Instituto Tecnolgico Superior de Villa La Venta

Ing. Petrolera

Calidad en la Industria Petrolera

Grado: 4 Grupo: P

Alumno:
Jos Fernando Ruiz Castillo
Trabajo:
Unidad I & II

Ing. Hilario Daz Sigero

 Unidad II
Herramientas para la calidad

Como norma general, existen algunas caractersticas que se denominan crticas

para establecer la calidad de un producto o servicio. Lo ms comn es efectuar
mediciones de estas caractersticas, obteniendo as datos numricos. Si se mide
cualquier caracterstica de calidad de un producto o servicio, se observar que los
valores numricos presentan una fluctuacin o variabilidad entre las distintas
unidades del producto fabricado o servicio prestado.
Para realizar un mejor anlisis de estos datos resulta til apoyarse en lo que se
denominan tcnicas grficas de calidad, como lo son las siete herramientas
bsicas de calidad, utilizadas para la solucin de problemas atinentes a la calidad,
mencionadas por primera vez por Kaoru Ishikawa.

2.1Hojas de verificacin
La Hoja de Verificacin es un impreso con formato de tabla o diagrama, destinado a
registrar y compilar datos mediante un mtodo sencillo y sistemtico, como la anotacin
de marcas asociadas a la ocurrencia de determinados sucesos.

La Hoja de Verificacin supone un mtodo que proporciona datos fciles de comprender y

que son obtenidos mediante un proceso simple y eficiente que puede ser aplicado en la
solucin de problemas de calidad.

Las Hojas de Verificacin reflejan rpidamente las tendencias y patrones subyacentes en

los datos.

Se utiliza en la mejora continua de la Calidad, tanto en el estudio de los sntomas de un

problema, como en la investigacin de las causas o en la recogida y anlisis de datos
para probar alguna hiptesis. Tambin se usa como punto de partida para la elaboracin
de otras herramientas, como por ejemplo los Grficos de Control.
2.2 Estratificacin
La estratificacin es una tcnica utilizada en combinacin con otras herramientas de anlisis
de datos. Cuando los datos, de una variedad de fuentes o categoras, han sido agrupados
su significado puede ser imposible de interpretar. Esta tcnica separa los datos para que
los patrones de distribucin de dos o ms grupos se puedan distinguir.

A cada grupo se le denomina estrato. El objetivo es aislar la causa de un problema,

identificando el grado de influencia de ciertos factores en el resultado de un proceso.

Los estratos a definir lo sern en funcin de la situacin particular de que se trate, pudiendo
establecerse estratificaciones atendiendo a:

Personal.

Materiales.

Maquinaria y equipo.

reas de gestin.

Tiempo.

Entorno.

Localizacin geogrfica.

Otros.

La estratificacin puede apoyarse en distintas herramientas de calidad, si bien el histograma

es el modo ms habitual de presentarla.

El desarrollo de la tcnica atiende a la metodologa presentada para los histogramas, para

el caso de los histogramas estatificados. Al fin y al cabo, se trata de construir los
histogramas correspondientes.
2.3 Histograma
El histograma es especialmente til cuando se tiene un amplio nmero de datos que es
preciso organizar, para analizar ms detalladamente o tomar decisiones sobre la base de
ellos. Tambin es un medio eficaz para transmitir a otras personas informacin sobre un
proceso de forma precisa e inteligible.

Otra aplicacin de sumo inters del histograma es la comparacin de los resultados de un

proceso con las especificaciones previamente establecidas para el mismo. En este caso,
mediante el histograma, puede determinarse en qu grado el proceso est produciendo
buenos resultados y hasta qu punto existen desviaciones respecto a los lmites fijados en
las especificaciones. En este sentido, el estudio de la distribucin de los datos puede ser
un excelente punto de partida para establecer hiptesis acerca de un funcionamiento
insatisfactorio.

