Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trabajo Sobre Herramientas Estadisticas PDF
Trabajo Sobre Herramientas Estadisticas PDF
AUTORES:
PALABRAS CLAVE:
RESUMEN:
1. Introduccin
En este trabajo pretendemos mostrar la utilidad de algunas herramientas estadsticas bsicas
en el control de la calidad y en la gestin empresarial, centrando la atencin en las empresas del
sector agroalimentario.
Las empresas son cada da ms conscientes de que la calidad de sus productos y servicios es
un factor de vital importancia para la supervivencia en el mercado. Hoy en da, la calidad es tan
importante como el precio, puesto que la calidad es lo que atrae de nuevo a los clientes. Ante
esta situacin, las empresas no pueden escatimar esfuerzos para ofrecer nuevas opciones a unos
consumidores cada vez ms preocupados por la dualidad calidad/precio, y en consecuencia, el
control y la mejora de la calidad se han convertido en un factor decisivo para aquellas empresas
que desean competir y mantenerse en el mercado actual con garantas de futuro.
En este sentido, para muchas empresas del sector agroalimentario resulta de vital importancia
obtener algn tipo de certificado de calidad segn las normas ISO-9000. Pero conseguir una
certificacin de estas caractersticas no es una tarea fcil, pues se exige, por un lado, un cambio
de actitud de todo el personal de la empresa, y por otro, la implantacin de un sistema coherente
de control y mejora de la calidad. Muchas de estas exigencias de calidad, pueden abordarse con
sencillas tcnicas estadsticas, cuya utilizacin supone un salto cualtitativo en el anlisis de la
informacin, teniendo en cuenta que la prctica habitual suele ser recoger y archivar datos sin
extraer de ellos las conclusiones pertinentes.
Ahora bien, despus de planificar es necesario controlar, es decir comprobar y vigilar que se
estn cumpliendo los objetivos de calidad fijados y, si es necesario, actuar sobre la diferencia.
Pero, qu se puede controlar? Tradicionalmente, el control, se diriga a cuestiones puramente
tcnicas, como las caractersticas de los productos (peso, tamao, espesor, dimetro), o las
condiciones bajo las cuales funciona un proceso (temperatura, tiempo utilizado); sin embargo, en
la actualidad su alcance es mucho ms amplio y se extiende al control de los resultados de
cualquier organizacin (costes, plazos de entrega, etc.).
Por ltimo, est la mejora, que para que sea efectiva debera ser continua. Siempre habr algo
que corregir; en realidad, la idea que subyace cuando se habla de mejora de la calidad, es que un
producto nunca es lo suficientemente bueno y que se debe mejorar continuamente. Cuando una
organizacin empresarial es consciente de la necesidad de mejorar, habr dado un importante
paso adelante.
100%, pronto se sustituy por los planes de inspeccin por muestreo coincidiendo con el
desarrollo de la teora estadstica del muestreo. No obstante, como el control de calidad se
limitaba nicamente a la inspeccin del producto final, los problemas de calidad seguan sin
descubrirse hasta mucho despus de presentarse.
Las tcnicas estadsticas citadas, diseo de experimentos, control estadstico de procesos e
inspeccin por muestreo, utilizadas razonadamente y de forma adecuada, permiten poner de
manifiesto y resolver un elevado nmero de problemas. No obstante, aunque la forma lgica de
aplicacin de las mismas sera en el orden mencionado, hemos de dejar constancia, que el orden
de aparicin y aplicacin de estas tcnicas ha sido precisamente el inverso.
Resulta pues evidente que muchos problemas de calidad encuentran en la estadstica las
tcnicas y procedimientos para encontrar soluciones. Ahora bien, como afirma ISHIKAWA
(1994; p.110), no es necesario saberlo todo para promover el control de calidad y la gestin
empresarial. De hecho, este autor propone siete herramientas bsicas que, en su opinin, si se
utilizan inteligentemente, permiten resolver el 90% de los problemas. Estas herramientas tienen
una caracterstica comn: todas son visuales y tienen forma de grficos o diagramas. Se conocen
como las siete herramientas de ISHIKAWA, incluso en muchos textos de control estadstico de
calidad se presentan como los siete magnficos (WADSWORTH et al., 1986), y a ellas nos
referiremos a continuacin.
Histogramas.
Diagramas de PARETO.
Diagramas bivariantes.
Estratificacin.
Grficos de control.
