compuesto por un recuadro (cabeza ), una lnea principal ( columna
vertebral ), y 4 o ms lneas que apuntan a la lnea principal formando un
ngulo aproximado de 70 (espinas principales). Estas ltimas poseen a
su vez dos o tres lneas inclinadas ( espinas), y as sucesivamente (espinas
menores), segn sea necesario.


Qu es el diagrama de dispersin?.
El diagrama de dispersin es una herramienta de anlisis la cual representa en forma grfica
la relacin existente entre dos variables pudiendo observar la dependencia o influencia que
tiene una variable sobre la otra, permitiendo visualizar de forma grfica su posible
correlacin. Conocidos tambin como grficos XY es una herramienta de anlisis utilizado
generalmente en el rea de la gestin de calidad con el objeto de encontrar las relaciones de
las causas que producen un efecto.
Tal y como hemos citado en la definicin anterior el diagrama de dispersin nos indica la
relacin existente entre dos variables, y por lo tanto si traducimos estas dos variables a
grupos de datos, podemos relacionar grupos de datos con el objeto de verificar o averiguar
que existe una relacin entre ambos y como es esta relacin de forma aproximada.
Los diagramas de dispersin se emplean para:
Observar el grado de intensidad en la relacin entre dos variables, esta relacin
puede ser entre un efecto y una de las supuestas causas que lo producen o para ver
la relacin entre dos causas que provocan un mismo efecto.
Visualizar rpidamente cambios anmalos.
Analizar determinadas cuestiones mediante comparaciones.
Modo de aplicacin
Los pasos a seguir para construir un diagrama de dispersin son:
1. Seleccionar las 2 variables que se van relacionar.
2. Establecer una hiptesis de la posible relacin entre ambas.
3. Construir una tabla que nos relacione los valores de ambas variables por parejas. Si
no disponemos de dichos datos ser necesario realizar una toma.
4. Dibujar el diagrama poniendo una variable en cada uno de los ejes cartesianos (x,y)
con una escala de valores que se ajuste a los datos que se dispone.
5. Representar en el grfico cada par de valores por un punto.
6. Encontrar la correlacin analizando la tendencia de la nube de puntos y la
correlacin entre las variables.


Estratificacin. Herramienta estadstica para el anlisis y la mejora
La estratificacin es un mtodo estadstica utilizado para el control, anlisis y mejora de la
calidad consistente en clasificar los datos disponibles por grupos con similares
caractersticas. A cada grupo se le denomina estrato.
Los estratos a definir lo sern en funcin de la situacin particular de que se trate, pudiendo
establecerse estratificaciones atendiendo a:
Personal.
Materiales.
Maquinaria y equipo.
reas de gestin.
Tiempo.
Entorno.
Localizacin geogrfica.
Otros.
La estratificacin puede apoyarse en distintas herramientas de calidad, si bien el histograma
es el modo ms habitual de presentarla.


La estratificacin:
Permite aislar la causa de un problema, identificando el grado de influencia de
ciertos factores en el resultado de un proceso.
Puede apoyarse y servir de base en distintas herramientas de calidad.


4.5 Grafica de Control

Cul es el objetivo de una Grfica de Control?

El objetivo, como lo indica su nombre, es controlar el proceso, es decir, mantenerlo en
estado controlado, para ello debemos hacer una grfica que en rigor son dos, una para
la exactitud, o sea, la grfica X, y otra, para la precisin, esta es la grfica R.

El control siempre deber contener ambas grficas, es decir, la correspondiente a X y la
correspondiente a R. Son indisolubles, no pueden existir independientes, no existe control
con solo una de ellas. Y cualquiera de las dos que este fuera de control declara al proceso
fuera de control.

Para comprender un proceso, y saber si se encuentra bajo control, deberemos conocer la
variacin debida al azar, y este conocimiento lo extraeremos, precisamente de las grficas
de control de proceso. Para esto se tomaran pequeas muestras cada periodos de tiempo
preestablecidos, de forma que en cada pequea muestra los factores de variacin sean
comunes. Por esta razn las unidades que se toman para cada pequea muestra debern ser
una a continuacin de otra, de esta forma, los factores que varan de unidad a unidad sern
mnimos.

Las cantidades a extraer en cada muestra tomada a perodos regulares sern de 3 a 10
unidades siendo las ms frecuentes de 3 a 6 y la ms recomendable es 5.

Hay varias clases de grficas de control, dependiendo de su propsito y de las
caractersticas de la variable. En cualquier tipo de grfica de control el lmite de control se
calcula usando la siguiente frmula:

(Valor Promedio) 3 x (Desviacin Estndar)

Donde la Desviacin Estndar es la variacin debida al azar.

