 |
| 7 Herramientasde Ishikawa, esenciales para gestionar la Calidad en una Pyme Industrial |
7 HERRAMIENTAS BASICAS DE LA CALIDAD
Permíteme adivinar: has tomado la decisión de embarcarte en un viaje de mejora continua en tu pyme, con el anhelo de alcanzar la excelencia operacional, y has dado tus primeros pasos implementando la metodología 5s.
¡Excelente elección! Es un sólido comienzo que personalmente recomiendo.
Sin embargo, a pesar de tu progreso, sigues enfrentando problemas puntuales recurrentes en cuanto a la calidad que requieren una solución inmediata.
¿Qué hacer?
La situación apremia, te apoyas en tu experiencia y en la de tus colaboradores, y pasas inmediatamente a tomar acciones de mejora de la calidad en base a tus impresiones, sensaciones, y opiniones.
¿Qué hacer?
La situación apremia, te apoyas en tu experiencia y en la de tus colaboradores, y pasas inmediatamente a tomar acciones de mejora de la calidad en base a tus impresiones, sensaciones, y opiniones.
Pero debo ser franco, esa no es una opción acertada para un PYME,
independientemente de su tamaño.
Tomar acciones apelando exclusivamente a la intuición es un error
grande y bastante común.
En su lugar tu organización debería abrazar procesos de mejora continua y aseguramiento de la calidad, sustentados en métodos científicos de recogida de datos y análisis.
Pero a no alarmarse.
La práctica de esos métodos no es exclusivad de los “expertos en calidad”, sino todo lo contrario.
En su lugar tu organización debería abrazar procesos de mejora continua y aseguramiento de la calidad, sustentados en métodos científicos de recogida de datos y análisis.
Pero a no alarmarse.
La práctica de esos métodos no es exclusivad de los “expertos en calidad”, sino todo lo contrario.
Todo el personal puede, y debe, participar del proceso de mejora continua y
aseguramiento de la calidad.
Naturalmente, no todos podrán aplicar las mismas técnicas ya que algunas problemáticas requerirán del uso de intensivo de recursos y conocimientos, que hará necesaria la participación de personal altamente especializado.
No obstante existe un conjunto de técnicas simples que sí pueden ser dominadas por todo el personal de la empresa.
Esas técnicas son las denominadas 7 herramientas básicas de Ishikawa, o de la calidad, como también se las conoce.
Su nombre se debe precisamente a Ishikawa, ese ingeniero japonés que a mediados del siglo pasado, desarrolló, utilizó con gran éxito y promocionó el uso de ese pack de herramientas para mejorar la calidad.
Según postuló en su momento Ishikawa, luego confirmado por los expertos en la materia, Con estas simples herramientas es posible resolver el 90% de los problemas de calidad que se presenten en una empresa.
Naturalmente, no todos podrán aplicar las mismas técnicas ya que algunas problemáticas requerirán del uso de intensivo de recursos y conocimientos, que hará necesaria la participación de personal altamente especializado.
No obstante existe un conjunto de técnicas simples que sí pueden ser dominadas por todo el personal de la empresa.
Esas técnicas son las denominadas 7 herramientas básicas de Ishikawa, o de la calidad, como también se las conoce.
Su nombre se debe precisamente a Ishikawa, ese ingeniero japonés que a mediados del siglo pasado, desarrolló, utilizó con gran éxito y promocionó el uso de ese pack de herramientas para mejorar la calidad.
Según postuló en su momento Ishikawa, luego confirmado por los expertos en la materia, Con estas simples herramientas es posible resolver el 90% de los problemas de calidad que se presenten en una empresa.
De ahí su gran valor y vigencia.
Quieres saber de ellas, te las presento:
LAS 7 HERRAMIENTAS BASICAS DE LA CALIDAD
- Hojas de recogida de datos.
- Histogramas.
- Gráficos de Pareto.
- Gráficos causa-efecto.
- Gráficos de dispersión.
- Análisis de estratificación.
- Cartas de control.
❶ Hojas de recogida de datos
No hay nada más frustrante, ¡y costoso! que recolectar datos que luego
no te ayuden a contestar las preguntas que necesitas responder.
