You are on page 1of 27

7 Herramientas básicas para la mejora de la calidad. (Herramientas de Ishikawa)

Métodos de Mejora de la Calidad

Prof. Alfonso Raso

Alfonso Raso

Las 7 herramientas básicas de la calidad

Como ya se ha comentado en otras ocasiones el trabajador es el:

“Maximo experto” de la actividad y procesos que le han sido encomendados.

Para utilizar al máximo su experiencia es necesario que cada trabajador se transforme en un “pequeño cientifico” (alguien que toma sus decisiones apoyadas en datos)

Las 7 herramientas básicas constituyen la base del trabajo del “pequeño cientifico”. Fueron desarrolladas en Japón, por el prof. Ishikawa, para hacer más eficaz la solución de los problemas por parte de todos los trabajadores

Alfonso Raso

Las 7 herramientas básicas de la calidad

Declaración del prof. Ishikawa:

Después de los seminarios de Deming y de otros expertos americanos, celebrados a principios de los 50´s, habiamos empezado a enseñar en nuestras empresas técnicas estadísticas. Transcurridos dos o tres años, observamos que esas enseñanzas no proporcionaban resultados y estabamos enseñando a los hombres de la empresa un método estadístico excesivamente complejo, demasiado difícil de comprender. Los empleados empezaron a pensar que el método estadístico era algo muy difícil y que, por consiguiente, también el control de calidad resultaría de difícil implementar. Para correguir esos errores enseñamos el método estadístico siguiendo dos enfoques diferentes. En cuanto se refiere al primero, desde la alta dirección hasta los operarios, decidimos ensañar el método estadístico más sencillo, desarrollando así las 7 herramientas básicas. Con ese sencillo método se podia resolver el 95% de los probelmas de la empresa”

Alfonso Raso

Las 7 Herramientas básicas

Podemos establecer tres partes a la hora de presentar las 7 herramientas básicas cuando se utilizar en los proyectos de mejora, por parte del pequeño cientifico

Etapa

Actividad

Instrumento

     
 

Recoger datos

Hoja de recogida de datos

Fundamentos

Interpretar datos

Histograma

 

Estudiar relación causa-efecto

Diagrama causa-efecto

Pilares

Fijar prioridades

Diagrama de Pareto

 

Estratificar datos

Estratificación

Instrumentos

Determinar las correlación

Diagrama de correlación

auxiliares

Control del proceso

Gráficos de control

Alfonso Raso

1. Hoja de recogida de datos

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

“Solo en Dios creo

...

Todos

los damás traigan datos”

1. Hoja de recogida de datos  Resulta imposible plantear un proyecto de mejora sin una

OBTENER DATOS CON

FACILIDAD Y PRECISION

Alfonso Raso

1. Hoja de recogida de datos

Ejemplo: Hoja de registro de Defectos por máquina

Maquina

defecto Lunes

Martes

Miercoles Jueves Viernes Total

 

Tipo 1

 

3

  • 2 2

 
  • 1 4

12

Tipo 2

 

4

  • 3 1

 
  • 2 5

15

maquina 1

Tipo 3

 

3

  • 1 4

 
  • 2 0

10

Tipo 4

 

1

  • 0 1

 
  • 0 1

3

Total

 

11

  • 6 8

 
  • 5 40

10

 

Tipo 1

 

2

  • 1 4

 
  • 1 10

2

 

Tipo 2

 

3

  • 1 4

 
  • 5 17

4

 

maquina 2

Tipo 3

 

3

  • 1 2

 
  • 1 11

4

 

Tipo 4

 

0

  • 3 1

 
  • 3 2

9

Total

 
  • 6 8

11

10

12

47

Alfonso Raso

2. Histograma

Una vez recogido los datos, varias decenas, cientos e incluso miles. ¿Qué debe hacer para leerlos e interpretarlos?

La ciencia a ideado el histograma (y otros métodos graficos). Representación gráfica que permite obtener una visión completa y sintética de los datos recogidos.