Este tipo de grfica de control se llama una grfica de control de 3-sigma.
Tipos de Grficas de Control

Hay dos tipos de Grficas de Control, una para valores continuos y otra para valores
discretos. En cada tipo hay varias alternativas para elegir el par de medidores necesarios.

4.5 Grafica de Control
4.6 Grficos de control para atributos

Grficos np

Muchas caractersticas de calidad se evalan dando resultados
como: conforme o disconforme, defectuoso o no defectuoso.
Estas caractersticas de calidad se conocen como atributos.
Supongamos un proceso que fabrica tornillos. Una manera de
ensayar cada tornillo sera probarlo con una rosca calibrada.



El resultado de este ensayo slo tiene dos posibles
resultados:Defectuoso-No Defectuoso ( Conforme-Disconforme).



Si el tornillo no entra en la rosca, se lo considera
defectuoso o disconforme.

Para controlar este proceso, se puede tomar una muestra de
tornillos y contar el nmero de defectuosos presentes en la
muestra.

Grfica de control para no conformidades.

Grficos basados en valores standar

Cuando es posible especificar valores desviacin tpica del proceso, usaremos
lmites de control del grfico , R, sin Supongamos que los estandar dados son
y . Entonces los parmetros del grfico son :

donde es el error tipo I elegido.

Normalmente Z
/2
= 3 ( = 0,0027), la cantidad ,que solo depende de n,
esta tabulada en la tabla I, por lo que los parmetros quedarn :

Para construir el grfico R con un valor estndar , tendremos en cuenta los
valores tabulados d
2
y d
3
que son, respectivamente, el valor central y la desviacin
tpica de la distribucin del rango relativo W = R/. Por consiguiente, (utilizando el
criterio 3
R
) los parmetros sern :

Tambin estn tabulados los valores :

con lo que los lmites de control sern

Si definimos un error tipo I determinado, utilizamos las tablas de la distribucin del
rango relativo para calcular los lmites.
La utilizacin de los grficos basados en valores estndar debe ejercerse con
cuidado ya que puede ser que estos valores no sean realmente aplicables al
proceso y que, en consecuencia, resulten muchos puntos fuera de control.
Si el proceso est en realidad bajo control para una media y una desviacin tpica
diferentes podemos gastar un esfuerzo considerable en buscar causas asignables
inexistentes. En aquellos procesos en los que la caracterstica cualitativa se
controle mediante ajustes de la mquina este tipo de grficos suele dar buenos
resultados para conseguir los objetivos propuestos.
Ejemplo.- Supongamos que una especificacin seala que debemos fabricar un
material granular de dimetro exterior 10,8 0,2 mm y que nos aceptan alrededor
de 5.5% de granos defectuosos.

El colectivo debe seguir una Distribucin
Normal de media 10,8 y = 0,1 (si
queremos dejar cuando el proceso est
centrado un 4% (<5,5) de granos
defectuosos.

Para elegir el grfico de control de medias
muestrales:

Elijo (Probabilidad de detectar un cambio
en el proceso cuando en realidad no se ha
producido, error tipo 1). = 2. 7 o/oo (criterio
3).

Elijo n (tamao de la muestra). Con el
tamao de la muestra controlo el error tipo II
(Probabilidad de no detectar cambios en el
proceso cuando los hay). Ver curvas
caractersticas y ARL en el punto. 2.2.2.
Normalmente n = 5.

Para elegir el grfico de control del recorrido:

Elijo el error tipo I, por ejemplo = 2. 7o/oo.
luego 1- = 0,9975. En la tabla de la
distribucin del rango relativo (tablas II y III),
para n = 5 obtengo y = 5,25, luego LSC =
5,25 x 0,1 = 0,52




3 Grficas X y R simples.





Grficos de Control

Los grficos de control o cartas de control
son una importante herramienta utilizada en
control de calidad de procesos.
Bsicamente, una Carta de Control es un
grfico en el cual se representan los
valores de algn tipo de medicin realizada durante el
funcionamiento de un proceso contnuo, y que sirve para
controlar dicho proceso.

Vamos a tratar de entenderlo con un ejemplo.

Supongamos que tenemos una mquina inyectora que produce
piezas de plstico, por ejemplo de PVC. Una caracterstica de
calidad importante es el peso de la pieza de plstico, porque
indica la cantidad de PVC que la mquina inyect en la
matriz. Si la cantidad de PVC es poca la pieza de plstico
ser deficiente; si la cantidad es excesiva, la produccin se
encarece porque se consume ms materia prima.


Entonces, en el lugar de salida de las piezas, hay un
operario que cada 30 minutos toma una, la pesa en una balanza
y registra la observacin:



etc...

