Ir al contenido principal

La variabilidad: el enemigo N°1 de la calidad

En todos los procesos siempre existe variabilidad, aunque a veces esta sea casi imperceptible.

Por lo general, esta variabilidad es posible detectarla y medirla. Por ejemplo:
  • Una fábrica que embotella agua, no llena siempre el mismo volumen.
  • Una fábrica que elabora pistones, no siempre consigue el mismo diámetro.
  • Una empresa distribuidora de energía eléctrica, no siempre entrega el mismo voltaje.
  • Una fábrica que elabora jugos, no siempre consigue el mismo grado de dulzura.
  • Una fábrica que elabora concreto, no siempre consigue la misma resistencia a la compresión.
  • Una fábrica que elabora harina de pescado, no siempre consigue el mismo porcentaje de proteínas.
  • Un equipo de aire acondicionado mantiene la temperatura de un local dentro de cierto rango.
  • Un empleado que atiende a los clientes de un banco, no siempre lo hace con el mismo tiempo.
  • El mozo de un restaurante no siempre atiende con la misma rapidez o amabilidad.
  • Etc.

La desviación estándar

Se emplea para medir la variabilidad, y se puede calcular fácilmente con Excel.

Existen dos tipos de desviación estándar:

- Desviación estándar de la población: DESVEST.P (Excel)
- Desviación estándar de una muestra: DESVEST.M (Excel)

Por lo general, las poblaciones suelen ser muy grandes, lo que hace prácticamente imposible calcular su desviación estándar. Se recurre entonces a una muestra para estimarla.

La importancia de reducir la variabilidad

Es evidente que, mientras más variabilidad tenga un producto o servicio, menos calidad tendrá. En todos los ejemplos dados anteriormente, es fácil darse cuenta de esto.

"La variabilidad es el enemigo número 1 de la calidad" Genichi Taguchi (CEO American Supplier Institute)

"El cliente percibe la variabilidad, no la media" Jack Welch (Ex - CEO General Electric).

Causas de la variabilidad

Las causas de la variabilidad se pueden clasificar en dos:

Causas asignables: 

Se llaman causas asignables si se les puede atribuir a algo o alguien. Por ejemplo, si se le puede atribuir a un operario, a un máquina, a una materia prima, al método  de trabajo, al medio ambiente, etc. En estos casos, la variabilidad es posible reducirla si se corrige la causa.

Causas no asignables:

Se llaman no asignables si se deben a la variabilidad inherente del proceso. También se deben a: operario, máquina, materia prima, etc; pero es difícil identificarlas y eliminarlas.

Herramientas que ayudan a determinar las causas de la variabilidad

  1. Los gráficos o cartas de control: ayudan a detectar, en tiempo real, las causas asignables de los defectos, justamente cuando estos están ocurriendo.
  2. Los diagramas de Ishikawa (de espina de pescado): ayudan a detectar las causas de los defectos.
  3. Estratificación de histogramas o de diagramas de Pareto: también ayudan a determinar algunas causas de los defectos
  4. Análisis causa raíz: ayuda a determinar la causa raíz de algún defecto.

Comentarios

Entradas más populares de este blog

Interpretación de histogramas

Los histogramas nos pueden brindar mucha información que en las empresas ni se imaginan. Para una persona que conozca un proceso cualquiera, la forma que tiene  un histograma construido a partir de una muestra de datos extraídos de dicho proceso, le indicará qué podría estar ocurriendo con su proceso. A continuación se muestran los distintos tipos de histogramas que se podrían encontrar, con una interpretación de lo que probablemente esté ocurriendo. Histograma general : la media del histograma está en el centro del rango de datos. La frecuencia es mayor en el centro y disminuye gradualmente hacia los extremos, ajustándose a una distribución normal. Se presenta en casi todos los casos en que se representa una medida importante en un proceso productivo. Histograma con sesgo positivo o negativo : tiene forma asimétrica. La media del histograma está a la izquierda (o a la derecha) y la frecuencia disminuye lentamente hacia la derecha (o hacia la izquierda). Se presen

Gráficos o cartas de control

El 16 de mayo de 1924, Walter A. Shewhart, un físico estadounidense, entregó un informe de una página a su jefe en Bell Technologies , destinado a cambiar la historia de la calidad. En él, un breve texto acompañaba a un gráfico, hoy conocido como gráfico o carta de control. Actualmente, pese a que sus gráficos de control siguen siendo útiles, muchos los emplean de manera incorrecta por el desconocimiento que tienen de los fundamentos estadísticos que los sustentan. Los gráficos de control nos permiten visualizar cómo va cambiando la variabilidad de una determinada medida (por ejemplo, el peso del agua embotellada que va saliendo de un proceso de producción), a lo largo del tiempo. Un gráfico de control está conformado por una línea central, que suele medir un promedio; dos límites de control, uno por encima y otro por debajo de la línea central; y una serie de valores característicos registrados en el gráfico que representan el estado de una medida de un proceso a lo largo de

La distribución normal (la campana de Gauss)

La curva normal o campana de Gauss Todas las medidas tomadas en cualquier proceso productivo tienen una distribución simétrica en forma de campana, si es que el proceso productivo está bajo control, es decir, si todo está funcionando dentro de lo establecido. Ejemplo de medidas tomadas en un proceso productivo: El peso de las bolsas que se llenan con azúcar con una máquina automática. El diámetro de los pistones que se elaboran en un taller. El volumen de las botellas que se llenan con cerveza con una máquina automática. La temperatura de un horno de cocción en un proceso de fabricación de harina de pescado. El voltaje que llegan a las viviendas en una ciudad. Estas medidas suelen tener una distribución simétrica en forma de campana debido a que, al haber un control sobre estas, la gran mayoría resultan muy cercanas al valor nominal establecido, y muy pocas resultan más lejanas a dicho valor. ¿Y cómo es esa distribución simétrica en forma de campana? Imagínense q