TEMA 2: CONTROL ESTADÍSTICO DE CALIDAD.

TEMA 2: CONTROL ESTADÍSTICO DE CALIDAD.

El control estadístico de la calidad es un método de mejora continua de los procesos operativos  de una organización, se basa en la reducción sistemática de la variación de aquellas características que más influyen en la calidad de los productos o servicios. Las herramientas estadísticas utilizadas para la reducción de la variación permiten establecer criterios para medir, detectar y corregir variaciones en el proceso que puedan afectar a la calidad del producto o servicio final.

• Permite medir y mejorar la calidad de los productos y servicios.
• Pueden distinguirse diversos tipos de control estadístico de la calidad como:

Control de procesos durante la fabricación. Control de recepción o inspección por muestreo.

Sus objetivos son

• Disminución de los costos para así ofrecer productos competitivos.
• Eliminar actividades que no agregan valor al proceso productivo, es decir,

reducir el tiempo de fabricación de productos o servicios.

• Identificación de los cuellos de botellas, paradas y otros tipos de esperas dentro

del proceso productivo.

• Evitar los problemas de cumplimiento, con los requisitos por el cliente final.

2.1 Estadística descriptiva (casos de aplicación).

Historia
Los conceptos estadísticos se han trabajado intuitivamente desde la antigüedad, las primeras culturas recopilaban datos poblacionales por medio de censos como los realizados en Egipto por Moisés (según consta la Biblia) y el empadronamiento que fue efectuado por los romanos en Judea.

Definición.

La estadística descriptiva es la rama de las Matemáticas que recolecta, presenta y caracteriza un conjunto de datos (por ejemplo, edad de una población, altura de los estudiantes de una escuela, temperatura en los meses de verano, etc.) con el fin de describir apropiadamente las diversas características de ese conjunto. Al conjunto de los distintos valores numéricos que adopta un carácter cuantitativo se llama variable estadística.

Las variables pueden ser de dos tipos:

• Variables cualitativas o categóricas: no se pueden medir numéricamente (por ejemplo: nacionalidad, color de la piel, sexo).

• Variables cuantitativas: tienen valor numérico (edad, precio de un producto, ingresos anuales).

Las variables también se pueden clasificar en:

• Variables unidimensionales: sólo recogen información sobre una característica (por ejemplo: edad de los alumnos de una clase).

• Variables bidimensionales: recogen información sobre dos características de la población (por ejemplo: edad y altura de los alumnos de una clase)

• Variables pluridimensionales: recogen información sobre tres o más características (por ejemplo: edad, altura y peso de los alumnos de una clase).

Por su parte, las variables cuantitativas se pueden clasificar en discretas y continuas:

• Discretas: sólo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: número de hermanos (puede ser 1, 2, 3...., etc., pero, por ejemplo, nunca podrá ser 3.45).

• Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehículo puede ser 90.4 km/h, 94.57 km/h...etc. Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes conceptos:

• Individuo: cualquier elemento que porte información sobre el fenómeno que se estudia. Así, si estudiamos la altura de los niños de una clase, cada alumno es un individuo; si se estudia el precio de la vivienda, cada vivienda es un individuo.

• Población: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten información sobre el fenómeno que se estudia. Por ejemplo, si se estudia el precio de la vivienda en una ciudad, la población será el total de las viviendas de dicha ciudad.

• Muestra: subconjunto que seleccionado de una población. Por ejemplo, si se estudia el precio de la vivienda de una ciudad, lo normal será no recoger información sobre todas las viviendas de la ciudad

Las variables aleatorias son variables que son seleccionadas al azar o por procesos aleatorios.

Gráfica: es una representación de la relación entre variables, muchos tipos de gráficos aparecen en estadística, según la naturaleza de los datos involucrados y el propósito de la gráfica, es la de representar los valores tabulados obtenidos de los muestreos o los datos del total de la población.

Distribución de frecuencia: Al resumir grandes colecciones de datos, es útil distribuirlos en clases o categorías, y determinar el número de individuos que pertenecen a cada clase llamado frecuencia de clase. Una disposición tabular de los datos por clases junto con las frecuencias correspondientes de clase se llama distribuidores de frecuencia o tablas de frecuencia.

Medidas de dispersión: Describen la cantidad de dispersión o variabilidad que se encuentra entre los datos. Datos bastante agrupados poseen valores relativamente pequeños, y datos más dispersos tienen valores más grandes. El agrupamiento más extenso ocurre cuando los datos carecen de dispersión.

Casos de aplicación.