Por ello antes de empezar es oportuno que tengas en cuenta una serie de
simples recomendaciones:
- Medir siempre por una razón.
- Conocer la diferencia entre medidas discretas y continuas.
- Observar y después medir.
- Tener un proceso de medida.
La debida consideración de cada uno de estos puntos te llevará a la
creación de la hoja de recogida de datos conveniente para el caso que
vas a analizar y te permitirá obtener los datos que estas
buscando.
Medir siempre por una razón.
Parece una obviedad pero es bastante común encontrase en un ámbito
laboral con inmensa cantidad de datos que nadie usa.
Las razones más habituales para recoger datos son:
✓ Medir eficiencia o eficacia de un proceso.
✓ Estudiar la localización de un defecto en el producto o servicio.
✓ Llevar un control de productos defectuosos.
✓ Descubrir cómo las variables (Xs) afectan a la salida (Y) que un
cliente aguas abajo recibirá.
Sin un propósito se pierde enfoque y se termina obteniendo datos
inútiles.
Conocer la diferencia entre medidas discretas y continuas.
No siempre es fácil distinguir entre
datos continuos y discretos.
Para tales casos es útil la “prueba de la mitad”.
|
|
Cómo identificar si una variable es continua o discreta |
Por otro lado algunas cosas pueden traer confusión porque pueden
medirse en una escala continua pero también en una escala
discretas.
|
|
Transformación de una variable continua en discreta |
En cuanto a la preferencia, dependerá del caso ya que los datos
discretos tienen ventajas y desventajas en comparación con los datos
continuos.
|
|
Ventajas y desventajas de los datos discretos |
Observar y después medir.
En esa hoja deberás definir qué vas a medir, cómo lo harás, de qué
parte del proceso sacarás los datos y qué cantidad de ellos serán
suficientes.
Te muestro algunos ejemplos:
|
|
Ejemplos de formatos de hojas de recogida de datos |
Tener un proceso de medida
Dentro de un proceso de medida debemos incluir lo que se va a observar y medir, el instrumento de medida, la metodología a seguir y el operador que realizará la medida.
Todo ello debe estar perfectamente definido (estandarizado) y para tal fin es recomendable la utilización de un documento denominado Definición Operativa.
❷ Histogramas
Si los datos han sido tomados correctamente, su interpretación raramente requerirá de análisis estadísticos complicados, suele bastar con una adecuada representación gráfica, accesible desde un simple Excel.Y esa representación es el histograma.
Un histograma muestra, en datos continuos, cuánta
variación existe en el proceso que se está investigando, cuál es
el centro de los datos y cuál su forma.
Pareciera poco lo que ofrece pero no lo es, te permitirá contestar
preguntas como:
- ¿Está centrado el proceso respecto a los requisitos del cliente?
- ¿Es el proceso tan variable que con frecuencia falla en cumplir los requisitos, generando defectos?
- ¿Está el proceso deformado de alguna manera con datos llamativos sobresaliendo en lugares inesperados?
Para realizar un histograma deberás marcar una serie de
intervalos sobre el eje horizontal, y sobre cada intervalo colocar un
rectángulo de altura proporcional al número de observaciones que caen
dentro del cada intervalo.
Este gráfico se denomina histograma de
frecuencias absolutas.
Si deseas comparar histogramas construidos con distintos números de
datos, es preferible que las alturas de los rectángulos sean
proporcionales al porcentaje de observaciones en cada intervalo.
Este gráfico se denomina
histograma de
frecuencias relativas.
Pero mejor te muestro un ejemplo para que veas cómo funciona esta
técnica.
La siguiente tabla contiene una muestra tomada al azar durante 20 días
del peso en gramos de paquetes de snack, que pueden ser elaborados en
dos máquinas distintas (1 y 2), y que a su vez son atendidas por dos
maquinistas (A y B).
|
|
Tabla de datos para histograma |
A continuación se realizaron dos histogramas con la
totalidad de los datos, uno de frecuencias absolutas y otro con
frecuencias relativas, previo ordenamiento de las mediciones.
|
|
Histogramas con datos globales |
Ambos gráficos muestran lo mismo, solo difieren en la escala del eje
vertical.
