Está en la página 1de 27

CAPITULO III: CONTROL DE CALIDAD

INSTRUCTOR MAXIMO UMPIRE SIERRA


MODULO 3: PROYECTOS DE MEJORA
LAS SIETE HERRAMIENTAS DE LA CALIDAD
Todo proceso productivo es un sistema formado por personas, equipos y procedimientos de trabajo. El proceso
genera una salida (output), que es el producto que se quiere fabricar. La calidad del producto fabricado est
determinada por sus caractersticas de calidad, es decir, por sus propiedades fsicas, qumicas, mecnicas,
estticas, durabilidad, funcionamiento, etc. que en conjunto determinan el aspecto y el comportamiento del
mismo. El cliente quedar satisfecho con el producto si esas caractersticas se ajustan a lo que esperaba, es
decir, a sus expectativas previas.
Por lo general, existen algunas caractersticas que son crticas para establecer la calidad del producto.
Normalmente se realizan mediciones de estas caractersticas y se obtienen datos numricos. Si se mide cualquier
caracterstica de calidad de un producto, se observar que los valores numricos presentan una fluctuacin o
variabilidad entre las distintas unidades del producto fabricado. Por ejemplo, si la salida del proceso son frascos
de mayonesa y la caracterstica de calidad fuera el peso del frasco y su contenido, veramos que a medida que se
fabrica el producto las mediciones de peso varan al azar, aunque mantenindose cerca de un valor central.

El peso de los frascos llenos flucta alrededor de los 250 grs. Si la caracterstica de calidad fuera otra, como el
contenido de aceite, el color de la mayonesa o el aspecto de la etiqueta tambin observaramos que las
sucesivas mediciones fluctan alrededor de un valor central.
El valor de una caracterstica de calidad es un resultado que depende de una combinacin de variables y factores
que condicionan el proceso productivo. Por ejemplo, en el caso de la produccin de mayonesa es necesario
establecer que cantidades de aceite, huevos y otras materias primas se van a usar. Hay que establecer a que
velocidad se va a agitar la mezcla y cuanto tiempo. Se debe fijar el tipo y tamao de equipo que se va a utilizar,
y la temperatura de trabajo. Y como stas se deben fijar muchas otras variables del proceso.
La variabilidad o fluctuacin de las mediciones es una consecuencia de la fluctuacin de todos los factores y
variables que afectan el proceso. Por ejemplo, cada vez que se hace un lote de mayonesa hay que pesar el
aceite segn lo que indica la frmula. Es imposible que la cantidad pesada sea exactamente igual para todos los
lotes. Tambin se producirn fluctuaciones en la velocidad de agitacin, porque la corriente elctrica de la lnea
que alimenta el agitador tambin flucta. Y de la misma manera, de lote a lote cambiar la cantidad pesada de
los dems componentes, el tiempo de agitacin, la temperatura, etc. Todos estos factores y muchos otros
condicionan y determinan las caractersticas de calidad del producto.
En el proceso de fabricacin de mayonesa intervienen equipos donde hacer la mezcla, materias primas (aceite,
huevos, condimentos, etc.), procedimientos de trabajo, personas que operan los equipos, equipos de medicin,
etc.:

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA

Para qu se miden las caractersticas de calidad? El anlisis de los datos medidos permite obtener informacin
sobre la calidad del producto, estudiar y corregir el funcionamiento del proceso y aceptar o rechazar lotes de
producto. En todos estos casos es necesario tomar decisiones y estas decisiones dependen del anlisis de los
datos. Como hemos visto, los valores numricos presentan una fluctuacin aleatoria y por lo tanto para
analizarlos es necesario recurrir a tcnicas estadsticas que permitan visualizar y tener en cuenta la variabilidad a
la hora de tomar las decisiones.
Siguiendo el pensamiento del Dr. Kaoru Ishikawa, en los mdulos siguientes vamos a explicar algunas de estas
tcnicas, que se conocen como Las 7 Herramientas de la Calidad.
Estas son:
Braistorming
Diagramas de Causa-Efecto
Planillas de Inspeccin
Grficos de Control
Diagramas de Flujo
Histogramas
Grficos de Pareto
Diagramas de Dispersin

HERRAMIENTAS BSICAS DE CALIDAD


1. BRAINSTORMING
El Brainstorming es una tcnica de dinmica grupal y se utiliza para ayudar a los grupos a generar tantas ideas
creativas como sea posible en un perodo de tiempo corto.
El grupo debe respetar principalmente las siguientes consignas :
No criticar: No solo est prohibida la critica sino tambin la autocrtica
gracioso puede arruinar una seccin de Brainstorming.

y la autocensura Un comentario

Libre imaginacin: Las ideas aparentemente ms fuera de contexto, pueden generar asociaciones interesantes.
Todos los aportes son bienvenidos.
2

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
La cantidad se privilegia sobre la calidad: A mayor cantidad de ideas es posibles encontrar buenas ideas
Todo debe ser registrado: para su evaluacin posterior
El grupo ideal: Para una seccin de Brainstorming oscila entre 5 y 10 personas.
Existen 2 clases:
1.
2.

