CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA.pdf

CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA Segunda edición Humberto Gutiérrez Pulido Centro Universitario de Ciencias Exactas e Ingeniería Universidad de Guadalajara, México Román de la Vara Salazar Centro de Investigación en Matemáticas Guanajuato, México MÉXICO BOGOTÁ BUENOS AIRES CARACAS GUATEMALA LISBOA MADRID NUEVA YORK SAN JUAN SANTIAGO AUCKLAND LONDRES MILÁN MONTREAL NUEVA DELHI SAN FRANCISCO SINGAPUR SAN LUIS SIDNEY TORONTO Director Higher Education: Miguel Ángel Toledo Castellanos Director editorial: Ricardo A. del Bosque Alayón Coordinadora editorial: Marcela I. Rocha Martínez Editor sponsor: Pablo E. Roig Vázquez Editora de desarrollo: Ana L. Delgado Rodríguez Supervisor de producción: Zeferino García García Diseño de portada: Víctor M. Ortiz Pelayo CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA Prohibida la reproducción total o parcial de esta obra, por cualquier medio, sin la autorización escrita del editor. DERECHOS RESERVADOS © 2009, respecto a la segunda edición por McGRAW-HILL/INTERAMERICANA EDITORES, S.A. DE C.V. A Subsidiary of The McGraw-Hill Companies, Inc. Prolongación Paseo de la Reforma 1015, Torre A Piso 17, Colonia Desarrollo Santa Fe, Delegación Álvaro Obregón C.P. 01376, México, D. F. Miembro de la Cámara Nacional de la Industria Editorial Mexicana, Reg. Núm. 736 ISBN: 978-970-10-6912-7 (ISBN: 970-10-4724-9 edición anterior) 1234567890 08765432109 Impreso en México Printed in Mexico A Irma, Arnoldo y Noel HGP A Rosalinda, Armida y Román RVS Contenido Acerca de los autores xiii Prefacio xv Agradecimientos xvii Capítulo 1 Conceptos básicos de calidad Calidad y competitividad Productividad Medición del desempeño de una empresa Variabilidad y pensamiento estadístico Ciclo de la calidad (ocho pasos en la solución de un problema) 2 4 7 9 11 13 Capítulo 2 Capacidad de procesos I: Estadística descriptiva Medidas de tendencia central Medidas de dispersión o variabilidad — Relación entre X y S (interpretación de la desviación estándar) Histograma y tabla de frecuencias Medidas de forma Cuantiles (percentiles) Diagrama de caja Estudio real (integral) de capacidad Uso de sistemas computacionales 16 19 21 22 23 29 30 31 32 34 Capítulo 3 Introducción a la probabilidad Conceptos de probabilidad Distribuciones discretas Distribución normal Veriﬁcación de normalidad (gráﬁcas de probabilidad) Gráﬁca de probabilidad para veriﬁcar normalidad Distribuciones derivadas del muestreo 44 46 48 51 53 54 56 viii Contenido Capítulo 4 Elementos de inferencia estadística Conceptos básicos Estimación puntual y por intervalo Conceptos básicos de prueba de hipótesis Prueba para la media Prueba para la varianza Tres criterios de rechazo o aceptación equivalentes Hipótesis para dos parámetros: comparación de dos procesos o poblaciones Poblaciones pareadas (comparación de dos medias con muestras dependientes) Uso de software 62 64 65 72 76 77 78 80 85 89 Capítulo 5 Índices de capacidad, métricas Seis Sigma y análisis de tolerancias Índices de capacidad para procesos con doble especiﬁcación Capacidad de largo plazo e índices Pp y Ppk Métricas Seis Sigma Procesos con sólo una especiﬁcación Estimación por intervalo de los índices de capacidad Estudio real (integral) de capacidad Diseño de tolerancias Estimación de los límites naturales de tolerancia de un proceso Uso de software 98 100 107 108 117 118 120 122 123 132 Capítulo 6 Herramientas básicas para Seis Sigma Diagrama de Pareto Estratiﬁcación Hoja de veriﬁcación (obtención de datos) Diagrama de Ishikawa (o de causa-efecto) Lluvia de ideas Diagrama de dispersión Diagramas de procesos Sistemas poka-yoke 138 140 144 148 152 159 160 164 171 Contenido Capítulo 7 Cartas de control para variables Causas comunes y especiales de variación Cartas de control — Carta de control X -R — Carta X -S Interpretación de las cartas de control y causas de la inestabilidad Índice de inestabilidad, St Carta de individuales Cartas de precontrol Uso de software estadístico 182 184 186 189 196 198 203 204 208 210 Capítulo 8 Cartas de control para atributos Cartas p y np (para defectuosos) Cartas c y u (para defectos) Implantación y operación de una carta de control Uso de software estadístico 222 224 232 238 244 Capítulo 9 Cartas CUSUM y EWMA: detección oportuna de cambios pequeños Carta CUSUM Carta EWMA Uso de software estadístico 252 255 260 262 Capítulo 10 Estado de un proceso: capacidad y estabilidad Estado de un proceso Estrategias de mejora 266 268 271 ix x Contenido Capítulo 11 Calidad de mediciones (repetibilidad y reproducibilidad) Conceptos básicos Estudio largo de repetibilidady reproducibilidad Estudio R&R corto (short method) Monitoreo del sistema de medición Estudios R&R para pruebas destructivas Estudios R&R para atributos Uso de software estadístico 278 280 283 295 296 302 303 309 Capítulo 12 Muestreo de aceptación Cuándo aplicar el muestreo de aceptación Tipos de planes de muestreo Formación del lote y selección de la muestra Aspectos estadísticos: variabilidad y curva característica de operación Diseño de un plan de muestreo simple con NCA y NCL especíﬁcos (método de Cameron) Military Standard 105E Planes de muestreo Dodge-Roming Plan de muestreo PDTL (NCL, LTPD) con c = 0 Muestreo de aceptación por variables (MIL STD 414) Uso de software estadístico 320 322 324 325 326 337 340 349 355 356 361 Capítulo 13 Conﬁabilidad Preguntas en un estudio de conﬁabilidad Características de los estudios de conﬁabilidad Tipos de censura en conﬁabilidad Funciones en conﬁabilidad Modelos (distribuciones) para el tiempo de falla Especiﬁcación de la distribución de vida y estimación gráﬁca de sus parámetros Estimación por mínimos cuadrados y por máxima verosimilitud Varios modos de falla Conﬁabilidad de sistemas Uso de software estadístico 368 370 371 372 375 380 386 391 394 396 400 Contenido Capítulo 14 Análisis de modo y efecto de las fallas (AMEF) Actividades para realizar un AMEF (proceso) 406 409 Capítulo 15 Estrategia Seis Sigma Antecedentes y características de Seis Sigma Etapas de un proyecto Seis Sigma Diseñar para Seis Sigma (DMADV) Diseño para conﬁabilidad Proceso esbelto y Seis Sigma Implantación de la estrategia 6σ 418 420 426 434 436 437 444 Capítulo 16 Ejemplo de proyecto Seis Sigma Deﬁnición Medición Análisis Mejora Control 450 452 452 458 462 464 Apéndice 467 Bibliografía y referencias 477 Índice 479 xi Acerca de los autores Humberto Gutiérrez Pulido es profesor investigador en el Centro Universitario de Ciencias Exactas e Ingeniería de la Universidad de Guadalajara. Obtuvo el doctorado en estadística por el Centro de Investigación en Matemáticas (CIMAT) de Guanajuato, México. Entre las empresas en las que ha impartido capacitación y/o asesoría en calidad total, control estadístico y diseño de experimentos, destacan las siguientes: Cervecería Modelo, Tequila Herradura, Kodak, Xerox, Jabil, Coca-Cola e IBM. Ha escrito a lo largo de su trayectoria profesional tres libros, entre ellos, Calidad total y productividad, publicado por McGraw-Hill, y 25 artículos de investigación. Asimismo, ha sido conferencista a nivel nacional e internacional. Román de la Vara Salazar es investigador consultor en el Centro de Investigación en Matemáticas (CIMAT) de Guanajuato, México. Es candidato a doctor en estadística por el CIMAT. Entre las empresas en las que ha impartido capacitación y/o asesoría en ingeniería para la calidad y estadística, destacan las siguientes: Pemex, INEGI, Motorola, Comisión Federal de Electricidad, CENAM, Mabe, General Motors y Kodak. Prefacio En este libro abordamos los principales conceptos y métodos del control estadístico de calidad y los aspectos esenciales de la estrategia de mejora conocida como Seis Sigma (6σ). Sobre el control estadístico podemos decir que éste ha demostrado su utilidad tanto en las empresas de manufactura como de servicio, ya que con las exigencias de mejora a la que se ven expuestas las organizaciones debido a la alta competitividad de los mercados globalizados, se ha hecho más evidente la necesidad de ampliar la comprensión y utilización del pensamiento estadístico, y aplicar conceptos y técnicas estadísticas para una diversidad de tareas y propósitos, por ejemplo: Identificar dónde, cómo, cuándo y con qué frecuencia se presentan los principales problemas en una organización. Detectar con rapidez, oportunidad y a bajo costo anormalidades en los procesos y sistemas de medición (monitoreo eficaz). Ser objetivos en la planeación y toma de decisiones; expresar los hechos en forma de datos y evaluar objetivamente el impacto de acciones de mejora. Analizar lógica, sistemática y ordenadamente la búsqueda de mejoras. En cuanto a Seis Sigma, ésta es una de las principales estrategias que por más de una década han utilizado varias de las compañías líderes a nivel mundial, y gracias a su exitosa aplicación ha generado beneficios millonarios. Seis Sigma es una estrategia de mejora continua del negocio que busca encontrar y eliminar las causas de los errores, defectos y retrasos en los procesos del negocio, enfocándose hacia aquellos aspectos que son críticos para el cliente. La estrategia 6σ se apoya en una metodología altamente sistemática y cuantitativa orientada a mejorar los resultados del negocio con tres áreas prioritarias de acción: satisfacción del cliente, reducción del tiempo de ciclo y disminución de los defectos. La meta de 6σ, que le da el nombre, es lograr procesos con calidad Seis Sigma, es decir, procesos que como máximo generen 3.4 defectos por millón de oportunidades de error. Esta meta se alcanza mediante un programa vigoroso de mejora, diseñado e impulsado por la alta dirección de una organización, en el que se desarrollan proyectos en las diferentes áreas de la empresa con el objetivo de lograr mejoras y remover defectos y retrasos de productos, procesos y transacciones. La metodología en la que se apoya Seis Sigma está definida y fundamentada en las herramientas y el pensamiento estadísticos. Por lo anterior, el objeto de este libro, además de abordar conceptos y técnicas del control estadístico, es agregar varios de los métodos que más se utilizan en un proyecto Seis Sigma, así como describir con detalle las características principales de la estrategia Seis Sigma. El libro es resultado de más de 15 años de enseñanza, capacitación y asesoría sobre control estadístico de calidad y estrategias de mejora. Así, además de la contribución de los autores, esta obra ha sido posible gracias a las ideas, comentarios, dudas, ejemplos, datos, respuestas, discusiones y experiencia de las personas con las que se ha tenido contacto en el terreno profesional; desde estudiantes universitarios, estudiantes de posgrado, investigadores hasta personal técnico y directivo de empresas e instituciones. Las respuestas a esas dudas, las experiencias y los diferentes aportes se han vertido en los 16 capítulos del libro, que cuenta con alrededor de 70 ejemplos y más de 300 preguntas y ejercicios reales. Esperamos que esta obra resulte un aporte para enfrentar de mejor manera los tiempos actuales, ya que la globalización y la alta competencia es una realidad tan contundente que deja poco lugar a dudas acerca de la necesidad de que las organizaciones enfrenten rápida y eficazmente esta competencia. Se puede afirmar que en buena parte la globalización ha dejado atrás muchas discusiones sobre la forma de enfrentar los nuevos tiempos. Hoy se sabe casi en todas las empresas y organizaciones que ya no hay clientes cautivos, y que en cualquier momento los clientes pueden encontrar una alternativa mejor. En este contexto la aplicación de la estrategia Seis Sigma, con sus métodos, representan una excelente opción. xvi Prefacio El libro se ha organizado en 16 capítulos. En el primero se hace una revisión de los conceptos básicos de la calidad y la productividad; en los capítulos 2 y 5 se analizan los conceptos y métodos para hacer un estudio de capacidad de un proceso, incluyendo las métricas de Seis Sigma. Los capítulos 3 y 4 tienen como propósito proporcionar algunos fundamentos teóricos de la probabilidad y estadística, que son necesarios para entender mejor el resto de los métodos. En los capítulos 7 a 10 se describen las