🔢 1. GRÁFICO DE PARETO
🎯 ¿Qué es?
Es un gráfico de barras que muestra las causas de un problema ordenadas de mayor a menor frecuencia o impacto. Se basa en el Principio de Pareto: “el 80% de los problemas se deben al 20% de las causas”.
📊 ¿Para qué sirve?
-
Identificar las causas más significativas de un problema
-
Enfocar esfuerzos en las áreas de mayor impacto
-
Priorizar acciones de mejora
📐 Estructura:
-
Eje X: categorías o causas (por ejemplo: tipos de defectos)
-
Eje Y izquierdo: frecuencia o costo
-
Eje Y derecho: porcentaje acumulado
-
Una línea acumulativa muestra la contribución relativa
🧠 Ejemplo:
En una fábrica textil:
-
Se identifican 100 defectos en un mes.
-
Categorías: Costura, manchas, roturas, tallas incorrectas.
-
El 70% se concentra en costuras y manchas → se actúa ahí primero.
📈 2. GRÁFICO DE CONTROL
🎯 ¿Qué es?
Es un gráfico que permite visualizar la estabilidad de un proceso en el tiempo. Muestra si un proceso está bajo control estadístico o presenta variaciones inusuales.
📊 ¿Para qué sirve?
-
Detectar variaciones normales vs. anormales (especiales)
-
Tomar decisiones basadas en datos reales
-
Controlar la calidad del proceso, no sólo del producto final
📐 Estructura:
-
Eje X: tiempo o secuencia de producción
-
Eje Y: medida de la característica de calidad (por ejemplo, peso, tiempo, temperatura)
-
Línea central (LC): media del proceso
-
Límites de control superior e inferior (LCS y LCI): calculados estadísticamente
🧠 Ejemplo:
Una empresa embotelladora monitorea el volumen de líquido. Si los valores se mantienen entre 485 ml y 515 ml (LCI y LCS), el proceso está bajo control. Si hay un punto fuera de esos límites, puede haber una falla en la máquina dosificadora.
📉 3. DIAGRAMA DE DISPERSIÓN
🎯 ¿Qué es?
Es un gráfico de puntos que muestra la relación entre dos variables cuantitativas. También se conoce como gráfico de correlación.
📊 ¿Para qué sirve?
-
Explorar si existe una correlación entre dos variables
-
Apoyar la identificación de causas en problemas de calidad
-
Determinar la necesidad de un análisis estadístico más profundo (regresión)
📐 Estructura:
-
Eje X: variable independiente (por ejemplo, tiempo de capacitación)
-
Eje Y: variable dependiente (por ejemplo, número de errores)
-
Cada punto representa un par de datos
🧠 Ejemplo:
En una oficina, se quiere saber si capacitar más al personal reduce los errores. Se grafican horas de capacitación vs. errores cometidos. Si se observa una tendencia descendente, hay correlación negativa: a más capacitación, menos errores.
No hay comentarios.:
Publicar un comentario