Brainstorming Creativo (Genera nuevas ideas)


Brainstorming Crtico (Evala valora las nuevas ideas)

Para asegurar que cada uno de los participantes se sienta cmodo para expresarse libremente, primero se
realiza el brainstorming creativo y luego se sigue con sesiones separadas de brainstorming crtico.
Cmo conducir una sesin de brainstorming creativo
1. Rena al equipo y exprese claramente el propsito de la sesin. Asegrese que todos entiendan el tema y
comunquelo por escrito a cada uno de ellos.
2. Genere ideas de la siguiente forma:
- Haciendo que cada persona aporte la mayor cantidad de ideas posibles
- Haciendo que las personas aporten ideas por turno rotativo.
3. Escriba las ideas exactamente como las personas las expresan. Contine hasta que todas las ideas hayan
sido expuestas.
4. Pregunte al equipo si todas las ideas escritas son entendidas, caso contrario aclrelas.
5. No permita que se produzcan criticas cuando alguna persona aporta alguna idea, la
principio todas las ideas son validas

base es que en

Reglas bsicas para la sesin:

Ninguna idea es absurda


No est permitida la crtica ni la discusin de ideas
Todos participan en la generacin de ideas
Deje su rango y/ cargo afuera de la sala

Sea creativo y espontneo


Se anotan todas las respuestas

Cmo conducir un brainstorming crtico


1.
2.
3.
4.
5.

Revise las ideas escritas y elimine las ideas repetidas.


Decida el criterio a usar para evaluar las ideas restantes.
Elimine las ideas que no satisfacen los criterios. Elimine solamente si los participantes estn de acuerdo.
Agrupe las ideas restantes en categoras similares.
Contine con la reduccin de la lista hasta agotarla usando las tcnicas de reduccin.

Reglas para la sesin:


3

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
- Deben participar todos, sin excepcin.
- Deje su rango y/ cargo afuera de la sala.
- Ninguna idea es rechazada sin discusin.
Tcnicas de reduccin de lista
Esta tcnica es usada para seleccionar uno o dos del total de opciones para actuar sobre eso. Las tcnicas de
reduccin son generalmente usados cuando usted enfrenta un numero de opciones y el grupo no puede decidir
con cual proceder y/ cuando hay un desacuerdo dentro del grupo de cual es la mejor opcin.
Hay tres tcnicas principales de reduccin de lista:
1. Valuacin
2. Ponderacin
3. Voto mltiple
VALUACIN
1. Seleccione el criterio contra lo cual cada opcin ser valuado tales
implementacin.

como el costo o facilidad de

2. Liste las opciones.


3. Vale cada opcin frente al criterio, por ejemplo usando una escala de 1(lo peor) al 10 (lo mejor).
4. Adicione el total para cada opcin y seleccione la opcin con mayor valor.

Criterio
Opcin 1
Opcin 2
Opcin 3

Efecto
calidad
10
5
6

en

la Costo bajo
5
4
1

Facilidad de
implementacin
7
10
1

Total
22
19
8

10 = lo mejor, 1 = lo peor
PONDERACIN
1. Repita los 2 primeros pasos de la valuacin.
2. En lugar de usar una escala de 1 a 10, pondere las opciones desde el mejor hasta el peor para cada criterio.
3. Adicione la ponderacin para cada opcin y seleccione la opcin de mayor ponderacin.
Criterio
Opcin 1
Opcin 2
Opcin 3

Efecto sobre
calidad
1
3
2

la Costo bajo
1
2
3

Facilidad de
implementacin
2
1
3

Total
4
6
8

VOTO MLTIPLE
4

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
1. Liste las opciones
2. Haga que cada persona escoja un cierto numero de votos, generalmente acerca de 1/3 del numero total de
opciones.
3. Deje que cada persona decida como escoger su voto (votos mltiples para una opcin son permitidos).
4. Seleccione la opcin que recibe ms votos.
BRAINSTORMING DE CAUSAS
AREA O SECTOR:________________________________________
_____________________________

dia

MES

AO

COMPONENTES DEL GRUPO: ____________________________________________________________


___________________________________________
___________________________________________
PROBLEMA O TEMA A ANALIZAR: _______________________________________________________
_________________________________________________________________________________________
________________________________________________________________________________________
N
1
2
3
4
5
6
7
8
9
10
11
12

CAUSAS

CLASIFICACION DE CRITERIOS

FECHA DE FINALIZACION ANALISIS: ____________________________________________________


conformidad participantes del grupo: ___________________________________________
_________________________________________________________________________________________
________________________________________________________________

BRAINSTORMING DE SOLUCIONES
AREA O SECTOR: __________________________________________
_______________________________

DIA

MES

AO

COMPONENTES DEL GRUPO: ____________________________________________________________


_____________________________________________________________
_____________________________________________________________
PROBLEMA O TEMA ANALIZADO