técnicas para evaluar la estabilidad de un proceso: cartas de control básicas y avanzadas, relación capacidad y estabilidad y cartas de precontrol. En el capítulo 11 se detallan los métodos para evaluar el funcionamiento de un sistema de medición (estudios R&R y otros), indispensables en un proyecto Seis Sigma. En los capítulos 12 y 13 se estudia, respectivamente, el tradicional muestreo de aceptación y se da una introducción a la confiabilidad. En los capítulos 6 y 14 se describen varios métodos de frecuente aplicación en el contexto de proyectos Seis Sigma, como las herramientas básicas, diferentes tipos de diagramas de proceso, QFD, Amef, etc. Finalmente, los capítulos 15 y 16 están dedicados a describir las principales características de la estrategia Seis Sigma: sus antecedentes, metodología para el desarrollo de proyectos, roles y características de las personas en las que se respalda Seis Sigma (black belts, green belts, etc.). En particular en el capítulo 16 se describe paso a paso un ejemplo real de proyecto Seis Sigma. Al final de cada capítulo se han agregado preguntas y ejercicios con la idea de presentar material adicional complementario. En suma, con el contenido del libro se cubren los temas tradicionales del programa de control estadístico que se imparte a nivel universitario, así como otros métodos indispensables para la realización de proyectos Seis Sigma, con lo cual tanto el profesor como el alumno pueden profundizar en temas adicionales para lograr una visión más completa sobre la materia. De hecho, respecto a los métodos de mayor uso en Seis Sigma, además de los que se describen en este libro faltaría agregar lo referente a Diseño y análisis de experimentos. Materia que se puede consultar en Gutiérrez Pulido y De la Vara Salazar (2008), que es un libro complementario de éste. Sobre la segunda edición En esta segunda edición se ha hecho una importante revisión de la edición anterior, con el propósito de hacer más fácil y clara la lectura de la obra, ampliar algunos temas, agregar ejercicios, eliminar redundancias y mejorar la definición de conceptos clave. Los mayores cambios resultaron en los capítulos uno (Conceptos básicos), cuatro (Elementos de Inferencia Estadística), cinco (Índices de capacidad, métricas seis sigma y análisis de tolerancias), seis (Herramientas básicas para Seis Sigma), once (estudio de Repetibilidad y Reproducibilidad) y quince y dieciséis (estrategia seis sigma). El contenido de los anteriores capítulos 15-16 y 17 se ha puesto en esta nueva edición en los capítulos 6 y 16, respectivamente; con la idea de darles un mejor contexto. Al final de cada capítulo se han agregado breves explicaciones de cómo utilizar algunos sistemas computacionales, en esta edición se ha hecho especial énfasis en Excel, Statgraphics y Minitab. Esperamos que con estas mejoras y nuevos materiales el libro siga siendo bien recibido por la comunidad iberoamericana. Agradecimientos Agradecer a todas las personas que directa o indirectamente contribuyeron en un libro como éste no es facil, ya que a lo largo de los años se van acumulando ideas, comentarios, dudas, ejemplos, datos, respuestas, discusiones y experiencias de las personas con las que se ha tenido contacto en el terreno profesional. Finalmente, las respuestas a esas dudas, las experiencias y los diferentes aportes se han vertido en los 19 capítulos del libro, con alrededor de 70 ejemplos y más de 300 preguntas y ejercicios reales. De cualquier manera, y disculpándonos de antemano por las omisiones, qusieramos dejar testimonio de nuestro agradecimiento a las siguientes personas: Julio Yuen (Flextronics), Leopoldo Torres y Carlos Zaragoza (Hitachi), Miguel Cedeño (Tequila Herradura), Mario Soto y Javier Ulloa (IBM), Mónica Guerrero (GE), Ignacio Gallo y Jorge Quirarte (Kodak), Martín Marín, Óscar Famoso y Pedro Ponce (Panasonic), Alberto Godínez, Felipe Camacho y Daniel Romo (Lucent Technology), Armando Miramontes (Innopack), Gustavo Basurto (Coca-Cola), Enrique Villa, Jorge Domínguez y Gustavo Torres (Cimat), Porfirio Gutiérrez, Osvaldo Camacho, Lizbeth Díaz, Agustín Rodríguez, María de Jesús Guzmán y Cecilia Garibay (Universidad de Guadalajara), Víctor Aguirre (ITAM), Javier Quezada (Tec. de Monterrey), Jorge Villa (U. de Sonora), Cuauhtémoc Reyes (U. A. de Sinaloa), Mario Miguel Ojeda (U. Veracruzana), Marcial Quintanar y Carlos Manzo (Plus), Juan Ulin, Pável Morales, Edmundo Dávila y Rubén Cárdenas (Jabil Circuits), Joaquín Avalos (Cervecería Modelo), Joel Cárdenas (Pemex), José Toro (Mabe-Sanyo), Valentín Gutiérrez (Emerson) y Jorge Ramírez (CFE). CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA Capítulo 1 Conceptos básicos de calidad SUMARIO Calidad y competitividad Productividad Medición del desempeño de una empresa Variabilidad y pensamiento estadístico Ciclo de calidad (ocho pasos en la solución de un problema) Objetivos de aprendizaje Analizar el concepto de calidad y los factores de la competitividad como elementos centrales de la existencia de una empresa u organización. Profundizar en el entendimiento de la productividad. Explicar cómo ha evolucionado la forma de medir el desempeño de una empresa, destacando la importancia que ahora tiene considerar la opinión de los clientes. Describir el concepto de variabilidad en los procesos, así como la importancia del pensamiento estadístico para lograr que los proyectos Seis Sigma sean exitosos. Entender el ciclo de la calidad y los ocho pasos en la solución de un problema. Calidad del producto Competitividad Calidad del servicio Precio Eficiencia Productividad Eficacia CALIDAD Proceso (6 M) Variabilidad Pensamiento estadístico Acciones correctivas y preventivas Mejora El ciclo de la calidad (PHVA) 4 CAPÍTULO 1: Conceptos básicos de calidad Calidad y competitividad D esde el punto de vista de los clientes, las empresas y/u organizaciones existen para proveer un producto material o inmaterial, un bien o un servicio, ya que ellos necesitan productos con características que satisfagan sus necesidades y expectativas. Estos productos son resultado de un proceso (véase figura 1.1), el cual es un conjunto de actividades entrelazadas o interrelacionadas que reciben determinados insumos (entradas) que son transformados en un resultado (salidas) o en un producto. Un proceso está Variables de entrada del proceso Son las que deﬁnen las condiciones de conformado por varias etapas o subprocesos, mientras que los insumos incluyen operación del proceso e incluyen las sustancias, materiales, productos o equipos. Los resultados pueden ser un provariables de control y las que aunque ducto en sí o alguna modificación de los insumos, que a su vez será un insumo no son controladas, inﬂuyen en el para otro proceso. desempeño del mismo. Las variables de salida, es decir, las características de calidad o variables de respuesta, las Y, son las variables en las que se reflejan los resultados obtenidos en el proceso. A través de los valores que toman estas variables se evalúa la eficacia del proceso; por ello, al analizarlas se estará escuchando la “voz” de éste (figura Variables de salida Son las características de calidad en 1.1). Algunos ejemplos de estas variables que son específicas para cada tipo de las que se reﬂejan los resultados obteproducto y proceso son: dimensiones (longitud, espesor, peso, volumen); pronidos en un proceso. piedades físicas, químicas o biológicas; características superficiales, propiedades eléctricas, sabor, olor, color, textura, resistencia, durabilidad, etcétera. Una exigencia fundamental de los clientes es que los productos sean de calidad. Con respecto a esta característica existen varias definiciones; por ejemplo, Juran sostiene que: “Calidad es que un producto sea adecuado para su uso. Así, la calidad consiste en la ausencia de deficiencias en aquellas características que satisfacen al cliente” (Juran, 1990); mientras que de acuerdo con la definición de la American Society for Quality (ASQ), “calidad es Voz cliente Insumos Transformación Resultados Diseño Proveedores Planeación Productos Primera etapa Segunda etapa Etapa n Compras Servicios Proceso FIGURA 1.1 Clientes Voz proceso (Realimentación vs. especiﬁcación) Esquema de un proceso. Sobre los productos se miden las variables de salida. Calidad y competitividad 5 la totalidad de detalles y características de un producto o servicio que influye en su capacidad para satisfacer necesidades dadas”; en las Normas ISO-9000:2000 se define calidad como “el grado en el que un conjunto de características inhe- Calidad rentes cumplen con los requisitos”, entiendiéndose por requisito una necesidad o Es el juicio que el cliente tiene sobre un producto o servicio, resultado del expectativa por lo general implícita u obligatoria. En términos menos formales, la grado con el cual un conjunto de cacalidad, definida por el cliente, es el juicio que éste tiene acerca de un producto o racterísticas inherentes al producto servicio. Un cliente queda satisfecho cuando se le ofrece todo lo que él esperaba cumple con sus requerimientos. encontrar y más. Por lo tanto, calidad es ante todo la satisfacción del cliente, que está ligada a las expectativas que éste tiene con respecto al producto o servicio. Las expectativas son generadas de acuerdo con las necesidades, los antecedentes, el precio del producto, la publicidad, la tecnología, la imagen de la empresa, etc. Se dice que hay satisfacción cuando el cliente percibe del producto o servicio al menos lo que esperaba. De aquí se deriva que tanto la competitividad de una empresa como la satisfacción del cliente están determinadas principalmente por tres factores: la calidad del producto, el precio y la calidad del servicio. Se es más competitivo cuando se ofrece mejor calidad a bajo precio y mediante un buen servicio. En la figura 1.2 se muestran los componentes Satisfacción del cliente de estos tres factores de la competitividad. Como se aprecia, en la columna de Es la percepción de éste acerca del calidad se incluye la tecnología del producto, que implica la necesidad de inno- grado con el cual sus necesidades o var para ser competitivo, ya que un producto puede estar libre de defectos; no expectativas han sido cumplidas. obstante, el cliente está esperando que además tenga nuevos y mejores atributos. También se aprecia que uno de los componentes de la calidad en el servicio es tener menores tiempos de la entrega porque en la actualidad se requiere que el producto esté justo cuando se le necesita (justo a tiempo). El tiempo de entrega está relacionado con el tiempo de ciclo, que corresponde al tiempo que transcurre desde que el cliente inicia un pedido, el cual se transforma en requerimientos de materiales, órdenes de producción y de otras tareas, hasta que todo esto se convierte en un producto en las manos del cliente. De esta forma el tiempo de ciclo refleja en buena medida qué tan buena es la logística en la empresa (flujos de Tiempo de ciclo mercancías e información) y el tiempo que tardan las diferentes etapas del proceso. Es el tiempo que transcurre desde que Se pensaba que calidad, precio y tiempo de entrega eran objetivos antagónicos, el cliente inicia un pedido que se transforma en requerimientos de materiaen el sentido de que se podía mejorar cualquiera de los tres sólo en detrimento de les, órdenes de producción y de otras los otros dos. De hecho, en algunas organizaciones se sigue creyendo que mejorar tareas, hasta que todo se convierte en la calidad implica necesariamente un precio más alto y mayor tiempo de elabora- un producto en las manos de éste. Satisfacción del cliente: competitividad de una empresa Factores críticos Calidad del producto Calidad en el servicio Precio Atributos Tecnología Funcionalidad Durabilidad Prestigio Conﬁabilidad Tiempo de entrega Flexibilidad en capacidad Disponibilidad Actitudes y conductas Respuesta a la falla Asistencia técnica Precio directo Descuentos/ventas Términos de pago Valor promedio Costo servicio posventa Margen de operación Costos totales FIGURA 1.2 Factores de la competitividad. 