TABLA 1
Fotoclula
Fallo
carrusel
Problema
agrupadora
L M X J V L M X J V L M X J V L M X J V L M X J V L M X J V
Mquina A
Mquina B
Mquina C
4.2. Histogramas
Los histogramas son una representacin grfica de un conjunto de datos que se utilizan
habitualmente para visualizar los datos generados por las hojas o plantillas donde se ha
recopilado la informacin. La forma del histograma suele poner de manifiesto caractersticas
importantes de la poblacin de la cual se extrajeron los datos, sobre todo si, a la vez que se
representa el histograma, se sealan los lmites de especificacin dentro de los cuales debe
permanecer el producto o proceso.
Para construir un histograma se agrupan los datos en intervalos (entre 5 y 15) dependiendo
del recorrido de los mismos, R, siendo R = valor mximo valor mnimo. La amplitud, a, de
cada intervalo se deduce entonces de la relacin:
a=
R
n de intervalos
FIGURA 1
legumbres secas envasados por la mquina A de la citada empresa. Los pesos se han recogido
durante 3 das tomando en cada uno de ellos una muestra de tamao 80.
FIGURA 1. Histograma para el peso efectivo de las legumbres secas
prctica totalidad de la produccin est por encima del valor nominal, estando el peso ms
frecuente entre 1004 g. y 1005 g., lo que indica que podra ajustarse la mquina envasadora con
mayor precisin.
4.3. Diagramas de PARETO
El diagrama de PARETO se basa en el principio de PARETO que separa los pocos vitales de
los muchos triviales, en un intento de reducir el centro de atencin, en la causa que origina la
mayora de los problemas. La representacin correspondiente dispone los datos desde la mayor
frecuencia a la menor y se completa dibujando una lnea que representa la frecuencia acumulada,
para indicar la magnitud relativa de los defectos contados. Para construir un grfico de PARETO
deben anotarse las causas en orden de importancia y proceder al recuento para cada una de
ellas. Las causas se sitan en el eje horizontal y se dibujan dos ejes verticales: el de la izquierda
que se grada desde cero hasta el valor mayor obtenido del recuento, y el eje de la derecha, que
indica los porcentajes, y por lo tanto se grada desde 0% a 100%. Una tabla genrica para
recoger la informacin previa a la construccin de un grfico de PARETO se presenta a
continuacin:
TABLA 2. Modelo de tabla para la construccin de un grfico de PARETO
Frecuencias
Causas
Porcentajes
Ordinarias
Acumuladas
Ordinarios
Acumulados
n1
N1
P1 = n 1 / N 100%
P1
n2
N2
P2 = n 2 / N 100%
P1 + P2
n3
N3
P3 = n 3 / N 100%
P1 + P2 + P3
nm
Nm
Pm = n m / N 100%
100%
Efecto o Problema
Causas principales
Causas
secundarias
10
Por ejemplo, la empresa envasadora a la que venimos haciendo referencia en todos los
ejemplos anteriores, debe controlar con cuidado el grado de humedad (% de agua) de las
legumbres que envasa puesto que la humedad tiene una gran influencia sobre el peso.
4.6. Estratificacin
La estratificacin de los datos segn su origen, es fundamental para obtener conclusiones
correctas. En realidad, la estratificacin no es una tcnica propiamente dicha, ms bien es una
metodologa de trabajo compatible con cualquiera de las herramientas antes mencionadas.
Estratificar los datos consiste en dividirlos y clasificarlos segn su procedencia, desagregando
la informacin y realizando estudios separados para situaciones como: diferentes materias primas,
diferentes mquinas, diferentes turnos de trabajo, etc. Evidentemente para que esto sea posible
se requiere una cuidadosa planificacin de la recogida de informacin.
As, por ejemplo, un histograma elaborado con datos globales ocultara dnde se localizan los
problemas, mientras que una representacin separada indicara el foco del problema, si es que
existe. Siguiendo este principio, el histograma que aparece en la
FIGURA 1
aleatorias o a causas asignables. Las primeras son aquellas que forman parte de la
variabilidad natural del proceso, como la variabilidad de la materia prima o la variabilidad de la
maquinaria, mientras que las segundas se deben a variaciones irregulares que habr que eliminar
corrigiendo la causa. Un proceso que opera slo con causas aleatorias se dice que est bajo
control estadstico.
Mediante los grficos de control se consigue controlar estadsticamente un proceso puesto
que permiten observar si el proceso permanece estable o cambia a lo largo del tiempo. Estos
grficos reflejan las fluctuaciones de la produccin comparndolas con unos lmites previamente
establecidos: los lmites de control y la lnea central. Se supone que el proceso est bajo control
si todos los puntos representados se sitan entre los lmites de control, pero un punto fuera de los
lmites es una indicacin de que el proceso puede estar funcionando mal.