40 30 20 10 0 2,9 2,93 2,96 2,99 3,02 3,05 3,08
40
30
20
10
0
2,9
2,93
2,96
2,99
3,02
3,05
3,08

Peso

• Valores

más frecuentes?

• Dispersión?

Cumple especificaciones?

• Se precisa estratificación? • Atípicos? , Distribución? ....

Alfonso Raso

2. Histograma

60 50 40 30 20 10 0 2,9 2,8 3,2 3,3 3,1 3
60
50
40
30
20
10
0
2,9
2,8
3,2
3,3
3,1
3

Peso

Alfonso Raso

2. Histograma

400 300 200 100 0 20 30 25 10 15 0 5
400
300
200
100
0
20
30
25
10
15
0
5

Peso

Alfonso Raso

2. Histograma

40 30 20 10 0 2,9 2,7 2,8 3,2 3,1 3
40
30
20
10
0
2,9
2,7
2,8
3,2
3,1
3

Peso

Alfonso Raso

3. Diagrama causa-efecto

La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto. Por lo tanto, el operario o el grupo de operarios que desee llevar a cabo un proyecto de mejora debe estudiar obligatoriamente las relaciones de causa-efecto

En el diagrama de causa-efecto representamos todas las causas que originan el efecto.

CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR
CAUSA MAYOR

Subcausa

Causa menor

3. Diagrama causa-efecto  La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto.
3. Diagrama causa-efecto  La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto.
3. Diagrama causa-efecto  La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto.

Causa menor

3. Diagrama causa-efecto  La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto.
3. Diagrama causa-efecto  La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto.
3. Diagrama causa-efecto  La quintaesencia del trabajo cientifico es el estudio de las relaciones causa-efecto.

Subcausa

CAUSA MAYOR
CAUSA MAYOR

Causa menor

CAUSA MAYOR
CAUSA MAYOR

IDENTIFICAR, ANALIZAR Y SELECCIONAR CAUSAS DE

UN PROBLEMA.

DEFECTO
DEFECTO

Alfonso Raso

3. Diagrama causa-efecto

CAUSA MAYOR Bombilla
CAUSA MAYOR
Bombilla
CAUSA MAYOR Corriente
CAUSA MAYOR
Corriente

Subcausa

Falta
Falta

Causa menor

Inadcuada

3. Diagrama causa-efecto CAUSA MAYOR Bombilla CAUSA MAYOR Corriente Subcausa Falta Causa menor Inadcuada Insuficiente Causa

Insuficiente

Causa menor

inexistente

Fundida

3. Diagrama causa-efecto CAUSA MAYOR Bombilla CAUSA MAYOR Corriente Subcausa Falta Causa menor Inadcuada Insuficiente Causa
3. Diagrama causa-efecto CAUSA MAYOR Bombilla CAUSA MAYOR Corriente Subcausa Falta Causa menor Inadcuada Insuficiente Causa
3. Diagrama causa-efecto CAUSA MAYOR Bombilla CAUSA MAYOR Corriente Subcausa Falta Causa menor Inadcuada Insuficiente Causa
3. Diagrama causa-efecto CAUSA MAYOR Bombilla CAUSA MAYOR Corriente Subcausa Falta Causa menor Inadcuada Insuficiente Causa
3. Diagrama causa-efecto CAUSA MAYOR Bombilla CAUSA MAYOR Corriente Subcausa Falta Causa menor Inadcuada Insuficiente Causa

Subcausa

CAUSA MAYOR Interructor
CAUSA MAYOR
Interructor
3. Diagrama causa-efecto CAUSA MAYOR Bombilla CAUSA MAYOR Corriente Subcausa Falta Causa menor Inadcuada Insuficiente Causa

Causa menor

CAUSA MAYOR Averia instalación
CAUSA MAYOR
Averia
instalación
DEFECTO La luz no funciona
DEFECTO
La luz no
funciona

