Documente Academic
Documente Profesional
Documente Cultură
UNIDAD
" Herramientas
NOs
Diagrama de Pareto
Pginu
de
2I
5.1 Qu son los diagramas de Pareto? Principios bsicos. Los problemas de calidad se presentan como prdidas (productos defectuosos y su costo). Es muy importante aclarar el patrn de la distribucin de la prdida. La mayora de las prdidas se debern a unos pocos tipos de defectos, y estos defectos pueden atribuirse a un nmero muy pequeo de causas. Si se identifican las causas de estos pocos defectos vitales, podremos eliminar casitodas las prdidas, concentrndonos en esas causas particulares y dejando de lado por el momento otros muchos defectos
triviales. El uso del diagrama de Pareto permite solucionar este tipo de problema con eficiencia.
En 1897, el economista italiano V. Pareto present una frmula que mostraba que la distribucin del ingreso es desigual. En 1907, el economista norteamericano M. C. Lorenz expres una teora similar por medio de diagramas. Estos dos estudiosos indicaron que una proporcin muy grande del ingreso est en manos de muy pocas personas. Mientras tanto, en el campo del control de calidad, el Dr, J. M. Juran aplic el mtodo del diagrama de Lorenz como frmula para clasificar los problemas de calidad en los pocos vitales y los muchos triviales, y llam este mtodo anlisis de Pareto. Seal que, en muchos
casos, la mayora de los defectos
causas.
de
Caso Prctico
Nmero de
defectos
104
42 20
10 6
Total Acumulado
104,00 146,00 166,00 176,00 182,00 186,00
Composicin Porcentual
52,00
21 ,00
Porcentaje Acumulado
52,00 73,00 83,00
BB,OO
Burbuja Fractura
Mancha
Rajadura Otros
4
14
200,00
Pgina 2 de 2I
!i(l
drl
7tl
6UE
o
G
l
E
=
o
t, i I
..1( |
-.,-
Porcentaje acumulado
Defectos, faltas, fracasos, quejas, tems devueltos, reparacones. Magnitud de las prdidas, gastos. Escasez de inventaros, demoras en los pagos, demoras en la entrega. Accidentes, errores, interrupcones.
4) Seguridad
2. Diagramas de Pareto de causas. Este es un diagrama en el cual se relacionan las posibles causas de resultados indeseables, como los que se presentan a continuacin, y se utiliza para averiguar cul es el principal origen del problema.
1)
Operario
Turno, grupo, edad, experencia, destreza. Mquinas, equipos, herramientas, orga nizaciones, modelos, instrumentos. Productor, planta, lote, clase. Condiciones, rdenes, disposiciones, mtodos.
Pgina 3 de
2I
.
1)
Sugerencias para elaborar diagramas de Pareto. Pruebe varias clasificaciones y construya muchas clases de diagramas de Pareto. Usted podr captar la esencia de un problema observndolo desde varios ngulos; es necesario tratar de encontrar varios mtodos de clasificacin hasta que identifique los pocos vitales,lo cual constituye el
propsito del anlisis de Pareto. No es conveniente que "otros" represente un porcentaje de los ms altos. Si esto sucede, se debe a que los tems para la investigacin no se han clasificado apropiadamente y demasiados tems caen en esta categora. En este caso, debe considerarse un mtodo diferente de clasificacin.
2) 3)
Si los datos se pueden representar en valores monetarios, lo mejor es dibujar diagramas de Pareto que muestren esto en el eje vertical. Si no se aprecian adecuadamente las implicaciones financieras de un problema, la investigacin puede resultar ineficaz. En la administracin, los costos constituyen una importante escala de medicin.
.
1)
Sugerencias para usar diagramas de Pareto. Si un tem se puede solucionar fcilmente, debe afrontarse de inmediato aunque sea relativamente de poca importancia. Debido a que un diagrama de Pareto tiene como objetivo la solucin eficiente de problemas, se requiere, bsicamente que afrontemos los pocos vitales. Sin embargo, si por medio de una sencilla medida se puede solucionar un tem que parece relativamente de poca importancia, servir como ejemplo de solucin eficiente de un problema, y la experiencia, la informacin y los incentivos que los empleados pueden obtener por este medio sern de gran ayuda en la futura solucin de problemas.
