Documente Academic
Documente Profesional
Documente Cultură
Hoy en día la demanda de los clientes por la excelencia en la calidad de los productos y
servicios es mayor que en décadas pasadas. Los clientes o consumidores relacionan el
concepto con el derecho que tienen por pagar por un artículo o recibir un servicio; por lo que
las empresas cada vez más establecen un compromiso y un estrecho vínculo con los clientes,
a fin de cumplir con sus expectativas y brindar un producto o servicio de acuerdo a los
parámetros declarados.
Por tal motivo, las empresas se encuentran en procesos de mejora continua e implementación
de sistemas de calidad específicos, que les permitan cumplir con los requerimientos del
mercado nacional y extranjero. Sin embargo, existen compañías que aún no se apegan al
cumplimiento de especificaciones o peor aún, falsean la información; ante ello, distintas
organizaciones federales realizan inspecciones periódicas para informar al consumidor sobre
la calidad del producto y su relación con el precio.
Tal es el caso de la Procuraduría Federal del consumidor (Profeco), que en el año 2012
analizó 52 productos etiquetados de queso Oaxaca e informó que varias marcas no cumplen
con las especificaciones declaradas en la etiqueta, ni con la denominación “queso”, ya que
para recibir este nombre, el producto debe contener grasa animal y la mayoría de las muestras
presentaban grasa vegetal. Asimismo, dejó al descubierto que por su composición deben ser
clasificados como “imitaciones de quesos”.
De este caso podemos analizar la importancia de que las empresas cumplan con las
especificaciones de calidad de producto y de tu futuro papel como profesionista para trabajar
en la mejora continua de los procesos.
Explicación
1.1 Definición de calidad
El concepto de calidad ha evolucionado con el paso del tiempo; hasta la mitad del siglo XX,
la calidad era vista como un problema que se solucionaba mediante herramientas de
inspección. Se le entendía también en relación con un sistema de producción enfocado a
satisfacer la demanda de clientes con alta capacidad de pago y frecuencia de compra.
La ventaja competitiva de esas compañías era producir bienes sin defectos, con la desventaja
de los elevados costos de producción, ya que el inspector de calidad se dedicaba a revisar al
100% los bienes y retirar los defectos de la línea, pero su alcance no le permitía implementar
sistemas de control para evitar que dichos defectos llegaran al cliente.
Por ello, en 1922 aparece el concepto de control estadístico con Walter Andrew Shewhart,
debido a la necesidad de monitorear constantemente la calidad de los productos e
implementar técnicas estadísticas que permitieran operar sistemas de producción redituables,
capaces de cumplir con las especificaciones establecidas con los clientes.
Actualmente, el modelo que las empresas han adoptado como parte de su filosofía es el
de calidad total, cuyo objetivo está centrado en la satisfacción continua del cliente, interno y
externo, más que en la elaboración de bienes sin defectos; porque reconocen que para
alcanzar las metas trazadas en la planeación estratégica, deben idear la forma de ser
altamente competitivos y el medio para lograrlo es escuchando al cliente.
Las etapas de la evolución del concepto de calidad son (Evans y Lindsay, 2008):
Asimismo, existen varias definiciones que los expertos en calidad han propuesto, por ejemplo,
Juran (citado en Gutiérrez y de la Vara, 2013) 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 satisfagan al cliente; mientras que en la American Society for
Quality (ASQ), la calidad tiene dos significados, se puede definir como características de un
producto o servicio que le confieren su aptitud para satisfacer necesidades explícitas o
implícitas, o también como un producto o servicio libre de deficiencias; en las Normas
ISO9000:2005 se define calidad como el grado en el que un conjunto de características
inherentes cumplen con los requisitos (Gutiérrez y de la Vara, 2013).
De acuerdo a Gutiérrez y de la Vara (2013), la calidad se relaciona con 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 el producto o servicio como al menos lo
que esperaba.