Supongamos que estos datos se registran en un grfico de
lneas en funcin del tiempo:




Observamos una lnea quebrada irregular, que nos muestra las
fluctuaciones del peso de las piezas a lo largo del tiempo.

Esta es la fluctuacin esperable y natural del proceso. Los
valores se mueven alrededor de un valor central (El promedio
de los datos), la mayor parte del tiempo cerca del mismo.
Pero en algn momento puede ocurrir que aparezca uno o ms
valores demasiado alejados del promedio.

Cmo podemos distinguir si esto se produce por la fluctuacin
natural del proceso o porque el mismo ya no est funcionando
bien?

Esta es la respuesta que provee el control estadstico de
procesos, y a continuacin veremos como lo hace.

Todo proceso de fabricacin funciona bajo ciertas condiciones
o variables que son establecidas por las personas que lo
manejan para lograr una produccin satisfactoria.


Anlisis de la capacidad del proceso


Las tcnicas estadsticas son tiles a lo largo de todo el ciclo productivo incluyendo:
Actividades previas a la fabricacin, cuantificacin de la variabilidad del proceso,
comparacin de la variabilidad con las especificaciones y la reduccin de la variabilidad. Al
conjunto de estas actividades se le denomina anlisis en la capacidad del proceso.

Definiremos el anlisis de capacidad, como el estudio de ingeniera encaminado a estimar
la capacidad del proceso. La capacidad del proceso puede estimarse definiendo la forma de
la distribucin que sigue la variable en estudio y dando una medida del valor central
(media) y de la dispersin (sigma).

La capacidad del proceso se refiere a su uniformidad, la variabilidad es una medida de la
uniformidad. Existen dos formas de variabilidad, la variabilidad inherente, existente en un
momento dado, tambin llamada variabilidad instantnea y la variabilidad a lo largo del
tiempo.

Como medida de la capacidad de un proceso es costumbre tomar un intervalo de 6 u 8 en
la distribucin de la caracterstica en estudio. La figura adjunta muestra un proceso para el
que la distribucin es Normal con media y desviacin tpica . Los lmites naturales de
tolerancia inferior y superior del proceso caen en el intervalo - 3. -:- + 3. . Para la
distribucin Normal los lmites de tolerancia incluyen el 99,75% de los valores de la
variable. Dicho de otra forma, slo el 0,27% de los valores caen fuera de los lmites
naturales de tolerancia. Si la distribucin no es Normal, el porcentaje de valores fuera de
los lmites 3 puede desviarse sensiblemente del 0,27% citado.

Se pueden utilizar como medida de la capacidad otros criterios como por ejemplo que el
98% de la produccin entre en el intervalo de Tolerancia. En este caso utilizando las tablas
de la Distribucin Normal (Tabla I) vemos que deben entrar como mnimo 2x2,33 = 4,66
.

El anlisis de capacidad del proceso es fundamental en un Programa Integral de Mejora de
Calidad. Entre sus aplicaciones, podemos sealar :
1. Predecir como se comportar el proceso respecto de las especificaciones.

2. Ayudar en la seleccin o modificacin de los parmetros del proceso.

3. Orientar en el establecimiento de la frecuencia de los desmuestres para el control
del proceso.

4. Especificar las tolerancias de nuevos equipos

5. Reducir la variabilidad en el proceso de fabricacin.
Dos son, principalmente, las tcnicas utilizadas en el anlisis de la capacidad de un proceso:
Histogramas y Grficos de Control.

Anlisis de la capacidad del proceso usando histogramas

La distribucin de frecuencias suele ser til para estimar la capacidad del proceso. Se
requieren, por lo menos, entre 50/100 observaciones para realizar la estimacin. Siempre
que sea posible y antes de comenzar la recogida de datos, deben seguirse los siguientes
pasos:
a) Escoger adecuadamente la mquina o mquinas sobre las que va a realizarse el
estudio de forma que sean representativas del conjunto de mquinas al que van a
extenderse las conclusiones.

b) Seleccionar las condiciones operativas del proceso definiendo cuidadosamente
estas condiciones ya que su variacin puede afectar a la capacidad del proceso.

c) Seleccionar, cuando proceda, un operador representativo.

d) Seguir estrechamente el proceso de toma de datos y registrar el orden en que se
producen.
El histograma, con su valor medio X y su desviacin tpica S estima la capacidad del
proceso que es X3S . Una ventaja del histograma es que nos da una impresin
inmediata de como es la caracterstica en estudio.

Para cuantificar la Capacidad de Proceso se utilizan coeficientes que permiten comparar el
rango de especificaciones con la fluctuacin natural del proceso. Uno de ellos es C
p
:
Cp=LSELIE6
donde LSE y LIE son, respectivamente, el Lmite Superior y el lmite inferior de
Especificacin.