Alfonso Raso

4. Diagrama de pareto

Es el intrumento que se utiliza para definir las cosas más importantes. En cualquier situación existen siempre poquisimos factores importantes y muchisimos factores de escasa importancia

Principio de pareto:

"Si hacemos una lista con todas las causas que contribuyen en la obtención o aparición de cualquier efecto que nos interese analizar, ordenándolas de mayor a menor según la magnitud de la contribución de cada una, encontraremos que la importancia relativa de las primeras es tan grande en comparación con las últimas, que aproximadamente el 20 por ciento de ellas son responsables del 80 por ciento del efecto total y el 80 por ciento restante de causas es responsable solamente del 20 por ciento restante del efecto".

Alfonso Raso

4. Diagrama de pareto

Tipo de defecto

400 100,00 95,43 90,00 83,71 300 74,00 200 42,00 100 0 piezas erroneas Montaje defectuoso Revestimiento
400
100,00
95,43
90,00
83,71
300
74,00
200
42,00
100
0
piezas erroneas
Montaje defectuoso
Revestimiento arañad
Otras causas
Piezas faltants
Rugosidad superficia
frequency

Alfonso Raso

5. estratificación

Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De esta forma es posible descibrir las áreas más problematicas y, por consiguiente, donde es más importante concentrar la atención

5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De
5. estratificación  Este instrumento consiste en agrupar los datos según diferentes conceptos o áreas. De

SEPARAR, CONFIRMAR CAUSAS DE PROBLEMAS EN

BASE A DATOS CONTINUOS O

DISCRETOS DE ACUERDO A GRUPOS O FAMILIAS.

Alfonso Raso

5. estratificación

Histograma 500 400 300 200 100 0 2,9 2,95 3 3,05 3,1 Peso Histograma 500 400
Histograma
500
400
300
200
100
0
2,9
2,95
3
3,05
3,1
Peso
Histograma
500
400
300
200
100
0
2,9
2,95
3
3,05
3,1
Peso
Histograma
250
200
150
100
50
0
2,9
2,95
3
3,05
3,1
Peso
frequency
frequency
frequency

Peso piezas

Peso maquina 1

Peso maquina 2

Alfonso Raso

5. estratificación

Histograma

800 600 400 200 0 frequency 2,95 3,05 2,9 3,1 3
800
600
400
200
0
frequency
2,95
3,05
2,9
3,1
3

Peso

Peso piezas

Histograma 500 400 300 200 100 0 2,9 2,95 3 3,05 3,1 Peso Histograma 240 200
Histograma
500
400
300
200
100
0
2,9
2,95
3
3,05
3,1
Peso
Histograma
240
200
160
120
80
40
0
2,9
2,95
3
3,05
3,1
Peso
frequency
frequency

Peso maquina 1

Peso maquina 2

Alfonso Raso

6. Diagrama de correlación

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

6. Diagrama de correlación  Este instrumento es utilizado para verificar si dos variables se encuentran

CONFIRMAR LAS RELACION

ENTRE CAUSA Y EFECTO EN

BASE A DATOS CONTINUOS.

Alfonso Raso

6. Correlación

63,1 62,9 62,7 62,5 62,3 62,1 61,9 Consumo 2,96 2,97 2,98 2,99 2,95 3
63,1
62,9
62,7
62,5
62,3
62,1
61,9
Consumo
2,96
2,97
2,98
2,99
2,95
3

Carga

Observaciones:

• Correlaciones espureas • Estratificación

Alfonso Raso

6. correlación

24 22 20 18 16 14 Consumo 4,4 2,4 4,9 2,9 3,4 3,9 1,9 1,4
24
22
20
18
16
14
Consumo
4,4
2,4
4,9
2,9
3,4
3,9
1,9
1,4

Carga

Alfonso Raso

7. Gráficas de control

Se utiliza para verificar si un proceso se encuentra bajo control o no. Esta herramienta será estudiada con profundida en el capítulo III del curso.