Por otra parte Evans y Lindsay (2008) comentan la importancia de entender las diferentes
perspectivas desde las cuales se ve la calidad, a fin de apreciar por completo el papel que
desempeña en las organizaciones. Estas perspectivas son:
Con base en
el juicio
Con base en
el producto
Con base en
el usuario
Con base en
el valor
Con base en
la manufactura
El grupo Western Electric, dirigido por Walter Shewhart, introdujo la era del control estadístico
de la calidad (statistical quality control, SQC), que consiste en aplicar técnicas y métodos
estadísticos para controlar la calidad. El SQC va más allá de la inspección para
concentrarse en la identificación y eliminación de los problemas que causan defectos.
Explicación
2.1 Definición de variabilidad
La variabilidad existe en todos los procesos, entender y reducir la variación son claves para el
éxito y objetos de estudio del control estadístico y de 6 sigma. Por ello, distintas empresas
lucrativas y no lucrativas realizan esfuerzos para disminuir la variabilidad, ya que entre mayor
sea su índice, mayor serán los costos.
Evans y Lindsay (2008) mencionan algunos ejemplos como la Cruz Roja estadounidense (The
American Red Cross) que implementó un sistema de calidad a largo plazo, que costó varios
millones de dólares, para mejorar la eficacia y su proceso de donación, análisis y distribución
de sangre. Su estrategia se enfoca en mantener en cero la variabilidad, la desviación y los
errores mediante iniciativas como las siguientes:
Las causas comunes, también conocidas como no asignables, son aquellas que
permanecen día a día, lote a lote; son aportadas de forma natural por las condiciones
de las 6M. Se refieren a aquellas fuentes de variación que se encuentran en control
estadístico. Esto significa que todas las mediciones de los datos de variables como
temperatura, peso y volumen están dentro de los límites de variación normal.
En la siguiente figura se muestran las fuentes de variabilidad conocidas como las 6M. Cada
una aporta una parte a la variación total observada, e impacta las características de calidad.
Los siguientes son ejemplos de cómo influye cada fuente de variabilidad en la calidad del
producto, revísalos haciendo clic aquí.
Mano de obra
Materiales
Maquinaria
Medio ambiente
Medición
Métodos
A menor variabilidad, se esperan procesos más capaces y por ende, mejor calidad de
producto.
A mayor variabilidad, se esperan procesos menos capaces y por ende, menor calidad
de producto.
La mala calidad no solo trae como consecuencia clientes insatisfechos, también altos costos
para la compañía; por ello, las empresas implementan estrategias efectivas para reducir la
variabilidad y aumentar los niveles de calidad.
Una estrategia muy común es la capacitación oportuna del personal, ya que se infiere que el
personal capacitado se apega más al cumplimiento de estándares y provoca menos
variabilidad a la tarea que está desempeñando. Otra estrategia es la calibración continua de
maquinaria, que ayuda a tener mediciones más asertivas del proceso y detectar anomalías
antes de liberar lotes al mercado.
Descarga la aplicación Hook de Ooyala para ver el video en dispositivos con sistema
operativo Android.
Cierre
El estudio de este tema te ha permitido conocer el concepto de variabilidad y comprender que
siempre estará presente en los procesos de manufactura y de servicio. Tu papel como futuro
profesionista es habilitarte en el diseño y análisis de variabilidad posible.
Media
También llamada “promedio aritmético”, se obtiene sumando todos los datos, después
se divide el resultado entre el número de datos. Su fórmula es la siguiente:
Mediana o percentil 50
La mediana es igual al valor que divide a la mitad al conjunto de datos cuando son
ordenados de menor a mayor.
En caso que los datos sean impares, 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.
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.
Donde:
S = Desviación estándar
Σ = Sumatoria
xi = Valor de un dato
= Valor de la media
El siguiente ejemplo muestra la aplicación de los conceptos analizados.