6 CAPÍTULO 1: Conceptos básicos de calidad ción. Sin embargo, cada día hay más organizaciones en las que se sabe que la calidad en todas las áreas y actividades influye de manera positiva en los tres factores. Cuando se tiene mala calidad en las diferentes actividades hay equivocaciones y fallas de todo tipo, por ejemplo: Reprocesos, desperdicios y retrasos en la producción. Pagar por elaborar productos malos. Paros y fallas en el proceso. Una inspección excesiva para tratar que los productos de mala calidad no salgan al mercado. Reinspección y eliminación de rechazo. Más capacitación, instrucciones y presión a los trabajadores. Gastos por fallas en el desempeño del producto y por devoluciones. Problemas con proveedores. Más servicios de garantía. Clientes insatisfechos y pérdidas de ventas. Problemas, diferencias y conflictos humanos en el interior de la empresa. La característica común de cada uno de los aspectos anteriores es que implican más gastos, así como menos producción y ventas. Es necesario cubrir los pagos de la gente que hace la inspección, los reprocesos, de quienes atienden los retrasos y de los que se encargan de los servicios de garantía; además, usan máquinas, espacios, energía eléctrica y requieren mandos que los coordinen. En este sentido, la mala calidad no sólo trae como consecuencia clientes insatisfechos sino también mayores costos; por lo tanto, no es posible competir en calidad ni en precio, menos en tiempos de entrega. Un proceso de mala calidad es errático, costoso, inestable y no se puede predecir. La figura 1.3 sintetiza la relación entre mala calidad y competitividad. Cabe señalar que los costos de la mala calidad pueden ser muy altos dependiendo del desempeño de la empresa, e incluso llegan a representar entre 25 y 40% de las ventas de la empresa (ver capítulo 15). Por otra parte, al mejorar la forma en que se realizan todas las actividades se logra una reacción que genera importantes beneficios; por ejemplo, se reducen reprocesos, errores, retrasos, desperdicios y artículos defectuosos; asimismo, disminuye la devolución de productos, las visitas a causa de la garantía y las quejas de los clientes. Al disminuir las deficiencias se reducen los costos y se liberan recursos materiales y humanos que se pueden destinar a elaborar más productos, resolver otros problemas de calidad, reducir los tiempos de entrega o proporcionar Fallas y deﬁciencias Reprocesos, desperdicios, retrasos, equivocaciones, paros, inspección excesiva, desorganización, problemas con proveedores y clientes, conﬂictos humanos en el interior de la empresa Más gastos Menos competitividad FIGURA 1.3 Con fallas y deﬁciencias no es posible competir en calidad ni en precio, menos en tiempos de entrega. Productividad 7 un mejor servicio al cliente, lo cual incrementa la productividad y que la gente esté más contenta con su trabajo. Lo anterior se sintetiza en la figura 1.4, cuyo concepto fue presentado por primera vez en 1950 por Edwards Deming a un grupo de industriales japoneses. De acuerdo con lo anterior se ve la importancia del control de calidad, que es el conjunto de actividades planeadas para que los requisitos de la calidad del producto se cumplan. Además, es necesario implementar estrategias de mejora, como Seis Sigma, que al reducir los costos de no calidad e incrementar la productividad, se vuelven atractivas desde el punto de vista económico. Así, a manera de resumen, la competitividad se define como la capacidad de Competitividad una empresa para generar valor para el cliente y sus proveedores de mejor ma- Es la capacidad de una empresa para nera que sus competidores. Esta capacidad se manifiesta por medio de niveles generar valor para el cliente y sus proveedores de mejor manera que sus adecuados para los diferentes componentes de los factores de la competitividad competidores. (véase figura 1.2). Productividad E n general, la productividad se entiende como la relación entre lo producido y los medios empleados; por lo tanto, se mide mediante el cociente: resultados logrados entre recursos empleados. Los resultados logrados pueden medirse en unidades producidas, piezas vendidas, clientes atendidos o en utilidades. Mientras que los recursos empleados se Productividad cuantifican por medio del número de trabajadores, tiempo total empleado, horas- Es la capacidad de generar resultados máquina, etc. De manera que mejorar la productividad es optimizar el uso de los utilizando ciertos recursos. Se increrecursos y maximizar los resultados. De aquí que la productividad suela dividirse menta maximizando resultados y/u en dos componentes: eficiencia y eficacia. La primera es la relación entre los resul- optimizando recursos. tados logrados y los recursos empleados, se mejora principalmente optimizando el uso de los recursos, lo cual implica reducir tiempos desperdiciados, paros de equipo, falta de material, retrasos, etc. Mientras que la eficacia es el grado con Eficiencia el cual las actividades previstas son realizadas y los resultados planeados son Relación entre los resultados logrados logrados. Por lo tanto, ser eficaz es cumplir con objetivos y se atiende mejorando y los recursos empleados. Se mejora optimizando recursos y reduciendo los resultados de equipos, materiales y en general del proceso. tiempos desperdiciados por paros de Por ejemplo, si la productividad se mide a través de las unidades producidas equipo, falta de material, retrasos, entre el tiempo total empleado (figura 1.5), entonces la eficiencia será la relación etcétera. Se mejora todo Disminuyen los costos porque hay menos reprocesos, fallas y retrasos; de esta manera se utilizan mejor los materiales, máquinas, espacios y recursos humanos Mejora la productividad Se es más competitivo en calidad y precio Hay cada vez más trabajo FIGURA 1.4 Al mejorar la calidad se da una reacción en cadena. 8 CAPÍTULO 1: Conceptos básicos de calidad Productividad: mejoramiento continuo del sistema. Más que producir rápido, producir mejor. Productividad = eﬁciencia × eﬁcacia Unidades producidas Tiempo útil Unidades producidas = × Tiempo total Tiempo total Tiempo útil Eﬁciencia = 50% Eﬁcacia = 80% El 50% del tiempo se desperdicia en: Programación Paros no programados Desbalance de capacidades Mantenimiento y reparaciones De 100 unidades, 80 están libres de defectos, 20 tuvieron algún defecto FIGURA 1.5 La productividad y sus componentes. entre tiempo útil y tiempo total; mientras que la eficacia será el cociente entre las unidades producidas y el tiempo útil. De esta manera, la figura 1.5 sugiere Grado con el cual las actividades plados programas para incrementar la productividad: mejorar eficiencia, en la que neadas son realizadas y los resultados se busque reducir los tiempos desperdiciados por paros de equipos, carencia de previstos son logrados. Se atiende materiales, falta de balance en las capacidades, retrasos en los suministros y en maximizando resultados. las órdenes de compra, así como por mantenimiento y reparaciones no programadas. Según una encuesta aplicada en los sectores metalmecánico, de muebles, calzado, textil y de la confección en México (Eroles, et al., 1998), la eficiencia promedio detectada fue de 50%, es decir, que en estos sectores se desperdicia la mitad del tiempo en promedio por aspectos de logística y organización principalmente. Por ello, tiene sentido la afirmación de la figura 1.5, cuando se dice que más que producir rápido es preferible hacerlo mejor, incrementando el flujo del trabajo y reduciendo los tiempos desperdiciados a lo largo de los procesos. Por otro lado está la mejora de la eficacia, en la cual se busca la disminución de los productos con defectos, las fallas en arranques y en la operación de procesos. Es decir, se busca disminuir las deficiencias en materiales, diseños y equipos; además de incrementar y mejorar las habilidades del personal y generar programas que le ayuden a la gente Acciones preventivas a realizar mejor su trabajo. Según la encuesta antes referida, la eficacia promedio Son aquellas que se implementan detectada fue de 80%, lo cual significa que si se planean materiales y actividades para eliminar la causa de una inconpara producir 100 unidades, al final sólo 80 en promedio están libres de defectos formidad u otra situación potencial indeseable. y las otras 20 se quedaron a lo largo del proceso por algún tipo de defecto. De estas 20 algunas podrán reprocesarse y otras se convertirán en desperdicio. De esta manera, al multiplicar eficiencia por eficacia se tiene una productividad promedio de 40% en las ramas industriales referidas, lo cual indica el potencial y el área de oportunidad que existe en mejorar el actual sistema de trabajo y de organización mediante programas de mejora continua. Así, el reto es buscar la mejora continua, ya sea mediante acciones preventivas o correctivas. Las primeras sirven para eliminar la causa de una inconformidad potencial u otra situación indeseable, o sea que se enfoca a prevenir la ocurrencia. Las segundas acciones son para eliminar la causa de la inconformidad detectada y se emplean para prevenir la recurrencia. Un concepto relacionado con los anteriores es la efectividad, que se refiere a Acciones correctivas Se emplean para eliminar la causa que los objetivos planteados sean trascendentes y se alcancen. Esto es importante de una no conformidad detectada. porque una empresa puede plantearse una serie de objetivos y ser eficaz en su Es decir, están orientadas a prevenir cumplimiento, pero quizá no reflejen de manera clara el desempeño de los prorecurrencias. cesos de la empresa. Eficacia Medición del desempeño de una empresa 9 Medición del desempeño de una empresa U n aspecto fundamental en una organización es decidir qué y cómo se va a medir su salud y desempeño, ya que la elección de lo que un negocio o un área mide y analiza comunica valor, encauza el pensamiento de los empleados y fija las prioridades. Las medidas son un medio sistemático para convertir las ideas en acción. Por lo tanto, la medición constituye uno de los aspectos esenciales en el control estadístico y en la estrategia de mejora Seis Sigma. Es necesario medir lo que es importante y clave en los procesos, así como los resultados que se quieren mejorar. La siguiente frase sintetiza esta idea: “dime qué mides y cómo lo analizas y te diré qué es importante para tu área y para tu empresa”. O en palabras de H. J. Harrington: “…la peculiaridad que distingue a los seres humanos de los otros seres vivos es su capacidad de observar, medir, analizar y utilizar la información para generar cambios” (Harrington, 1998). Una tarea esencial del líder y de su equipo es establecer el sistema de medición del desempeño de la organización, de modo que se tenga claro cuáles son los signos vitaSistema de medición del desempeño les de salud de la organización y los procesos. De esta manera será posible encauzar Se reﬁere a cuantiﬁcar los signos viel pensamiento y la acción (mejora) a lo largo del ciclo de negocio en los diferentes tales de la organización y con base en procesos. En este sentido, hoy se sabe que los reportes de los resultados financieros ellos encauzar el pensamiento de los empleados y ﬁjar prioridades. no son suficientes para medir la salud actual y futura de la organización. En la figura 1.6 se muestra un esquema de cómo ha evolucionado lo que se mide y cómo se administra una organización. Se aprecia cómo se parte desde el reporte financiero, pasando por medir la calidad y la no calidad en la empresa, hasta utilizar la calidad como un factor clave en la administración del valor para el cliente. La última etapa que refleja la figura 1.6 consiste en enfocar la empresa al Conformancia mercado. Para ello, además de basarse en el reporte financiero y los criterios de Consiste en cumplir con las especiﬁcaconformancia de las diferentes operaciones, es necesario tomar en cuenta la eva- ciones de calidad y enfocarse a reducir luación a los propios clientes, los clientes de los competidores y, en general, se el retrabajo y los desperdicios. requiere preguntar al mercado cómo percibe a la empresa. En la figura 1.7 vemos que además del reporte financiero para los accionistas, la satisfacción del cliente y el desempeño de las operaciones, es necesario incorporar dos guías claves más: satisfacción y desarrollo de los empleados, y asociación con proveedores. Así, el éxito de una organización se debe procurar desde la selección de proveedores y el