“TOPICOS DE LA CALIDAD II”

EQUIPO 3

Catedrática:

DRA. ADELA MENDOZA

Dorian Shainin

Dorian Shainin nació en San Francisco, el 26 de

septiembre de 1914. Creció en San Francisco, Shangai y Nueva York. Asistió a Erasmus Hall High School en Brooklyn, Nueva York.

Después de graduarse como ingeniero aeronáutico en el Instituto Tecnológico de Massachusetts (MIT) en 1936, Shainin trabajó como diseñador en la división de Hamilton Standard de United Aircraft Corporation (ahora United Technologies Corporation)

En 1939 la industria de Estados Unidos se había

enfocado en los esfuerzos para la guerra, y Shainin se convirtió en coordinador de licencias responsable de ayudar a nuevos representantes con licencia de Hamilton Standard a resolver problemas. Para el final de la guerra, Shainin estaba a cargo de la calidad y confiabilidad de Hamilton Standard, y había ganado reconocimiento a nivel nacional por haber inventado el Lot Plot de Hamilton Standard.

Lot Plot es el nombre de un método estadístico para

muestreos de aceptación desarrollado por Dorian Shainin en los años 40. Esta técnica estadística usa análisis gráfico de datos de muestras variables para determinar si un lote consistente de partes potencialmente malas puede ser aceptado o enviado a una inspección al 100%.

Shainin incorporó la aplicación de técnicas estadísticas para manufactura y mostró la efectividad de la presentación y análisis de datos de forma gráfica su desarrollo del Lot Plot.

En 1946 Shainin pudo demostrarle al Buró de la

Marina para Aeronáutica que el Lot Plot era más efectivo que una inspección al 100%. Después de esto, la Marina accedió a utilizar el Lot Plot como un estándar.

Usado para resolver problemas crónicos de forma

estable:

1) Definir el Problema.

2) Buscar pistas como causas potenciales.

3) Validar cuales causas son las más importantes.

4) Optimizar.

5) Salvaguardad la optimización.

Método de shainin

El método de Shainin puede ser usado para

complementar la metodología Seis Sigma, ya que es muy efectivo en la fase de análisis del DMAIC

Shainin también ofrece certificaciones y cuenta con tres niveles, que son

1. Apprentice (aprendiz)

2.Journeyman (oficial)

3.Shainin Master (maestro)

Introduccion

Cartas Multivariables.

• Búsqueda de Componentes.

• Comparaciones Apareadas.

• Búsqueda de Variables.

• Factoriales Completos.

• B vs C.

• Diagramas de dispersión

7 Técnicas de shainin

El desarrollo del concepto de la “Red X” de Shainin

fue originado por su asociación con Joseph Juran. En los 40’s Juran acuñó y popularizó la noción de “los pocos vitales y los muchos triviales”, también conocido como “el Principio de Pareto”, reconociendo el impacto desigual de los problemas en el desempeño de negocios, siendo el mismo fenómeno que Wilfredo Pareto había observado con respecto a la distribución de la riqueza

Red X y Pareto

1.- MULTI-VARI CHARTS

Gráficos Multi-vari fueron descritos por primera vez por Leonard Seder en 1950, a pesar de que se han desarrollado de forma independiente por múltiples fuentes. Se inspiraron en el mercado de valores gráficos de velas o abierto-alto-bajo-cierre gráficos.

En su concepción inicial, el gráfico de múltiples variables se asemeja a un gráfico de control Shewhart individuos con las siguientes diferencias:

La característica de calidad de interés se mide en dos extremos (en

torno a su diámetro, a lo largo de su longitud, o a través de su superficie) y estas mediciones se representan como líneas verticales que conectan los valores mínimo y máximo en el tiempo.

La característica de calidad de interés se representa a través de tres paneles horizontales que representan:

Variabilidad en una sola pieza

Variabilidad pieza a pieza

Variabilidad del tiempo en cuando

La característica de calidad de interés se representa frente superior e inferior de las especificaciones en lugar de límites de control .

Los tres paneles se interpretan de la siguiente manera:

Panel Condición La acción correctiva

Variabilidad en una sola pieza

Las longitudes de las líneas verticales (es decir, el rango ) excediera de la mitad de las especificaciones (o más)

Reparación o realineación de la herramienta

Variabilidad pieza a pieza

Dispersión excesiva

Examine las entradas del proceso de excesiva variabilidad del largo de las líneas verticales son las estimaciones de la capacidad de proceso

Variabilidad del tiempo en cuando

Apariencia de un proceso no estacionario

Examine las entradas o pasos para la evidencia de los cambios o derivas de proceso

Más recientemente, el término "multi-vari gráfico" se ha usado

para describir una forma visual para mostrar el análisis de varianza de datos (por lo general se expresa en forma de tabla).Se compone de una serie de paneles que retratan mínimo, significa, y las respuestas máximas para cada combinación de tratamiento de interés en lugar de para períodos de tiempo.