2) No deje de hacer un diagrama de Pareto de causas. Despus de haber identificado el problema por medio de un diagrama de Pareto de fenmenos, para solucionarlo es necesario identificar las
hacer
Ordenar los tipos de defectos en orden descendente de acuerdo al N' de defectos observado. Recordar que la categora "otros" deber permanecer siempre al final. Para ordenar los datos, seleccionar los datos de las columnas rotuladas como Tipo de defecto y N" de defectos, a excepcin de la fila correspondiente a la categora "Otros", escoger el comando Ordenar del Men Datos, escoger dentro del cuadro de dilogo el criterio de ordenacin en el cuadro de lista Ordenar por (escoger N" de defectos) y elegir la opcin Descendente.
. . .
Clculo de la composicin porcentual del tipo de defecto i : = (N" de defectos deltipo t) / (N" totalde defectos)*l00
Prigina 4 cle 2I
5.2
Resolucin de diagramas de Pareto a travs de macros en Excel 7.0. Uso y manejo de aplicaciones VBA (macros) para la construccin de diagramas de Pareto.
. . . . . .
el libro de trabajo MACI.XLS se encuentre abierto. En caso contrario, las macros que construyen las cartas grficas de control estadstico no estarn
Abrir un nuevo libro de trabajo para ingresar en la hoja de clculo las mediciones registradas para cada una de las muestras obtenidas.
Recuerde que los encabezados debern ocupar slo la primera fila de la hoja de clculo. La primera columna de la hoja de clculo se reservar para colocar el nmero que identifique a cada muestra. Las mediciones registradas para cada una de ellas se ingresarn a continuacin de la fila de encabezados (2" fila de la hoja de clculo hacia abajo). Asegurarse que el nombre de la hoja de clculo en la cual se ingresan los datos sea "Datos4". Una vez ingresado la totalidad de los datos, ejecutar la macro Pareto.
Gdigo VBA Macro Pareto. Dim Mediciones(50) As Range Dim miCelda As lnteger Dim NumMuestras As lnteger Dim NumMediciones As lnteger Dim Factores As Range
Sub ParetoQ
Worksheets. ltem("Datos4" ).Activate Cells.ltem(1, I ).Select
Selection.CurrentRegion.Select Selection.Offset(RowOffset:=1, ColumnOffset:=0).Resize(RowSize:=Selection.Rows.Count Selection.Name = "Datos" Selection.Resize(RowSize:=Selection. Rows.Count - 1 ).Select Selection.Name = "Dat" Range("Dat").Select Selection.Sort Keyl:=Range("82"), Orderl:=xlDescending, Header:=xlGuess, _ OrderCustom: = 1, MatchCase: =False, Orientation: =xlTopToBottom Range("Datos").Select Selection.Columns. ltem( 1 ).Select Selection.Name = "NMuestra" Range("Datos").Select NumMediciones = Selection.Columns.Count - 1 For miCelda =
- 1).Select
2To NumMediciones + 1
Pdgina 5 de 2I
Range("Datos").Columns. ltem(miCelda).Select Selection.Name = "Medicin" & miCelda - 1 Next miCelda Range("Datos").Selec Selection.Offset(RowOffset: =0, ColumnOffset:=1).Resize(ColumnSize:=Selection.Columns.Count Selection.Name = "Mediciones" NumMuestras = Selection.Rows.Count For miCelda = 1 To NumMuestras Range("Mediciones").Rows. ltem(miCelda).Select Selection.Name = "MMuestra" & miCelda Set Mediciones(miCelda) = Range("Mediciones").Rows(miCelda) Next miCelda Range("Datos").Select
Selection. Offset(RowOffset: =0,
- 1).Select
ColumnOffset:=Selection.Columns.Count).Resize(ColumnSize: Selection.Name = "Clculos" sumatotal = 0 For miCelda = 1 To NumMuestras sumatotal = sumatotal + Mediciones(miCelda) Next miCelda With Application.WorksheetFunction For miCelda = 1 To NumMuestras
=3).Select
lfmiCelda=1Then