La estadística descriptiva es aplicable en casi todas las áreas donde se recopilan datos cuantitativos. Puede brindar información acerca de productos, procesos o diversos aspectos del sistema de gestión de la calidad, como también en el ámbito de la dirección y organización de personas, la logística, etc. Algunos ejemplos de dichas aplicaciones son los siguientes:

• Resumen de las mediciones principales de las características de un producto.
• Describir el comportamiento de algún parámetro del proceso, como puede

ser la temperatura de un horno.

• Caracterizar el tiempo de entrega o el tiempo de respuesta en el sector de los servicios.
• Procesar datos relacionados con muestras a clientes, tales como la satisfacción

o insatisfacción del cliente.

• Ilustrar la medición de los datos, tales como los datos de calibración del equipo.
• Visualizar el resultado del desempeño de un producto en un periodo mediante un gráfico de tendencia.

Ejemplo: Supongamos que estamos laborando en una gran empresa, con un número muy elevado de trabajadores, por ejemplo 5,000, y queremos hacer un estudio estadístico sobre la altura de los trabajadores y las trabajadoras. Un método sería pasar departamento por departamento y medir a cada trabajador y trabajadora, esto nos podría llevar un tiempo considerable pero sería la forma más exacta de hacer dicho estudio, aunque es fácil encontrarnos con ausencias y tendríamos que volver varios días y pasar lista para conseguir la estatura de todo personal. Una vez que tengamos todos los datos en nuestro poder los resultados los obtendríamos mediante Estadística descriptiva.

2.2 Estadística inferencial (casos de aplicación).

La estadística inferencial es una parte de la estadística que comprende los métodos y procedimientos que por medio de la inducción determina propiedades de una población estadística, a partir de una parte de esta. Su objetivo es obtener conclusiones útiles para hacer deducciones sobre una totalidad, basándose en la información numérica de la muestra.

Se dedica a la generación de los modelos, inferencias y predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la población bajo estudio.

Estas inferencias pueden tomar la forma de respuestas a preguntas sí/no (prueba de hipótesis), estimaciones de unas características numéricas (estimación), pronósticos de futuras observaciones, descripciones de asociación (correlación) o modelamiento de relaciones entre variables de Sam (análisis de regresión). Otras técnicas de modelamiento incluyen análisis de varianza, series de tiempo y minería de datos.

Planteamiento del problema

Suele iniciarse con una fijación de objetivos o algunas preguntas como ¿cuál será la media de esta población respecto a tal característica?, ¿se parecen estas dos poblaciones?, ¿hay alguna relación entre...?

En el planteamiento se definen con precisión la población, la característica a estudiar, las variables, etcétera.

Se analizan también en este punto los medios de los que se dispone y el procedimiento a seguir.

Elaboración de un modelo

Se establece un modelo teórico de comportamiento de la variable de estudio. En ocasiones no es posible diseñar el modelo hasta realizar un estudio previo. Los posibles modelos son distribuciones de probabilidad.

Extracción de la muestra

Se usa alguna técnica de muestreo o un diseño experimental para obtener información de una pequeña parte de la población.

Muestreo probabilístico

Consiste en elegir una muestra de una población al azar. Podemos distinguir varios tipos de muestreo:

Muestreo aleatorio simple

    Para obtener una muestra, se numeran los elementos de la población y se seleccionan al azar los n elementos que contiene la muestra.

Muestreo aleatorio sistemático

    Se elige un individuo al azar y a partir de él, a intervalos constantes, se eligen los demás hasta completar la muestra.

    Por ejemplo si tenemos una población formada por 100 elementos y queremos extraer una muestra de 25 elementos, en primer lugar debemos establecer el intervalo de selección que será igual a 100/25 = 4. A continuación elegimos el elemento de arranque, tomando aleatoriamente un número entre el 1 y el 4, y a partir de él obtenemos los restantes elementos de la muestra.

2, 6, 10, 14,..., 98

Muestreo aleatorio estratificado

    Se divide la población en clases o estratos y se escoge, aleatoriamente, un número de individuos de cada estrato proporcional al número de componentes de cada estrato.

Tratamiento de los datos

En esta fase se eliminan posibles errores, se depura la muestra, se tabulan los datos y se calculan los valores que serán necesarios en pasos posteriores, como la media muestral, la varianza muestral, etc. Los métodos de esta etapa están definidos por la Estadística Descriptiva.

Estimación de los parámetros

Con determinadas técnicas se realiza una predicción sobre cuáles podrían ser los parámetros de la población.

Contraste de hipótesis

Los contrastes de hipótesis son técnicas que permiten simplificar el modelo matemático bajo análisis. Frecuentemente el contraste de hipótesis recurre al uso de estadísticos muéstrales.

Conclusiones

Se critica el modelo y se hace un balance. Las conclusiones obtenidas en este punto pueden servir para tomar decisiones o hacer predicciones.