seguimiento de lo que sucede en el proceso de éstos (que es la primera parte del proceso de la empresa), para eño e mp l d e s r ida d e s e y o d r pr i s a lu a r la s t abl e c e u l a v r a e io n e s y e s pa t e r io a r d e cis i r c y ic a s e t om mé t r o r ma s d s a v f Toma más ue as r an n N u e v importancia el cliente, o r p o z a c i ó n. c n i ni Se la empresa se acerca or ga de la a él, las decisiones Cumplir con están basadas en especiﬁcaciones. sus necesidades y Enfoque a reducción Análisis de expectativas de retrabajo y de ganancias, enfoque a Enfoque al cliente desperdicios dividendos Estado 3 Estado 2 Estado 1 Reporte ﬁnanciero Clientes Conformancia FIGURA 1.6 La empresa amplía sus perspectivas y no sólo analiza la satisfacción de sus clientes, sino también se pone en contacto con el mercado y se compara con sus competidores. Enfoque al cliente y al mercado Estado 4 Mercado, papel crítico de la calidad Evolución de los criterios para determinar el desempeño de la empresa: cada nuevo estado incorpora los anteriores criterios y agrega otros más. 10 CAPÍTULO 1: Conceptos básicos de calidad Las guías clave del negocio Asociación con proveedores Valor del accionista Satisfacción de los empleados Satisfacción del cliente FIGURA 1.7 Desempeño operacional Medición del desempeño de una organización. continuar con lo que pasa con los empleados de la empresa (ningún éxito duradero se puede fincar en estos tiempos en empleados insatisfechos, atemorizados y que no estén desarrollándose como personas y como empleados). La siguiente guía es proporcionada por la calidad de los resultados operacionales (evaluaciones de calidad, productividad, etc.). Estas tres guías se reflejan y retroalimentan con la cuarta guía: la satisfacción del cliente. Por último, la quinta guía son los resultados para el accionista, que es en gran parte la consecuencia del resto de las guías. A partir de la figura 1.7 se observa que el reporte financiero llega demasiado tarde como para fundamentar la dirección de una organización sólo con esta guía. Es necesario ir hacia atrás y obtener indicadores que reflejen en forma más preventiva la salud de la empresa. En la figura 1.8 se muestran algunos de los indicadores específicos que conforman cada una de las guías clave del negocio. Es importante que los datos de cualquier indicador clave sean realistas, mensurables, procesables, fiables, de rápida actualización y de fácil acceso a quienes lo requieren. El sistema de medición del desempeño debe proporcionar una orientación clara para las diferentes áreas y para los individuos en todos los niveles, de manera que sepan si su desempeño es satisfactorio y qué aspectos es necesario mejorar. El sistema de medición con los indicadores que se muestran en la figura 1.8 es balanceado y refleja en bue- Evaluación del desempeño: guías fundamentales Proveedores Empleados Calidad operacional Clientes Accionistas de auditorías Resultados Sus índices de calidad (por mes) Selección cación Clasiﬁ Capacidades calidad De volumen De De entrega De costos y precios Tendencias de la producción de los equipos Actividad Tendencias de premios y reconocimientos Estudios de satisfacción de los empleados Crecimiento y desarrollo de ciclo Tiempo de inventarios Rotación Eﬁciencia Horas de retrabajo Fiabilidad del proceso industrial Evaluación de calidad de calidad Evaluaciones del cliente Quejas Calidad de la entrega (servicio) del mercado Análisis Análisis de sobre activos Retorno Utilidades operativos Costos Inversiones comerciales Costos de servicio FIGURA 1.8 (defectos, retrabajo, desperdicios, etc.) Proyectos de mejora Algunos indicadores para las guías clave del negocio. competitividad posventa Variabilidad y pensamiento estadístico 11 na medida los diferentes intereses en la empresa (gerencia, empleados, accionistas, clientes externos, proveedores). Variabilidad y pensamiento estadístico L a estadística está formada por un conjunto de técnicas y conceptos orientados a la recolección y análisis de datos tomando en cuenta la variación en los mismos. Por su parte, el control estadístico de la calidad es la aplicación de técnicas estadísticas al control de calidad. Ahora veamos con detalle el significado e importancia de la variabilidad. Variabilidad La variabilidad es parte de nuestra vida diaria; por ejemplo, el tiempo que tardamos Variabilidad en trasladarnos de nuestra casa al trabajo o escuela es diferente de una día a otro; la Se reﬁere a la diversidad de resultados temperatura del ambiente es distinta de una hora a otra; lo dulce de una bebida que de una variable o de un proceso. es preparada en casa es diferente de un día a otro aunque aparentemente se preparó igual, etc. Esta variación que ocurre en nuestra vida también se lleva a cabo en los procesos de las empresas. Por ejemplo, en un banco se lleva un registro de los minutos que los clientes esperan para ser atendido; al azar se eligen 40 de estos tiempos de espera y se obtiene lo siguiente: 18.1 7.9 14.6 13.6 14.2 13.0 11.0 7.4 8.7 11.3 13.4 7.0 5.4 9.2 8.0 4.8 14.2 13.5 13.9 11.8 11.3 12.9 15.7 13.3 6.7 0.7 13.1 9.6 6.8 9.1 9.3 9.3 9.0 14.2 12.2 12.5 11.4 7.7 6.9 11.4 En el caso de esta muestra el tiempo promedio de espera fue de 11.1. Pero existe variación, ya que un cliente esperó menos de un minuto (0.7) y otro fue atendido después de 18.1 minutos de espera. De aquí que una de las tareas clave del control estadístico de un proceso será no sólo conocer su tendencia central (media), sino también su variabilidad. Un ejemplo rápido que ilustra la importancia de que los procesos tengan poca variación se ilustra mediante el siguiente caso. Existen dos empresas que proveen el mismo producto. La empresa A tarda entre 10 y 22 días en surtir los pedidos; mientras que la empresa B requiere entre 13 y 19 días. Las dos empresas tardan en promedio lo mismo (16 días), pero si se es cliente de la empresa B se tendrá menos incertidumbre (menos variabilidad) acerca de cuándo van a surtir su pedido. Reducir la variación de los procesos es un objetivo clave del control estadísti6M co y de Seis Sigma. Por lo tanto, es necesario entender los motivos de la variación, Son los materiales, mano de obra, mey para ello se parte de que en un proceso (industrial o administrativo) interactúan diciones, medio ambiente, máquinas y materiales, máquinas, mano de obra (gente), mediciones, medio ambiente y mé- métodos que conforman un proceso. todos. Estos seis elementos (las 6 M) determinan de manera global todo proceso y cada uno aporta algo de la variabilidad y de la calidad de la salida del proceso, como se esquematiza en la figura 1.9. El resultado de todo proceso se debe a la acción conjunta de las 6 M, por lo que si hay un cambio significativo en el desempeño del proceso, sea accidental u ocasionado, su razón se encuentra en una o más de las 6 M. En un proceso, cada una de las 6 M tiene y aporta su propia variación; por ejemplo, los materiales no son idénticos, ni toda la gente tiene las mismas habilidades y entrenamiento. Por ello, será necesario conocer la variación de cada una de las 6 M y buscar reducirla. Pero además es necesario monitorear de manera constante los procesos, ya que a través del tiempo ocurren cambios en las 6 M, como la llegada de un lote de material no adecuado o con características especiales, descuidos u olvidos de la gente, desajustes y desgaste de máquinas y herramientas, etc.1 Debido a la posibilidad permanente de que ocurran estos cambios y desajustes, es necesario monitorear de manera constante y adecuada diferentes variables, que pueden ir desde carac- 1 La segunda ley de la termodinámica dice que cualquier sistema tiende a aumentar su entropía, es decir, un proceso que se deja libre, sin intervenirlo, ajustarlo o mejorarlo, tiende a aumentar su desorden. 12 CAPÍTULO 1: Conceptos básicos de calidad Mano de obra Mediciones Maquinaria Medio ambiente Materiales Métodos Variable de salida (característica de calidad) FIGURA 1.9 La variabilidad de un proceso. Cada M aporta una parte, no necesariamente igual, de la variación total observada. terísticas claves de los insumos, las condiciones de operación de los equipos, hasta las variables de salida de los diferentes procesos. Como lo veremos después, para monitorear procesos y detectar posibles cambios, las herramientas más adecuadas son las cartas de control. Además, en los esfuerzos permanentes que es necesario realizar para mejorar la calidad y la productividad de un proceso, como lo contempla la estrategia Seis Sigma, resulta indispensable apoyarse en las técnicas y el pensamiento estadístico, ya que proporcionan metodologías que facilitan la planeación, el análisis y la toma de decisiones a través de: Identificar dónde, cómo, cuándo y con qué frecuencia se presentan los problemas (regularidad estadística). Analizar los datos procedentes de las guías clave del negocio,a fin de identificar las fuentes de variabilidad, analizar su estabilidad y pronosticar su desempeño. Detectar con rapidez, oportunidad y a bajo costo anormalidades en los procesos y sistemas de medición (monitoreo eficaz). Ser objetivos en la planeación y toma de decisiones, y evitar frases como “yo siento”, “yo creo”, “mi experiencia” y el abuso de poder en la toma de decisiones. Expresar los hechos en forma de datos y evaluar de manera objetiva el impacto de acciones de mejora. Enfocarse a los hechos vitales; es decir, a los problemas y causas realmente importantes. Analizar de manera lógica, sistemática y ordenada la búsqueda de mejoras. Pensamiento estadístico Pensamiento estadístico Hasta el momento se han explicado los aspectos fundamentales del pensamiento estadístico, que es una filosofía de aprendizaje y acción basada en tres principios: todo el trabajo ocurre en un sistema de procesos interconectados; la variación existe en todos los procesos, y entender y reducir la variación son claves para el éxito. Pensar en forma estadística implica tomar información del proceso para conocerlo (aprendizaje), y también es actuar de acuerdo con ese aprendizaje (acción). En el primer principio del pensamiento estadístico se habla de procesos interconectados para enfatizar que los procesos no operan de manera aislada, más bien, interactúan con el resto del sistema. Por lo tanto, si no se toma en cuenta la manera en que se relaciona un proceso con el resto del sistema, la optimización de una de las partes puede tener un efecto desastroso para el resto del sistema. Filosofía de aprendizaje y acción que establece la necesidad de un análisis adecuado de los datos de un proceso, como una acción indispensable para mejorar su calidad (reducir su variabilidad). Ciclo de calidad (ocho pasos en la solución de un problema) ¿A dónde se dirige la organización? Estratégico Procesos administrativos para guiar la organización Directivo Ambiente en el que se desarrolla el trabajo Operacional FIGURA 1.10 13 estrategias y las comunica. Crea datos de varias fuentes para dirigir. Emplea Desarrolla e implementa sistemas de medición para dirigir el progreso. Estimula a los empleados a experimentar nuevas formas de hacer su trabajo. proyectos estructurados. Desarrolla metas (sabe que hay variación). Fija Se enfoca en los procesos y no reclama a los empleados por su variación. Conoce la variación. Graﬁ de los procesos. Identiﬁcacadatos medidas clave y oportunidades de mejora. Pensamiento estadístico en los tres niveles de la organización. El segundo principio reconoce que los resultados de todos los procesos son variables, y esto ya lo hemos justificado antes y quedará en evidencia a lo largo del libro. El tercer principio es una de las razones y objetivos principales de esta obra: reducir la variabilidad hasta lograr el nivel de calidad Seis Sigma (véase capítulo 15). El gran reto es que una empresa logre profundizar en la filosofía del pensamiento estadístico, ya que eso le ayudará a conocer la realidad (con variación), pero también le permitirá dirigir más adecuadamente sus esfuerzos de mejora. En la figura 1.10 se muestra la forma en que el pensamiento estadístico contribuye en los diferentes niveles de una organización. Ciclo de la calidad (ocho pasos en la solución de un problema) P ara mejorar la calidad y, en general para resolver problemas recurrentes y cró- Ciclo de la calidad (ciclo PHVA) nicos, es imprescindible seguir una metodología bien estructurada, para así Proceso de cuatro etapas para desallegar a las causas de fondo de los problemas realmente importantes, y no quedarse rrollar proyectos de mejora; consiste en planear, hacer, veriﬁcar y actuar en atacar efectos y síntomas. En este sentido la mayoría de metodologías de solu- (PHVA). ción de problemas están inspiradas en el ciclo de la calidad o ciclo PHVA (planear, hacer, verificar y actuar), en el que se desarrolla de manera objetiva y profunda un plan (planificar); éste se prueba en pequeña escala o sobre una base de ensayo tal como ha sido planeado (hacer); se analiza si se obtuvieron los efectos esperados y la magnitud de los mismos (verificar), y de acuerdo con lo anterior se actúa en consecuencia (actuar), ya sea con la generalización del plan si dio resultado, con medidas preventivas para que la mejora no sea reversible, o bien, se reestructura el plan si los resultados no fueron satisfactorios, con lo que se vuelve a iniciar el ciclo. Una forma de llevar a la práctica el ciclo PHVA, es dividir a éste en ocho pasos o actividades para su solución, como se muestra en la tabla 1.1, que se describen a continuación. 