Range("Clculos").Columns(1).Cells(miCelda).Value Else Range("Clculos").Columns(1).Cells(miCelda).Value Range("Clculos").Columns(1 ).Cells(miCelda - 1 ).Value = Mediciones(miCelda) = Mediciones(miCelda) +
End lf
Range("Clculos").Columns(2).Cells(miCelda).Value
lfmiCelda=1Then
Else
Pdgina 6 de 2I
"#,t11f0.00"
Range("Clculos").Offset(RowOffset:=-1 ).Resize(RowSize:=1 ).Select Range("Ttulos").Cells(1 ).Value = "Total acumulado" Range("Ttulos").Cells(2).Value = "Composicin porcentual" Range("Ttulos").Cells(3).Value = "Porcentaje acumulado" Range("Ttulos").Select
With Selection . HorizontalAlignment = xlCenter End With Range("Mediciones").Select With Selection . HorizontalAlignment = xlCenter End With
Ran ge("Datos" ).Select
With Selection . HorizontalAlignment = xlCenter End With Cells.ltem(1, 1 ).Select Selection. CurrentRegion.Select Selection.Name = "RangoGrfi co" Charts.Add ActiveChart.ChartType = xlColumnClustered ActiveChart.SetSourceData Source:=Sheets("Datos4").Range("RangoGrfico"), xlColumns ActiveChart. SeriesCollection(2 ). Delete ActiveChart. SeriesCollection(2). Delete ActiveChart. Location Where:=xlLocationAsObject, Name:="Datos4" PlotBy:= _
Pgina
7 de
2I
With Activechart .HasTitle = True .ChartTitle. Characters.Text = "Dia grama de Pareto" .Axes(xlCategory, xlPrimary).HasTitle = True .Axes(xlCategory, xlPrimary).AxisTitle.Characters.Text = "Tipo de defecto" .Axes(xlValue, xlPrimary).HasTitle = True .Axes(xlValue, xlPrimary).AxisTitle.Characters.Text = _ "N" de unidades defectuosas" ActiveCha rt.SeriesCollection(2).Select ActiveChart.SeriesCollection(2).AxisGroup = 2 ActiveChart.SeriesCollection(2).ChartType = xlLineMarkers .Axes(xlCategory, xlSecondary).HasTitle = False .Axes(xlValue, xlSecondary).HasTitle = True .Axes(xlValue, xlSecondary).AxisTitle.Characters.Text = _ "Porcentaje acumulado" End With End Sub
Pdgina
de
2I
5.3 Histogramas de frecuencia para variables de tipo continuo. Principios bsicos. 5.3.1 Distribuciones e histogramas.
1) Variacin y distribucin.
Si pudiramos recoger datos sobre un proceso en el cual todos los factores (hombre, mquina, material, mtodo, etc.) fueran perfectamente constantes, los datos sobre cada uno de estos factores conservaran su valor. Sin embargo, en la realidad es imposible mantener todos los factores constantes todo el tiempo. Estrictamente hablando, aun algunos factores que suponemos constantes, no pueden ser perfectamente constantes. Es inevitable que los valores en un conjunto de informacin tengan variaciones. Los valores que toma un factor a travs del tiempo no son siempre los mismos, pero eso no quiere decir que estn determinados de una manera desordenada. Aunque los valores cambian todo el tiempo, estn gobernados por cierta regla, y sta es que los datos tienen una determinada distribucin.
2)
Poblacin y muestras.
En control de calidad, tratamos de descubrir los hechos reuniendo datos y despus tomamos las
acciones apropiadas con base en esos hechos. Los datos no se recogen como un fin en s mismos, sino como un medio para descubrir los hechos que estn tras los datos. Por ejemplo, consideremos el caso de una inspeccin por muestreo. Tomamos una muestra de un lote, realizamos un proceso de medicin, y despus decidimos si debemos aceptar todo el lote o no. En este caso, nuestra preocupacin no es la muestra misma sino la calidad de todo el lote. Como otro ejemplo, consideremos el control de un proceso de manufactura utilizando una grfica de control X - R. Nuestro propsito no es determinar las caractersticas de la muestra con base en la cual hacemos la grfica de control X - R, sino averiguar cul es el estado actual del proceso.
