INSTITUTO TECNOLOGICO DE MATAMOROS

ING.MECATRONICA

Asunto: Diagrama De Ishikawa y Diagrama De Dispersión.

Catedrático. Salazar Mejía Alejandro

Alumnos: Equipo#1
“LOS TAQUEROS”
Yedith Guadalupe Covarrubias Cruz
Yulissa Cruz Pepe
Erik Ivan Jiménez Jiménez
Brayan Eziel Cerda Hernández
Samuel Valentin Fuentes Garcia

Materia: Mantenimiento

FECHA: 02 de Abril del 2019.

 DIAGRAMA DE ISHIKAWA.
El Diagrama de Ishikawa o Diagrama de Causa Efecto (conocido también como
Diagrama de Espina de Pescado dada su estructura) Creado en la década de 60
por Kaoru Ishikawa, consiste en una representación gráfica que permite visualizar
las causas que explican un determinado problema, lo cual la convierte en una
herramienta de la Gestión de la Calidad ampliamente utilizada dado que orienta la
toma de decisiones al abordar las bases que determinan un desempeño
deficiente.

En la metodología, todo problema tiene causas específicas, y esas causas deben

ser analizadas y probadas, una a una, a fin de comprobar cuál de ellas está
realmente causando el efecto (problema) que se quiere eliminar. Eliminado las
causas, se elimina el problema.

La estructura del Diagrama de Ishikawa es intuitiva: identifica un problema o efecto

y luego enumera un conjunto de causas que potencialmente explican dicho
comportamiento. Adicionalmente cada causa se puede desagregar con grado
mayor de detalle en subcausas. Esto último resulta útil al momento de tomar
acciones correctivas dado que se deberá actuar con precisión sobre el fenómeno
que explica el comportamiento no deseado.

Estructura del diagrama Causa-Efecto

El diagrama causa-efecto está compuesto por un recuadro que constituye la

cabeza del pescado, una línea principal, que constituye su columna, y de 4 a más
líneas apuntando a la línea principal formando un ángulo de unos 70º, que
constituyen sus espinas principales. Cada espina principal tiene a su vez varias
espinas y cada una de ellas puede tener a su vez de dos a tres espinas menores
más.
 1. Constituir un equipo de personas multidisciplinar.
2. Partir de un diagrama en blanco. Lógicamente para ir rellenándolo
desde cero
3. Escribir de forma concisa el problema o efecto que se está
produciendo (la utilización de la técnica de los 5w+2h nos será de mucha
utilidad).
4. Identificar las categorías dentro de las cuales se pueden clasificar las
causas del problema. Generalmente estarán englobadas dentro de las 6M
(máquina, mano de obra, método, materiales, mediciones o inspección y
medio ambiente).
5. Identificar las causas. Mediante una lluvia de ideas y teniendo en cuenta
las categorías encontradas, el equipo debe ir identificando las diferentes
causas para el problema. Por lo general estas causas serán aspectos
específicos, propios de cada categoría, y que al estar presentes de una u
otra forma están generando el problema. Las causas que se identifiquen se
deberán ubicar en las espinas que confluyen hacia las espinas principales
del pescado.
6. Preguntarse el porqué de cada causa (pero no más de 2 o 3 veces). En
este punto el equipo debe utilizar la técnica de los 5 porqués. El objeto es
averiguar el porqué de cada una de las causas anteriores.

DIAGRAMA DE DISPERSIÓN.
El Diagrama de Dispersión tiene el propósito de controlar mejor el proceso y
mejorarlo, resulta indispensable conocer cómo se comportan algunas variables o
características de calidad entre sí, esto es, descubrir si el comportamiento de unas
depende del comportamiento de otras, o no, y en qué grado.

El Diagrama de dispersión es una herramienta utilizada cuando se desea realizar

un análisis gráfico de datos bivariados, es decir, los que se refieren a dos
conjuntos de datos. El resultado del análisis puede mostrar que existe una relación
entre una variable y la otra.
El estudio puede ampliarse para incluir una medida cuantitativa de tal relación.

Las dos variables pueden estar relacionadas de la siguiente manera:

• Una característica de calidad y un factor que incide sobre ella.

• Dos características de calidad relacionadas.
• Dos factores relacionados con una misma característica de calidad.
Si existe un parámetro que se incrementa o disminuye de forma sistemática por el
experimentador, se le denomina parámetro de control o variable independiente y
habitualmente se representa a lo largo del eje horizontal (eje de las abscisas). La
variable medida o dependiente usualmente se representa a lo largo del eje vertical
(eje de las ordenadas). Si no existe una variable dependiente, cualquier variable
se puede representar en cada eje y el diagrama de dispersión mostrará el grado
de correlación (no causalidad) entre las dos variables.
Un diagrama de dispersión puede sugerir varios tipos de correlaciones entre las
variables con un intervalo de confianza determinado. La correlación puede ser
positiva (aumento), negativa (descenso), o nula (las variables no están
correlacionadas). Se puede dibujar una línea de ajuste (llamada también "línea de
tendencia") con el fin de estudiar la correlación entre las variables. Una ecuación
para la correlación entre las variables puede ser determinada por procedimientos
de ajuste. Para una correlación lineal, el procedimiento de ajuste es conocido
como regresión lineal y garantiza una solución correcta en un tiempo finito.
Uno de los aspectos más poderosos de un gráfico de dispersión, sin embargo, es
su capacidad para mostrar las relaciones no lineales entre las variables. Además,
si los datos son representados por un modelo de mezcla de relaciones simples,
estas relaciones son visualmente evidentes como patrones superpuestos.

Lectura y uso del Diagrama de Dispersión.

La lectura se hace en base al tipo de relación entre los datos; lo fuerte o débil de la
relación, la forma de la relación y la posible presencia de punto anómalos.
La relación entre los datos se denomina “correlación positiva” cuando a un
aumento en el valor de la variable X le acompaña un aumento en la otra variable.

El caso inverso da lugar a la llamada “correlación negativa”.

El patrón de puntos puede asumir formas diversas, dependiendo de la relación

que exista entre las variables. Si el patrón de puntos asume la forma (quizás
aproximada) de una línea recta, se dice que existe una relación lineal entre las
variables.
En ocasiones, algunos datos dan lugar a puntos anómalos, que se presentan
separados del patrón de puntos. El usuario debe dejar fuera del análisis esos
puntos, que quizás son debidos a lecturas equivocadas o a algún cambio en las
condiciones del proceso, etc.
Pero se ganará conocimiento de este último al estudiar las causas por las que se
presentaron los puntos.
Un Diagrama de Dispersión no dice nada de porqué existe la correlación, por lo
que es imprescindible examinar la aparente relación entre las variables desde el
punto de vista científico o técnico.

El Coeficiente de Relación Lineal.

El valor del Coeficiente de Correlación lineal de Pearson (r) proporciona una
medida del grado de relación entre dos variables y se calcula mediante la
expresión:

r = S (xy) / S(xx) S(yy)

donde:

S(xx) = ƩXi² – (ƩXi)² / n

S(yy) = ƩYi² – (ƩYi)² / n

S(xy) = ƩXiYi – ((ƩXi) (ƩYi))/ n

n es el número de parejas de datos. El término S(xy) se llama covarianza.

El Coeficiente de Relación Lineal.

El valor del Coeficiente de Correlación es:
|r| = < 1

Si r = +1 ó r = -1 se tiene entonces una correlación perfecta, lo cual significa que

todos los puntos caen sobre una línea recta.
Un valor de r = 0 indicará la ausencia de relación entre las variables; entre más
cercano esté el valor absoluto de r a la unidad mayor será el grado de correlación.