SOLUCIONES

VENTAJAS

CAUSA SOBRE LA
BUSCASOLUCION

DESVENTAJAS

CUAL

SE RELACION PORCENTUAL
S/PROBLEMA

PORCENTAJE

DE

LA

CAUSA

VALOR PRIORIDAD

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA

FECHA FINALIZACION ANALISIS: ________________________________________________________


coNCLUSION SOLUCION/ES PROPUESTA/S: ______________________________________________
_________________________________________________________________________________________
_________________________________________________________________________________________

2. DIAGRAMAS DE CAUSA-EFECTO
Hemos visto en la introduccin como el valor de una caracterstica de calidad depende de una combinacin de
variables y factores que condicionan el proceso productivo. Vamos a continuar con el ejemplo de fabricacin de
mayonesa para explicar los Diagramas de Causa-Efecto:

La variabilidad de las caractersticas de calidad es un efecto observado que tiene mltiples causas. Cuando
ocurre algn problema con la calidad del producto, debemos investigar para identificar las causas del mismo.
Para ello nos sirven los Diagramas de Causa - Efecto, conocidos tambin como Diagramas de Espina de Pescado
por la forma que tienen. Estos diagramas fueron utilizados por primera vez por Kaoru Ishikawa.
Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:
Decidimos cual va a ser la caracterstica de calidad que vamos a analizar. Por ejemplo, en el caso de la
mayonesa podra ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc.
Trazamos un flecha gruesa que representa el proceso y a la derecha escribimos la caracterstica de calidad:

Indicamos los factores causales ms importantes y generales que puedan generar la fluctuacin de la
caracterstica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias Primas, Equipos,
Operarios, Mtodo de Medicin, etc.:
6

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA

Incorporamos en cada rama factores ms detallados que se puedan considerar causas de fluctuacin. Para hacer
esto, podemos formularnos estas preguntas:
Por qu hay fluctuacin o dispersin en los valores de la caracterstica de calidad? Por la fluctuacin de las
Materias Primas. Se anota Materias Primas como una de las ramas principales.
Qu Materias Primas producen fluctuacin o dispersin en los valores de la caracterstica de calidad? Aceite,
Huevos, sal, otros condimentos. Se agrega Aceite como rama menor de la rama principal Materias Primas.
Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la cantidad agregada a la mezcla.
Agregamos a Aceite la rama ms pequea Cantidad.
Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento irregular de la balanza. Se registra
la rama Balanza.
Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la rama Balanza colocamos
la rama Mantenimiento.
As seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las causas posibles de
dispersin.
Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido incorporados al
diagrama. Las relaciones Causa-Efecto deben quedar claramente establecidas y en ese caso, el diagrama est
terminado.
Veamos un ejemplo de la Gua de Control de Calidad de Kaoru Ishikawa, publicada por UNIPUB (N. York). Se
trata de una mquina en la cual se produce un defecto de rotacin oscilante. La caracterstica de calidad es la
oscilacin de un eje durante la rotacin:
Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente conozca en profundidad el proceso
con que trabaja, visualizando con claridad las relaciones entre los Efectos y sus Causas. Sirve tambin para guiar
las discusiones, al exponer con claridad los orgenes de un problema de calidad. Y permite encontrar ms
rpidamente las causas asignables cuando el proceso se aparta de su funcionamiento habitual.
Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente conozca en profundidad el proceso
con que trabaja, visualizando con claridad las relaciones entre los Efectos y sus Causas. Sirve tambin para guiar
7

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
las discusiones, al exponer con claridad los orgenes de un problema de calidad. Y permite encontrar ms
rpidamente las causas asignables cuando el proceso se aparta de su funcionamiento habitual.

Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente conozca en profundidad el proceso
con que trabaja, visualizando con claridad las relaciones entre los Efectos y sus Causas. Sirve tambin para guiar
las discusiones, al exponer con claridad los orgenes de un problema de calidad. Y permite encontrar ms
rpidamente las causas asignables cuando el proceso se aparta de su funcionamiento habitual.
3. PLANILLAS DE INSPECCIN
Los datos que se obtienen al medir una caracterstica de calidad pueden recolectarse utilizando Planillas de
Inspeccin. Las Planillas de Inspeccin sirven para anotar los resultados a medida que se obtienen y al mismo
tiempo observar cual es la tendencia central y la dispersin de los mismos. Es decir, no es necesario esperar a
recoger todos los datos para disponer de informacin estadstica.

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA

Cmo realizamos las anotaciones? En lugar de anotar los nmeros, hacemos una marca de algn tipo (*, +,
raya, etc.) en la columna correspondiente al resultado que obtuvimos.
Vamos a suponer que tenemos un lote de artculos y realizamos algn tipo de medicin. En primer lugar,
registramos en el encabezado de la planilla la informacin general: N de Planilla, Nombre del Producto, Fecha,
Nombre del Inspector, N de Lote, etc. Esto es muy importante porque permitir identificar nuestro trabajo de
medicin en el futuro.
Luego realizamos las mediciones y las vamos anotando en la Planilla. Por ejemplo, si obtuvimos los tres valores
siguientes 1.8, 2.6, 2.6 y los registramos con un signo + quedara as:

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA

Despus de muchas mediciones, nuestra planilla quedara como sigue:

10

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Para cada columna contamos el total de resultados obtenidos y lo anotamos al pi. Esta es la Frecuencia de cada
resultado, que nos dice cules mediciones se repitieron ms veces.
Qu informacin nos brinda la Planilla de Inspeccin? Al mismo tiempo que medimos y registramos los
resultados, nos va mostrando cual es la Tendencia Central de las mediciones. En nuestro caso, vemos que las
mismas estn agrupadas alrededor de 2.3 aproximadamente, con un pico en 2.1 y otro en 2.5. Habra que
investigar por que la distribucin de los datos tiene esa forma. Adems podemos ver la Dispersin de los datos.
En este caso vemos que los datos estn dentro de un rango que comienza en 1.5 y termina en 3.3. Nos muestra
entonces una informacin acerca de nuestros datos que no sera fcil de ver si slo tuvieramos una larga lista
con los resultados de las mediciones.

Y adems, si marcamos en la planilla los valores mnimo y mximo especificados para la caracterstica de calidad
que estamos midiendo (LIE y LSE) podemos ver que porcentaje de nuestro producto cumple con las
especificaciones.
4. GRFICOS DE CONTROL
Un grfico de control es una carta o diagrama especialmente preparado donde se van anotando los valores
sucesivos de la caracterstica de calidad que se est controlando. Los datos se registran durante el
funcionamiento del proceso de fabricacin y a medida que se obtienen.
El grfico de control tiene una Lnea Central que representa el promedio histrico de la caracterstica que se est
controlando y Lmites Superior e Inferior que tambin se calculan con datos histricos.

11

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Por ejemplo, supongamos que se tiene un proceso de fabricacin de anillos de pistn para motor de automvil y
a la salida del proceso se toman las piezas y se mide el dimetro. Las mediciones sucesivas del dimetro de los
anillos se pueden anotar en una carta como la siguiente:
Por ejemplo, si las 15 ltimas mediciones fueron las siguientes:
Entonces tendramos un Grfico de Control como este:

Podemos observar en este grfico que los valores fluctan al azar alrededor del valor central (Promedio
histrico) y dentro de los lmites de control superior e inferior. A medida que se fabrican, se toman muestras de
los anillos, se mide el dimetro y el resultado se anota en el grfico, por ejemplo, cada media hora.
Pero Qu ocurre cuando un punto se va fuera de los lmites? Eso es lo que ocurre con el ltimo valor en el
siguiente grfico:

12

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Esa circunstancia puede ser un indicio de que algo anda mal en el proceso. Entonces, es necesario investigar
para encontrar el problema (Causa Asignable) y corregirla. Si no se hace esto el proceso estar funcionando a un
nivel de calidad menor que originalmente.
Existen diferentes tipos de Grficos de Control: Grficos X-R, Grficos C, Grficos np, Grficos Cusum, y otros.
Cuando se mide una caracterstica de calidad que es una variable continua se utilizan en general los Grficos XR. Estos en realidad son dos grficos que se utilizan juntos, el de X (promedio del subgrupo) y el de R (rango del
subgrupo). En este caso se toman muestras de varias piezas, por ejemplo 5 y esto es un subgrupo. En cada
subgrupo se calcula el promedio X y el rango R (Diferencia entre el mximo y el mnimo).
A continuacin podemos observar un tpico grfico de X:

Y lo que sigue es un grfico de R:


5. DIAGRAMAS DE FLUJO
Diagrama de Flujo es una representacin grfica de la secuencia de etapas, operaciones, movimientos,
decisiones y otros eventos que ocurren en un proceso. Esta representacin se efecta a travs de formas y
smbolos grficos utilizados usualmente:

13

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Los smbolos grficos para dibujar un diagrama de flujo estn ms o menos normalizados:

Existen otros smbolos que se pueden utilizar. Lo importante es que su significado se entienda claramente a
primera vista. En el ejemplo siguiente, vemos un diagrama de flujo para representar el proceso de fabricacin de
una resina (Reaccin de Polimerizacin):

Algunas recomendaciones para construir Diagramas de Flujo son las siguientes:


Conviene realizar un Diagrama de Flujo que describa el proceso real y no lo que est escrito sobre el mismo (lo
que se supone debera ser el proceso).
14

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Si hay operaciones que no siempre se realizan como est en el diagrama, anotar las excepciones en el diagrama.
Probar el Diagrama de Flujo tratando de realizar el proceso como est descripto en el mismo, para verificar que
todas las operaciones son posibles tal cual figuran en el diagrama.
Si se piensa en realizar cambios al proceso, entonces se debe hacer un diagrama adicional con los cambios
propuestos.
6. HISTOGRAMAS
Un histograma es un grfico o diagrama que muestra el nmero de veces que se repiten cada uno de los
resultados cuando se realizan mediciones sucesivas. Esto permite ver alrededor de que valor se agrupan las
mediciones (Tendencia central) y cual es la dispersin alrededor de ese valor central.
Supongamos que un mdico dietista desea estudiar el peso de personas adultas de sexo masculino y recopila
una gran cantidad de datos midiendo el peso en kilogramos de sus pacientes varones:
74.6

