7 Herramientas bsicas para la mejora

de la calidad.
(Herramientas de Ishikawa)

Mtodos de Mejora de la Calidad

Prof. Alfonso Raso
Alfonso Raso

Las 7 herramientas bsicas de la calidad

Como ya se ha comentado en otras ocasiones el
trabajador es el:
Maximo experto de la actividad y procesos que le
han sido encomendados.
Para utilizar al mximo su experiencia es necesario
que cada trabajador se transforme en un pequeo
cientifico (alguien que toma sus decisiones
apoyadas en datos)
Las 7 herramientas bsicas constituyen la base del
trabajo del pequeo cientifico. Fueron desarrolladas
en Japn, por el prof. Ishikawa, para hacer ms
eficaz la solucin de los problemas por parte de
todos los trabajadores
Alfonso Raso

Las 7 herramientas bsicas de la calidad

Declaracin del prof. Ishikawa:
Despus de los seminarios de Deming y de otros expertos americanos,
celebrados a principios de los 50s, habiamos empezado a ensear en
nuestras empresas tcnicas estadsticas. Transcurridos dos o tres aos,
observamos que esas enseanzas no proporcionaban resultados y
estabamos enseando a los hombres de la empresa un mtodo
estadstico excesivamente complejo, demasiado difcil de comprender.
Los empleados empezaron a pensar que el mtodo estadstico era algo
muy difcil y que, por consiguiente, tambin el control de calidad
resultara de difcil implementar. Para correguir esos errores enseamos
el mtodo estadstico siguiendo dos enfoques diferentes. En cuanto se
refiere al primero, desde la alta direccin hasta los operarios, decidimos
ensaar el mtodo estadstico ms sencillo, desarrollando as las 7
herramientas bsicas. Con ese sencillo mtodo se podia resolver el
95% de los probelmas de la empresa

Alfonso Raso

Las 7 Herramientas bsicas

Podemos establecer tres partes a la hora de presentar
las 7 herramientas bsicas cuando se utilizar en los
proyectos de mejora, por parte del pequeo cientifico
Etapa
Fundamentos
Pilares

Instrumentos
auxiliares

Actividad

Instrumento

Recoger datos

Hoja de recogida de datos

Interpretar datos

Histograma

Estudiar relacin causa-efecto

Diagrama causa-efecto

Fijar prioridades

Diagrama de Pareto

Estratificar datos

Estratificacin

Determinar las correlacin

Diagrama de correlacin

Control del proceso

Grficos de control

Alfonso Raso

1. Hoja de recogida de datos

Resulta imposible plantear un proyecto de mejora sin
una recogida de datos y sin utilizar los datos ya
recogidos. Ello es as porque, sin datos, no existe
ciencia sino tan solo aproximaciones.

Solo en Dios creo... Todos

los dams traigan datos
OBTENER DATOS CON
FACILIDAD Y PRECISION
Alfonso Raso

1. Hoja de recogida de datos

Ejemplo: Hoja de registro de Defectos por mquina
Maquina

defecto Lunes

Tipo 1
Tipo 2
maquina 1 Tipo 3
Tipo 4
Total
Tipo 1
Tipo 2
maquina 2 Tipo 3
Tipo 4
Total

Martes Miercoles Jueves Viernes Total

2
3
1
0
6
1
1
1
3
6

3
4
3
1
11
2
3
3
0
8

2
1
4
1
8
4
4
2
1
11

1
2
2
0
5
1
5
1
3
10

4
5
0
1
10
2
4
4
2
12

12
15
10
3
40
10
17
11
9
47

Alfonso Raso

2. Histograma
Una vez recogido los datos, varias decenas, cientos
e incluso miles. Qu debe hacer para leerlos e
interpretarlos?
La ciencia a ideado el histograma (y otros mtodos
graficos). Representacin grfica que permite
obtener una visin completa y sinttica de los datos
recogidos.
Valores ms frecuentes?
Dispersin?

40
30

Cumple especificaciones?

20
10
0
2,9

2,93

2,96

2,99

Peso

3,02

3,05

3,08

Se precisa estratificacin?
Atpicos? , Distribucin? ....

Alfonso Raso

2. Histograma

60
50
40
30
20
10
0
2,8

2,9

3,1

3,2

3,3

Peso

Alfonso Raso

2. Histograma

400
300
200
100
0
0

10

15

20

25

30

Peso

Alfonso Raso

2. Histograma

40
30
20
10
0
2,7

2,8

2,9

3,1

3,2

Peso

Alfonso Raso

3. Diagrama causa-efecto
La quintaesencia del trabajo cientifico es el estudio
de las relaciones causa-efecto. Por lo tanto, el
operario o el grupo de operarios que desee llevar a
cabo un proyecto de mejora debe estudiar
obligatoriamente las relaciones de causa-efecto
En el diagrama de causa-efecto representamos
todas las causas que originan el efecto.
CAUSA MAYOR