7. Gráficas de control  Se utiliza para verificar si un proceso se encuentra bajo control

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

Alfonso Raso

Proyecto de mejora personal. Mantener el peso ideal

Alfonso Raso

Proyecto de mejora personal

Hoja de registro de datos

 

Peso

 

Mes:

                 

1 semana

2 semana

3 semana

4 semana

5 semana

Lunes

 

Lunes

 

Lunes

 

Lunes

 

Lunes

 

Martes

 

Martes

 

Martes

 

Martes

 

Martes

 

Miercoles

 

Miercoles

 

Miercoles

 

Miercoles

 

Miercoles

 

Jueves

 

Jueves

 

Jueves

 

Jueves

 

Jueves

 

Viernes

 

Viernes

 

Viernes

 

Viernes

 

Viernes

 

Sabado

 

Sabado

 

Sabado

 

Sabado

 

Sabado

 

Domingo

 

Domingo

 

Domingo

 

Domingo

 

Domingo

 

Alfonso Raso

Proyecto de mejora

Peso (datos de 1 año)

40 30 20 10 0 70 76 72 74 73 75 71
40
30
20
10
0
70
76
72
74
73
75
71

Peso

Proyecto de mejora Peso (datos de 1 año) 40 30 20 10 0 70 76 72
Proyecto de mejora Peso (datos de 1 año) 40 30 20 10 0 70 76 72

Peso ideal

El 10% de las observaciones estan fuera del peso ideal

Alfonso Raso

Proyecto de mejora

Causa - efecto

Enfermedad

No Deporte

Proyecto de mejora Causa - efecto Enfermedad No Deporte Costipado Hidratos de carbono grasas Bodas Cumpleaños
Proyecto de mejora Causa - efecto Enfermedad No Deporte Costipado Hidratos de carbono grasas Bodas Cumpleaños

Costipado

Proyecto de mejora Causa - efecto Enfermedad No Deporte Costipado Hidratos de carbono grasas Bodas Cumpleaños
Proyecto de mejora Causa - efecto Enfermedad No Deporte Costipado Hidratos de carbono grasas Bodas Cumpleaños
Proyecto de mejora Causa - efecto Enfermedad No Deporte Costipado Hidratos de carbono grasas Bodas Cumpleaños

Hidratos de carbono grasas

Bodas Cumpleaños Fiestas Comidas exporadicas

Comidas habitual

10%

Fuera de peso

ideal

Alfonso Raso

Proyecto de mejora personal

Establezco un plan de acción para eliminar excesos

Peso (datos de 1 año) Peso 40 20 70 74 76 30 72 75 73 10
Peso (datos de 1 año) Peso 40 20 70 74 76 30 72 75 73 10
Peso (datos de 1 año)
Peso
40
20
70
74
76
30
72
75
73
10
71
0
Peso (datos de 1 año) Peso 40 20 70 74 76 30 72 75 73 10
Peso (datos de 1 año) Peso 73,4 71,4 72,6 72,2 71,8 40 20 30 73 10
Peso (datos de 1 año) Peso 73,4 71,4 72,6 72,2 71,8 40 20 30 73 10
Peso (datos de 1 año)
Peso
73,4
71,4
72,6
72,2
71,8
40
20
30
73
10
71
0

antes

Después

Alfonso Raso

Proyecto de mejora personal

Graficos de control

X-bar Chart for RAND1 75 UCL = 73,09 74 CTR = 72,28 LCL = 71,47 73
X-bar Chart for RAND1
75
UCL = 73,09
74
CTR = 72,28
LCL = 71,47
73
72
71
0
10
20
30
40
50
Subgroup
X-bar
Range Chart for RAND1 2,4 UCL = 2,04 2 1,6 CTR = 0,79 LCL = 0,00
Range Chart for RAND1
2,4
UCL = 2,04
2
1,6
CTR = 0,79
LCL = 0,00
1,2
0,8
0,4
0
0
10
20
30
40
50
Subgroup
Range

Alfonso Raso