74.6

81.6

75.4

69.8

68.4

74.5

85.9

65.8

63.5

95.7

69.4

77.0

113.7

57.8

69.9

74.5

74.3

70.7

77.9

74.5

63.7

77.0

63.2

79.4

76.4

77.0

72.1

70.7

68.4

74.6

95.7

70.7

71.6

79.4

76.9

85.2

78.4

79.4

69.4

74.6

75.4

81.6

84.6

74.6

69.8

85.2

74.8

67.9

97.4

85.2

83.5

81.6

78.9

63.7

74.5

81.6

69.7

67.9

77.0

72.1

77.0

67.9

68.4

63.7

76.7

71.6

70.7

63.7

70.7

72.1

77.0

69.4

79.4

72.1

79.4

71.6

70.7

69.8

74.6

71.6

74.6

69.4

79.4

83.5

85.2

69.4

85.2

69.8

74.6

83.5

81.6

69.8

81.6

83.5

85.2

74.9

67.9

83.5

67.9

79.3

81.6

73.2

63.7

74.9

63.7

76.3

67.9

70.7

70.7

73.2

67.5

79.8

63.7

79.4

79.4

70.7

85.3

70.7

72.1

88.6

74.6

79.4

88.6

79.4

71.6

70.7

85.2

74.6

70.7

74.6

69.4

79.4

81.6

85.2

79.4

85.2

69.8

70.7

67.9

81.6

74.6

81.6

83.5

79.4

63.7

67.9

85.2

67.9

67.9
15

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
74.6

72.1

63.7

81.6

63.7

63.7

85.2

71.6

72.1

67.9

72.1

70.7

81.6

69.4

71.6

63.7

71.6

73.2

67.9

69.8

69.4

72.1

69.4

70.7

63.7

83.5

69.8

71.6

69.8

79.4

72.1

83.5

83.5

69.4

83.5

74.6

71.6

69.7

85.2

69.8

69.8

63.7

69.4

68.4

81.6

83.5

83.5

72.1

69.8

70.7

63.7

72.1

83.5

71.6

83.5

79.4

72.1

71.6

72.1

69.4

67.9

71.6

71.6

69.4

71.6

69.8

As como estn los datos es muy difcil sacar conclusiones acerca de ellos.
Entonces, lo primero que hace el mdico es agrupar los datos en intervalos contando cuantos resultados de
mediciones de peso hay dentro de cada intervalo (Esta es la frecuencia). Por ejemplo, Cuntos pacientes pesan
entre 60 y 65 kilos? Cuntos pacientes pesan entre 65 y 70 kilos?:
Intervalos
N
Pacientes
(Frecuencia)
<50
0
50-55
0
55-60
1
60-65
17
65-70
48
70-75
70
75-80
32
80-85
28
85-90
16
90-95
0
95-100
3
100-105
0
105-110
0
>110
1
Ahora se pueden representar las frecuencias en un grfico como el siguiente:

16

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Por ejemplo, la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70 kilogramos. Por lo tanto,
levantamos una columna de altura proporcional a 48 en el grfico:

Y agregando el resto de las frecuencias nos queda el histograma siguiente:

Qu utilidad nos presta el histograma? Permite visualizar rpidamente informacin que estaba oculta en la tabla
original de datos. Por ejemplo, nos permite apreciar que el peso de los pacientes se agrupa alrededor de los 7075 kilos. Esta es la Tendencia Central de las mediciones. Adems podemos observar que los pesos de todos los
pacientes estn en un rango desde 55 a 100 kilogramos. Esta es la Dispersin de las mediciones. Tambin
podemos observar que hay muy pocos pacientes por encima de 90 kilogramos o por debajo de 60 kilogramos.
Ahora el mdico puede extraer toda la informacin relevante de las mediciones que realiz y puede utilizarlas
para su trabajo en el terreno de la medicina.
7. DIAGRAMA DE PARETO
Mediante el Diagrama de Pareto se pueden detectar los problemas que tienen ms relevancia mediante la
aplicacin del principio de Pareto (pocos vitales, muchos triviales) que dice que hay muchos problemas sin
importancia frente a solo unos graves. Ya que por lo general, el 80% de los resultados totales se originan en el
20% de los elementos.
17