En un proceso de panificación, la altura de los productos es una característica de calidad, ya
que el cliente relaciona la altura con suavidad. Se tiene una especificación de 5.16 a 6.87 cm.
El fabricante quiere saber si los productos se comportan dentro de los valores establecidos
para evitar inconformidad por parte de los clientes.
Los sistemas de medición aplican para procesos que generan mediciones a escala continua
como kilogramos, resistencia, temperatura u otros, y para procesos a escala discreta, donde
se incluyen evaluaciones subjetivas realizadas por inspectores, que clasifican las piezas con
base en sus sentidos (vista, tacto, olfato, oído, gusto). Por lo tanto, verificar la calidad de las
mediciones en estos casos pasa por valorar la consistencia de los criterios utilizados por las
personas que realizan este tipo de evaluaciones.
Para garantizar la calidad de los sistemas de medición se realizan estudios de variabilidad
llamados R&R (repetibilidad y reproducibilidad), que pueden ser a corto o largo plazo. El
primero permite evaluar de manera rápida la variabilidad del sistema de medición sin separar
la repetibilidad y reproducibilidad, el segundo separa la repetibilidad y reproducibilidad. Este
tipo de estudios se deben aplicar constantemente para conocer el estado del proceso de
medición.
Existen otros tipos de estudios, como los de estabilidad, que se basan en el uso de cartas de
control, donde el objetivo es monitorear permanentemente el desempeño de un sistema de
medición, verificando cada cierto intervalo una o varias piezas. Tiene la ventaja de que en
cualquier momento proveen información clave acerca del proceso de medición, lo que es de
gran utilidad para decidir los intervalos de calibración o el momento de realizar un estudio R&R
largo o corto (Gutiérrez y de la Vara, 2013).
Cuando un proceso se evalúa con un sistema que tiene un error de medición grande,
entonces la capacidad del proceso que se reporta es más mala de lo que en realidad es, por
ello es de gran importancia el mantenimiento periódico de los instrumentos de medición y la
capacitación continua de los operarios de los mismos.
3.3 Capacidad y estabilidad de un proceso
Índice de capacidad Cp
El índice de capacidad potencial (Cp) del proceso compara el ancho de las especificaciones
o la variación tolerada para el proceso con la amplitud de la variación real. La fórmula del Cp
se define de la siguiente manera:
Donde:
Para interpretar el índice Cp se debe considerar que cuanto mayor sea el índice, mayor será la
capacidad. Para que el proceso sea considerado potencialmente capaz de cumplir con las
especificaciones, requiere que la variación real (natural) siempre sea menor que la variación
tolerada.
Cp < 1 Indica que existe evidencia de suponer que el proceso no cumple con las
especificaciones.
Nota: para considerar que el proceso es el adecuado, el valor de Cpi o Cps debe ser mayor a
1.25.
Cpk: es el valor mínimo entre el Cpi y Cps
Donde:
Los límites inferior y superior definen el inicio y final del rango de variación. Es importante
aclarar que éstos no son las especificaciones, tolerancias o deseos para el proceso. Por el
contrario, se calculan a partir de la variación del estadístico (datos).
Un modelo general para una carta de control es el siguiente:
Sea w el estadístico que se va a graficar en la carta, su media µw y su desviación estándar
σw, entonces el límite de control inferior (LCI), la línea central y el límite de control superior
(LCS) están dados por:
LCI = µw - 3 σw
Línea central = µw
LCS = µw + 3 σw
Existen dos tipos generales de cartas de control: para variables y para atributos.
Las cartas de control para variables se aplican a características de calidad con naturaleza
continua; por ejemplo, el peso, la estatura, la temperatura, el tiempo, etc.
Las cartas de control para atributos se aplican a características de calidad con naturaleza
discreta; supone solo dos valores: bueno o malo, aprobado o reprobado. Los atributos no se
pueden medir, pero se pueden observar y contar (D’Alessio, 2009).