1. Seleccionar y caracterizar el problema. En este primer paso se selecciona un problema importante, se delimita y se define en términos de su magnitud e importancia. Para establecer la magnitud es necesario recurrir a datos estadísticos para que sea clara la frecuencia en la que ocurre el problema. Además, es necesario conocer cómo afecta al cliente (interno o externo) 14 CAPÍTULO 1: Conceptos básicos de calidad TABLA 1.1 Ocho pasos en la solución de un problema. ETAPA PASO NOMBRE Y BREVE DESCRIPCIÓN DEL PASO 1 Planear Seleccionar y caracterizar un problema: elegir un problema realmente importante, delimitarlo y describirlo, estudiar antecedente e importancia, y cuantiﬁcar su magnitud actual. Buscar todas las posibles causas: Lluvia de ideas, diagrama de Ishikawa. Participan los involucrados. Investigar cuáles de las causas son más importantes: recurrir a datos, análisis y conocimiento del problema. Elaborar un plan de medidas enfocado a remediar las causas más importantes: para cada acción, detallar en qué consiste, su objetivo y cómo implementarla; responsables, fechas y costos. 2 3 4 Hacer 5 Ejecutar las medidas remedio: seguir el plan y empezar a pequeña escala. Veriﬁcar 6 Revisar los resultados obtenidos: comparar el problema antes y después. 7 Prevenir la recurrencia: si las acciones dieron resultado, éstas deben generalizarse y estandarizar su aplicación. Establecer medidas para evitar recurrencia. Conclusión y evaluación de lo hecho: evaluar todo lo hecho anteriormente y documentarlo. Actuar 8 2. 3. 4. 5. 6. 7. y el costo anual estimado de dicho problema. Con base en lo anterior se establece el objetivo del proyecto de mejora y se forma el equipo de personas que abordará dicho problema. Buscar todas las posibles causas. En esta etapa se trata de buscar todas las posibles causas del problema, sin discutirlas. Para ello se recomienda aplicar una sesión de “lluvia de ideas” (ver capítulo 6), con especial atención en los hechos generales y no en los particulares (por ejemplo, si el problema es lotes rechazados por mala calidad, no preguntar por qué se rechazó un lote en particular; mejor preguntar por qué se rechazan los lotes). Investigar las causas más importantes. El objetivo de este tercer paso es elegir de la lista de posibles causas detectadas en el punto anterior, las más importantes. Siempre que sea posible, para esta elección se debe recurrir a análisis estadísticos (análisis de Pareto, estratificación, etc.). De lo contrario la elección de las causas más importantes se puede hacer por consenso o por votación (ver Lluvia de ideas en el capítulo 6). Al final de esta actividad se deberán tener las causas sobre las que se actuará para resolver el problema. Considerar las medidas remedio. En este paso se deciden las medidas remedio para cada una de las causas sobre las que se ha decidido actuar. Se recomienda buscar que estas medidas lleguen al fondo de la causa, que modifiquen la estructura de la problemática; es decir, no adoptar medidas superficiales que dejen intactas las causas. Para acordar las soluciones para cada causa, se parte de los análisis hechos en el paso previo y/o de una sesión de lluvia de ideas (capítulo 6). Para cada causa se debe completar la siguiente información sobre las soluciones: objetivo, dónde se aplicará, quién, cómo (plan detallado), cuánto costará, cuándo se implantará, cómo se va a verificar si fue efectiva y efectos secundarios esperados. Implementar las medidas remedio. En este paso se deben ejecutar las medidas remedio, acordadas antes, iniciando a pequeña escala sobre una base de ensayo. Además, se recomienda seguir al pie de la letra el plan elaborado en el paso anterior e involucrar a los afectados, explicándoles los objetivos que se persiguen. Si hay necesidad de hacer algún cambio al plan previsto, esto debe ser acordado por el equipo responsable del proyecto. Revisar los resultados obtenidos. Aquí, es necesario verificar con datos estadísticos si las medidas remedio dieron resultado. Una forma práctica es comparar estadísticamente la magnitud del problema antes con su magnitud después de las medidas. En caso de encontrar resultados positivos, éstos deben cuantificarse en términos monetarios (si esto es posible). Prevenir recurrencia del mismo problema. Si las soluciones no dieron resultado se debe repasar todo lo hecho, aprender de ello, reflexionar, obtener conclusiones y con base en esto empezar de nuevo. En cambio, si las soluciones dieron resultado, entonces se debe generalizar y estandarizar la aplicación de las medidas remedio; y acordar acciones para prevenir la recurrencia del problema. Por ejemplo, estandarizar la nueva forma de operar el proceso, documentar el procedimiento y establecer el sistema de control o monitoreo del proceso. Preguntas y ejercicios 8. Conclusión. En este último paso se revisa y documenta todo lo hecho, cuantificando los logros del proyecto (medibles y no medibles). Además se señalan las causas y/o problemas que persisten y señalar algunas indicaciones de lo que puede hacerse para resolverlos. Finalmente, elaborar una lista de los beneficios indirectos e intangibles que se logró con el plan de mejora. Estos ocho pasos, aplicados a problemas recurrentes o a proyectos de mejora, tal vez en un principio parezcan un trabajo extra y lleno de rodeos, pero a mediano plazo liberan de muchas de las actividades que hoy se realizan y que no tienen ningún impacto en la calidad. En otras palabras, el seguir los ocho pasos sustituirá cantidad de acciones instantáneas por calidad de soluciones de fondo. Seguir los ocho pasos debe ser un hábito que se debe promover en todos los niveles de la empresa y en todos sus niveles directivos. Conceptos clave Variables de salida Variables de entrada del proceso Calidad Satisfacción del cliente Tiempo de ciclo Competitividad Productividad Eﬁciencia Eﬁcacia Acciones preventivas Acciones correctivas Sistema de medición del desempeño Conformancia Variabilidad 6M Pensamiento estadístico Ciclo de la calidad (ciclo PHVA) Preguntas y ejercicios 1. ¿Qué es un proceso? 2. ¿Qué es una variable de salida (característica de calidad) de un proceso? 3. ¿Qué es calidad? 4. ¿Cuáles son los tres factores críticos que determinan la competitividad de una empresa? 5. ¿Cuál es la relación entre calidad, precio y tiempo de entrega, tanto desde el punto tradicional como actual? 6. Explique la reacción en cadena que se da al mejorar la calidad, y señale quién la formuló por primera vez. 7. ¿Qué signiﬁca que una empresa sea competitiva? 8. La productividad la constituyen la eﬁciencia y la eﬁcacia. Proporcione una deﬁnición general de productividad y explique sus dos componentes. 9. ¿Por qué es fundamental establecer un buen sistema de medición del desempeño de la organización? 10. Explique cómo han evolucionado los criterios para medir el desempeño de una organización. 11. Muestre en forma gráﬁca las cinco guías clave para evaluar el desempeño de una organización y explique qué aspectos incluyen cada una de estas guías. 12. Se dice que la variabilidad siempre existe. Comente tres situaciones prácticas donde se reﬂeja esto. 13. ¿Cuáles son las 6 M en las que se divide un proceso? 14. ¿Por qué es necesario el control estadístico? 15. Se dice que el pensamiento estadístico es una ﬁ losofía de aprendizaje y acción, ¿por qué aprendizaje y por qué acción? 16. Explique los tres principios del pensamiento estadístico. 17. Describa la forma en que el pensamiento estadístico puede ayudar en los niveles estratégico, directivo y operacional de una organización. 18. Describa en qué consiste el ciclo de la calidad o ciclo PHVA. 19. ¿A qué tipo de problemas se les debe aplicar la metodología de los ocho pasos? 20. De las cuatro fases del ciclo de la calidad, a su juicio ¿en cuáles es necesario hacer mayor mayor énfasis? Argumente. 20. A un equipo de mejora de la calidad se le responsabiliza de resolver un problema importante, y como una estrategia de eﬁciencia y prontitud en la primera reunión empiezan a proponer soluciones a tal problema. ¿Están procediendo de manera correcta? 15 Capítulo 2 Capacidad de procesos I: Estadística descriptiva SUMARIO Medidas de tendencia central Medidas de dispersión o variabilidad – Relación entre X y S (interpretación de la desviación estándar) Histograma y tabla de frecuencias Medidas de forma Cuantiles (percentiles) Diagrama de caja Estudio real (integral) de capacidad Uso de sistemas computacionales Objetivos de aprendizaje Analizar las principales técnicas para realizar un análisis descriptivo de un conjunto de datos, donde se detecte la tendencia central, la variabilidad, así como la forma de distribución de estos datos. Interpretar en forma adecuada el histograma, los percentiles y un diagrama de caja. Aplicar los conceptos anteriores para hacer una valoración amplia de la capacidad de un proceso. Tendencia central Dispersión Medidas Forma Localización ESTADÍSTICA DESCRIPTIVA Histograma y tabla de frecuencias Parámetros Distribución Límites reales Diagrama de caja 18 CAPÍTULO 2: Capacidad de procesos I: Estadística descriptiva Las variables de salida o de respuesta de un proceso (véase capítulo 1) deben cumplir con ciertas metas y/o especificaciones, a fin de que sea posible considerar que el proceso funciona de manera satisfactoria. Por ello, una tarea primordial del control de calidad es conocer la capacidad o habilidad de un proceso, que consiste en determinar la amplitud de la variación natural del proceso para una característica de calidad dada. Capacidad de un proceso Consiste en conocer la amplitud de la Esto permitirá saber en qué medida tal característica de calidad es satisfactoria. variación natural del proceso para una En este capítulo se estudian las principales técnicas de la estadística descriptiva característica de calidad dada; esto para el análisis de una variable de tipo continuo. Estas técnicas son de gran utilipermitirá saber en qué medida tal cadad para entender mejor la capacidad de un proceso. racterística de calidad es satisfactoria Por lo general, para realizar un estudio de capacidad se toman datos del pro(cumple especiﬁcaciones). ceso durante un periodo considerable para que se refleje bien el desempeño del proceso. El periodo de referencia depende de la velocidad del proceso, ya que si se trata de un proceso masivo que produce muchas piezas por día, entonces se conEstadísticos sidera un periodo de cuatro a 10 días, y de ahí, cada determinado tiempo se toma Mediciones o cálculos que se obtienen una pequeña cantidad de productos hasta completar una muestra de 120 a 150. Pero a partir de un conjunto de datos con el cuando se trata de un proceso lento, que produce pocos productos por día, es neobjetivo de conocer sus características cesario incrementar el periodo de estudio para completar una muestra de por lo más relevantes. menos 50 o 60 productos. En ambos casos, en la medida que se tengan más datos y un periodo más amplio será posible conocer mejor el estado real del proceso. EJEMPLO 2.1 En un proceso de inyección de plástico una característica de calidad del producto (disco) es su grosor, que debe ser de 1.20 mm con una tolerancia de ±0.10 mm. Así, para considerar que el proceso de inyección fue satisfactorio, el grosor del disco debe estar entre la especiﬁcación inferior, EI = 1.10 y la superior, ES = 1.30. En un estudio de capacidad para este proceso es necesario contestar las siguientes interrogantes: ¿qué tipo de discos en cuanto a grosor se están produciendo? ¿El grosor medio es adecuado? ¿La variabilidad del grosor es mucha o poca? Para contestar estas preguntas, durante una semana se obtuvieron de una línea de producción los 125 datos de la tabla 2.1. El muestreo fue sistemático: cada determinado tiempo se tomaban cinco productos y se medían y al ﬁnal de la semana se tuvieron los datos referidos. A continuación se analizarán estos datos por medio de diferentes estadísticos. TABLA 2.1 Datos para el grosor de los discos, ejemplo 2.1. 