Debido a que es una representación bidimensional de múltiples

dimensiones (uno para cada factor en el ANOVA), el gráfico de múltiples variables sólo es útil para la comparación de la variabilidad entre un máximo de cuatro factores.

El gráfico se compone de lo siguiente:

Un panel horizontal en cada nivel del factor exterior

Un grupo de puntos que representan el mínimo, la media, y las respuestas máximas de la combinación de tratamiento en particular, conectados por líneas para cada nivel del factor más interna

DEFINICION:

Es similar a la prueba pareada de diferenciación, sólo que cuando es de tipo afectiva se utilizan jueces no adiestrados y se solicita que expresen cual de las muestras le agrada más. Los resultados se procesan de la misma manera que la prueba pareada de dos colas. El método mas común de una prueba de degustación es la comparación pareada. Se pide al consumidor que pruebe dos productos diferentes y que seleccione el del sabor mas atractivo. La prueba se realiza en privado, ya sea en hogares o en otros sitios

2.-Comparación pareada

Consiste en evaluar simultáneamente dos muestras,

con el objetivo de determinar si existe diferencia perceptible entre ellas. Se puede presentar un par o una serie de pares, teniendo en cuenta que sólo se distingan entre sí por la variable objeto de estudio. Cada muestra se presentará codificada y en orden balanceado, de tal manera que cada una de ellas aparezca igual número de veces en la posición derecha e izquierda del par. La prueba es fácil de realizar, requiere de poca cantidad de muestras, y el agotamiento del juez es relativamente bajo.

MODO DE USO

Los paneles de evaluación sensorial se agrupan en 3

tipos: Paneles de expertos altamente adiestrados. Paneles de laboratorio (jueces entrenados) y Paneles de consumidores (utiliza un número grande de jueces no entrenados). Los dos primeros se utilizan en control de calidad en el desarrollo de nuevos productos o para medir cambios en la composición del producto. Los paneles de consumidores se utilizan más para determinar la reacción del consumidor hacia el producto.

PANELES DE EVALUACION SENSORIAL

Se requiere de un área especial, donde se eviten

distracciones y se puedan controlar las condiciones deseadas. Un producto se puede evaluar en una mesa, en la esquina de un cuarto, pero las interrupciones y distracciones no favorecen un buen análisis. Un laboratorio de análisis sensorial debe contar con 2 áreas, a saber: Área de preparación y área de prueba, separadas la una de la otra. Los panelistas no deben entrar al área de preparación para evitar influencias en la evaluación. Generalmente, en el área de prueba, los panelistas se ubican en cabinas individuales que, de acuerdo con la facilidad, pueden ser divisiones sobre una mesa o módulos con bisagras

PREPARACION PARA LA PRUEBA

Se recomienda últimas horas de la mañana y el

comienzo o mitad de la tarde para la realización de las pruebas.

HORARIOS DE LAS PRUEBAS

Las muestras que se presentan al panelista deben ser

típicas del producto, idénticas hasta donde sea posible, excepto en la características por la que se juzga, o sea, que tenga igual forma (redonda o picada o en puré o molida), en recipientes de igual forma, tamaño, color y tener presente que el material donde se sirve la muestra no transmita olores.

MUESTRA

Al panelista se le presentan dos muestras codificadas, y se le

pregunta cuál de ellas prefiere, por ejemplo, dos tipos de tortas o dos marcas de gaseosas. FORMATO FICHA 1. (PRUEBA DE DOS COLAS). NOMBRE _____________________________________

FECHA ____________________________ Pruebe las muestras recibidas y diga si son iguales o diferentes, indicándolo con una (x) en el lugar que corresponda. Por favor pruebe las muestras de izquierda a derecha y enjuáguese la boca entre una degustación y otra. Muestras Diferentes --------------- Iguales 420 115

TEXT DE COMPRACION PAREADA

Búsqueda de variables que permiten medir el

concepto

Búsqueda de datos, bases de datos, tablas, cuadros, fuentes de información en general conteniendo las variables previamente identificadas

NOTA: importante la definición de niveles así como la posibilidad de “empatar” las bases a esos niveles (ciudades, distritos,colonias o comunas, manzanas o bloques etc.)

Búsqueda de Variables

En estadística, un experimento factorial completo es un

experimento cuyo diseño consta de dos o más factores, cada uno de los cuales con distintos valores o niveles, cuyas unidades experimentales cubren todas las posibles combinaciones de esos niveles en todo los factores. Este tipo de experimentos permiten el estudio del efecto de cada factor sobre la varible respuesta, así como el efecto de las interacciones entre factores sobre dicha variable.