Explicación
4.1 Gráficas o cartas de control X - R
Gutiérrez y De la Vara (2013) mencionan que este tipo de cartas aplica para procesos
industriales de tipo masivo y de variables de salidas con naturaleza continua.
Consiste en observar de forma periódica un subgrupo de productos, medirlos y calcular la
media y el rango, para registrarlos en la carta correspondiente.
Límites para X
A continuación se muestran los límites de control para X en un estado inicial:
Donde:
Límites para R
Con esta carta se detectarán cambios en la amplitud de la variación del proceso; sus límites
se determinan a partir de la media y desviación estándar de los rangos de los subgrupos.
A continuación se muestran los límites para la carta R:
Donde D3 y D4 (ver Tabla de constantes para gráficos de control) son constantes y dependen
del tamaño del subgrupo.
4.2 Gráficas o cartas de control X - S
Son utilizadas para procesos masivos en los que se requiere tener mayor potencia para
detectar pequeños cambios. Por lo general el tamaño de los subgrupos es n > 10.
Límites
Ejemplo:
Una fábrica de embutidos acaba de lanzar al mercado un nuevo producto con alta calidad
proteica. Dicho producto se produce en una máquina automática que está programada para
llenar cada tira con la fórmula cárnica especificada, 63.5 gramos de pasta. Para mantener bajo
control el proceso de llenado, cada cuatro horas se sacan de forma aleatoria cuatro tiras de la
línea de producción. Para ver más de este ejemplo, da clic aquí.
Procesos en los que las mediciones cercanas solo difieren por el error de medición
Procesos cuyas mediciones se obtienen cada día, cada semana o más; como el
consumo de energía, el desperdicio mensual, etc.
Procesos que trabajan por lotes
Ejemplo:
En la producción de tequila se estudian los grados Brix residual para medir la eficacia del
proceso de molienda. Después de moler cada lote se determina el °Brix residual, por lo que se
considera un proceso lento que es más apropiado analizar con una carta de individuales. En
la tabla 4.3.1se muestran los datos de los últimos 40 lotes molidos y se agregó una columna
para el rango móvil de orden 2 (significa que el valor de n para determinar la constante en
tablas será 2), que se obtiene del rango entre los dos datos consecutivos más recientes.
La media y el rango medio de los datos son 1.95 y 0.43, respectivamente. De aquí que los
límites de control preliminares para el Brix son:
Para la carta de individuales los límites son:
Para la carta de rangos móviles los límites son:
Interpretación:
La carta de control correspondiente a la de individuos muestra que no hay tendencias ni
ningún patrón especial, salvo un punto fuera del LCS correspondiente al lote 15. Por lo tanto,
en la molienda de ese lote ocurrió algo que usualmente no sucede.
La carta de rango móvil muestra que la diferencia entre dos mediciones consecutivas del
grado Brix residual del proceso de molienda del agave varía entre 0 y 1.41, se observa que no
hay un punto fuera de los límites de control, tampoco se observa un patrón especial. Se
concluye que el proceso está en control estadístico en cuanto a variabilidad.
Explicación
5.1 Gráficas o cartas p y np
Las gráficas p son el medio principal para controlar atributos. Aunque los atributos buenos o
malos siguen una distribución binomial, puede utilizarse la distribución normal para calcular los
límites cuando el tamaño de muestra sea grande (Gutiérrez y de la Vara, 2013).
Solución:
Como primer paso debes obtener el promedio de los defectos:
Posteriormente los límites de control:
Interpretación:
Se aprecia que en el mes 12 hubo una situación especial que causó un alto número de
intoxicados, más de los que ordinariamente se esperarían. Al recurrir a los expedientes de la
enfermería, se encontró que ese punto fuera de los límites ocurrió cuando se introdujo por
primera vez cierto tóxico, sin dar las instrucciones adecuadas a los trabajadores.