Desde el punto de vista estadstico, un grfico de control es una prueba de hiptesis donde la
hiptesis nula es: H0 = el proceso est bajo control. El contraste se realiza mediante un
muestreo repetitivo y la obtencin de algn estadstico (media, recorrido, varianza, desviacin
tpica) para cada muestra.
Dependiendo de la caracterstica de calidad estudiada y de los parmetros de la misma que se
controlen, se pueden construir distintos grficos de control. En cualquier caso, el modelo general
tiene la forma2:
* Lmite superior de control: LSC = T + kT
* Lnea central: LC = T
* Lmite inferior de control: LIC = T kT
Siendo T el estadstico muestral que mide la caracterstica de inters, T la media de T y T la
desviacin tpica de T. Adems, k es la distancia de los lmites de control a la lnea central,
expresada en unidades de la desviacin tpica. Tradicionalmente, y bajo la hiptesis de
normalidad, k se toma igual a 3, para garantizar una probabilidad de error tipo I (probabilidad
Esta teora general de los grficos de control fue propuesta por primera vez por SHEWHART en 1924. La
publicacin en 1931 del libro de SHEWHART , Economic control of quality of manufactured products, marc
el inicio de Control Estadstico de Procesos.
12
XS
Por variables
Grfico de medias y recorridos: Grfico
XR
13
media de todos los recorridos muestrales R . A partir de estos valores se determinan los lmites
de control para cada grfico, segn las expresiones que se recogen en la tabla siguiente.
TABLA 3. Lmites de control de los grficos
X R
Grfico de medias
Grfico de recorridos
LSC = X + A2 R
L S C= D4 R
Lnea central
LC= X
LC = R
LIC = X A2 R
LIC = D 3 R
X R
10
A2
D3
D4
1880
1023
0729
0577
0483
0419
0373
0337
0308
0076
0136
0184
0223
3267
2574
2282
2114
2004
1924
1864
1816
1777
FIGURA 4,
por lo que debera eliminarse la muestra correspondiente y recalcular los lmites. De forma
anloga, se procedera con el grfico X , eliminando las muestras correspondientes a los puntos
fuera de control, hasta conseguir un proceso estable. Para las muestras sucesivas se irn
representando su media y recorrido en el grfico de control del proceso. No obstante, los lmites
14
de dicho grfico deben revisarse peridicamente y siempre que se realice algn cambio en el
proceso.
15
FIGURA 4. Grfico
X R
10
LSC = 9009
9
8
Recorrido
7
6
5
LC = 4'833
4
3
2
1
LIC = 0657
0
0
10
12
14
16
18
20
22
24
26
28
30
N de muestra
1006
LSC = 1005'3
1005
Media
1004
LC = 1003'5
1003
1002
LIC = 1001'7
1001
0
10
12
14
16
18
20
22
24
26
28
30
N de muestra
5. Aplicacin
Una de las preocupaciones del director de calidad de la empresa agroalimentaria que nos ha
servido de referencia para este estudio, se centra en reducir, en lo posible, el nmero de
devoluciones de sus productos. Como ya se ha indicado, la empresa envasa y comercializa varios
tipos de legumbres secas: garbanzos, lentejas y alubias. El envasado se realiza principalmente en
bolsas de plstico y, aunque tambin envasa legumbres tiernas en tarros y en menor medida
arroz, el punto fuerte de la empresa es el envasado de la legumbre seca.
La empresa dispone de un resumen mensual de las devoluciones habidas en el ao 1999 para
las tres modalidades de envasado sealadas: legumbres secas, legumbres tiernas y arroz. Por
16
ello, y a la vista de los resultados se propone hacer un estudio ms detallado de los motivos de
dichas devoluciones, centrando especialmente la atencin para las legumbres secas que
representan su mayor volumen de negocio. En la
FIGURA 5
se representa la situacin
correspondiente al ao 1999.
FIGURA 5. Distribucin mensual de las devoluciones
17500
15000
12500
10000
7500
5000
Diciembre
Noviembre
Octubre
Septiembre
Agosto
Julio
Junio
Mayo
Febrero
Enero
Abril
2500
Marzo
20000
Tomando esta informacin como punto de referencia, se procede a analizar lo que viene
ocurriendo durante los tres primeros meses del ao 2000 para obtener alguna conclusin
relevante.
Puesto que se dispone de un registro donde se recogen las devoluciones que se han
producido en esos meses y los motivos de las mismas, se realiza el correspondiente recuento.