1.15 1.20 1.17 1.16 1.16 1.15 1.17 1.20 1.16 1.19 1.17 1.13 1.15 1.20 1.18 1.17 1.16 1.20 1.17 1.17 1.20 1.14 1.19 1.13 1.19 1.16 1.18 1.16 1.17 1.15 1.21 1.15 1.20 1.18 1.17 1.17 1.13 1.16 1.16 1.17 1.20 1.18 1.15 1.13 1.20 1.17 1.19 1.23 1.20 1.24 1.17 1.17 1.17 1.17 1.18 1.24 1.16 1.18 1.16 1.22 1.23 1.22 1.19 1.13 1.15 1.15 1.22 1.19 1.18 1.19 1.17 1.16 1.17 1.18 1.19 1.23 1.19 1.16 1.19 1.20 1.17 1.13 1.22 1.19 1.21 1.20 1.19 1.17 1.19 1.22 1.19 1.18 1.11 1.19 1.19 1.17 1.19 1.17 1.20 1.16 1.19 1.20 1.20 1.17 1.25 1.16 1.16 1.20 1.20 1.16 1.18 1.21 1.20 1.22 1.19 1.14 1.19 1.17 1.20 1.16 1.15 1.20 1.12 1.11 1.18 Medidas de tendencia central 19 Medidas de tendencia central C on las mediciones de una característica de calidad como las del ejemplo 2.1, el primer aspecto a investigar consiste en conocer la tendencia central de los datos, es decir, identificar un valor en torno al cual los datos tienden a aglomerarse o concentrarse. Esto permitirá saber si el proceso está centrado; es decir, si la tendencia central de la variable de salida es igual o está muy próxima a un valor nominal deseado (en el ejemplo el valor nominal es 1.20). A continuación veremos tres medidas de la tendencia central: la media, la mediana y la moda. Tendencia central Valor en torno al cual los datos o mediciones de una variable tienden a aglomerarse o concentrarse. Media muestral Supongamos que x1, x2, x3,..., xn son las observaciones numéricas de una muestra; entonces, la medida más usual de su tendencia central es proporcionada por la media (o promedio) muestral, que es igual a la media aritmética de todos los datos: n X x1 x 2 K x n n £ xi i1 Media Medida de tendencia central que es igual al promedio aritmético de un conjunto de datos, que se obtiene al sumarlos y el resultado se divide entre el número de datos. n es decir, la media muestral se obtiene sumando todos los datos y el resultado de la suma se divide entre el número de datos (n). – En el ejemplo 2.1, la media de los datos de la tabla 2.1 es X = 1.179 mm, con lo cual, el grosor promedio de los discos de la muestra es de 1.179 mm. Esto no significa que todos o la mayoría de los discos tengan un grosor de 1.179 mm, es más, en el ejemplo, ningún disco tiene tal grosor. En este caso, dado que la media muestral procede de una muestra significativamente grande que abarca el periodo de una semana, entonces hay evidencia de que el proceso está descentrado de forma moderada a la izquierda o hacia un valor inferior, ya que el valor objetivo para el grosor es de 1.20 mm. Media poblacional o del proceso, μ Si para calcular la media se utilizan todos los elementos de la población (todos los posibles individuos, especímenes, objetos o medidas de interés sobre los que se hace un estudio), por ejemplo, el grosor de todos los discos producidos en la última semana o mes, entonces el promedio calculado es la media del proceso (o media poblacional) y se denota con la letra griega μ (mu). Es importante destacar que la media del proceso μ es igual a cierto valor, aunque no siempre – se conoce; mientras que el valor de X se obtiene para cada muestra y es diferente (variable) de – una muestra a otra, ya que su valor depende de las piezas que se seleccionan (X es una varia– ble aleatoria). Por lo anterior, el valor que se observa de la media muestral, X , por lo general es diferente a la media del proceso, μ. Luego, es preciso tener cuidado con las afirmaciones – basadas en X sobre la media del proceso o población. En general, lo que se observa en los estadísticos muestrales acerca del comportamiento de los datos es válido para la muestra, y en la medida que ésta sea representativa y grande también tendrá cierto grado de aproximación para todo el proceso; sin embargo, es necesario utilizar técnicas estadísticas para evaluar lo que significan en todo el proceso (ver capítulo 4). Mediana o percentil 50 ~ Otra medida de tendencia central de un conjunto de datos es la mediana X , que es igual al valor que divide a la mitad a los datos cuando son ordenados de menor a Mediana Medida de tendencia central que es igual al valor que divide a la mitad a los datos cuando son ordenados de menor a mayor. 20 CAPÍTULO 2: Capacidad de procesos I: Estadística descriptiva mayor. Así, para calcular la mediana cuando el número de datos es impar, éstos se ordenan de manera creciente y el que quede en medio de dicho ordenamiento será la mediana. Pero si el número de datos es par, entonces la mediana se calcula dividiendo entre dos la suma de los números que están en el centro del ordenamiento. En el ejemplo 2.1, la mediana es 1.18 mm, lo cual significa que 50% de los grosores de los discos de la muestra son menores o iguales a 1.18, y que el otro 50% son mayores o iguales a 1.18. Moda Otra forma de medir la tendencia central de un conjunto de datos es mediante la moda, que es igual al dato que se repite más veces. Si varios datos tienen la frecuencia más grande, entonces cada uno de ellos es una moda, y se dice que el conjunto de datos es multimodal. En el ejemplo de los discos hay una sola moda y es 1.17. Esta medición fue la más frecuente, se repitió 23 veces. De esta forma, en el ejemplo tenemos que Moda la media es 1.179, la mediana 1.18 y la moda 1.17. Debido a que la media es la Medida de tendencia central de un medida de tendencia central más usual, en ocasiones se comete el error de creer conjunto de datos que es igual al dato que ésta divide los datos a la mitad o que es el dato más frecuente, es decir, se que se repite más veces. confunde el concepto de media con el de mediana y moda, respectivamente. Un aspecto relevante a tomar en cuenta cuando se utiliza la media, es que ésta resulta afectada por datos extremos o atípicos. Por ejemplo, la media y la mediana para los siguientes datos: 1 100, 1 300, 1 000, 1 500, 800, 1 600, 1 100 – ~ son X = 1 200 y X = 1 100. Pero si a la lista anterior agregamos un dato atípico (el 7 600), – ~ entonces: X = 2 000 y X = 1 200 son muy diferentes entre sí, debido a que 7 600 ha jalado a la media, y ahora ya no es una buena medida de tendencia central porque sólo un dato está por arriba de la media. En este tipo de casos, la mediana no es afectada por el dato atípico, lo cual tampoco ocurre cuando la distribución de los datos es sesgada. Por lo tanto, bajo estas condiciones, la mediana es mejor medida de tendencia central. De lo anterior se deriva que, para describir la tendencia central de los datos, es imprescindible apoyarse tanto en la media como en la mediana y la moda. Cuando la media es muy diferente a la mediana es señal de que existen datos atípicos o existe un sesgo importante, por lo que será mejor reportar como medida de tendencia central a la mediana e investigar a qué se deben los datos atípicos, ya que en ocasiones reflejan un aspecto importante del proceso. Las medidas de tendencia central son insuﬁcientes como criterio de calidad Suponga que la longitud de una pieza debe estar entre 800 ± 5. Para ver si se cumple con las especificaciones se toma una muestra aleatoria grande y se obtiene que: – ~ X = 801, X = 801 y moda = 800 Debido a que estos estadísticos están dentro de las especificaciones, se podría creer que el proceso cumple con éstas. Sin embargo, esto no necesariamente es cierto, ya que en la muestra podría haber datos desde 750 hasta 850 y la media de todos ellos ser 801. Pero también podría ocurrir que el rango de variación de los datos vaya de 797 a 803, con lo que sí se cumpliría con las especificaciones. En otras palabras, las medidas de tendencia central son insuficientes como criterio de calidad, ya que no toman en cuenta qué tan dispersos están los datos, un hecho vital para la calidad. Medidas de dispersión o variabilidad 21 Medidas de dispersión o variabilidad A demás de conocer la tendencia central de un conjunto de datos es necesario saber qué tan diferentes son entre sí, es decir, es preciso determinar su variabilidad o dispersión. Esto es un elemento vital en el estudio de capacidad de un proceso. En seguida veremos cuatro formas de medir la variabilidad. La desviación estándar muestral es la medida más usual de variabilidad e indica Desviación estándar muestral qué tan esparcidos están los datos con respecto a la media; se denota con la letra Medida de la variabilidad que indica qué tan esparcidos están los datos con S y se calcula mediante la siguiente expresión: respecto a la media. ( x1 − x ) + ( x 2 − x ) 2 S= 2 ( +K+ x n − x n −1 ) 2 donde x1, x2,..., xn son las observaciones numéricas de la muestra, n su tamaño y x– es la media muestral. Como se puede apreciar, S mide la distancia que en “promedio” hay entre los datos y la media; por ello, entre más grande sea el valor de S habrá mayor variabilidad en los datos. La desviación estándar es expresada en las mismas unidades de medición (gramos, milímetros, etc.) que los datos. Además, S no muestra la magnitud de los datos, sólo refleja lo retirado que están los datos de la media y, al igual que ésta, es afectada por datos atípicos. Desviación estándar poblacional o del proceso, σ Si para calcular la desviación estándar se emplean todos los elementos de la población o proceso, entonces se obtiene la desviación estándar poblacional y se denota con la letra griega sigma (σ). Como se comentó antes, es posible considerar a la población como las mediciones de toda la producción de las últimas semanas, o si las mediciones se toman por muestras, entonces una buena idea es obtener los parámetros poblacionales (μ y σ) con todas las mediciones realizadas en las últimas semanas, siempre y cuando éstas no sean pocas; de 120 a 150 mediciones en adelante es una buena cantidad. Por otra parte, el cuadrado de la desviación estándar, S 2, conocido como varianza muestral, es muy importante para propósitos de inferencia estadística. Y en forma equivalente σ 2 es la varianza (o variancia) poblacional. Otra medida de dispersión es el rango o recorrido, R, que es igual a la diferencia entre el dato mayor y el dato menor de un conjunto de datos. El rango mide la amplitud de la variación de un grupo de datos, y también es independiente de la magnitud de los datos; por ejemplo, sean los dos conjuntos de datos: Desviación estándar del proceso Reﬂeja la variabilidad de un proceso. Para su cálculo se debe utilizar un número grande de datos que hayan sido obtenidos en el transcurso de un lapso de tiempo amplio. Se denota con la letra griega sigma σ. Rango Medición de la variabilidad de un conjunto de datos que es resultado de la diferencia entre el dato mayor y el dato menor de la muestra. A = {10, 12, 14} y B = {159, 161, 163} entonces se observa que la magnitud de los datos es diferente, y eso es reflejado por la media, que es de 12 y 161, respectivamente. Pero en cuanto a la variabilidad, los datos de ambos conjuntos están dispersos de la misma manera, como lo indica la desviación estándar que es igual a 2 en ambos casos, y el rango que es de 4 para los dos conjuntos. El coeficiente de variación, CV, es una medida de variación que es relativa a la Coeficiente de variación magnitud de los datos, ya que es igual a la magnitud relativa de la desviación Medida de variabilidad que indica la magnitud relativa de la desviación esestándar en comparación con la media de los datos, es decir: CV = ( ) S 100 x El CV es útil para comparar la variación de dos o más variables que están medidas en diferentes escalas o unidades de medición (por ejemplo, metro frente a tándar en comparación con la media. Es útil para contrastar la variación de dos o más variables que están medidas en diversas escalas. 