Una muestra es uno o ms tems tomados de una poblacin para proporcionar informacin sobre la poblacin. Como una muestra se usa para estimar las caractersticas de toda la poblacin, debe seleccionarse de tal manera que refleje las caractersticas de sta. Un mtodo comn para la seleccin de muestras es seleccionar cualquier miembro de la poblacin con igual probabilidad. Este mtodo se llama muestreo aleatorio, y una muestra seleccionada por medio del muestreo aleatorio se denomina
muestra aleatoria.
Los datos se oblienen midiendo las caractersticas de una muestra. Utilizando estos datos, llegamos a inferir sobre la poblacin, y en consecuencia tomamos una accin correctiva. Sin embargo, el valor obtenido de una muestra variar segn la muestra seleccionada, lo cual dificulta decidir qu accin es
apropiada. El anlisis estadstico nos dir cmo interpretar este tipo de datos.
Pdgina 9 dc 2I
(lniversidsd de Santia
3)
Histogramas.
Los datos obtenidos de una muestra sirven como base para decidir sobre la poblacin. Mientras ms grande sea la muestra, ms informacin obtendremos sobre la poblacin. Pero un aumento en el tamao de la muestra implica un aumento en la cantidad de datos, y esto puede llegar a hacer difcil comprender la poblacin a partir de esos datos, aun cuando se organicen en tablas. En ese caso, necesitamos un mtodo que nos permita comprender la poblacin de un vistazo. Un histograma
responde a esta necesidad. La organizacin de un buen nmero de datos en un histograma nos permite comprender la poblacin de manera objetiva.
1) Tipos de histogramas.
Es posible obtener informacin til sobre el estado de una poblacin mirando la forma del histograma. Las siguientes son formas tpicas, y podemos usarlas como indicios para analizar un proceso.
a)
Tipo general
b)
Tipo peineta
c)
d)
e)
Tipo planicie
f)
g)
Ptigina I0 de 2I
Industisl CAI
a)
Forma: El valor de la media del histograma est en el centro del rango de los datos. La frecuencia es
mayor en el centro y disminuye gradualmente hacia los extremos. La forma es simtrica. Esta es la forma ms frecuente.
b)
Forma: Cada tercera clase tiene una frecuencia menor. Esta forma se presenta cuando el nmero de unidades de informacin incluida en la clase vara de una
a otra o cuando hay una tendencia particular en la forma como se aproximan los datos.
c)
Forma: Asimtrica. El valor de la media del histograma est localizado a la izquierda (derecha) del centro del rango. La frecuencia disminuye de manera ms bien brusca hacia la izquierda (derecha),
pero gradualmente hacia la derecha (izquierda).
Esta forma se presenta cuando el lmite inferior (superior) se controla tericamente o por un valor de especificacin o cunado no se presentan valores inferiores (superiores) a cierto valor.
d)
Forma: Asimtrica. El valor de la media del histograma est localizado al extremo izquierdo (derecho) lejos del centro del rango. La frecuencia disminuye bruscamente a la izquierda (derecha), y gradualmente hacia la derecha (izquierda).
Esta es una forma que se presenta frecuentemente cuando se ha realizado una seleccin de 100% debido a una baja capacidad del proceso, y tambin cuando el sesgo positivo (negativo) se hace an ms extremo.
e)
Tipo planicie.
Forma: Las frecuencias forman una planicie, porque las clases tienen ms o menos la misma frecuencia excepto aqullas de los extremos.
Esta forma se presenta con una mezcla de varias distribuciones que tienen valores de la media
diferentes.
f)
Forma: La frecuencia es baja cerca del centro del rango de la informacin, y hay un pico a cada lado.
Esta forma se presenta cuando se mezclan dos distribuciones que tienen valores de la media muy
diferentes.
g)
I de 2I
Esta es la forma que se presenta cuando se incluye una pequea cantidad de datos de una distribucin diferente, como en el caso de anormalidad en el proceso, error de medicin, o inclusin de informacin de un proceso diferente.
2l
Si hay una especificacin, dibuje sobre el histograma, con lneas, los lmites de especificacin, para comparar la distribucin con la especificacin. Luego observe si el histograma est localizado razonablemente dentro de los lmites. Ms abajo, en la figura 5.4, se describen cinco casos tpicos.