El estudio puede comenzar de nuevo a partir de este momento, en un proceso cíclico que permite conocer cada vez mejor la población y características de estudio.

Casos de aplicación.

Al mejorar la calidad de conformidad

Se reduce el número de unidades defectuosas que deben desecharse.
Los gráficos de control son una herramienta de control estadístico que se utiliza para monitorizar las causas comunes de variabilidad y detecta la ocurrencia de causas especiales a lo largo del tiempo. 

Los más conocidos son los Gráficos de control de Shewhart, que representan una característica de calidad frente al tiempo y muestran los límites de control.
Control Estadístico de la Calidad.
Es la aplicación de técnicas estadísticas a procesos industriales, administrativos y/o servicios con objeto de comprobar si todas sus partes cumplen unas ciertas exigencias de calidad y ayudar a reducir su variabilidad.

Se utilizan mejor los materiales.

Estos efectos contribuyen a aumentar la productividad. Se eliminan retrasos y se aprovecha el tiempo en maquinaria y operarios. Permiten visualizar si el proceso está bajo control.

Una empresa fabrica pequeñas piezas de PVC mediante un proceso mecanizado. Al analizar las piezas  se  puede  determinar  si  estas  tienen  las  dimensiones  adecuadas  o  no,  en  cuyo  caso  se considera defectuosa. 

2.3 Las siete herramientas básicas para el control de la calidad.

Es una denominación dada a un conjunto fijo de técnicas gráficas identificadas como las más útiles en la solución de problemas relacionados con la calidad.

Se llaman básicas porque son adecuadas para personas con poca formación en materia de estadística, también pueden ser utilizadas para resolver la gran mayoría de las cuestiones relacionadas con la calidad.

Las siete herramientas básicas están en contraste con los métodos más avanzados de estadística, tales como muestreos de encuestas, muestreos de aceptación, pruebas de hipótesis, diseño de experimentos, análisis multivariados, y los distintos métodos desarrollados en el campo de la Investigación de operaciones.

Estas herramientas fueron recopiladas y divulgadas en Japón por Kaoru Ishikawa, profesor de ingeniería en la Universidad de Tokio y padre de los ‘círculos de calidad’.

Posteriormente se extendieron a todo el mundo con el nombre de “herramientas básicas para la mejora de la calidad” o también, “las 7 herramientas básicas de Ishikawa” y varias denominaciones similares.

En su libro “Guía del Control de Calidad”, Ishikawa sentaba las bases de esas 7 herramientas que luego recorrerían el mundo entero.

Estas herramientas son:

Diagrama Causa – Efecto (también llamado gráfico de Ishikawa o espina de pescado).

Identifica muchas causas posibles de un efecto o problema y clasifica las ideas en categorías útiles.

El enunciado del problema, colocado en la cabeza de la espina de pescado, se utiliza como punto de partida para trazar el origen del problema hacia su causa raíz.

Típicamente, el enunciado describe el problema como una brecha que se debe cerrar o como un objetivo que se debe lograr. El mecanismo para encontrar las causas consiste en considerar el problema y preguntarse “por qué” hasta que se llegue a identificar la causa raíz o hasta que se hayan agotado las opciones razonables en cada diagrama de espina de pescado.

Diagrama de flujo (Puede sustituirse por estratificación o por gráfico de ejecución).

Muestran la secuencia de pasos y las posibilidades de ramificaciones que existen en un proceso que transforma una o más entradas en una o más salidas. Los diagramas de flujo muestran las actividades, los puntos de decisión, las ramificaciones, las rutas paralelas y el orden general de proceso.

Los diagramas de flujo pueden resultar útiles para entender y estimar el costo de la calidad de un proceso. Esto se consigue mediante la aplicación de la lógica de ramificaciones del diagrama de flujo y sus frecuencias relativas para estimar el valor monetario esperado para el trabajo conforme y no conforme requerido para entregar la salida conforme esperada.

Hojas de verificación o de chequeo.

También conocidas como hojas de control, se pueden utilizar como lista de comprobación a la hora de recoger datos.

Las hojas de verificación se utilizan para organizar los hechos de manera que se facilite la recopilación de un conjunto de datos útiles sobre un posible problema de calidad.

Son especialmente útiles a la hora de recoger datos de los atributos mientras se realizan inspecciones para identificar defectos. Por ejemplo, los datos sobre frecuencias o consecuencias de defectos recogidos en las hojas de verificación se representan a menudo utilizando diagramas de Pareto.

Diagrama de Pareto.

Los diagramas de Pareto son una forma particular de un diagrama de barras verticales y se utilizan para identificar las pocas fuentes clave responsables de la mayor parte de los efectos de los problemas.

Las categorías que se muestran en el eje horizontal representan una distribución probabilística válida que cubre el 100% de las observaciones posibles.