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
La minora vital aparece a la izquierda de la grafica y la mayora til a la derecha. Hay veces que es necesario
combinar elementos de la mayora til en una sola clasificacin denominada otros, la cual siempre deber ser
colocada en el extremo derecho. La escala vertical es para el costo en unidades monetarias, frecuencia o
porcentaje.
La grfica es muy til al permitir identificar visualmente en una sola revisin tales minoras de caractersticas
vitales a las que es importante prestar atencin y de esta manera utilizar todos los recursos necesarios para
llevar acabo una accin correctiva sin malgastar esfuerzos.
Algunos ejemplos de tales minoras vitales seran:
1) La minora de clientes que representen la mayora de las ventas.
2) La minora de productos, procesos, o caractersticas de la calidad causantes del grueso de desperdicio o
de los costos de reelaboracin.
3) La minora de rechazos que representa la mayora de quejas de la clientela.
4) La minora de vendedores que esta vinculada a la mayora de partes rechazadas.
5) La minora de problemas causantes del grueso del retraso de un proceso.
6) La minora de productos que representan la mayora de las ganancias obtenidas.
7) La minora de elementos que representan al grueso del costo de un inventario.
CONCEPTO
El Diagrama de Pareto es una grfica en donde se organizan diversas clasificaciones de datos por orden
descendente, de izquierda a derecha por medio de barras sencillas despus de haber reunido los datos para
calificar las causas. De modo que se pueda asignar un orden de prioridades.
QU ES?
El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del economista italiano Vilfredo Pareto (18481923) quien realizo un estudio sobre la distribucin de la riqueza, en el cual descubri que la minora de la
poblacin posea la mayor parte de la riqueza y la mayora de la poblacin posea la menor parte de la riqueza.
Con esto estableci la llamada "Ley de Pareto" segn la cual la desigualdad econmica es inevitable en cualquier
sociedad.
El Dr. Juran aplic este concepto a la calidad, obtenindose lo que hoy se conoce como la regla 80/20.
Segn este concepto, si se tiene un problema con muchas causas, podemos decir que el 20% de las causas
resuelven el 80% del problema y el 80% de las causas solo resuelven el 20% del problema.
Por lo tanto, el Anlisis de Pareto es una tcnica que separa los pocos vitales de los muchos triviales. Una
grfica de Pareto es utilizada para separar grficamente los aspectos significativos de un problema desde los
triviales de manera que un equipo sepa dnde dirigir sus esfuerzos para mejorar. Reducir los problemas ms
significativos (las barras ms largas en una Grfica Pareto) servir ms para una mejora general que reducir los
ms pequeos. Con frecuencia, un aspecto tendr el 80% de los problemas. En el resto de los casos, entre 2 y 3
aspectos sern responsables por el 80% de los problemas.
En relacin con los estilos gerenciales de Resolucin de Problemas y Toma de Decisiones (Conservador,
Bombero, Oportunista e Integrador)1[1], vemos como la utilizacin de esta herramienta puede resultar una

18

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
alternativa excelente para un gerente de estilo Bombero, quien constantemente a la hora de resolver problemas
solo apaga incendios, es decir, pone todo su esfuerzo en los muchos triviales.
CUNDO SE UTILIZA?
1)
2)
3)
4)
5)
6)
7)
8)

Al identificar un producto o servicio para el anlisis para mejorar la calidad.


Cuando existe la necesidad de llamar la atencin a los problema o causas de una forma sistemtica.
Al identificar oportunidades para mejorar
Al analizar las diferentes agrupaciones de datos (ej: por producto, por segmento, del mercado, rea
geogrfica, etc.)
Al buscar las causas principales de los problemas y establecer la prioridad de las soluciones
Al evaluar los resultados de los cambos efectuados a un proceso (antes y despus)
Cuando los datos puedan clasificarse en categoras
Cuando el rango de cada categora es importante

Pareto es una herramienta de anlisis de datos ampliamente utilizada y es por lo tanto til en la determinacin
de la causa principal durante un esfuerzo de resolucin de problemas. Este permite ver cules son los problemas
ms grandes, permitindoles a los grupos establecer prioridades. En casos tpicos, los pocos (pasos, servicios,
tems, problemas, causas) son responsables por la mayor parte el impacto negativo sobre la calidad. Si
enfocamos nuestra atencin en estos pocos vitales, podemos obtener la mayor ganancia potencial de nuestros
esfuerzos por mejorar la calidad.
Un equipo puede utilizar la Grfica de Pareto para varios propsitos durante un proyecto para lograr mejoras:
1) Para analizar las causas
2) Para estudiar los resultados
3) Para planear una mejora continua
Las Grficas de Pareto son especialmente valiosas como fotos de antes y despus para demostrar qu progreso
se ha logrado. Como tal, la Grfica de Pareto es una herramienta sencilla pero poderosa.
Cmo se utiliza?
1)
2)
3)
4)
5)
6)
7)
8)

Seleccionar categoras lgicas para el tpico de anlisis identificado (incluir el periodo de tiempo).
Reunir datos. La utilizacin de un Check List puede ser de mucha ayuda en este paso.
Ordenar los datos de la mayor categora a la menor
totalizar los datos para todas las categoras
calcular el porcentaje del total que cada categora representa
trazar los ejes horizontales (x) y verticales (y primario - y secundario)
trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, segn se calcul anteriormente)
de izquierda a derecha trazar las barras para cada categora en orden descendente. Si existe una categora
otros, debe ser colocada al final, sin importar su valor. Es decir, que no debe tenerse en cuenta al
momento de ordenar de mayor a menor la frecuencia de las categoras.
9)
trazar la escala del eje vertical derecho para el porcentaje acumulativo, comenzando por el 0 y hasta el
100%
10) trazar el grfico lineal para el porcentaje acumulado, comenzando en la parte superior de la barra de la
primera categora (la mas alta)
11) dar un ttulo al grfico, agregar las fechas de cuando los datos fueron reunidos y citar la fuente de los
datos.
12) analizar la grfica para determinar los pocos vitales
Consejos para la construccin / interpretacin
19