Por otra parte, el objetivo de la carta u es analizar la variación del número promedio de
defectos por artículo o unidad de referencia y se utiliza cuando el tamaño del subgrupo no es
constante.
Los límites de control se calculan de la siguiente forma:
Donde es el límite central y se obtiene dividiendo el total de defectos entre el tamaño del
subgrupo.
Ejemplo:
Empresas Ross desea llevar un indicador de defectos por unidades fabricadas del producto
líder en refrigeradores de acero inoxidable, con la finalidad de implementar 6 sigma en su
proceso, por ello requiere tener la certeza de que su proceso de calidad tiene ya una cultura
de mejora continua que se refleja en el control de defectuosos. Se presenta el número de
defectos observados en 10 lotes consecutivos, el número de refrigeradores inspeccionados en
cada lote es variable (ver tabla 5.2.2).
Esta pantalla se obtuvo directamente del software que se está explicando en la computadora, para fines educativos.
Interpretación:
Se observa que la fabricación de los refrigeradores está en control estadístico porque todos
sus datos se encuentran dentro de los límites. Se recomienda al fabricante validar la
confiabilidad de los datos antes de tomar la decisión de implementar 6 sigma.
5.3 Interpretación de gráficas o cartas para atributos
Cierre
El estudio de este tema te ha permitido conocer el diseño y la interpretación de las gráficas de
control para atributos. Como te diste cuenta son herramientas muy prácticas que nos ilustran
el comportamiento de los procesos, para catalogarlos como adecuados o no adecuados. Te
invito a utilizar Minitab 16.2 y practicar más ejercicios.
Introducción
Para entender cada vez más la complejidad de los procesos, las empresas recurren al uso e
implementación de herramientas estadísticas que ayuden a los analistas a identificar las
causas de variación que provocan defectos en un lote fabricado. Una herramienta muy útil
es la gráfica multivariables, que muestra las principales fuentes de variación de un
proceso, para investigar sus causas, solucionarlas y mejorar la capacidad del proceso.
¿Crees que la hora en que se fabrican las piezas tiene que ver con la calidad de las
mismas? ¿Qué piensas sobre la idea de que en los turnos nocturnos se producen más
defectos?
Para dar respuesta a estas interrogantes te invito a revisar e investigar más acerca del tema.
Explicación
Interna
Variación en el tiempo
Entre piezas
Variación de fuente
Con este fin se realiza un muestreo aleatorio de cuatro diferentes lotes de material que será
procesado en dos diferentes tornos. Se toman cinco muestras para cada torno y para cada
lote, resultando 40 observaciones. La variable de respuesta es el número de pulgadas de
cada perno. En la siguiente tabla puedes observar el muestreo realizado.
Para encontrar el lote que presenta mayor variación será necesario capturar los datos en una
hoja de trabajo en minitab, seleccionar el menú de estadísticas > herramientas de
calidad > gráfica multivariables, colocar la variable de respuesta “Medición (pulg)” y
los factores, en este caso son el grupo, lote A-D y torno. Posteriormente se mostrará la
siguiente gráfica.
Interpretación:
Como puedes observar, existen solo 10 muestras cercanas a las especificaciones (1.50 a
1.51”), resulta bastante preocupante para el encargado del proceso darse cuenta que en la
mayoría de los lotes hay pernos que se tendrán que reprocesar porque no serán útiles.
Para fortalecer este análisis puedes obtener la estadística descriptiva de los datos y observar
con mayor claridad el comportamiento entre los lotes.
Torno 1 14
Torno 2 16
Como puedes apreciar, el lote D es crítico, ya que arroja una media de 1.4968, la cual está
por debajo de la especificación.
Un fabricante desea analizar las posibles causas de piezas con fugas. G1, G2 Y G3
representan el número de grupos formados por tres piezas cada una. La variable de
respuesta es el número de fugas totales en cada grupo de tres piezas.