Por ejemplo, con dos factores y dos niveles en cada factor, un experimento factorial tendría en total cuatro combinaciones de tratamiento, y se le denominaría diseño factorial de 2×2.

Si el número de combinaciones en un diseño factorial completo es demasiado alto para su procesamiento, puede optarse por un diseño factorial fraccional, en el que se omitan algunas de las combinaciones posibles.

3.-Factoriales completos

También se conoce como la prueba del "paquete de seis", ya que sólo requiere 6

muestras como 3 de B y 3 de C.

B = mejor o nuevo proceso

C = actual o antiguo proceso

B Vs C Prueba de IDEA BÁSICA:

prueba muy simple y de gran alcance.

Se basa en una clasificación de las 6 muestras tomadas.

Básicamente, existen 20 combinaciones de 6 muestras tomadas a 3 a la vez.

Hay un 1 en 20 (5%) de que todos los B sería un puesto mas alto que el del C, debido a la casualidad.

Si es todo el B es más alto que el de C, entonces podemos afirmar con un 95 % de confianza que hemos mejorado el proceso.

6 paquete de prueba

Muchos estudios atmosféricos actuales utilizan herramientas estadísticas paramétricas para analizar los resultados.

Los investigadores no deben pasar por alto las herramientas no paramétricas para capear el análisis de datos. Análisis no paramétrico puede se especialmente útil en la intemperie estudios sobre cuestiones de apariencia y las evaluaciones visuales para la clasificación aceptabilidad.

Planteamientos lógicos de Shainin a los procesos de producción

también puede representar herramientas valiosas para la investigación de los procesos de meteorización.

Una de estas herramientas incluye el "paquete de prueba 6." La clasificación se asocia entonces con la entrada variables. Las probabilidades asociadas con un orden específico son entonces evaluado.

Diagrama de dispersión

Un diagrama de dispersión es un tipo de diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos.

Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que determina la posición en el eje horizontal y el valor de la otra variable determinado por la posición en el eje vertical. Un diagrama de dispersión se llama también gráfico de dispersión.

Descripción

Se emplea cuando una variable está bajo el control del experimentador. Si existe un parámetro que se incrementa o disminuye de forma sistemática por el experimentador, se le denomina parámetro de control o variable independiente = eje de x y habitualmente se representa a lo largo del eje horizontal. La variable medida o dependiente = eje de y usualmente se representa a lo largo del eje vertical. Si no existe una variable dependiente, cualquier variable se puede representar en cada eje y el diagrama de dispersión mostrará el grado de correlación (no causalidad) entre las dos variables.

Un diagrama de dispersión puede sugerir varios tipos de

correlaciones entre las variables con un intervalo de confianza determinado. La correlación puede ser positiva (aumento), negativa (descenso), o nula (las variables no están correlacionadas). Se puede dibujar una línea de ajuste (llamada también "línea de tendencia") con el fin de estudiar la correlación entre las variables. Una ecuación para la correlación entre las variables puede ser determinada por procedimientos de ajuste. Para una correlación lineal, el procedimiento de ajuste es conocido como regresión lineal y garantiza una solución correcta en un tiempo finito.

Uno de los aspectos más poderosos de un gráfico de dispersión,

sin embargo, es su capacidad para mostrar las relaciones no lineales entre las variables. Además, si los datos son representados por un modelo de mezcla de relaciones simples, estas relaciones son visualmente evidentes como patrones superpuestos.

El diagrama de dispersión es una de las herramientas básicas de control de calidad, que incluyen además el histograma, el diagrama de Pareto, la hoja de verificación, los gráficos de control, el diagrama de Ishikawa y el (diagrama de flujo).

En las distribuciones bidimensionales a cada individuo le

corresponden los valores de dos variables, las representamos por el par (xi, yi).

Si representamos cada par de valores como las coordenadas de un punto, el conjunto de todos ellos se llama nube de puntos o diagrama de dispersión.

Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible, llamada recta de regresión.

Las notas de 12 alumnos de una clase en Matemáticas y Física

son las siguientes:

Matemáticas 2 3 4 4 5 6 6 7 7 8 10 10

Física 1 3 2 4 4 4 6 4 6 7 9 10

1º Correlación directa La recta correspondiente a la nube de puntos de la distribución es una

recta creciente.

Correlación inversa La recta correspondiente a la nube de puntos de la distribución es una recta

decreciente.