Puede apreciarse que el proceso está descentrado, llegando
incluso a generar productos fuera de tolerancia (por
defecto).
Pero nada más que eso se puede concluir.
Para profundizar el análisis, se hicieron histogramas por
máquina.
|
|
Histogramas por máquina |
Y aquí sí notamos algo adicional.
Mientras la máquina 1 está centrada y produce dentro de los límites de
especificación, la máquina 2 está descentrada, generando por defecto un
cierto porcentaje de productos rechazados.
Evidentemente esa máquina es la fuente del problema por lo que se
tendrá que trabajar en ella.
Se puede hacer lo mismo para el caso de los operarios, pero en este
caso en particular no revela ninguna información de relevancia, no hay
diferencias significativas entre los operarios.
¿Pudiste apreciar el valor de esta herramienta, sobre todo cuando la
utilizas con la correcta estratificación de los datos?
Pero hasta aquí la silueta de los histogramas mostrados es la más
habitual y deseable para fines analíticos.
La distribución normal o campana.
No obstante, existen otros patrones que sería bueno que conozcas.
|
|
Diversos patrones de histogramas |
❸ Gráficos de Pareto
Tiene por objetivo comparar la frecuencia o impacto de los diferentes tipos de causas sobre el problema que se está investigando.Es una herramienta que permitirá establecer prioridades y determinar
causas raíz.
Consejo: para que la interpretación sea fiable deberás recoger al
menos 50 mediaciones.
Pero mejor veamos un ejemplo.
Luego de tomar durante tres meses datos de fallos en una línea de
envasado se muestran a continuación los resultados:
|
| Gráfico de Pareto y estructurado de los datos |
Primero tabulas los datos crudos levantados del proceso, luego los
ordenas y calculas el peso de cada motivo de falla, y por último los
graficas en un diagrama de doble eje como se muestra en la figura.
El efecto Pareto se encuentra habitualmente cuando investigamos causa
raíz y significa que un número menor de los motivos investigados, son
responsables de la mayoría de los problemas, más precisamente del 80% de
ellos.
Es conveniente que el eje vertical primario tenga una extensión
equivalente a la totalidad de los defectos, de ese modo podremos
visualizar rápidamente la contribución relativa de cada uno de los
defectos.
En el caso de ejemplo los problemas en el vibrador más las roturas de
hilo representan el 80% de las fallas, y en consecuencia es allí donde
dirigiremos nuestra atención.
❹ Gráficos causa-efecto
Muchas veces, ante la urgencia de resolver un problema, atacamos los
efectos que ese problema genera, pero al tiempo el problema vuelve a
manifestarse de forma aún más perjudicial.
Para solucionar un problema debes estudiar sus causas (no los
efectos) y eliminarlas.
Pero descubrir el entramado de posibles causas que hay detrás de un
efecto no es fácil.
Para hacerlo es recomendable construir un
diagrama de causa-efecto, también conocido como espina de pescado
o simplemente Ishikawa.
Esta herramienta no es ni más ni menos que una forma estructurada de
hacer una tormenta de ideas.
El diagrama de causa-efecto resume el problema a resolver en la
“cabeza” del pescado y dispone sus causas potenciales unidas a ella a
modo de “espinas”.
Las espinas más pequeñas son los tipos más específicos de causas, que
contribuyen al siguiente nivel, amás general, y así sucesivamente.
Por lo general las espinas están agrupadas en 6 grupos principales
identificados con las 6 M, eso es:
↪ Material: los materiales usados en el proceso, en entornos de
servicios suele ser información
↪
Método:
la forma en la que la gente hace el trabajo, procesos,
procedimientos, instructivos.
↪
Maquinaria:
todo tipo de equipamiento, herramientas y ordenadores.
↪
Medidas:
cualquier método para medir la calidad de los procesos y sus salidas,
incluyendo la inspección.
↪
Mano de obra:
todos los involucrados en el proceso incluyendo trabajadores, clientes,
líderes, proveedores.