Las frecuencias relativas de cada una de las causas especificadas recogidas en el eje horizontal van disminuyendo en magnitud, hasta llegar a una fuente por defecto denominada “otros” que recoge todas las causas no especificadas. Por lo general, el diagrama de Pareto se organiza en categorías que miden frecuencias o consecuencias.

Histogramas.

Son una forma especial de diagrama de barras y se utilizan para describir la tendencia central, dispersión y forma de una distribución estadística. A diferencia del diagrama de control, el histograma no tiene en cuenta la influencia del tiempo en la variación existente en la distribución.

Diagramas o gráfico de control.

Se utilizan para determinar si un proceso es estable o tiene un comportamiento predecible. Los límites superior e inferior de las especificaciones se basan en los requisitos establecidos previamente. Reflejan los valores máximo y mínimo permitidos. Puede haber sanciones asociadas al incumplimiento de los límites de las especificaciones. Los límites de control superior e inferior son diferentes de los límites de las especificaciones. Estos se determinan mediante la utilización de cálculos y principios estadísticos estándar para establecer la capacidad natural de obtener un proceso estable.

Se puede utilizar los límites de control calculados estadísticamente para identificar los puntos en que se aplicarán medidas correctivas para prevenir un desempeño anormal. En general la acción correctiva busca el mantener la estabilidad natural de un proceso estable y eficaz.

Para procesos repetitivos, los límites de control se establecen por lo general en ±3 s alrededor de una media del proceso, que se establece a su vez en 0 s.

Un proceso se considera fuera de control cuando:

1. Un dato excede un límite de control.
2. Siete puntos consecutivos se encuentran por encima de la media, o
3. Siete puntos consecutivos se sitúan por debajo de la media.

Se puede utilizar los diagramas de control para monitorear diferentes tipos de variables de salida. Se utilizan con mayor frecuencia para realizar el seguimiento de actividades repetitivas relativas a la fabricación de lotes.

Diagramas de dispersión.

Representan pares ordenados (X, Y) y a menudo se les denomina diagramas de correlación, ya que pretenden explicar un cambio en la variable dependiente Y en relación con un cambio observado en la variable independiente X.

La dirección de la correlación puede ser proporcional (correlación positiva), inversa (correlación negativa), o bien puede no darse un patrón de correlación (correlación cero). En caso de que se pueda establecer una correlación, se puede calcular una línea de regresión y utilizarla para estimar cómo un cambio en la variable independiente influirá en el valor de la variable dependiente.

2.4 Manejo de software especializado en calidad.

¿Qué es un software?

Conjunto de programas de cómputo, procedimientos, reglas, documentación y datos que conforman parte de las operaciones de un sistema de computación.

Clasificación de software

• Software de programación   
• Software de sistema  
• Software de aplicación
• Software.
• KMkey
• Quality Pro.
• Método kaizen

Herramienta de calidad proveniente de la filosofía japonesa que busca una mejora continua de todos los aspectos de la organización, incluyendo a las personas que forman parte de ella.

Kai à Cambio    Zen àBueno (para mejor)    Kaizen à Mejora continua

“Hoy mejor que ayer, mañana mejor que hoy”

Objetivo

Mejorar para dar al cliente o consumidor el mayor valor agregado, mediante una mejora continua y sistemática de la calidad, los costos, los tiempos de respuesta, la variedad, y mayores niveles de satisfacción.

El método Kaizen se basa en seis sistemas:

• Sistema de producción “justo a tiempo” (just in time o sistemas de producción Toyota)
• TQM (gestión de calidad total)
• TPM (mantenimiento productivo total)
• Círculos de control de calidad
• Sistemas de sugerencias.
• Sistema de costos japonés.
• Cinco pasos del método Kaizen
• Seire: Organización.
• Seitan: Reducir búsquedas.
• Seiso: Limpieza.
• Soiketsu: Estandarización y simplificación de procesos.
• Shitsuke: Disciplina y buenos hábitos de trabajo.

• KAIZEN
  -Orientación al cliente -TQC control total calidad -Círculos de calidad -Robótica -Automatización	-Justo a tiempo -Cero defectos -Mejoramiento calidad -Desarrollo nuevos productos -Labor cooperativa

Empresas que trabajan con el método Kaizen

• Toyota
• Hitachi
• Sony

Fuentes consultadas

http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/tqm/4_herramientas/4_herramientas.htm

https://www.coursehero.com/file/22662260/A1-FIMCH/

Integrantes

BERNABE GARCIA MELINA             

MOLINA GREGORIO RIGOBERTO
ROSALES CARBAJAL ZULEYDI LIZET   
SANTOS SANTOS JONATHAN  GUSTAVO