Utilice stos como referencia para evaluar la poblacin. Cuando el histograma satisface la especificacin, a) Lo que se necesita es mantener el estado actual, puesto que el histograma satisface ampliamente la especificacin.
b)
Se satisface la especificacin, pero no hay un margen extra. Por tanto, es mejor reducir la variacin en pequeo grado.
Cuando el histograma no satisface la especificacin, a) Es necesario tomar medidas para acercar la media al centro de la especificacin.
b) c)
Esto requiere de acciones para reducir la variacin. Se requieren las medidas descritas en c) y d)conjuntamente. Casos en los cuales el histograma no satisface la especificacin
c)
b)
d)
Pcigirtu 12 de
2l
b)
Se satisface la especificacin, pero no hay margen extra. Por lo tanto, es mejor reducir la variacin en pequeo grado. Cuando el histograma no satisface la especificacin.
c)
1)
El valor de las caractersticas medidas a una muestra tomada de una poblacin variar, y no puede conocerse hasta que se observa. Este tipo de variable se llama variable aleatoria. Las caractersticas de calidad de los productos de las fbricas son de esa naturaleza.
Cuando se maneja ese tipo de datos, con frecuencia es ms conveniente considerar los datos como un conjunto en lugar de tratar a cada tem individualmente. Para poder ver los datos como un conjunto,
la
informacin se concentra alrededor del centro. datos, xt ,..., xn, la media de estos datos est dada por:
Una medida corriente para expresar el centro es la media o expectativa. Cuando hemos obtenido n
lt
: )rP(r)
tt
- !.t (r)d
-t es la media de los datos recogidos, y se llama media de la muestra. // es la media de la totalidad del conjunto que nos ocupa y se llama media de la poblacin.
La varianza y la desviacin estndar estn entre las medidas que se usan para expresar el grado de concentracin de los datos alrededor del centro. Cuando hemos obtenido n datos, Xt ,..., X, ,la varianza de estos datos se expresa por:
Ptigina I3 de 2I
o'=f{.r'_ r2P(x\
o'= Jt*-
tt)' I(x)dx
La varianza es la media del cuadrado de las diferencias entre el dato individual y la media. Una varianza grande significa que hay gran variacin en los datos
V y s son valores relacionados con los datos, y se llaman varianza de la muestra y desviacin estndar
de la muestra, respectivamente. o'2 y o son valores relacionados con una poblacin y se llaman varianza de la poblacin y desviacin estndar de la poblacin, respectivamente.
2)
El clculo de las medias y las desviaciones estndar a partir de las tablas de frecuencia.
Calculemos la media y la desviacin estndar de los dimetros de 90 ejes como se muestran en la tabla
5.1. Cuando el nmero de datos es grande y stos estn resumidos en una tabla de frecuencia, el
siguiente es el procedimiento para calcular la media y la desviacin estndar:
Estos estn resumidos en una tabla de frecuencia, el siguiente es el procedimiento para calcular la
media y la desviacin estndar:
Procedimiento
Paso
1
Prepare un formato de clculo como en la tabla 5.5 Paso 2 Escriba los lmites de clase, los puntos medios de las clases y la frecuencia
I
uf
-4
No
Clase
Punto Medio x
2.503 2.508
Frecuencia
f
1
a -4 -3 -2
-1
u'-f
16
2 3
4
5
6 7
8
- 2.5055 2.5055 - 2.5105 2.51 05 - 2.5155 2.51 55 - 2.5205 2.5205 - 2.5255 2.5255 - 2.5305 2.5305 - 2.5355 2.5355 - 2.5405 2.5405 - 2.5455
2.5005
-12
-18 -14
0
36
I
14
36
14
0
22
19 10
5 6
0
1
19
19
2 3
20
15
40 45 96
2.543
24 30
Total
90
302
que
Paso 3
Asigne 0 al punto medio de
de la clase No5
... hacia los menores valores y 'l,2, ... hacia los mayores valores
r
se expresa en la siguiente
u_(x-a)
h
donde,
ctase
1==3|ZtZ
4 Paso 4 Registre los productos de r y de .f en la No1 columna uJ', y los productos de u y de./ en uJ' = (4)xl = u'.: haga la suma de cada una, y registrelas No2
Paso en los espacios
-4
_12
correspondientes. +....