Un histograma facilita una representacin visual en la que puede apreciarse si las medidas
tienden a estar centradas o a dispersarse. Tambin da respuesta a la cuestin de si el
proceso produce buenos resultados y a si stos estn o no dentro de las especificaciones.
2.4 Diagrama de Pareto
El Diagrama de Pareto constituye un sencillo y grfico mtodo de anlisis que
permite discriminar entre las causas ms importantes de un problema (los pocos y vitales)
y las que lo son menos (los muchos y triviales).

Las ventajas del Diagrama de Pareto pueden resumirse en:

Permite centrarse en los aspectos cuya mejora tendr ms impacto, optimizando por tanto
los esfuerzos.

Proporciona una visin simple y rpida de la importancia relativa de los problemas.

Ayuda a evitar que se empeoren algunas causas al tratar de solucionar otras y ser resueltas.

Su visin grfica del anlisis es fcil de comprender y estimula al equipo para continuar con
la mejora.

Despus de inspeccionar 88 refrigeradores defectuosos, se obtuvo la siguiente tabla

de frecuencias:

Ordenamos los datos y anexamos una columna de frecuencias y otra de frecuencias

acumuladas:
Lo que obtenemos es lo que se conoce como Diagrama de Pareto:

En ste caso el 81,8% de los defectos del proceso corresponden al 25% de los tipos
de defectos, es decir que tan solo solucionando las 3 principales inconformidades
se solucionaran el 81,8% de unidades defectuosas.
2.5 Diagrama de Causa y Efecto
Un diagrama de Causa y Efecto es la representacin de varios elementos (causas) de un
sistema que pueden contribuir a un problema (efecto). Fue desarrollado en 1943 por el
Profesor Kaoru Ishikawa en Tokio. Algunas veces es denominado Diagrama Ishikawa o
Diagrama Espina de Pescado por su parecido con el esqueleto de un pescado. Es una
herramienta efectiva para estudiar procesos y situaciones, y para desarrollar un plan de
recoleccin de datos.

1. Elegir la caracterstica de calidad que se va a analizar. Por ejemplo, en la

produccin de frascos de mermelada, la caracterstica podra ser el peso del frasco
lleno, la densidad del producto, los grados brix, etc. Trazamos una flecha horizontal
gruesa en sentido izquierda a derecha, que representa el proceso y a la derecha de
sta escribimos la caracterstica de calidad.

2. Indicamos los factores causales ms importantes que puedan generar la

fluctuacin de la caracterstica de calidad. Trazamos flechas secundarias
diagonales en direccin de la flecha principal. Usualmente estos factores causales
se ven representados en Materias primas, Mquinas, Mano de obra, Mtodos de
medicin, etc.

3. Anexamos en cada rama factores causales ms detallados de la fluctuacin de

la caracterstica de calidad. Para simplificar sta labor podemos recurrir a la tcnica
del interrogatorio. De sta forma seguimos ampliando el diagrama hasta
asegurarnos de que contenga todas las posibles causas de dispersin.
4. Verificamos que todos los factores causales de dispersin hayan sido anexados
al diagrama. Una vez establecidas de manera clara las relaciones causa y efecto,
el diagrama estar terminado.
El siguiente grfico corresponde a un ejemplo de diagrama de causa - efecto de la
Gua de Control de Calidad de karou Ishikawa. El proceso corresponde a una
mquina en la que se observa un defecto de rotacin oscilante, la caracterstica de
calidad es la oscilacin de un eje durante la rotacin:
2.6 Diagrama de dispersin
El diagrama de dispersin permite analizar si existe algn tipo de relacin entre dos
variables. Por ejemplo, puede ocurrir que dos variables estn relacionadas de manera que
al aumentar el valor de una, se incremente el de la otra. En este caso hablaramos de la
existencia de una correlacin positiva. Tambin podra ocurrir que al producirse una en un
sentido, la otra derive en el sentido contrario; por ejemplo, al aumentar el valor de la variable
x, se reduzca el de la variable y. Entonces, se estara ante una correlacin negativa. Si los
valores de ambas variable se revelan independientes entre s, se afirmara que no existe
correlacin.