Para encontrar el factor que más influye es necesario capturar los datos en una hoja de
trabajo en minitab, seleccionar el menú de estadísticas > herramientas de calidad > gráfica
multivariables, colocar la variable de respuesta “fugas” y los factores “grupo, operario y
hora”, asimismo, deberás habilitar en opciones: “mostrar puntos de datos individuales”, en
este caso son el grupo, operario y hora.
Lo anterior se interpreta que de los 3 factores analizados, el que más influye es la hora. Se
observa una tendencia de aumento del número de fugas a medida que el turno avanza. No
se observa un gran efecto de los operadores analizados ni de los grupos.
Interpretación:
En la gráfica puedes observar que los factores de grupo y operario no presentan fuerte
variabilidad e impacto en la variable de respuesta llamada “N. de Fugas”, sin embargo, a
medida que transcurre el turno se puede apreciar una tendencia de aumento o incremento en
el número de fugas, por lo que el fabricante debe analizar la elaboración o fabricación de
las piezas, especialmente a las 12:00 am y a las 8:00 pm, ya que es el horario donde se
están generando mayor cantidad de fugas.
La técnica se basa en que la distribución del proceso tiene a lo más la amplitud de las
especificaciones y que la media está centrada en el valor objetivo. Por lo tanto el precontrol
no es recomendable para procesos con baja capacidad para cumplir con las
especificaciones, se requiere que el Cpk > 1.15.
El precontrol consiste en las siguientes etapas, que son definidas con base en el semáforo:
Donde:
µ: Media
LIPC: Límite inferior de precontrol
LSPC: Límite superior de precontrol
LIE: Límite inferior especificado
LSE: Límite superior especificado
Como se observa:
Etapa de calificación
Si un proceso tiene un Cpk < 1, es difícil pasar de esta etapa, por lo que en este caso no se
debe aplicar el precontrol y más bien se necesita recurrir a las cartas de control, o bien
realizar un proyecto de mejora como el ciclo de Deming, 6 sigma, etc.
Por ejemplo, si el proceso centrado tuviera una capacidad muy pobre, es decir un Cpk =
0.5, la probabilidad de la zona verde se reduce a 0.547, mientras que la zona amarilla crece
hasta 0.32 y la zona roja lo hace a 0.1336. Este incremento de las zonas amarilla y roja da
como resultado que el proceso tenga una pequeña probabilidad de 0.5475 = .05, en caso de
que calificara, el proceso no se podría sostener en la siguiente etapa del precontrol.
La razón por la que se recomienda tomar muestras en pares es porque ayuda a disminuir el
riesgo de una falsa alarma y esperar demasiado para tomar acciones (Escalante, 2013).
Se tiene un proceso que fabrica clavos de 2”, cuya tolerancia es de más o menos 0.05”. Se
desea aplicar el precontrol. El ingeniero de producción toma un muestreo al inicio de la
producción, con una frecuencia de muestreo de 1 hora, entonces obtuvo los siguientes datos
y tomó las siguientes decisiones para controlar el proceso.
Las cartas precontrol tienen la ventaja de trabajar con especificaciones en lugar de límites
de control y se puede usar en corridas cortas o largas.
Las cartas de precontrol presentan una desventaja debido a que las zonas de semáforo se
calculan sin tomar en cuenta la capacidad de los procesos; por lo tanto, cuando el proceso
tiene muy buena capacidad y en él ocurre un cambio, puede pasar que la carta de precontrol
tarde demasiado tiempo en detectarlo o nunca se detecte.
Cierre
El estudio de este tema te ha dado una amplia visión del concepto de gráficas
multivariables y de precontrol, por lo que es momento de dar respuesta a las interrogantes
planteadas al inicio del tema:
¿Crees que la hora en que se fabrican las piezas tiene que ver con la calidad de las
mismas? ¿Qué piensas sobre la idea de que en los turnos nocturnos se producen más
defectos?