22 CAPÍTULO 2: Capacidad de procesos I: Estadística descriptiva centímetro o metro frente a kilogramo). Este coeficiente suele interpretarse como una medición en términos porcentuales de la variación de una variable. Por ejemplo, en el caso de los conjuntos de datos A y B que se acaban de presentar en la definición de rango, se tiene que sus correspondientes CV son: CVA 2 x100 16.66 12 y CVB 2 x100 1.242 161 respectivamente, por lo que la variabilidad en los términos relativos del CV para el conjunto A es de 16.66%, mientras que para el conjunto B es sólo de 1.242%. En el caso del grosor de los discos, tenemos que S = 0.027, S2 = 0.0007, R = 1.25 − 1.11 = 0.14, y CV = 2.29%. La interpretación del rango es muy directa, ya que indica la amplitud máxima de la dispersión; así, 0.14 mm es la discrepancia máxima que existió entre los grosores de los discos en la muestra. Por lo general, la interpretación de la desviación estándar se hace en combinación con la media, como lo veremos en seguida, y su interpretación en forma individual se realiza en forma comparativa con respecto a la desviación estándar de otras líneas de producción o lotes. Es necesario tomar en cuenta, en caso de hacer estas comparaciones, que lo que se observa en una muestra es variable, y por lo general pequeñas diferencias muestrales no implican diferencias entre procesos o lotes. Por último, CV = 2.29% indica que la variación del grosor es de 2.29%, lo cual se puede considerar relativamente bajo. – Relación entre X y S (interpretación de la desviación estándar) Desigualdad de Chebyshev U — Resultado teórico que relaciona X y S, y establece el porcentaje mínimo de — datos que caen en el intervalo (X – kS, — X + kS), con k > 1. na forma de apreciar claramente el significado de la desviación estándar como medida de dispersión en torno a la media, es a través de la relación entre la media y la desviación estándar, la cual está dada por la desigualdad de Chebyshev y la regla empírica. Dos hechos particulares que afirma la desigualdad – – de Chebyshev,1 es que entre X − 2S y X + 2S están por lo menos 75% de los datos – de la muestra, y que entre X ± 3S están por lo menos 89% de éstos. En cuanto a la regla empírica se afirma que en muchos de los datos que surgen en la práctica se ha observado por la experiencia que: – – Entre X − S y X + S está 68% de los datos de la muestra. – – Entre X − 2S y X + 2S está 95%. – – Entre X − 3S y X + 3S está 99.7%. Todos los intervalos anteriores son válidos sólo para los datos muestrales y no necesariamente para toda la población o proceso. Sin embargo, si los intervalos se calculan con la media y la desviación estándar del proceso o población, entonces serán válidos para toda la población. Por lo tanto, en la medida que se tengan muestras aleatorias grandes y representativas, los intervalos anteriores podrán dar una idea aproximada de lo que pasa en el proceso.2 1 En general la desigualdad de Chebyshev afirma que al menos (1 − 1/k 2) × 100 de los datos están entre – – X − kS y X + kS; es decir, ese porcentajes de datos estará dentro de k desviaciones estándar a partir de la media, donde k es cualquier número más grande que 1. 2 En el capítulo 5, en la sección “Diseño de tolerancias”, se verá la forma de calcular intervalos con la media y la desviación estándar muestrales que cubran la variación de toda la población. Histograma y tabla de frecuencias 23 Lo que afirma el teorema de Chebyshev se aplica para cualquier tipo de datos, independientemente de su comportamiento o distribución.3 Mientras que la regla Regla empírica — empírica, como su nombre lo dice, se obtuvo por medio de la observación empíri- Resultado práctico que relaciona a X y ca, y es válida para muchos de los casos que se dan en la práctica, sobre todo si S, y establece el porcentaje de datos de la muestra que caen dentro del interlos datos tienen un comportamiento con cierto grado de similitud a una campana valo (X— – kS, X— + kS) con k = 1, 2, 3. o a la distribución normal (véase capítulo 3). De cualquier manera, ambos casos ilustran muy bien cómo la desviación estándar mide la variabilidad en torno a la media. Al aplicar la regla empírica a los datos del grosor de los discos, se tiene que un alto porcentaje (cercano a 99%) de las mediciones del grosor del disco varía entre 1.098 y 1.260 mm, como se deriva del siguiente cálculo: 1.179 − 3(0.027) = 1.098; 1.179 + 3(0.027) = 1.260 Al comparar estos límites de variación con las especificaciones (EI = 1.10 y ES = 1.30), se aprecia que 1.098 está por abajo de la especificación inferior, lo cual refleja la baja capacidad del proceso de inyección para cumplir con especificaciones. Límites reales o naturales Los límites reales o naturales de un proceso indican los puntos entre los cuales varía la salida de un proceso y, por lo general, se obtienen de la siguiente manera: Límite real inferior (LRI) = μ − 3σ y Límite real superior (LRS) = μ + 3σ Límites reales Se obtienen con μ − 3σ y μ + 3σ, e indican de dónde a dónde varía la salida de un proceso. El cálculo de estos límites está inspirado en la regla empírica, que a su vez coincide con la propiedad de la distribución normal (véase capítulo 3). En un estudio de capacidad, estos límites reales se comparan con las especificaciones para la característica de calidad. Por ejemplo, si las especificaciones para una característica de calidad son que ésta debe tener dimensiones de 800 ± 5; luego, la especificación inferior es EI = 795, y la superior es ES = 805. Si además se sabe que la media y la desviación estándar de tal característica de calidad son μ = 800.6 y σ = 1.2, respectivamente, entonces los límites reales son: LRI = 800.6 − 3(1.2) = 797.0 y LRS = 800.6 + 3(1.2) = 804.2 Por lo tanto, se espera que esta característica de calidad varíe de 797.0 a 804.2, con una media de 800.6. Al comparar esto con las especificaciones se aprecia que los límites reales caen dentro de las mismas, entonces se concluye que el proceso es capaz de cumplir con tales especificaciones. Histograma y tabla de frecuencias E n las secciones anteriores se explicó que para el análisis de un conjunto de datos la clave es conocer su tendencia central y su dispersión. Ahora veremos que el histograma y la tabla de frecuencias permiten visualizar estos dos aspectos de un conjunto de datos, y además muestran la forma en que los datos se distribuyen dentro de su rango de variación. De manera específica, el histograma es una Histograma Representación gráﬁca de la distribución de un conjunto de datos o de una variable, donde los datos se clasiﬁcan por su magnitud en cierto número de clases. Permite visualizar la tendencia central, la dispersión y la forma de la distribución. 3 Apoyando la regla empírica existe una extensión a la desigualdad de Chebyshev, realizada por Camp y Meidel (véase Duncan, 1989), que aumenta el porcentaje que cubren los intervalos. En concreto, esta extensión afirma que si la distribución de X es unimodal, la probabilidad de que X se desvíe de su media en más de k veces su desviación – estándar, es igual o menor que 1/2.25k2. Con ello, bajo estas circunstancias entre X ± 2S se encontraría al menos – 89% de los datos muestrales y entre X ± 3S estaría al menos 95%. 24 CAPÍTULO 2: Capacidad de procesos I: Estadística descriptiva representación gráfica, en forma de barras, de la distribución de un conjunto de datos o una variable, donde los datos se clasifican por su magnitud en cierto número de grupos o clases, y cada clase es representada por una barra, cuya longitud es proporcional a la frecuencia de los valores representados. Por lo general, el eje horizontal está formado por una escala numérica para mostrar la magnitud de los datos; mientras que en el eje vertical se representan las frecuencias. Comúnmente el histograma se obtiene a partir de la tabla de frecuencias. Para obtener ésta, primero se divide el rango de variación de los datos en cierta cantiTabla de frecuencias dad de intervalos que cubren todo el rango, y después se determina cuántos datos Representación en forma de tabla de caen en cada intervalo. Se recomienda que el número de intervalos o clases sea de la distribución de unos datos, a los que 5 a 15. Para decidir un valor entre este rango existen varios criterios; por ejemplo, se clasiﬁca por su magnitud en cierto uno de ellos dice que el número de clases debe ser aproximadamente igual a la número de clases. raíz cuadrada del número de datos. Otro criterio, conocido como la regla de Sturgess, señala que el número de clases es igual a 1 + 3.3*log10 (número de datos). En la tabla 2.2 se aprecia la tabla de frecuencias para los datos del grosor de los discos del ejemplo 2.1. Ahí vemos que al aplicar la regla de Strugles (1 + 3.3*log10 (125) = 7.9), se decidió formar ocho clases; la primera clase representa a los datos con magnitud entre 1.10 y 1.12, y la última clase es para los datos entre 1.24 y 1.26. En el intervalo de la primera clase hay tres datos que corresponden a 2.4% del total; la clase 5 es la de mayor frecuencia e indica que entre 1.18 y 1.20 hay 39 datos (31.2%). Por otro lado, en la figura 2.1 se muestra el histograma correspondiente, en el cual se toma como eje vertical a la frecuencia, aunque también podría haberse usado una frecuencia relativa o porcentual. En el histograma se aprecia que la tendencia central de los datos se ubica alrededor de 1.18, no se observan datos raros o atípicos y la distribución de los datos tiene una forma similar a una campana. Si en el histograma de la figura 2.1 se insertan las especificaciones (1.10 y 1.30) para el grosor del disco, se observa que la variación de los datos (amplitud del histograma) es un poco menor que las especificaciones. Pero, con respecto a 1.20, que es el grosor óptimo, el proceso está moderadamente descentrado a la izquierda, como ya se había visto cuando se calculó la media. Además, el grosor de los discos no es satisfactorio, ya que la orilla izquierda del histograma debería estar alejada de la especificación inferior (EI = 1.10), lo cual no ocurre. Cabe comentar que aunque no hay ningún dato por debajo de la EI, no se debe perder de vista que el estudio se hace a partir de una muestra, por lo tanto, si se continúa tomando datos es casi seguro que se encontrarán mediciones fuera, como lo sugiere la prolongación de la cola izquierda de TABLA 2.2 Tabla de frecuencia para el grosor de los discos. CLASE GROSOR DE DISCOS, X 1 1.10 < x ≤ 1.12 /// 2 1.12 < x ≤ 1.14 ///// /// 3 1.14 < x ≤ 1.16 4 MARCAS PARA CONTEO FRECUENCIA FRECUENCIA PORCENTUAL 3 2.4 8 6.4 ///// ///// ///// ///// ///// / 26 20.8 1.16 < x ≤ 1.18 ///// ///// ///// ///// ///// ///// //// 34 27.2 5 1.18 < x ≤ 1.20 ///// ///// ///// ///// ///// ///// ///// //// 39 31.2 6 1.20 < x ≤ 1.22 ///// //// 9 7.2 7 1.22 < x ≤ 1.24 ///// 5 4.0 8 1.24 < x ≤ 1.26 / 1 0.8 Histograma y tabla de frecuencias 40 Frecuencia 30 20 10 1.08 1.12 1.16 El FIGURA 2.1 1.2 Grosor 1.24 1.28 1.32 ES Histograma para grosor de discos. la curva imaginaria que suaviza al histograma. Con base en lo anterior, la primera acción que se habría de ejecutar para mejorar la capacidad del proceso de inyección de discos es mejorar su centrado. A través del ejemplo anterior queda claro que el histograma ayuda a ver la tendencia central de los datos, facilita el entendimiento de la variabilidad y favorece el pensamiento estadístico, ya que de un solo vistazo se logra tener una idea acerca de la capacidad de un proceso, se evitan tomar decisiones sólo apoyándose en la media y se detectan datos raros y formas especiales de la distribución de los datos. Estos detalles de la interpretación del histograma los veremos con mayor profundidad a continuación. Interpretación del histograma Cuando un histograma se construye de manera correcta, es resultado de un número suficiente de datos (de preferencia más de 100), y éstos son representativos del estado del proceso durante el periodo de interés; entonces, se recomienda considerar los siguientes puntos en la interpretación del histograma. 