↪ Medio ambiente:
el entorno físico en el que se lleva adelante el proceso.
|
|
Diagrama de espina de pescado, causa-efecto o Ishikawa |
Claramente es un recurso a ser utilizado por un equipo de trabajo y no
individualmente ya que la información sustanciosa, los distintos puntos
de vista, las buenas ideas, surgirán sólo de una tormenta de
ideas.
Al finalizar utiliza la recogida de datos, el voto o el consenso para
seleccionar las causas más importantes o las más probables, a ser
investigadas más profundamente.
Por ejemplo puedes generar una escala del 1 al 3 (importancia baja,
media y alta) y someter las distintas causas listadas en el gráfico a la
votación de los miembros del presente.
De esa manera priorizarás para enfocar los efuerzos posteriores.
Ten presente que esta herramienta es un formato vivo, de almacenamiento
de conocimiento, por lo cual siempre estará susceptible de ser
actualizado.
❺ Gráficos de dispersión
Representan una forma de comprobar si existe relación entre una característica de calidad y un factor que puede afectarle.Estos gráficos utilizan “datos pareados” obtenidos de manera
simultánea, para estudiar la correlación entre la variable X y la salida
Y.
Esos “pares” representan habitualmente una causa potencial y su efecto,
como por ejemplo la complejidad de un formulario como “X” y el tiempo
que lleva llenarlo como “Y”.
Los pares de datos se representan a lo largo de los ejes X e Y del
diagrama y posteriormente se los analiza en busca de signos de
correlación, pudiendo mostrar distintos patrones de
comportamiento:
|
|
Diferentes comportamientos de correlación de pares de
datos |
Los diagramas de dispersión como el A y el B, muestran una fuerte
correlación entre la variable y la salida, pero no prueban que la X
estudiada esté causando realmente la salida,
Sólo sugieren que están fuertemente relacionadas de alguna manera
lineal y no de forma azarosa.
Ahora bien, te hago una pregunta.
¿No sería fantástico poder cuantificar la intensidad de esa relación
entre entrada y salida?
Claro que sí, y la respuesta a esa pregunta es la incorporación del
análisis de correlación al gráfico de dispersión, herramienta que es de
fácil acceso en Excel.
Tipos de análisis de correlación
Coeficiente de correlación (r): la gráfica de dispersión puede
resumirse en un solo número, identificado con la letra r, que indica la
fuerza de la correlación, o no, entre la variable y la respuesta.
Ese coeficiente puede variar entre
+1 (correlación positiva perfecta) y
-1 (correlación negativa perfecta), aunque será muy difícil
encontrar comportamientos en esos valores.
Generalmente se toma como criterio investigar más en profundidad
relaciones mayores a ±0.7.
Porcentaje de correlación (r2): a veces es preferible medir esa
fuerza de correlación en términos de un porcentaje, y para esos casos se
utiliza el cuadrado de r.
Por ejemplo una correlación de 0.82 entre la complejidad de un
formulario y el tiempo de llenado lleva a un porcentaje de correlación
de 0.67.
Eso significa que en un 67% la complejidad del formulario es la
responsable de los mayores tiempos de llenado.
❻ Análisis de estratificación.
En realidad no se trata de algo adicional sino de una técnica que conviene incorporar a cada una de las herramientas comentadas hasta aquí.Las planillas para la recogida de datos, deben pensarse en torno a una
correcta estratificación para tener información que posteriormente se
pueda analizar considerando su origen.
En el caso de los histogramas, los paretos y los gráficos de
dispersión, una correcta estratificación permite revelar información que
de otra forma sería difícil de obtener.
Pero mejor te lo explico con un ejemplo.
Estamos en una pizzería y su encargado desea mejorar la
satisfacción del cliente.
Supone junto a sus colaboradores que las mayores demoras en las
entregas se dan en el horario de la cena, cuando el número de pedidos es
el más alto.
Pero tiene un momento de lucidez y antes de abocarse a tomar acciones
decide confirmar la presunción analizando gráficamente datos de demoras
en diferentes horarios.