El diagrama de dispersin es una herramienta grfica que ayuda a identificar la posible

relacin entre dos variables. Representa la relacin entre dos variables de forma grfica, lo
que hace ms fcil visualizar e interpretar los datos.

De otro lado, calculando el coeficiente de correlacin entre dos variables, permite cuantificar
el grado de relacin entre ambas, as como su signo. El valor de este coeficiente puede
estar comprendido entre 1 y 1.

Cuando toma un valor prximo a 1, la correlacin es fuerte y negativa. Si el valor es

cercano a +1, la correlacin es fuerte y positiva.

Si el coeficiente de correlacin lineal presenta un valor prximo a 0, la correlacin es dbil.

Un coeficiente de 0 indicara independencia total entre ambas variables. A su vez, un

coeficiente de correlacin lineal de 1 de -1 sealara que entre ambas variables hay
dependencia funcional, positiva o negativa segn el signo del coeficiente.

Esta correlacin puede sealar, pero no por ello probar, una relacin causal, es decir, no
predice relaciones causa efecto, sino que muestra la intensidad de la relacin entre dos
variables. Por lo tanto, es importante no apresurarse a obtener conclusiones sobre la
relacin entre las variables, ya que puede ser otra tercera que afecte a la relacin.
2.7 Grficos de Control
Los grficos de control tienen su origen al final de la dcada de 1920, cuando Walter A.
Shewhart analiz numerosos procesos de fabricacin concluyendo que todos presentaban
variaciones. Encontr que estas variaciones podan ser de dos clases: una aleatoria,
entendiendo por ella que su causa era insignificante o desconocida, y
otra imputable (tambin llamada asignable), cuyas causas podan ser descubiertas y
eliminadas tras un correcto diagnstico.

La variacin de una determinada caracterstica de calidad puede ser cuantificada realizando

un muestreo de las salidas del proceso y estimando los parmetros de su distribucin
estadstica. Shewhart inici as el moderno control de calidad, fundamentado en el control
estadstico del proceso y rebasando al clsico control de calidad, limitado a la inspeccin
final del producto.

Los cambios en la distribucin pueden comprobarse representando ciertos parmetros en

un grfico en funcin del tiempo, denominado grfico de control.

Todo proceso tendr variaciones, pudiendo estas agruparse en:

Causas aleatorias de variacin. Son causas desconocidas y con poca significacin, debidas
al azar y presentes en todo proceso.

Causas especficas (imputables o asignables). Normalmente no deben estar presentes en

el proceso. Provocan variaciones significativas.

Las causas aleatorias son de difcil identificacin y eliminacin. Las causas especficas s
pueden ser descubiertas y eliminadas, para alcanzar el objetivo de estabilizar el proceso.

Existen diferentes tipos de grficos de control:

De datos por variables. Que a su vez pueden ser de media y rango, mediana y rango, y
valores medidos individuales.

De datos por atributos. Del estilo aceptable / inaceptable, s / no,

En la base de los grficos de control est la idea de que la variacin de una caracterstica
de calidad puede cuantificarse obteniendo muestras de las salidas de un proceso y
estimando los parmetros de su distribucin estadstica. La representacin de esos
parmetros en un grfico, en funcin del tiempo, permitir la comprobacin de los cambios
en la distribucin.

El grfico cuenta con una lnea central y con dos lmites de control, uno superior (LCS) y
otro inferior (LCI), que se establecen a 3 desviaciones tpicas (sigma) de la media (la lnea
central). El espacio entre ambos lmites define la variacin aleatoria del proceso. Los puntos
que exceden estos lmites indicaran la posible presencia de causas especficas de
variacin.
 Bibliografa
https://www.ecured.cu/Hoja_de_verificaci%C3%B3n
https://www.aiteco.com/estratificacion/
https://www.aiteco.com/histograma/
https://www.aiteco.com/diagrama-de-pareto/
http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/herramientas_calidad/causaefect
o.htm
https://www.aiteco.com/diagrama-de-dispersion/
https://www.aiteco.com/graficos-de-control/