1. Observar la tendencia central de los datos. Localizar en el eje horizontal o escala de medición las barras con mayores frecuencias. En el histograma de la figura 2.1, una parte sustancial de las mediciones se localiza entre 1.14 y 1.20 mm. 2. Estudiar el centrado del proceso. Para ello, es necesario apoyarse en el punto anterior y observar la posición central del cuerpo del histograma con respecto a la calidad óptima y a las especificaciones. Por ejemplo, en la figura 2.2 incisos a) y c) se muestran procesos centrados, el primero presenta poca variabilidad, pero en el segundo ocurre lo contrario. Mientras que en los incisos b) y d) se observan procesos descentrados, el primero con poca variabilidad y el segundo con mucha. Aun cuando se cumplan las especificaciones, si el proceso no está centrado, la calidad que se produce no es adecuada, ya que entre más se aleje del óptimo más mala calidad se tendrá. Por ello, en caso de tener un proceso descentrado se procede a realizar los ajustes o cambios necesarios para centrar el proceso. 3. Examinar la variabilidad del proceso. Consiste en comparar la amplitud de las especificaciones con el ancho del histograma. Para considerar que la dispersión no es demasiada, el ancho del histograma debe caber de forma holgada en las especificaciones. En la figura 2.2 incisos a) y b) hay poca variación, mientras que en los incisos c) y d) ocurre lo contrario. 25 26 CAPÍTULO 2: Capacidad de procesos I: Estadística descriptiva a) Centrado con poca variabilidad c) Centrado con mucha variabilidad 40 40 30 30 Cp= 1.44 Cpk= 1.41 Cr= 0.69 Cpm= 1.43 K= –0.02 20 10 4 6 8 10 12 El 14 10 16 4 8 10 12 14 El ES d) Descentrado con mucha variabilidad ES b) Descentrado con poca variabilidad 50 40 40 30 30 Cp= 1.49 Cpk= 0.70 Cr= 0.66 Cpm= 0.58 K= –0.52 20 10 4 6 8 10 12 El 14 Cp= 0.66 Cpk= 0.64 Cr= 1.51 Cpm= 0.66 K= 0.03 20 Cp= 0.60 Cpk= 0.31 Cr= 1.64 Cpm= 0.45 K= –0.48 10 16 4 e) Con sesgo a la derecha 40 40 30 30 Cp= 0.99 Cpk= 0.86 Cr= 1.00 Cpm= 0.93 K= 0.128 10 4 6 8 10 12 El 14 16 20 ES 20 6 6 8 10 12 14 El ES f ) Bimodal, dos realidades 16 Cp= 0.57 Cpk= 0.57 Cr= 1.73 Cpm= 0.57 K= 0.005 20 10 16 4 6 ES g) Achatado 50 50 40 40 8 10 12 14 El ES h) Acantilado derecho 16 30 30 Cp= 0.53 Cpk= 0.53 Cr= 1.86 Cpm= 0.53 K= –0.008 20 10 5 7 El FIGURA 2.2 9 11 13 ES 15 17 Interpretación de histogramas. Cp= 1.20 Cpk= 0.50 Cr= 0.82 Cpm= 0.51 K= 0.58 20 10 4 6 8 El 10 12 14 ES 16 Histograma y tabla de frecuencias 4. Analizar la forma del histograma. Al observar un histograma considerar que la forma de distribución de campana es la que más se da en salidas de proceso y tiene características similares a la distribución normal (véase capítulo 3 y figura 2.2 a), b), c) y d). Es frecuente que cuando la distribución no es de este tipo sea la señal de un hecho importante que está ocurriendo en el proceso y que tiene un efecto negativo en la calidad. Por ello, es necesario revisar si la forma del histograma es muy diferente a la de campana. Algunas de las formas típicas que no coinciden con una distribución de campana, son las siguientes: Distribución sesgada Forma asimétrica de la distribución de unos datos o una variable, donde la cola de un lado de la distribución es más larga que la del otro lado. Distribución sesgada. En la figura 2.2e) se aprecia un histograma con una distribución sesgada a la derecha, ya que la cola derecha es más grande que la izquierda. En términos generales, un sesgo en una variable de salida refleja el desplazamiento paulatino de un proceso debido a desgastes o desajustes; asimismo, puede indicar procedimientos viciados en la forma de obtener las mediciones o un desempeño especial del proceso, en el sentido que aparecen algunos valores inusualmente altos de un solo lado de la distribución (izquierdo o derecho). Cabe aclarar que existen características de calidad que, por su naturaleza, tienen sesgo, como son tiempos de vida y resistencias a la fatiga. Una forma de decidir si una distribución sesgada indica una situación especial a corregir, consiste en comparar ésta con la distribución de la misma característica o de variables similares para datos obtenidos en otro periodo de tiempo. La recomendación general es que ante la sospecha de que hay algo especial atrás de una distribución con sesgo se debe investigar si efectivamente es así. Distribución multimodal. En la figura 2.2f ) se aprecia un histograma en el Distribución multimodal que claramente se notan dos modas o picos que muestran dos tendencias Forma de la distribución de unos datos centrales diferentes. Este tipo de distribuciones con dos o más modas refle- en la que sea aprecian claramente dos o más modas (picos). Por lo general, jan la presencia de dos o más realidades o condiciones diferentes. Algunas cada moda reﬂeja una condición o situaciones que originan una distribución multimodal son: realidad diferente. a) Diferencias importantes de lote a lote en la materia prima que utiliza el proceso, debido a que proceden de diferentes proveedores o al exceso de variación de un mismo proveedor. b) Cuando en el proceso intervienen varios operadores, con criterios o métodos de trabajo diferentes. c) Las mediciones de la variable de salida que están representadas en el histograma fueron realizadas por personas o instrumentos diferentes; por lo tanto, se utilizaron distintos criterios o instrumentos mal calibrados (véase capítulo 11). d) El proceso, cuando generó los resultados de la distribución multimodal, fue operando en condiciones diferentes (una condición para cada moda). e) En general, una distribución multimodal se debe a la presencia de fuentes de variación bien definidas que deben ser identificadas y corregidas, a fin de mejorar la capacidad del proceso correspondiente. Una forma de identificarlas es analizar por separado los datos en función de diferentes lotes de materia prima, operadores, instrumentos de medición, turnos o días de producción, etc., para así comparar los resultados y ver si hay diferencias significativas. 27 Distribución muy plana. En la figura 2.2g) se aprecia un histograma que muestra una distribución muy chata o plana y que está lejos de tener forma de campana. Las situaciones que pueden causar esto son las mismas que las de la distribución multimodal, pero con la particularidad de que las diferencias son menos fuertes; sin embargo, afectan de manera seria la capacidad de un proceso. Por lo tanto, también deben ser identificadas y corregidas mediante la estrategia recomendada antes. 28 CAPÍTULO 2: Capacidad de procesos I: Estadística descriptiva Distribución con acantilados. En el histograma de la figura 2.2h) se observa un acantilado derecho, que es una suspensión o corte muy brusco en la caída de la distribución. Algunas de las posibles causas que motivan la presencia de un acantilado son: un lote de artículos previamente inspeccionados al 100% donde se excluyó a los artículos que no cumplen con alguna medida mínima o que exceden una medida máxima (como en la figura), problemas con el equipo de medición, errores en la medición o inspección (cuando el inspector está predispuesto a no rechazar un artículo y observa que éste casi cumplía con los requisitos, registra la medida mínima aceptable). En general, un acantilado es anormal y, por lo tanto, se debe buscar la causa del mismo. 5. Datos raros o atípicos. Una pequeña cantidad de mediciones muy extremas o atípicas son identificadas con facilidad mediante un histograma, debido a que aparecen una o más barras pequeñas bastante separadas o aisladas del resto. Un dato raro refleja una situación especial que se debe investigar, y entre las posibles causas están las siguientes: Dato raro o atípico Medición cuya magnitud es muy diferente a la generalidad de las mediciones del conjunto de datos correspondiente. El dato es incorrecto, ya sea por error de medición, de registro o de “dedo” cuando fue introducido a la computadora. La medición fue realizada sobre un artículo o individuo que no forma parte del proceso o población a la que pertenece el resto. Si han sido descartadas las dos situaciones anteriores, entonces la medición se debe a un evento raro o especial. Es decir, cuando se hizo la medición, en el proceso estaba ocurriendo una situación especial o fuera de lo común (en el capítulo 7 se tratan con mayor detalle las situaciones especiales). 6. Estratificar. En ocasiones, en el histograma no se observa ninguna forma particular pero existe mucha variación y, en consecuencia, la capacidad del proceso es baja. Cuando los datos proceden de distintas máquinas, proveedores, lotes, turnos u operadores, puede encontrarse información valiosa si se hace un histograma por cada fuente (estratificar), con lo que se podrá determinar cuál es la máquina o el proveedor más problemático. De acuerdo con los puntos anteriores, es recomendable que siempre que se realice un estudio de la salida de un proceso se utilice el histograma y éste se interprete a detalle. De esa manera será posible detectar situaciones problemáticas Estratificación Consiste en clasiﬁcar y analizar datos y posibles soluciones para las mismas. Además, será una forma concreta de que de acuerdo con las distintas fuentes de los datos y mediciones sobre los procesos, que en ocasiones abundan, se convierdonde proceden, como, por ejemplo por tan en información útil para la toma de decisiones y acciones. Será necesario máquinas, lotes, proveedores, turnos, tener la precaución de que el histograma se haya obtenido de manera correcta, etcétera. sobre todo en lo referente al número de clases y a la cantidad de datos. Limitaciones del histograma Aunque el histograma es una herramienta fundamental para analizar el desempeño de un proceso, tiene algunas limitaciones: 1. No considera el tiempo en el que se obtuvieron los datos; por lo tanto, con el histograma es difícil detectar tendencias que ocurren a través del tiempo. Por tal razón, no ayuda a estudiar la estabilidad del proceso en el tiempo, lo cual se analiza por medio de cartas de control (ver capítulo 7). 2. No es la técnica más apropiada para comparar de manera práctica varios procesos o grupos de datos; en esos casos, el diagrama de caja o la gráfica de medias son más apropiados. 3. La cantidad de clases o barras influye en la forma del histograma, por lo que una buena práctica es que a partir de la cantidad de clases que de manera inicial sugiere un software, se analice el histograma con un número de clases ligeramente menor y un poco más de clases, a fin de verificar si se observa algo diferente. Medidas de forma 29 Medidas de forma C omo ya se dijo en la sección anterior, un aspecto relevante en el análisis de un conjunto de datos o una variable es estudiar la forma de su distribución. Por ello, en esta sección se complementa la información de la sección anterior y se presentan las mediciones del sesgo y la curtosis. Éstas parten del hecho de que el tipo de distribución que se da con mayor frecuencia es la forma de campana, con características similares a la distribución normal (véase capítulo 3 y figura 2.2a), b), c), d). Es frecuente que cuando la distribución no es de este tipo, sea la señal de un hecho importante que está ocurriendo en el proceso y que tiene un efecto negativo en la calidad. Una medida numérica del sesgo o asimetría en la distribución de un conjunto Sesgo de datos se obtiene a través del sesgo y del sesgo estandarizado (skewness), los Es una medida numérica de la asimetría en la distribución de un conjunto cuales están dados por: de datos. n ∑ ( xi − X ) n Sesgo = ( i=1 )( 3 ) n −1 n − 2 S3 Sesgo estandarizado = Sesgo 6 n – donde n es el tamaño de la muestra, S la desviación estándar y X la media muestral. El signo del sesgo indica el lado para el que la cola de la distribución es más larga, ya sea hacia la izquierda (signo −) o hacia la derecha (signo +). Para los datos que siguen una distribución normal, el valor del sesgo estandarizado debe caer dentro de (−2, +2), por lo que si n es grande (n > 100) y el sesgo estandarizado está fuera de tal intervalo, será una evidencia de que la d

CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA.pdf

Document Details

Tags

Related

Full Transcript

Upgrade to continue