Adems, los motivos de devolucin se ordenan por orden de importancia (de mayor a menor)
con el fin de realizar un grfico de PARETO. Se crea una categora de otros, en la que se
engloban los motivos que tienen poca influencia y que se sita en ltimo lugar. En la FIGURA 6 se
representa mediante un grfico de PARETO la informacin relativa al periodo considerado.
17
4000
3500
80%
3000
2500
60%
2000
40%
1500
1000
20%
n de envases devueltos
Otros
Mal
etiquetado
0%
Mal estado
Errores en
distribucin
Problema de
cocin
Roto
Caducado
Falta
rotacin
500
% acumulado
18
MQUINARIA
Tornillo desajustado
MATERIALES
Carro elevador
Lmina defectuosa
Suciedad en la correa
Mala soldadura
ROTURA
Mal cierre del lote
Inexperiencia
Descuido
Cinta
transportadora
MANO DE OBRA
Manipulacin
incorrecta
MTODOS
Por ltimo, hay que sealar que el estudio realizado puede extenderse a un periodo temporal
ms amplio, o bien, se podra concretar por meses con el fin de comparar la situacin de un mes
a otro. Incluso sera conveniente proceder a un estudio de las devoluciones de legumbres secas
detallando el tipo de legumbre (garbanzos, lentejas o alubias) para concretar y restringir ms el
problema.
6. Conclusiones
Como ya hemos sealado al comenzar esta comunicacin, las empresas del sector
agroalimentario, en su mayora pequeas y medianas empresas, necesitan adaptarse a las
exigencias de un mercado cada vez ms competitivo. Entre sus aspiraciones y retos se encuentra
conseguir certificar su sistema de calidad, pues se da por hecho que, cuando una empresa posee
tan ansiada certificacin, ya no se cuestiona su calidad.
Para mantener su sistema de calidad, las empresas recogen gran cantidad de informacin y
disponen de registros de la prctica totalidad de sus procesos. Pero en muchos casos se limitan a
archivar los datos sin realizar ningn anlisis, por lo que muchos problemas siguen sin
descubrirse.
19
Creemos que las herramientas que hemos presentado, sin ser demasiado complejas, pueden
servir de ayuda en el tratamiento de los datos pues ponen de relieve la verdadera situacin. As,
un sencillo histograma ofrece una rpida visin de la dispersin de los datos y confirma si la
produccin se ajusta a las especificaciones. Un grfico de PARETO identifica dnde se localizan la
mayora de los problemas, y el diagrama causa-efecto ofrece una visin rpida de las causas de
los mismos. A su vez, los grficos de control permiten mantener el proceso en control estadstico,
reduciendo la produccin de unidades defectuosas. Si todo lo anterior se realiza a partir de una
correcta estratificacin y clasificacin de la informacin, las conclusiones que se obtengan
conducirn, sin duda, a la deseada mejora de la calidad.
Agradecimientos
Nuestro agradecimiento a Emilo Huerga Moreno, director de calidad de la empresa que nos
ha servido de base para el estudio, por su ayuda desinteresada sin la cual la presente
comunicacin no hubiera sido posible.
Bibliografa
DEMING, W. E. (1989): Calidad, productividad y competitividad. Madrid. Daz de Santos.
GRIMA CINTAS, P.; TORT -MARTORELL LABRS , X. (1995): Tcnicas para la gestin de la
calidad. Madrid. Daz de Santos.
ISHIKAWA , K. (1994): Introduccin al control de calidad. Madrid: Daz de Santos.
JURAN, J. M.; GRYNA , F. M. (1995): Anlisis y planeacin de la calidad. Mxico: McGraw-Hill
MONTGOMERY, D. (1991): Control estadstico de calidad. Mxico: Grupo Editorial Iberoamrica.
NAVARRETE LVAREZ , E. (1998): Control estadstico de la calidad: control estadstico de
procesos. Granada: Adara.
P RAT BARTS ; A.; TORT -MARTORELL LABRS , X.; GRIMA CINTAS; P.; POZUETA FERNNDEZ ,
L. (1997): Mtodos estadsticos: control y mejora de la calidad. Barcelona: UPC.
RIVERA VILAS; L. M. (1995): Gestin de la calidad agroalimentaria. Madrid: Mundi-Prensa.
WADSWORTH , H. M.; STEPHENS, K. S.; GODFREY, A. B. (1986): Modern methods for quality
control and improvement. New York: John Wiley & Sons.
20
JULI IGUAL, J. F.; SERVER IZQUIERDO, R. J. (1999): Control de gestin en las empresas
agrarias. Estudios agrosociales y pesqueros, n 185. pp. 31-55.
ZIEMER, T. L. (1993): Graphical methods for process control. Handbook of Statistic, Vol 9. pp.
999-1019.
21