Correlación nula En este caso se dice que las variables son incorreladas y la nube de puntos tiene una

forma redondeada

Comparación de procesos

La Comparación de Procesos se centra en procesos de producción seleccionados del negocio en lugar de atender al negocio en su conjunto. La premisa detrás del análisis consiste en que, mediante la identificación de los procesos que constituyen las mejores prácticas y la comparación de los procesos reales que utiliza la firma, los directivos pueden mejorar el desempeño de subsistemas –llevando a un mejor desempeño general. El objetivo de la comparación de procesos consiste en mejorar distintas etapas del proceso de producción y mejorar la eficiencia al “aprender de otros”. Compartir experiencias es un paso de vital importancia para el éxito de esta técnica

Por ejemplo, al comparar indicadores principales específicos (y

los procedimientos que actualmente se utilizan y que afectan a dichos indicadores) correspondientes a un conjunto de empresas de servicios, es de esperar que puedan identificarse las mejores prácticas y transferírselas a los prestadores con desempeño más débil, que deberían adoptarlas para poder incrementar su eficiencia.

Por lo tanto, la Comparación de Procesos constituye un mecanismo de

identificación de procedimientos de trabajo específicos que podrían mejorarse a través de la imitación de ejemplos externos de excelencia que pueden establecerse como la mejor práctica de la industria. En ese sentido, la Comparación de Procesos implica la comparación de la propia empresa de servicios con empresas similares con el propósito de lograr un auto-mejoramiento mediante la adopción de estructuras o métodos que en otras partes se utilizan con éxito. Para resumir, le permite a la empresa descubrir la forma en que otros conducen sus negocios, si son o no más eficientes y, en caso afirmativo, si la empresa puede comprender y utilizar estos métodos en beneficio propio.

Ventajas: Esta comparación detallada incluye comparaciones de prácticas de

ingeniería, procedimientos de recopilación de datos, rutinas de oficina e indicadores de desempeño para cada uno de los procesos objeto de estudio. Pueden utilizarse diagramas de flujo que capturen las relaciones clave y ayuden a los directivos a identificar las áreas que deben mejorarse.

Desventajas: Concentrarse en procedimientos específicos constituye un enfoque muy orientado a lo gerencial, lo que implica que un supervisor externo está obligado a depender de la información que le suministren las empresas de servicios. Las comparaciones entre distintas empresas de servicios pueden resultar problemáticas dadas las particularidades propias de cada una de ellas.

EJEMPLO 1.- SUPONGA QUE UN CLIENTE PLANTE LA

NECESIDAD DE QUE SU PROVEEDOR LE ENVIE SOLO AQUELLOS LOTES QUE TENGANUN BUEN NIVEL DE CALIDAD Y PARA ELLO SE EMPLEA UN PLAN SIMPLE DE MUESTREO .EL TAMAÑO DEL LOTE ES DE 6000 UNIDADES EL PORCENTAJE DE UNIDADES DEFECTUOSAS QUE SE CONSIDERAN ACEPTABLES ES DE 0.4 %

MUESTREOS DE ACEPTACION

NIVEL II (INSPECCION NORMAL)

1.- N= 6000 PIEZAS

2.- NCA = 0.4%

3.- NIVEL DE INSPECCION II

4.- LETRA CODIGO = L

5.-PLAN SIMPLE DE MUESTREO

6.- n =200 Ac= 2 Re= 3

Conclusión: Esto nos esta diciendo que en un lote de

6000 unidades, el tamaño de una muestra sera de 200 y de máximo 2 unidades salen defectuosas se acepta el lote y si 3 unidades o mas se rechaza.

NIVEL III( SEVERO) 1.- N= 6000 PIEZAS 2.- NCA = 0.4 % 3.- NIVEL DE INSPECCION III 4.- LETRA CODIGO = M 5.- PLAN SIMPLE DE MUESTREO 6.- n=315 Ac= 1 Re= 0 NIVEL I ( REDUCIDO) 1.- N= 6000 PIEZAS 2.- NCA= 0.4 % 3.- NIVEL DE INSPECCION I 4.- LETRA CODIGO = J 5.- PLAN SIMPLE DE MUESTREO 6.- n = 32 Ac= 0 Re = 2

Nivel de Inspeccion severa (III) Y nivel de Inspeccion Reducida (I)

Nivel de Inspeccion severa (II)

Nivel de Inspección ligera (I)

Inspección Ligera

Inspección Severa

Inspección ligera: con un lote de 6000 unidades se

tomara una muestra de 32 si salen 0 unidades defectuosas se aceptara el lote y si salen 2 unidades defectuosas se rechazara el lote.

Inspección severa: Con un lote de 6000 unidades se tomara una muestra de 315 si salen 2 unidades defectuosas se acepta y si llegaran a salir 3 o mas unidades defectuosas se rechaza el lote.

Coclusiones