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Como hemos visto, un Diagrama de Pareto es un grfico de barras que enumera las categoras en orden
descendente de izquierda a derecha, el cual puede ser utilizado por un equipo para analizar causas, estudiar
resultados y planear una mejora contina.
Dentro de las dificultades que se pueden presentar al tratar de interpretar el Diagrama de Pareto es que algunas
veces los datos no indican una clara distincin entre las categoras. Esto puede verse en el grfico cuando todas
las barras son ms o menos de la misma altura.
Otra dificultad es que se necesita ms de la mitad de las categoras para sumar ms del 60% del efecto de
calidad, por lo que un buen anlisis e interpretacin depende en su gran mayora de un buen anlisis previo de
las causas y posterior recogida de datos.
En cualquiera de los casos, parece que el principio de Pareto no aplica. Debido a que el mismo se ha demostrado
como vlido en literalmente miles de situaciones, es muy poco probable que se haya encontrado una excepcin.
Es mucho ms probable que simplemente no se haya seleccionado un desglose apropiado de las categoras. Se
deber tratar de estratificar los datos de una manera diferente y repetir el Anlisis de Pareto.
Esto nos lleva a la conclusin que para llevar a cabo un proceso de Resolucin de Problemas /Toma de
Decisiones (RP/TD) es necesario manejar cada una de las herramientas bsicas de la calidad, tanto desde el
punto de vista terico como desde su aplicacin.
La interpretacin de un Diagrama de Pareto se puede definir completando las siguientes oraciones de ejemplo:
Existen (nmero de categoras) contribuyentes relacionados con (efecto). Pero estos (nmero de pocos vitales)
corresponden al (nmero) % del total (efecto). Debemos procurar estas (nmero) categoras pocos vitales, ya
que representan la mayor ganancia potencial para nuestros esfuerzos.
Relacin con otras herramientas
Un Diagrama de Pareto generalmente se relaciona con:

Diagrama de Causa y Efecto (Ishikawa)


Check List de Revisin
Check List de reunin de datos
Matriz para la Planeacin de Acciones

Ejemplo de aplicacin
Un fabricante de heladeras desea analizar cuales 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:
Tipo de Defecto

Detalle del Problema

Motor no detiene

No para el motor cuando alcanza Temperatura

No enfra

El motor arranca pero la heladera no enfra

Burlete Def.

Burlete roto o deforme que no ajusta

Pintura Def.

Defectos de pintura en superficies externas

Rayas

Rayas en las superficies externas

20

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
No funciona

Al enchufar no arranca el motor

Puerta no cierra

La puerta no cierra correctamente

Gavetas Def.

Gavetas interiores con rajaduras

Motor no arranca

El motor no arranca despus de ciclo de parada

Mala Nivelacin

La heladera se balancea y no se puede nivelar

Puerta Def.

Puerta de refrigerador no cierra hermticamente

Otros

Otros Defectos no includos en los anteriores

Posteriormente, un inspector revisa cada heladera a medida que sale de produccin registrando sus defectos de
acuerdo con dichos tipos. Despus de inspeccionar 88 heladeras, se obtuvo una tabla como esta:
Tipo de Defecto

Detalle del Problema

Frec.

Burlete Def.

Burlete roto o deforme que no ajusta

Pintura Def.

Defectos de pintura en superficies externas

Gavetas Def.

Gavetas interiores con rajaduras

Mala Nivelacin

La heladera se balancea y no se puede nivelar

Motor no arranca

El motor no arranca despus de ciclo de parada

Motor no detiene

No para el motor cuando alcanza Temperatura

36

No enfra

El motor arranca pero la heladera no enfra

27

No funciona

Al enchufar no arranca el motor

Otros

Otros Defectos no includos en los anteriores

Puerta Def.

Puerta de refrigerador no cierra hermticamente

Puerta no cierra

La puerta no cierra correctamente

Rayas

Rayas en las superficies externas

Total:

88

La ltima columna muestra el nmero de heladeras 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 heladeras en cada tipo de defecto:
Tipo de Defecto

Detalle del Problema

Frec.

Frec. %

Burlete Def.

Burlete roto o deforme que no ajusta

10.2

Pintura Def.

Defectos de pintura en superficies externas

5.7

Gavetas Def.

Gavetas interiores con rajaduras

1.1

Mala Nivelacin

La heladera se balancea y no se puede nivelar

1.1

Motor no arranca

El motor no arranca despus de ciclo de parada

1.1

Motor no detiene

No para el motor cuando alcanza Temperatura

36

40.9
21

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
No enfra

El motor arranca pero la heladera no enfra

27

30.7

No funciona

Al enchufar no arranca el motor

2.3

Otros

Otros Defectos no includos en los anteriores

0.0

Puerta Def.