Si el proceso tiene capacidad para fabricar el producto, entonces C
p
> 1. En general se
exige C
p
> 1.30 para mayor seguridad.



C
p
tiene el inconveniente de que para poder aplicarlo, el centro de gravedad del rango de
especificaciones debe coincidir con la tendencia central de las mediciones del proceso.
Cuando esto no ocurre se emplea el C
pk
:
Cpk=3
Donde:
=min{(LSEX),(XLIE)}
En el grfico podemos observar que una buena parte del producto est por encima del
Lmite Superior de Especificacin (LSE). An as resulta C
p
> 1, indicando errneamente
que el proceso tiene capacidad suficiente.

En este caso se debe usar el segundo coeficiente que muestra claramente que el proceso no
tiene capacidad suficiente (C
pk
< 1), tal como se puede observar en el grfico.



Un proceso suele decirse que es apto cuando C
p
> 1 incluso C
p
> 1,3 Modernamente, ha
comenzado a utilizarse :
Cpm=LSELIE6

donde :
=1n(XiNominal)2n1
siendo :
Nominal=LES+LEI2
El uso de un histograma para analizar la capacidad de un proceso tiene la ventaja de que se
puede apreciar la forma de la distribucin, con lo cual se puede confirmar o rechazar la
hiptesis de que la misma es normal. Pero el problema es que no se puede detectar la
presencia de patrones no aleatorios, con lo cual no es posible confirmar o rechazar la
hiptesis de que el proceso est bajo control estadstico. Si el proceso no est bajo control
estadstico los resultados del anlisis de la capacidad de proceso no sern vlidos y pueden
llevar a conclusiones equivocadas.

Anlisis de la capacidad del proceso usando grficos de control

Los histogramas y otros mtodos de anlisis tales como los grficos de probabilidad indican
como vara el proceso pero no muestran, necesariamente, la capacidad potencial del
proceso ya que ste puede estar en situacin de fuera de control o presentar pautas que si se
eliminaran reduciran la variabilidad de la caracterstica en estudio. Los grficos de control
son muy tiles en este sentido y deben ser considerados la tcnica principal en los anlisis
de capacidad.

En los anlisis de capacidad pueden usarse los grficos de control por variables y los
grficos de control por atributos aunque son preferibles los primeros por la mayor
informacin que suministran.

Los grficos X,R permiten estimar la variabilidad instantnea (capacidad del proceso a
corto plazo) y la variabilidad a lo largo del tiempo(capacidad del proceso a largo plazo). La
variabilidad instantanea viene dada por s = R/d
2
, donde d
2
es un valor tabulado en funcin
del tamao de muestra n.

No debe estimarse la capacidad del proceso a corto plazo cuando se presenta una situacin
fuera de control ya que previamente habra que encontrar las causas asignables y poner el
proceso bajo control.

Cuando se utilizan grficos XR, en el grfico de X se representan los promedios de
subgrupos, es decir, promedios muestrales. No debe confundirse la desviacin standard del
proceso con la desviacin standard de los promedios muestrales. Si la desviacin standard
del proceso es s y cada subgrupo tiene m mediciones, la desviacin standard entre
subgrupos es:
m=m
Si se utiliza por error la desviacin standard entre subgrupos para calcular los coeficientes
de capacidad del proceso, se obtendrn valores ms altos que los que corresponden a la
verdadera capacidad del proceso.



Procedimientos especiales para el control de procesos.

TABLA 1.- DISTRIBUCION NORMAL

Probabilidades acumulativas de la distribucin de probabilidad normal (reas bajo
la curva desde - infinito hasta z)

TABLAS II y III.- DISTRIBUCION RANGO RELATIVO

Puntos de porcentaje de la distribucin de la amplitud relativa w = R/, universo
normal *


*Probabilidades tomadas de E. S. Parson, The Probabilily Integral of the Range in Samples
of n Observation from, a Normal Population, Biometrika, Vol. XXXII(1941-42), pgs 301-8. La
media y la tomadas de E. S. Pearson The Percentage Limits for the Distributons of
Range in Samples from, a Normal Population, Biometrika, Vol, XXIV (1932), pg. 404-17.

Obsrvese que en contraste con la tabla C estas probabilidades estn acumuladas desde el
extremo inferior de la distribucin.

n = Tamao de la muestra
TABLA IV - GRAFICOS POR VARIABLES

FACTORES PARA CONSTRUIR LIMITES DE CONTROL


ESTUDIO INICIAL - RESUMEN DE FORMULAS

CONTROL RESPECTO A ESTANDAR - RESUMEN DE FORMULAS