CAUSA MAYOR
Causa menor

Subcausa
Causa menor

IDENTIFICAR, ANALIZAR Y
SELECCIONAR CAUSAS DE
UN PROBLEMA.
DEFECTO

Subcausa
Causa menor

CAUSA MAYOR

CAUSA MAYOR

Alfonso Raso

3. Diagrama causa-efecto
CAUSA MAYOR

CAUSA MAYOR

Bombilla

Corriente

Causa menor

Falta

Subcausa

Causa menor

Insuficiente

Inadcuada

inexistente
Fundida

La luz no
DEFECTO
funciona
Subcausa

Causa menor

CAUSA MAYOR

Interructor

CAUSA MAYOR

Averia
instalacin
Alfonso Raso

4. Diagrama de pareto
Es el intrumento que se utiliza para definir las cosas
ms importantes. En cualquier situacin existen
siempre poquisimos factores importantes y
muchisimos factores de escasa importancia
Principio de pareto:
"Si hacemos una lista con todas las causas que
contribuyen en la obtencin o aparicin de cualquier efecto
que nos interese analizar, ordenndolas de mayor a menor
segn la magnitud de la contribucin de cada una,
encontraremos que la importancia relativa de las primeras
es tan grande en comparacin con las ltimas, que
aproximadamente el 20 por ciento de ellas son
responsables del 80 por ciento del efecto total y el 80 por
ciento restante de causas es responsable solamente del 20
por ciento restante del efecto".
Alfonso Raso

4. Diagrama de pareto
Tipo de defecto
400

frequency

300
200

74,00

83,71

90,00

95,43

100,00

42,00

100
0
piezas erroneas

Montaje defectuoso
Revestimiento araad
Piezas faltants

Otras causas
Rugosidad superficia

Alfonso Raso

5. estratificacin
Este instrumento consiste en agrupar los datos
segn diferentes conceptos o reas. De esta forma
es posible descibrir las reas ms problematicas y,
por consiguiente, donde es ms importante
concentrar la atencin

SEPARAR, CONFIRMAR
CAUSAS DE PROBLEMAS EN
BASE A DATOS CONTINUOS O
DISCRETOS DE ACUERDO A
GRUPOS O FAMILIAS.

Alfonso Raso

5. estratificacin
Histograma
500

Peso piezas

frequency

400
300
200
100
0
2,9

2,95

3,05

3,1

Peso

Histograma
500

frequency

400

Peso maquina 1

300
200
100
0
2,9

2,95

3,05

3,1

Peso

Histograma
250

frequency

200

Peso maquina 2

150
100
50
0
2,9

2,95

3,05

3,1

Peso

Alfonso Raso

5. estratificacin
Histograma

frequency

800

Peso piezas

600
400
200
0
2,9

2,95

3,05

3,1

Peso

Histograma
500

frequency

400
300

Peso maquina 1

200
100
0
2,9

2,95

3,05

3,1

Peso

Histograma
240

frequency

200
160

Peso maquina 2

120
80
40
0
2,9

2,95

3,05

3,1

Peso

Alfonso Raso

6. Diagrama de correlacin
Este instrumento es utilizado para verificar si dos
variables se encuentran relacionadas, y en que
medida. Su campo de aplicacin es la verificacin de
las relaciones entre una causa y un efecto.

CONFIRMAR LAS RELACION

ENTRE CAUSA Y EFECTO EN
BASE A DATOS CONTINUOS.

Alfonso Raso

6. Correlacin
63,1

Consumo

62,9
62,7
62,5
62,3
62,1
61,9
2,95

2,96

2,97

2,98

2,99

Carga

Observaciones:
Correlaciones espureas
Estratificacin

Alfonso Raso

6. correlacin
24

Consumo

22
20
18
16
14
1,4

1,9

2,4

2,9

3,4

3,9

4,4

4,9

Carga

Alfonso Raso

7. Grficas de control
Se utiliza para verificar si un proceso se encuentra
bajo control o no. Esta herramienta ser estudiada
con profundida en el captulo III del curso.

DETECTAR ANORMALIDADES
EN UN PROCESO, E
IDENTIFICAR CAUSAS
ESPECIALES DE VARIACION.

Alfonso Raso

Proyecto de mejora personal.

Mantener el peso ideal

Alfonso Raso

Proyecto de mejora personal

Hoja de registro de datos
Peso
Mes:
1 semana
Lunes
Martes
Miercoles
Jueves
Viernes
Sabado
Domingo

2 semana
Lunes
Martes
Miercoles
Jueves
Viernes
Sabado
Domingo

3 semana
Lunes
Martes
Miercoles
Jueves
Viernes
Sabado
Domingo

4 semana
Lunes
Martes
Miercoles
Jueves
Viernes
Sabado
Domingo

5 semana
Lunes
Martes
Miercoles
Jueves
Viernes
Sabado
Domingo

Alfonso Raso

Proyecto de mejora
Peso (datos de 1 ao)
40
30
20
10
0
70

71

72

73

74

75

76

Peso

Peso ideal
El 10% de las observaciones estan fuera del peso ideal

Alfonso Raso

Proyecto de mejora
Causa - efecto
Enfermedad

No Deporte

Costipado

Bodas
Cumpleaos

Hidratos de carbono
grasas

10%
Fuera de
peso
ideal

Fiestas
Comidas exporadicas

Comidas habitual

Alfonso Raso

Proyecto de mejora personal

Establezco un plan de accin para eliminar excesos
Peso (datos de 1 ao)
Peso (datos de 1 ao)

40
40

30
30

20

20

10

10

70

71

72

73

Peso

antes

74

75

76

71

71,4

71,8

72,2

72,6

73

73,4

Peso

Despus

Alfonso Raso

Proyecto de mejora personal

Graficos de control

X-bar Chart for RAND1

75

UCL = 73,09
CTR = 72,28

74
X
-bar

LCL = 71,47
73
72
71
0

10

20

30

40

50

Subgroup

Range Chart for RAND1

Range

2,4

UCL = 2,04

CTR = 0,79

1,6

LCL = 0,00

1,2
0,8
0,4
0
0

10

20

30

40

50

Subgroup

Alfonso Raso