Puerta de refrigerador no cierra hermticamente

0.0

Puerta no cierra

La puerta no cierra correctamente

2.3

Rayas

Rayas en las superficies externas

4.5

88

100

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

Pero Cules son los defectos que aparecen con mayor frecuencia? Para hacerlo ms evidente, antes de graficar
podemos ordenar los datos de la tabla en orden decreciente de frecuencia:
Tipo de Defecto

Detalle del Problema

Frec.

Frec. %

Motor no detiene

No para el motor cuando alcanza Temperatura

36

40.9

No enfra

El motor arranca pero la heladera no enfra

27

30.7

Burlete Def.

Burlete roto o deforme que no ajusta

10.2

Pintura Def.

Defectos de pintura en superficies externas

5.7

Rayas

Rayas en las superficies externas

4.5

No funciona

Al enchufar no arranca el motor

2.3

Puerta no cierra

La puerta no cierra correctamente

2.3

Gavetas Def.

Gavetas interiores con rajaduras

1.1

Mala Nivelacin

La heladera se balancea y no se puede nivelar

1.1

Motor no arranca

El motor no arranca despus de ciclo de parada

1.1

Puerta Def.

Puerta de refrigerador no cierra hermticamente

0.0

22

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Otros

Otros Defectos no incluidos en los anteriores

Total:

0.0

88

100

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.
Ahora resulta evidente cuales son los tipos de defectos ms frecuentes. Podemos observar que los 3 primeros
tipos de defectos se presentan en el 82 % de las heladeras, aproximadamente. Por el Principio de Pareto,
concluimos que: La mayor parte de los defectos encontrados en el lote pertenece slo a 3 tipos de defectos, de
manera que si se eliminan las causas que los provocan desaparecera la mayor parte de los defectos.

DIAGRAMAS DE DISPERSIN
Los Diagramas de Dispersin o Grficos de Correlacin permiten estudiar la relacin entre 2 variables. Dadas 2
variables X e Y, se dice que existe una correlacin entre ambas si cada vez que aumenta el valor de X aumenta
proporcionalmente el valor de Y (Correlacin positiva) o si cada vez que aumenta el valor de X disminuye en
igual proporcin el valor de Y (Correlacin negativa).
En un grfico de correlacin representamos cada par X, Y como un punto donde se cortan las coordenadas de X
e Y:

23

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Veamos un ejemplo. Supongamos que tenemos un grupo de personas adultas de sexo masculino. Para cada
persona se mide la altura en metros (Variable X) y el peso en kilogramos (Variable Y). Es decir, para cada
persona tendremos un par de valores X, Y que son la altura y el peso de dicha persona:
N Persona

Altura (m)

Peso (Kg.)

N Persona

Altura (m)

Peso
(Kg.)

001

1.94

95.8

026

1.66

74.9

002

1.82

80.5

027

1.96

88.1

003

1.79

78.2

028

1.56

65.3

004

1.69

77.4

029

1.55

64.5

005

1.80

82.6

030

1.71

75.5

006

1.88

87.8

031

1.90

91.3

007

1.57

67.6

032

1.65

66.6

008

1.81

82.5

033

1.78

76.8

009

1.76

82.5

034

1.83

80.2

010

1.63

65.8

035

1.98

97.6

011

1.59

67.3

036

1.67

76.0

012

1.84

88.8

037

1.53

58.0

013

1.92

93.7

038

1.96

95.2

014

1.84

82.9

039

1.66

74.5

015

1.88

88.4

040

1.62

71.8

016

1.62

69.0

041

1.89

91.0

017

1.86

83.4

042

1.53

62.1

018

1.91

89.1

043

1.59

69.8

019

1.99

95.2

044

1.55

64.6

020

1.76

79.1

045

1.97

90.0

021

1.55

61.6

046

1.51

63.8

022

1.71

70.6

047

1.59

62.6

023

1.75

79.4

048

1.60

67.8

024

1.76

78.1

049

1.57

63.3

025

2.00

90.6

050

1.61

65.2

24

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA
Entonces, para cada persona representamos su altura y su peso con un punto en un grfico:
Una vez que representamos a las 50 personas quedar un grfico como el siguiente:

Qu nos muestra este grfico? En primer lugar podemos observar que las personas de mayor altura tienen
mayor peso, es decir parece haber una correlacin positiva entre altura y peso. Pero un hombre bajito y gordo
puede pesar ms que otro alto y flaco. Esto es as porque no hay una correlacin total y absoluta entre las
variables altura y peso. Para cada altura hay personas de distinto peso:

25

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA

Sin embargo podemos afirmar que existe cierto grado de correlacin entre la altura y el peso de las personas.
Cuando se trata de dos variables cualesquiera, puede no haber ninguna correlacin o puede existir alguna
correlacin en mayor o menor grado, como podemos ver en los grficos siguientes:

26

CAPITULO III: CONTROL DE CALIDAD


INSTRUCTOR MAXIMO UMPIRE SIERRA

Por ejemplo, en el siguiente grfico podemos ver la relacin entre el contenido de Humedad de hilos de algodn
y su estiramiento:

27