uf' =
Nol
(_3)xl:
Z"J
=ur.f , +u"f"
Zu|'=ui
1;+ui1,+....
u' .l'
No2
- uf xu = (-4) x (-4) = l6
= 36
5
r
usando la siguiente ecuacin:
Paso 5
Calcule
r- a+h(>tl'ln\
Prigittu 15 de 2I
Paso 6 Calcule
.s
- r,
l["
n )'
s'
0.005 x 0.005
[,0,
.2809
r)
" J
- 0.00906(nun)
5.5 La distribucin normal y sus caractersticas
1)
La distribucin normal
Un histograma se construye a partir de un cierto nmero de datos. Pero, qu le pasara al histograma si continuamos aumentando el nmero de datos?. Si el intervalo de clase se reduce poco a poco a medida que se aumenta el nmero de datos, se obtiene una distribucin que se obtiene de un nmero infinito de datos.
lmite
de una distribucin de frecuencia relativa. En realidad es una expresin de la poblacin misma, puesto Existen muchas clases de distribucin, y la ms tpica es la dr'sfrbucin normal. En muchos casos, cuando la variacin de una caracterstica de calidad es causada por la suma de un gran nmero de errores infinitesimales independientes debidos a diferentes factores, la distribucin de la caracterstica de calidad se aproxima a una distribucin normal. La forma de la distribucin normal puede describirse
sencillamente como una forma de campana o de montaa, y en una descripcin ms detallada.
MIN (med
iciones)
=R/Nc
Clculo de lmite inferior de clase para cada intervalo :
Colocar la siguiente frmula.
= M|N(mediciones)
Pgina I6 de 2I
(n-1) * Ac
Centnt dc Capacitucitt Industrial CAI
intervalos. No olvide fijar referencias con F4para el rango de mediciones corresponde al conelativo que identifica a cada intervalo.
. . o
Crear esta frmula para el intervalo de clase N"l y luego copiarla para el resto de los intervalos. No olvide ftjar referencias con F4 para el rango de mediciones y Ac. La variable n corresponde al correlativo que identifica a cada intervalo.
o . .
lr al men Herramientas y escoger comando Complementos. Escoger opcin Herramientas para anlisis VBA lr nuevamente al men Herramientas y escoger comando Anlisis de Datos Escoger opcin Histograma Dentro del cuadro de dilogo escoger Rango de entrada (mediciones), Rango de Clases (lmites superiores de cada clase), Rango de Salida (escoger celda cualquiera) y elegir opciones Crear Grfico y Porcentaje acumulado.
Pdgina I7 de 2I
Una vez abierto MAC3, ejecutar macro Histograma. No olvidar llamar a la hoja de clculo
Datosl
Pginu I8 dc 2I
Gaso Prctico
Ejercicio 9: Cmo construir tablas de frecuencia. Para investigar la distribucin de los dimetros de ejes de acero producidos en un proceso de laminacin, se midieron los dimetros de 90 vigas, como se muestra en la tabla 5.2. Construya una
tabla de frecuencias usando estos datos:
Pgina 19 de 21
Actividades Propuestas
Problema
l.
Construya el diagrama de Pareto por tems defectuosos utilizando los datos de la tabla. Utilice las macros vistas en este captulo.
Tipo de defecto Componentes Velocidad de trabajo Forma de las partes Abrasin de las herramientas Dudosos Posicin de ajuste Otros
Problema 2.
N' de defectos
10
11
7 9
48
13
Analice la informacin de la tabla 3.3 haciendo varios diagramas de Pareto. Utilice las macros vistas en este captulo.
Pgina 20 de
2I
Problema 3. En una panaderia, dos trabajadores, A y B, estn haciendo pan en las mquinas 1 y 2. El peso de los panes franceses producidos se registr durante 20 das, como se muestra en la tabla 5.7. cada da se tomaron aleatoriamente cuatro panes de cada mquina y se pesaron. La especificacin del peso es de
2OO
225 gr.
1)
a) b)
c)
2)
Un histograma global. Un histograma del panadero A y otro del panadero B. Un histograma de la mquina 1 y otro de la mquina 2.
Pdgina 2I de 2I