Y oh sorpresa!! los histogramas estratificados por franja horaria
mostraron que la problemática era bastante distinta de lo
imaginado.
Las entregas con retrasos eran casi tan numerosas en el último turno
como en el de la cena, y lo que es peor, llegaban muy tarde más a menudo
en el turno de la medianoche.
Ante esta realidad el encargado tuvo que replantear la premisa inicial
para seguir investigando, con otro enfoque, antes de pasar a la
acción.
Moraleja: siempre que estés en la tarea de recoger datos, comprueba
exhaustivamente si existe al menos una manera de estratificar la
información para que el análisis se vea favorecido.
❼ Cartas de control
Pero veámoslo mejor con un ejemplo.
Estas en el departamento de atención al cliente, tienes el problema de
la cantidad alta de reclamos que quedan sin contestar, discutes mejoras
con tus colaboradores, las implementas y ahora deseas ver cómo ha
respondido el proceso a esos cambios.
Para verlo mides durante aproximadamente un mes los reclamos atendidos
diariamente y haces el gráfico de tendencia que se muestra a
continuación:
|
|
Gráfico de tendencia |
No detectas nada extraordinario, no ves que haya algún patrón especial
y te das por satisfecho con lo realizado.
Te sientes contento y orgulloso por haber resuelto el problema, y de
inmediato decides compartir la buena noticia con un amigo, quien además
tiene conocimientos de Six Sigma.
Cómo tu amigo te aprecia y es curioso por naturaleza, decide dedicarte
un tiempo extra y te pide los datos para interpretarlos él
también.
Al otro día te va a visitar a tu trabajo y te presenta la
sorpresa.
La nueva noticia tiene forma de gráfico, por cierto bastante parecido
al que tú hiciste, pero con algunas “pequeñas” diferencias:
|
|
Carta de control con un punto de los límites de control. |
Y te dice:
“Amigo, evidentemente algo se te pasó por alto, en esta carta de
control puedes apreciar que tu proceso no está bajo control".
"Uno de los primeros puntos excede el límite superior de control, lo
que significa que no puede ser explicado por las
causas comunes de variación".
"Aquí hay una causa especial que debe ser investigada y resuelta
para que tu proceso realmente esté bajo control”.
Sin comentarios, te quedas con la boca abierta, tu amigo acaba de
pincharte el globo.
Las cartas de control son potentes y simples herramientas para
detectar la variación provocada por causas especiales.
En manos de un operario es de gran ayuda para indicarle cuando deberá
ajustar su proceso y cuando no, ya que si sobre-ajusta genera
variación adicional muy perjudicial para la calidad de lo que está
produciendo.
Los límites de control son tres
desviaciones estándares
a cada lado de la media y sirven para poner en evidencia rápidamente
causas especiales de variación.
Y para terminar, es muy importante que sepas que las anormalidades en
una carta de control no sólo son aquellos puntos que están fuera de los
límites de control.
Hay otros casos que deben ser atendidos porque también representan
causas especiales, fuente de potenciales problemas.
Esos casos tienen que ver con ciertos patrones de comportamiento de los
datos y los más habituales son:
↪ 6 puntos consecutivos ascendentes o descendentes.
↪ Cualquier ciclo repetitivo.
Hemos terminado.
Espero que este post haya sido de utilidad.
Bien, ahora te toca a tí
¿Tienes inquietudes, interrogantes, pedidos de temáticas o incluso
correcciones de cosas que se me hayan pasado?
No lo dudes, hazme un comentario, me encantaría leerte y
corresponderte.
Escribo para ayudar, me encanta hacerlo, pero también quiero aprender a
hacerlo cada vez mejor.
Si deseas saber más de mí, te invito a contactar en
LinkedIn.
Que tengas una buena semana. Hasta pronto!
Pablo
Bibliografía
- Las claves prácticas de Seis Sigma, de Peter S. Pande, Robert P. Neuman, Roland R. Cavanagh
- Métodos estadísticos (Control y mejora de la calidad), de Abert Prat Bartes, Xavier Tort-Martorell Llabrés, Pere Grima Cintas, Lourdes Pozueta Fernández
